分区表场景下的 SQL 优化
导读
有个表做了分区,每天一个分区。
该表上有个查询,经常只查询表中某一天数据,但每次都几乎要扫描整个分区的所有数据,有什么办法进行优化吗?
待优化场景
有一个大表,每天产生的数据量约100万,所以就采用表分区方案,每天一个分区。
下面是该表的ddl:
create table `t1` ( `id` bigint(20) not null auto_increment, `date` date not null, `kid` int(11) default '0', `uid` int(11) not null, `iid` int(11) default '0', `icnt` int(8) default '0', `tst` timestamp not null default current_timestamp on update current_timestamp, `countp` smallint(11) default '1', `isr` int(2) not null default '0', `clv` int(5) not null default '1', primary key (`id`,`date`), unique key `date` (`date`,`uid`,`iid`), key `date_2` (`date`,`kid`) ) engine=innodb auto_increment=3180686682 default charset=utf8mb4 /*!50500 partition by range columns(`date`) (partition p20161201 values less than ('2016-12-02') engine = innodb, partition p20161202 values less than ('2016-12-03') engine = innodb, partition p20161203 values less than ('2016-12-04') engine = innodb,
该表上经常发生下面的慢查询:
select ... from `t1` where `date` = '2017-04-01' and `icnt` > 300 and `id` = '801301';
sql优化之路
sql优化思路
想要优化一个sql,一般来说就是先看执行计划,观察是否尽可能用到索引,同时要关注预计扫描的行数,以及是否产生了临时表(using temporary) 或者 是否需要进行排序(using filesort),想办法消除这些情况。
更进一步的优化策略则可能需要调整程序代码逻辑,甚至技术架构或者业务需求,这个动作比较大,一般非核心系统上的核心问题,不会这么大动干戈,绝大多数情况,还是需要靠dba尽可能发挥聪明才智来解决。
sql性能瓶颈定位
现在,我们来看下这个sql的执行计划:
yejr@imysql.com[mydb]> explain partitions select ... from `t1` where `date` = '2017-03-02' and `icnt` > 100 and `iid` = '502302'\g *************************** 1. row *************************** id: 1 select_type: simple table: t1 partitions: p20170302 type: range possible_keys: date,date_2 key: date key_len: 3 ref: const rows: 9384602 extra: using where
这个执行计划看起来还好,有索引可用,也没临时表,也没filesort。不过,我们也注意到,预计要扫描的行数还是挺多的 rows: 9384602,而且要扫描zheng整个分区的所有数据,难怪效率不高,总是slow query。
优化思考
我们注意到这个sql总是要查询某一天的数据,这个表已经做了按天分区,那是不是可以忽略 where 子句中的 时间条件呢?
还有,既然去掉了 date 条件,反观表ddl,剩下的条件貌似就没有合适的索引了吧?
所以,我们尝试新建一个索引:
yejr@imysql.com[mydb]> alter table t1 add index iid (iid, icnt);
然后,把sql改造成下面这样,再看下执行计划:
yejr@imysql.com[mydb]> explain partitions select ... from `t1` partition(p2017030) where `icnt` > 100 and `iid` = '502302'\g *************************** 1. row *************************** id: 1 select_type: simple table: t1 partitions: p20170302 type: ref possible_keys: date,date_2,iid key: iid key_len: 10 ref: const rows: 7800 extra: using where 这优化效果,杠杠滴。 事实上,如果不强制指定分区的话,也是可以达到优化效果的: yejr@imysql.com[mydb]> explain partitions select ... from `t1` where `date` = '2017-03-02' and `icnt` > 100 and `iid` = '502302'\g *************************** 1. row *************************** id: 1 select_type: simple table: t1 partitions: p20170302 type: ref possible_keys: date,date_2,iid key: iid key_len: 10 ref: null rows: 7800 extra: using where
后记
绝大多数的sql通过添加索引、适当调整sql代码(例如调整驱动表顺序)等简单手法来完成。
多说几句,遇到sql优化性能瓶颈问题想要在技术群里请教时,麻烦先提供几个必要的信息:
- 表ddl
- 表常规统计信息,可执行 show table status like ‘t1' 查看
- 表索引分布信息,可执行 show index from t1 查看
- 有问题的sql及相应的执行计划 没有这些信息的话,就别去麻烦别人了吧。
以上就是分区表场景下的 sql 优化的详细内容,更多关于sql分区表优化的资料请关注其它相关文章!
上一篇: HTML的七种加密解密