乐趣区

重新学习MySQL数据库12从实践sql语句优化开始

jiezi

版权声明：本文为博主原创文章，未经博主允许不得转载。https://blog.csdn.net/a724888…

本文不堆叠网上海量的 sql 优化技巧或是诀窍。只通过两个浅显易懂又实用的例子介绍 mysql 的 sql 语句优化。

首先介绍一下一般的大表优化方案。当 MySQL 单表记录数过大时，增删改查性能都会急剧下降，可以参考以下步骤来优化：

单表优化

微信公众号【黄小斜】大厂程序员，互联网行业新知，终身学习践行者。关注后回复「Java」、「Python」、「C++」、「大数据」、「机器学习」、「算法」、「AI」、「Android」、「前端」、「iOS」、「考研」、「BAT」、「校招」、「笔试」、「面试」、「面经」、「计算机基础」、「LeetCode」等关键字可以获取对应的免费学习资料。

                     ​

除非单表数据未来会一直不断上涨，否则不要一开始就考虑拆分，拆分会带来逻辑、部署、运维的各种复杂度，一般以整型值为主的表在 千万级 以下，字符串为主的表在 五百万 以下是没有太大问题的。而事实上很多时候 MySQL 单表的性能依然有不少优化空间，甚至能正常支撑千万级以上的数据量：

字段

  • 尽量使用 TINYINT、SMALLINT、MEDIUM_INT 作为整数类型而非INT，如果非负则加上UNSIGNED
  • VARCHAR的长度只分配真正需要的空间
  • 使用枚举或整数代替字符串类型
  • 尽量使用 TIMESTAMP 而非DATETIME，
  • 单表不要有太多字段，建议在 20 以内
  • 避免使用 NULL 字段，很难查询优化且占用额外索引空间
  • 用整型来存 IP

索引

  • 索引并不是越多越好，要根据查询有针对性的创建，考虑在 WHERE 和ORDER BY命令上涉及的列建立索引，可根据 EXPLAIN 来查看是否用了索引还是全表扫描
  • 应尽量避免在 WHERE 子句中对字段进行 NULL 值判断，否则将导致引擎放弃使用索引而进行全表扫描
  • 值分布很稀少的字段不适合建索引，例如 ” 性别 ” 这种只有两三个值的字段
  • 字符字段只建前缀索引
  • 字符字段最好不要做主键
  • 不用外键，由程序保证约束
  • 尽量不用UNIQUE，由程序保证约束
  • 使用多列索引时主意顺序和查询条件保持一致，同时删除不必要的单列索引

查询 SQL

  • 可通过开启慢查询日志来找出较慢的 SQL
  • 不做列运算：SELECT id WHERE age + 1 = 10，任何对列的操作都将导致表扫描，它包括数据库教程函数、计算表达式等等，查询时要尽可能将操作移至等号右边
  • sql 语句尽可能简单：一条 sql 只能在一个 cpu 运算；大语句拆小语句，减少锁时间；一条大 sql 可以堵死整个库
  • 不用SELECT *
  • OR改写成 IN：OR 的效率是 n 级别，IN的效率是 log(n)级别，in 的个数建议控制在 200 以内
  • 不用函数和触发器，在应用程序实现
  • 避免 %xxx 式查询
  • 少用JOIN
  • 使用同类型进行比较，比如用 '123' 和'123'比，123和 123 比
  • 尽量避免在 WHERE 子句中使用!= 或 <> 操作符，否则将引擎放弃使用索引而进行全表扫描
  • 对于连续数值，使用 BETWEEN 不用IN：SELECT id FROM t WHERE num BETWEEN 1 AND 5
  • 列表数据不要拿全表，要使用 LIMIT 来分页，每页数量也不要太大

引擎

目前广泛使用的是 MyISAM 和 InnoDB 两种引擎：

MyISAM

MyISAM 引擎是 MySQL 5.1 及之前版本的默认引擎，它的特点是：

  • 不支持行锁，读取时对需要读到的所有表加锁，写入时则对表加排它锁
  • 不支持事务
  • 不支持外键
  • 不支持崩溃后的安全恢复
  • 在表有读取查询的同时，支持往表中插入新纪录
  • 支持 BLOB 和TEXT的前 500 个字符索引，支持全文索引
  • 支持延迟更新索引，极大提升写入性能
  • 对于不会进行修改的表，支持压缩表，极大减少磁盘空间占用
InnoDB

