黄东旭解析 TiDB 的核心优势
965
2023-05-06
MySQL分页优化中的 “ INNER JOIN方式优化分页算法 ” 到底在什么情况下会生效?
最近无意间看到一个MySQL分页优化的测试案例,并没有非常具体地说明测试场景的情况下,给出了一种经典的方案,因为现实中很多情况都不是固定不变的,能总结出来通用性的做法或者说是规律,是要考虑非常多的场景的,同时,面对能够达到优化的方式要追究其原因,同样的做法,换了个场景,达不到优化效果的,还要追究其原因。
个人对此场景在不用情况表示怀疑,然后自己测试了一把,果然发现一些问题,同时也证实了一些预期的想法。
本文就MySQL分页优化,从最最简单的情况出发,来做一个简单的分析。
另:本文测试环境是最***配置的云服务器,相对来说服务器硬件环境有限,不过对于不同的语句(写法)应该是“平等的”
20170916补充:
想想用脚趾头就能明白,
如果分页排序字段是聚集索引,完全没必要对索引分页再查询数据,因为索引就是数据本身。如果是非聚集索引,先对索引分页,然后再利用索引去查询数据,先分页索引确实可以减少扫描的范围如果经常按照2中的方式查询,也就是按照非聚集索引排序查询,那么为什么不在该列上建立聚集索引呢。
MySQL经典的分页“优化”做法
MySQL分页优化中,有一种经典的问题,在查询越“靠后”的数据越慢(取决于表上的索引类型,对于B树结构的索引,***中也一样)
select * from t order by id limit m,n
也即随着M的增大,查询同样多的数据,会越来越慢
面对这一问题,于是就产生了一种经典的做法,类似于(或者变种)如下的写法
就是先把分页范围内的id单独找出来,然后再跟基表做关联,***查询出来所需要的数据
select * from t inner join (select id from t order by id limit m,n)t1 on t1.id = t.id
这种做法是不是总是生效的,或者说是在什么情况下后者才能到达到优化的目的?有没有做了改写之后无效甚至变慢的情况?
与此同时,绝大多数查询都是有筛选条件的,如果有筛选条件的情况,sql语句就变成了
select * from t where *** order by id limit m,n
如果如法炮制,改写成类似
select * from t inner join (select id from t where *** order by id limit m,n )t1 on t1.id = t.id
在这种情况下,改写后的sql语句还能达到优化的目的吗?
测试环境搭建
测试数据比较简单,通过存储过程循环写入测试数据,测试表的InnoDB引擎表。
分页查询优化的缘由
首先还是先看一下这个经典的问题,分页的时候,越“靠后”查询相应越慢的情况
测试一:查询第1-20行的数据,0.01秒
同样是查询20行数据,查询相对“靠后”的数据,比如这里的从4900001-4900020行数据的情况,用时1.97秒。
从中可以看到,查询条件不变的情况下,越往后查询,查询效率越低,可以简单理解成:同样搜索20行数据,越是靠后的数据,查询代价越大。
至于为什么后一种效率较低,后面会慢慢分析。
测试环境是centos 7 ,mysql 5.7,测试表的数据是500W
重现经典分页“优化”,当没有筛选条件,排序列为聚集索引的时候,并不会有所改善
这里来对比以下两种写法在聚集索引列作为排序条件时候的性能
select * from t order by id limit m,n。 select * from t inner join (select id from t order by id limit m,n)t1 on t1.id = t.id
***种写法:
select * from test_table1 order by id asc limit 4900000,20;测试结果见截图,执行时间为8.31秒
第二种改写后的写法:
select t1.* from test_table1 t1
inner join (select id from test_table1 order by id limit 4900000,20)t2 on t1.id = t2.id;执行时间为8.43秒
这里很清楚,通过经典的改写方法改写之后,性能能毫无提升,甚至还有一点点变慢了,实际测试上表现为两者在性能上并没有明显的线性差异,这两者楼主是做了多次测试的。
我个人看到类似结论非要测一下不可的,这个东西不能靠蒙,或者靠运气什么的,能提高效率是为什么,不能提高又是为什么。
那么为什么改写之后的写法没有像传说中的那种提升性能?
是什么导致当前这个改写没有到达提升性能的目的?