InnoDB 在 MySQL 5.5 后成为默认索引，它的特点是：

  • 支持行锁，采用 MVCC 来支持高并发
  • 支持事务
  • 支持外键
  • 支持崩溃后的安全恢复
  • 不支持全文索引

总体来讲，MyISAM 适合 SELECT 密集型的表，而 InnoDB 适合 INSERT 和UPDATE密集型的表

0、自己写的海量数据 sql 优化实践

首先是建表和导数据的过程。

参考 https://nsimple.top/archives/…

有时候我们需要对大数据进行测试，本地一般没有那么多数据，就需要我们自己生成一些。下面会借助内存表的特点进行生成百万条测试数据。

  1. 创建一个临时内存表, 做数据插入的时候会比较快些

SQL

-- 创建一个临时内存表
DROP TABLE IF EXISTS `vote_record_memory`;
CREATE TABLE `vote_record_memory` (`id` int(10) unsigned NOT NULL AUTO_INCREMENT,
    `user_id` varchar(20) NOT NULL DEFAULT '',
    `vote_num` int(10) unsigned NOT NULL DEFAULT '0',
    `group_id` int(10) unsigned NOT NULL DEFAULT '0',
    `status` tinyint(2) unsigned NOT NULL DEFAULT '1',
    `create_time` datetime NOT NULL DEFAULT '0000-00-00 00:00:00',
    PRIMARY KEY (`id`),
    KEY `index_user_id` (`user_id`) USING HASH
) ENGINE=InnoDB AUTO_INCREMENT=1 DEFAULT CHARSET=utf8;
  1. — 创建一个普通表，用作模拟大数据的测试用例

SQL

DROP TABLE IF EXISTS `vote_record`;
CREATE TABLE `vote_record` (`id` int(10) unsigned NOT NULL AUTO_INCREMENT,
    `user_id` varchar(20) NOT NULL DEFAULT ''COMMENT' 用户 Id',
    `vote_num` int(10) unsigned NOT NULL DEFAULT '0' COMMENT '投票数',
    `group_id` int(10) unsigned NOT NULL DEFAULT '0' COMMENT '用户组 id 0- 未激活用户 1- 普通用户 2-vip 用户 3- 管理员用户',
    `status` tinyint(2) unsigned NOT NULL DEFAULT '1' COMMENT '状态 1- 正常 2- 已删除',
    `create_time` int(10) unsigned NOT NULL DEFAULT '0000-00-00 00:00:00' COMMENT '创建时间',
    PRIMARY KEY (`id`),
    KEY `index_user_id` (`user_id`) USING HASH COMMENT '用户 ID 哈希索引'
) ENGINE=InnoDB DEFAULT CHARSET=utf8 COMMENT='投票记录表';
  1. 为了数据的随机性和真实性，我们需要创建一个可生成长度为 n 的随机字符串的函数。

SQL

-- 创建生成长度为 n 的随机字符串的函数
DELIMITER // -- 修改 MySQL delimiter：'//'
DROP FUNCTION IF EXISTS `rand_string` //
SET NAMES utf8 //
CREATE FUNCTION `rand_string` (n INT) RETURNS VARCHAR(255) CHARSET 'utf8'
BEGIN 
    DECLARE char_str varchar(100) DEFAULT 'abcdefghijklmnopqrstuvwxyzABCDEFGHIJKLMNOPQRSTUVWXYZ0123456789';
    DECLARE return_str varchar(255) DEFAULT '';
    DECLARE i INT DEFAULT 0;
    WHILE i < n DO
        SET return_str = concat(return_str, substring(char_str, FLOOR(1 + RAND()*62), 1));
        SET i = i+1;
    END WHILE;
    RETURN return_str;
END //
  1. 为了操作方便，我们再创建一个插入数据的存储过程