后者能够提升性能的原理是什么?
首先看一下测试表的表结构,排序列上是有索引,这一点是没有问题的,关键是这个排序列上的索引是主键(聚集索引)。
为什么排序列上是聚集索引的时候,相对“优化”改写之后的sql并不能达到“优化”的目的?
在排序列为聚集索引列的情况下,两者都是顺序扫描表来实现查询符合条件的数据的后者虽然是先驱动一个子查询,然后再用子查询的结果驱动主表,
但是子查询并没有改变“顺序扫描表来实现查询符合条件的数据的”做法,当前情况下,甚至改写后的做法显得画蛇添足
参考如下两者执行计划,***个截图的执行计划的一行,与改写后的sql的执行计划的第三行(id =2 的那一行),基本上一样。
当没有筛选条件,排序列为聚集索引时候的分页查询,所谓的分页查询优化只不过是画蛇添足。
目前来看,查询上述数据,两种方式都非常慢,那如果要查询上述的数据,该如何做?还是要看为什么慢,首先要理解B数的平衡性结构,在我自己粗略的理解来看,如下图,当查询的数据“靠后”的时候,实际上是偏离在B树索引的一个方向,如下两个截图所示的目标数据其实平衡树上的数据,没有所谓的“靠前”与“靠后”,“靠前”与“靠后”都是相对于对方来说的,或者说是从扫描的方向上来看的从一个方向上看“靠后的”数据,从一个方向看就是“靠前的”,前后不是绝对的。
如下两个截图是B树索引结构的粗略表现形式,假如目标数据的位置固定的情况下,所谓的“靠后”是相对与从左向右来说的;
如果从右向左看,之前所谓靠后的数据实际上是“靠前”的。
只要数据是靠前的,要高效低找到这部分数据,还是可以的。mysql中应该也有类似于sqlserver中的正向(forwarded)和反向扫描(backward)的做法。
如果对于靠后的数据,采用反向扫描,应该就可以很快找到这个部分数据,然后对找到的数据在再次排序(asc),结果应该是一样的, 首先来看效果:结果跟上面的查询一模一样,这里仅耗时0.07秒,之前的两种写法均超过了8秒,效率有上百倍的差距。
至于这个是为什么,我想根据上面的阐述,自己应该能够体会的到,这里附上这个sql。
如果经常查询所谓的靠后的数据,比如说Id较大的数据,或者说是时间维度上较新的数据,可以采用倒叙扫描索引的方式来实现高效分页查询
(这里请计算好数据所在的分页,同样的数据,正序和倒序其起始“页码”是不同的)
select* from ( select * from test_table1 order by id desc limit 99980,20 ) t order by id;
当没有筛选条件,排序列为非聚集索引的时候,会有所改善
这里对测试表test_table1做出如下改变
1,增加一个id_2列,
2,该字段上创建一个唯一索引,
3,该字段用对应的主键Id填充
上面的测试是按照主键索引(聚集索引)来排序的,现在来按照非聚集索引排序,也即新增的这个列id_2来排序,测试一开始提到的两种分页方法。
首先来看***种写法
select * from test_table1 order by id_2 asc limit 4900000,20;执行时间为1分钟多一点,暂且认其为60秒
第二种写法
select t1.* from test_table1 t1
inner join (select id from test_table1 order by id_2 limit 4900000,20)t2 on t1.id = t2.id;执行时间1.67秒
从这种情况来看,也就是说排序列为非聚集索引列的时候,后一种写法确实能大幅度地提升效率。差不多有40倍的提升。
那么原因在何呢?