SQL

-- 创建插入数据的存储过程
DROP PROCEDURE IF EXISTS `add_vote_record_memory` //
CREATE PROCEDURE `add_vote_record_memory`(IN n INT)
BEGIN
    DECLARE i INT DEFAULT 1;
    DECLARE vote_num INT DEFAULT 0;
    DECLARE group_id INT DEFAULT 0;
    DECLARE status TINYINT DEFAULT 1;
    WHILE i < n DO
        SET vote_num = FLOOR(1 + RAND() * 10000);
        SET group_id = FLOOR(0 + RAND()*3);
        SET status = FLOOR(1 + RAND()*2);
        INSERT INTO `vote_record_memory` VALUES (NULL, rand_string(20), vote_num, group_id, status, NOW());
        SET i = i + 1;
    END WHILE;
END //
DELIMITER ;  -- 改回默认的 MySQL delimiter：';'
  1. 开始执行存储过程，等待生成数据(10W 条生成大约需要 40 分钟)

SQL

-- 调用存储过程 生成 100W 条数据
CALL add_vote_record_memory(1000000);
  1. 查询内存表已生成记录(为了下步测试，目前仅生成了 105645 条)

SQL

SELECT count(*) FROM `vote_record_memory`;
-- count(*)
-- 105646
  1. 把数据从内存表插入到普通表中(10w 条数据 13s 就插入完了)

SQL

INSERT INTO vote_record SELECT * FROM `vote_record_memory`;
  1. 查询普通表已的生成记录

SQL

SELECT count(*) FROM `vote_record`;
-- count(*)
-- 105646
  1. 如果一次性插入普通表太慢，可以分批插入，这就需要写个存储过程了：

SQL

-- 参数 n 是每次要插入的条数
-- lastid 是已导入的最大 id
CREATE PROCEDURE `copy_data_from_tmp`(IN n INT)
BEGIN
    DECLARE lastid INT DEFAULT 0;
    SELECT MAX(id) INTO lastid FROM `vote_record`;
    INSERT INTO `vote_record` SELECT * FROM `vote_record_memory` where id > lastid LIMIT n;
END
  1. 调用存储过程:

SQL

-- 调用存储过程 插入 60w 条
CALL copy_data_from_tmp(600000);

SELECT * FROM vote_record；

全表查询

建完表以后开启慢查询日志，具体参考下面的例子，然后学会用 explain。windows 慢日志的位置在 c 盘，另外，使用 client 工具也可以记录慢日志，所以不一定要用命令行来执行测试，否则大表数据在命令行中要显示的非常久。

1 全表扫描 select * from vote_record

**

慢日志

SET timestamp=1529034398;
select * from vote_record;

Time: 2018-06-15T03:52:58.804850Z

User@Host: root[root] @ localhost [::1]  Id:    74

Query_time: 3.166424  Lock_time: 0.000000 Rows_sent: 900500  Rows_examined: 999999

耗时 3 秒，我设置的门槛是一秒。所以记录了下来。

explain 执行计划

id select_type table partitions type possible_keys key key_len ref rows filtered Extra

1 SIMPLE vote_record N ALL N N N N 996507 100.00 N

全表扫描耗时 3 秒多，用不到索引。

2 select * from vote_record where vote_num > 1000

没有索引，所以相当于全表扫描，一样是 3.5 秒左右

3 select * from vote_record where vote_num > 1000

加索引 create 

CREATE INDEX vote ON vote_record(vote_num);

/索引信息/————–

Table        Non_unique  Key_name  Seq_in_index  Column_name  Collation  Cardinality  Sub_part  Packed  Null    Index_type  Comment  Index_comment  
———–  ———-  ——–  ————  ———–  ———  ———–  ——–  ——  ——  ———-  ——-  —————
vote_record           0  PRIMARY              1  id           A               996507    (NULL)  (NULL)          BTREE                               
vote_record           1  votenum              1  vote_num     A                 9942    (NULL)  (NULL)          BTREE                               

/DDL 信息/————

CREATE TABLE vote_record (
  id int(10) unsigned NOT NULL AUTO_INCREMENT,
  user_id varchar(20) NOT NULL DEFAULT ” COMMENT ‘ 用户 Id’,
  vote_num int(10) unsigned NOT NULL DEFAULT ‘0’ COMMENT ‘ 投票数 ’,
  group_id int(10) unsigned NOT NULL DEFAULT ‘0’ COMMENT ‘ 用户组 id 0- 未激活用户 1- 普通用户 2-vip 用户 3- 管理员用户 ’,
  status tinyint(2) unsigned NOT NULL DEFAULT ‘1’ COMMENT ‘ 状态 1- 正常 2- 已删除 ’,
  create_time datetime NOT NULL DEFAULT ‘0000-00-00 00:00:00’ COMMENT ‘ 创建时间 ’,
  PRIMARY KEY (id),
  KEY votenum (vote_num)
) ENGINE=InnoDB AUTO_INCREMENT=1000000 DEFAULT CHARSET=utf8 COMMENT=’ 投票记录表 ’

explain 查看执行计划

id select_type table partitions type possible_keys key key_len ref rows filtered Extra

1 SIMPLE vote_record N ALL votenum,vote N N N 996507 50.00 Using where

还是没用到索引，因为不符合最左前缀匹配。查询需要 3.5 秒左右

最后修改一下 sql 语句

EXPLAIN SELECT * FROM vote_record WHERE id > 0 AND vote_num > 1000;

id select_type table partitions type possible_keys key key_len ref rows filtered Extra

1 SIMPLE vote_record N range PRIMARY,votenum,vote PRIMARY 4 N 498253 50.00 Using where

用到了索引，但是只用到了主键索引。再修改一次

EXPLAIN SELECT * FROM vote_record WHERE id > 0 AND vote_num = 1000;

id select_type table partitions type possible_keys key key_len ref rows filtered Extra

1 SIMPLE vote_record N index_merge PRIMARY,votenum,vote votenum,PRIMARY 8,4 N 51 100.00 Using intersect(votenum,PRIMARY); Using where

用到了两个索引，votenum,PRIMARY。

这是为什么呢。

再看一个语句

EXPLAIN SELECT * FROM vote_record WHERE id = 1000 AND vote_num > 1000

id select_type table partitions type possible_keys key key_len ref rows filtered Extra

1 SIMPLE vote_record N const PRIMARY,votenum PRIMARY 4 const 1 100.00 N

也只有主键用到了索引。这是因为只有最左前缀索引可以用 > 或 <，其他索引用 < 或者 > 会导致用不到索引。

下面是几个网上参考的例子：

一：索引是 sql 语句优化的关键，学会使用慢日志和执行计划分析 sql

背景：使用 A 电脑安装 mysql,B 电脑通过 xshell 方式连接，数据内容我都已经创建好，现在我已正常的进入到 mysql 中

步骤 1：设置慢查询日志的超时时间，先查看日志存放路径查询慢日志的地址，因为有慢查询的内容，就会到这个日志中：

<pre>show global variables like “%slow%”;</pre>

2. 开启慢查询日志

<pre>set global slow_query_log=on;</pre>

3. 查看慢查询日志的设置时间，是否是自己需要的

<pre>show global variables like “%long%”;</pre>

4. 如果不是自己想的时间，修改慢查询时间，只要超过了以下的设置时间，查询的日志就会到刚刚的日志中，我设置查询时间超过 1S 就进入到慢查询日志中

<pre>set global long_query_time=1;</pre>

5. 大数据已准备，进行数据的查询，xshell 最好开两个窗口，一个查看日志，一个执行内容

<pre>Sql 查询语句：select sql_no_cache * from employees_tmp where first_name=’Duangkaew’ and gender=’M'</pre>

发现查数据的总时间去掉了 17.74S

查看日志：打开日志

标记 1：执行的 sql 语句

标记 2：执行 sql 的时间，我的是 10 点 52 执行的

标记 3：使用那台机器

标记 4：执行时间，query_tims, 查询数据的时间

标记 5：不知道是干嘛的

标记 6：执行耗时的 sql 语句，我在想我 1 的应该是截取错了！但是记住最后一定是显示耗时是因为执行什么 sql 造成的

6. 执行打印计划，主要是查看是否使用了索引等其他内容, 主要就是在 sql 前面加上 explain 关键字

<pre>explain select sql_no_cache * from employees_tmp where first_name=’Duangkaew’ and gender=’M’;</pre>

描述 extra 中，表示只使用了 where 条件，没有其他什么索引之类的

7. 进行 sql 优化，建一个 fist_name 的索引，索引就是将你需要的数据先给筛选出来，这样就可以节省很多扫描时间

<pre>create index firstname on employees_tmp(first_name);</pre>

 

注：创建索引时会很慢，是对整个表做了一个复制功能，并进行数据的一些分类（我猜是这样，所以会很慢）

8. 查看建立的索引

<pre>show index from employees_tmp;</pre>

 

9. 在执行查询语句，查看语句的执行时间

<pre>select sql_no_cache * from employees_tmp where first_name=’Duangkaew’ and gender=’M'</pre>