首先来看***种写法的执行计划,可以简单理解为这个sql的执行时做全表扫描之后,然后重新按照id_2排序,***取最前20条数据。
首先全表扫描就是一个非常耗时的过程,排序也是一个非常大的代价,因此表现为性能非常的低下。
再来看后者的执行计划,他是首先子子查询中,按照id_2上的索引顺序扫描,然后用符合条件的主键Id去表中查询数据。这样的话,避免了查询出来大量的数据然后重新排序(Using filesort)。
如果了解sqlserver执行计划的情况下,后者与前者相比,应该还有避免了频繁的回表(sqlserver中叫做key lookup或者书签查找的过程,可以认为是子查询驱动外层表查询符合条件的20条的数据的过程是一个批量的,一次性的。
其实,只有在当前情况下,也就是说排序列为非聚集索引列的时候,改写后的sql才能提升分页查询的效率。
即便如此,此方式“优化”过的分页语句,还是与如下写法的分页效率有比较大的差别的上面也看到了,返回同样的数据,如下的查询是0.07秒,比这里的1.67秒还是高2个数量级的
select* from ( select * from test_table1 order by id desc limit 99980,20 ) t order by id;
另外一个,想提到的问题就是,如果经常性分页查询,还要按照某种顺序,那么为什么不在这个列上建立一个聚集索引。
比如语句自增Id的,或者时间+其他字段确保唯一性的,mysql会在主键上自动创建聚集索引。
然后有了聚集索引,“靠前”与“靠后”仅仅是一个相对的逻辑上的概念了,如果多数时候是想得到“靠后”或者较新的数据,就可以采用上述写法,
当存在筛选条件的情况下,分页查询的优化
这一部分想了想,情况太复杂了,很难概括出来一种非常具有代表性的案例,因此就不过多地做测试了。
select * from t where *** order by id limit m,n
1,比如刷选条件本身就很高效,一过滤出来仅剩下很少一部分数据,那么改不改写sql意义也不大,因为筛选条件本身就可以做到很高效的筛选
2,比如刷选条件本身作用不大(过滤后数据量依然巨大),这种情况其实又回到了不存在筛选条件的情况,还有取决于如何排序,正序还是倒序等等
3,比如筛选条件本身作用不大(过滤后数据量依然巨大),要考虑的一个很实际的问题是数据分布,
数据的分布也会影响的sql的执行效率(sqlserver中的经历,mysql应该差别不大)
4,本身查询比较复杂的情况下,很难说用某种方式就可以达到高效的目的
情况越复杂,越是难以总结出来一种通用性的规律或者说是方法,一切都要以具体情况来看待,很难下一个定论。
这里对于查询加上筛选条件的情况,就不做一一分析了,不过可以肯定的是,脱离了实际场景,肯定没有一个固化的方案。
另外,对于查询当前页数据时候,利用上一页查询的***值做筛选条件,也可以很快滴找到当前页的数据,这样当然没有问题,但这属于另外一个做法,不在本文讨论之列。
补充一个在***下的测试结果,如果是非聚集索引,如果查询排序的列是一个单列索引,分页方式并不能提升效率。
create table TestPaging ( id int identity(1,1), name varchar(50), other varchar(100) ) declare @i int = 0 while @i<100000 begin insert into TestPaging values (NEWID(),NEWID()) set @i = @i + 1 end create index idx on TestPaging(name)
从执行计划可以看出,查询Id的子查询是一个全表扫描
除非是一个符合索引,在表中数据比较大的情况下,才能提高效率(子查询进行索引扫描的代价要小于全表扫描的代价),不过话说回来,如果经常按照某个列排序分页,为什么该列上不建立成聚集索引呢?
总结
分页查询,越靠后越慢的情况,实则对于B树索引来说,靠前与靠后是一个逻辑上相对的概念,性能上的差异,是基于B树索引结构以及扫描方式有关的。
如果加上筛选条件,情况将变得更加复杂,这个问题在***中的原理也是一样的,本来也在***中做了测试的,这里就不重复了。
当前这种情况,排序列不一定,查询条件不一定,数据分布不一定,就很难用一种特定的方法来实现“优化”,弄不好还起到画蛇添足的副作用。
因此在做分页优化的时候,一定要根据具体的场景来做分析,方法也不一定只有一种,脱离实际场景的结论,都是扯犊子。
唯有弄清楚这个问题的来龙去脉,才能游刃有余。
因此个人对于数据“优化”的结论,一定是具体问题具体分析,是很忌讳总结出来一套规则(规则1,2,3,4,5)给人“套用”,鉴于本人也很菜,就更不敢总结出来一些教条了。
版权声明:本文内容由网络用户投稿,版权归原作者所有,本站不拥有其著作权,亦不承担相应法律责任。如果您发现本站中有涉嫌抄袭或描述失实的内容,请联系我们jiasou666@gmail.com 处理,核实后本网站将在24小时内删除侵权内容。