   发现时间已经有所提升了，其实选择索引也不一开始就知道，我们在试试使用性别，gender 进行索引

10. 删除已经有的索引，删除索引：

<pre>drop index first_name on employees_tmp;</pre>

11. 创建性别的索引(性别是不怎么好的索引方式，因为有很多重复数据)

<pre>create index index_gendar on employees_tmp(gender);</pre>

在执行 sql 语句查询数据，查看查询执行时间，没有创建比较优秀的索引，导致查询时间还变长了，

为嘛还变长了，这个我没有弄懂

12. 我们在试试使用创建组合索引，使用性别和姓名

<pre>alter table employees_tmp add index idx_union (first_name,gender);</pre>

在执行 sql 查看 sql 数据的执行时间

<pre>select sql_no_cache * from employees_tmp where first_name=’Duangkaew’ and gender=’M'</pre>

速度提升了 N 多倍啊

查看创建的索引

<pre>show index from employees_tmp;</pre>

索引建的好真的一个好帮手，建不好就是费时的一个操作

 目前还不知道为什么建立性别的索引会这么慢

二：sql 优化注意要点，比如索引是否用到，查询优化是否改变了执行计划，以及一些细节

场景

我用的数据库是 mysql5.6，下面简单的介绍下场景

课程表

create table Course(

c_id int PRIMARY KEY,

name varchar(10)

)

数据 100 条

学生表:

create table Student(

id int PRIMARY KEY,

name varchar(10)

)

数据 70000 条

学生成绩表 SC

CREATE table SC(

    sc_id int PRIMARY KEY,

    s_id int,

    c_id int,

    score int

)

数据 70w 条

查询目的：

查找语文考 100 分的考生

查询语句：

select s.* from Student s where s.s_id in (select s_id from SC sc where sc.c_id = 0 and sc.score = 100)

执行时间：30248.271s

晕, 为什么这么慢，先来查看下查询计划：

EXPLAIN 

select s.* from Student s where s.s_id in (select s_id from SC sc where sc.c_id = 0 and sc.score = 100)

发现没有用到索引，type 全是 ALL，那么首先想到的就是建立一个索引，建立索引的字段当然是在 where 条件的字段。

先给 sc 表的 c_id 和 score 建个索引

CREATE index sc_c_id_index on SC(c_id);
CREATE index sc_score_index on SC(score);

再次执行上述查询语句，时间为: 1.054s

快了 3w 多倍，大大缩短了查询时间，看来索引能极大程度的提高查询效率，看来建索引很有必要，很多时候都忘记建

索引了，数据量小的的时候压根没感觉，这优化感觉挺爽。

但是 1s 的时间还是太长了，还能进行优化吗，仔细看执行计划：

查看优化后的 sql:

SELECT
    `YSB`.`s`.`s_id` AS `s_id`,
    `YSB`.`s`.`name` AS `name`
FROM
    `YSB`.`Student` `s`
WHERE
    < in_optimizer > (
        `YSB`.`s`.`s_id` ,< EXISTS > (
            SELECT
                1
            FROM
                `YSB`.`SC` `sc`
            WHERE
                ((`YSB`.`sc`.`c_id` = 0)
                    AND (`YSB`.`sc`.`score` = 100)
                    AND (< CACHE > (`YSB`.`s`.`s_id`) = `YSB`.`sc`.`s_id`
                    )
                )
        )
    )

补充：这里有网友问怎么查看优化后的语句

方法如下：

在命令窗口执行 

有 type=all

按照我之前的想法，该 sql 的执行的顺序应该是先执行子查询

select s_id from SC sc where sc.c_id = 0 and sc.score = 100

耗时：0.001s

得到如下结果：

然后再执行

select s.* from Student s where s.s_id in(7,29,5000)

耗时：0.001s

这样就是相当快了啊，Mysql 竟然不是先执行里层的查询，而是将 sql 优化成了 exists 子句，并出现了 EPENDENT SUBQUERY，

mysql 是先执行外层查询，再执行里层的查询，这样就要循环 70007*11=770077 次。

那么改用连接查询呢？

SELECT s.* from 

Student s

INNER JOIN SC sc

on sc.s_id = s.s_id

where sc.c_id=0 and sc.score=100

这里为了重新分析连接查询的情况，先暂时删除索引 sc_c_id_index，sc_score_index

执行时间是：0.057s

效率有所提高，看看执行计划：

这里有连表的情况出现，我猜想是不是要给 sc 表的 s_id 建立个索引

CREATE index sc_s_id_index on SC(s_id);

show index from SC

在执行连接查询

时间: 1.076s，竟然时间还变长了，什么原因？查看执行计划：

优化后的查询语句为：

SELECT
    `YSB`.`s`.`s_id` AS `s_id`,
    `YSB`.`s`.`name` AS `name`
FROM
    `YSB`.`Student` `s`
JOIN `YSB`.`SC` `sc`
WHERE
    (
        (`YSB`.`sc`.`s_id` = `YSB`.`s`.`s_id`)
        AND (`YSB`.`sc`.`score` = 100)
        AND (`YSB`.`sc`.`c_id` = 0)
    )

貌似是先做的连接查询，再执行的 where 过滤

回到前面的执行计划：

这里是先做的 where 过滤，再做连表，执行计划还不是固定的，那么我们先看下标准的 sql 执行顺序：

正常情况下是先 join 再 where 过滤，但是我们这里的情况，如果先 join，将会有 70w 条数据发送 join 做操，因此先执行 where

过滤是明智方案，现在为了排除 mysql 的查询优化，我自己写一条优化后的 sql

SELECT
    s.*
FROM
    (
        SELECT
            *
        FROM
            SC sc
        WHERE
            sc.c_id = 0
        AND sc.score = 100
    ) t
INNER JOIN Student s ON t.s_id = s.s_id

即先执行 sc 表的过滤，再进行表连接，执行时间为：0.054s

和之前没有建 s_id 索引的时间差不多

查看执行计划：

先提取 sc 再连表，这样效率就高多了，现在的问题是提取 sc 的时候出现了扫描表，那么现在可以明确需要建立相关索引

CREATE index sc_c_id_index on SC(c_id);
CREATE index sc_score_index on SC(score);

再执行查询：

SELECT
    s.*
FROM
    (
        SELECT
            *
        FROM
            SC sc
        WHERE
            sc.c_id = 0
        AND sc.score = 100
    ) t
INNER JOIN Student s ON t.s_id = s.s_id

执行时间为：0.001s，这个时间相当靠谱，快了 50 倍

执行计划：

我们会看到，先提取 sc，再连表，都用到了索引。

那么再来执行下 sql

SELECT s.* from 

Student s

INNER JOIN SC sc

on sc.s_id = s.s_id

where sc.c_id=0 and sc.score=100

执行时间 0.001s

执行计划：

这里是 mysql 进行了查询语句优化，先执行了 where 过滤，再执行连接操作，且都用到了索引。

总结：

1.mysql 嵌套子查询效率确实比较低

2. 可以将其优化成连接查询

3. 建立合适的索引

4. 学会分析 sql 执行计划，mysql 会对 sql 进行优化，所以分析执行计划很重要

由于时间问题，这篇文章先写到这里，后续再分享其他的 sql 优化经历。

三、海量数据分页查找时如何使用主键索引进行优化

mysql 百万级分页优化

普通分页

  数据分页在网页中十分多见，分页一般都是 limit start,offset, 然后根据页码 page 计算 start

<pre> select * from user limit 1,20</pre>

这种分页在几十万的时候分页效率就会比较低了，MySQL 需要从头开始一直往后计算，这样大大影响效率

<pre>SELECT * from user limit 100001,20; //time 0.151s

explain SELECT * from user limit 100001,20;</pre>

我们可以用 explain 分析下语句，没有用到任何索引，MySQL 执行的行数是 16W+，于是我们可以想用到索引去实现分页

优化分页

使用主键索引来优化数据分页

<pre> select * from user where id>(select id from user where id>=100000 limit 1) limit 20; //time 0.003s</pre>

使用 explain 分析语句，MySQL 这次扫描的行数是 8W+，时间也大大缩短。

<pre> explain select * from user where id>(select id from user where id>=100000 limit 1) limit 20;</pre>

     

总结

在数据量比较大的时候，我们尽量去利用索引来优化语句。上面的优化方法如果 id 不是主键索引，查询效率比第一种还要低点。我们可以先使用 explain 来分析语句，查看语句的执行顺序和执行性能。

退出移动版