面试官：一千万的数据，你是怎么查问的？

1 先给论断

对于1千万的数据查问，次要关注分页查问过程中的性能

  • 针对偏移量大导致查问速度慢：
  1. 先对查问的字段创立惟一索引
  2. 依据业务需要，先定位查问范畴（对应主键id的范畴，比方大于多少、小于多少、IN）
  3. 查问时，将第2步确定的范畴作为查问条件
  • 针对查问数据量大的导致查问速度慢：
  1. 查问时，缩小不须要的列，查问效率也能够失去显著晋升
  2. 一次尽可能按需查问较少的数据条数
  3. 借助nosql缓存数据等来加重mysql数据库的压力

2 筹备数据

2.1 创立表

CREATE TABLE `user_operation_log`  (  `id` int(11) NOT NULL AUTO_INCREMENT,  `user_id` varchar(64) CHARACTER SET utf8mb4 COLLATE utf8mb4_general_ci NULL DEFAULT NULL,  `ip` varchar(20) CHARACTER SET utf8mb4 COLLATE utf8mb4_general_ci NULL DEFAULT NULL,  `op_data` varchar(255) CHARACTER SET utf8mb4 COLLATE utf8mb4_general_ci NULL DEFAULT NULL,  `attr1` varchar(255) CHARACTER SET utf8mb4 COLLATE utf8mb4_general_ci NULL DEFAULT NULL,  `attr2` varchar(255) CHARACTER SET utf8mb4 COLLATE utf8mb4_general_ci NULL DEFAULT NULL,  `attr3` varchar(255) CHARACTER SET utf8mb4 COLLATE utf8mb4_general_ci NULL DEFAULT NULL,  `attr4` varchar(255) CHARACTER SET utf8mb4 COLLATE utf8mb4_general_ci NULL DEFAULT NULL,  `attr5` varchar(255) CHARACTER SET utf8mb4 COLLATE utf8mb4_general_ci NULL DEFAULT NULL,  `attr6` varchar(255) CHARACTER SET utf8mb4 COLLATE utf8mb4_general_ci NULL DEFAULT NULL,  `attr7` varchar(255) CHARACTER SET utf8mb4 COLLATE utf8mb4_general_ci NULL DEFAULT NULL,  `attr8` varchar(255) CHARACTER SET utf8mb4 COLLATE utf8mb4_general_ci NULL DEFAULT NULL,  `attr9` varchar(255) CHARACTER SET utf8mb4 COLLATE utf8mb4_general_ci NULL DEFAULT NULL,  `attr10` varchar(255) CHARACTER SET utf8mb4 COLLATE utf8mb4_general_ci NULL DEFAULT NULL,  `attr11` varchar(255) CHARACTER SET utf8mb4 COLLATE utf8mb4_general_ci NULL DEFAULT NULL,  `attr12` varchar(255) CHARACTER SET utf8mb4 COLLATE utf8mb4_general_ci NULL DEFAULT NULL,  PRIMARY KEY (`id`) USING BTREE) ENGINE = InnoDB AUTO_INCREMENT = 1 CHARACTER SET = utf8mb4 COLLATE = utf8mb4_general_ci ROW_FORMAT = Dynamic;

2.2 造数据脚本

采纳批量插入，效率会快很多，而且每1000条数就commit，数据量太大，也会导致批量插入效率慢

DELIMITER ;;CREATE DEFINER=`root`@`%` PROCEDURE `batch_insert_log`()BEGIN  DECLARE i INT DEFAULT 1;  DECLARE userId INT DEFAULT 10000000; set @execSql = 'INSERT INTO `big_data`.`user_operation_log`(`user_id`, `ip`, `op_data`, `attr1`, `attr2`, `attr3`, `attr4`, `attr5`, `attr6`, `attr7`, `attr8`, `attr9`, `attr10`, `attr11`, `attr12`) VALUES'; set @execData = '';  WHILE i<=10000000 DO   set @attr = "rand_string(50)";  set @execData = concat(@execData, "(", userId + i, ", '110.20.169.111', '用户登录操作'", ",", @attr, ",", @attr, ",", @attr, ",", @attr, ",", @attr, ",", @attr, ",", @attr, ",", @attr, ",", @attr, ",", @attr, ",", @attr, ",", @attr, ")");  if i % 1000 = 0  then     set @stmtSql = concat(@execSql, @execData,";");    prepare stmt from @stmtSql;    execute stmt;    DEALLOCATE prepare stmt;    commit;    set @execData = "";   else     set @execData = concat(@execData, ",");   end if;  SET i=i+1;  END WHILE;ENDDELIMITER ;
delimiter $$create function rand_string(n INT) returns varchar(255) #该函数会返回一个字符串begin #chars_str定义一个变量 chars_str,类型是 varchar(100),默认值'abcdefghijklmnopqrstuvwxyzABCDEFJHIJKLMNOPQRSTUVWXYZ'; declare chars_str varchar(100) default   'abcdefghijklmnopqrstuvwxyzABCDEFJHIJKLMNOPQRSTUVWXYZ'; declare return_str varchar(255) default ''; declare i int default 0; while i < n do    set return_str =concat(return_str,substring(chars_str,floor(1+rand()*52),1));   set i = i + 1;   end while; return return_str;end $$

2.3 执行存储过程函数

因为模仿数据流量是1000W，我这电脑配置不高，消耗了不少工夫，应该个把小时吧

SELECT count(1) FROM `user_operation_log`;

2.4 一般分页查问

MySQL 反对 LIMIT 语句来选取指定的条数数据， Oracle 能够应用 ROWNUM 来选取。

MySQL分页查问语法如下：

SELECT * FROM table LIMIT [offset,] rows | rows OFFSET offset
  • 第一个参数指定第一个返回记录行的偏移量
  • 第二个参数指定返回记录行的最大数目

上面咱们开始测试查问后果：

SELECT * FROM `user_operation_log` LIMIT 10000, 10;

查问3次工夫别离为：

这样看起来速度还行，不过是本地数据库，速度天然快点。

换个角度来测试

雷同偏移量，不同数据量

SELECT * FROM `user_operation_log` LIMIT 10000, 10;SELECT * FROM `user_operation_log` LIMIT 10000, 100;SELECT * FROM `user_operation_log` LIMIT 10000, 1000;SELECT * FROM `user_operation_log` LIMIT 10000, 10000;SELECT * FROM `user_operation_log` LIMIT 10000, 100000;SELECT * FROM `user_operation_log` LIMIT 10000, 1000000;

从下面后果能够得出完结：数据量越大，破费工夫越长（这不是废话吗？）

雷同数据量，不同偏移量

SELECT * FROM `user_operation_log` LIMIT 100, 100;SELECT * FROM `user_operation_log` LIMIT 1000, 100;SELECT * FROM `user_operation_log` LIMIT 10000, 100;SELECT * FROM `user_operation_log` LIMIT 100000, 100;SELECT * FROM `user_operation_log` LIMIT 1000000, 100;

从下面后果能够得出完结：偏移量越大，破费工夫越长

3 如何优化

既然咱们通过下面一番的折腾，也得出了论断，针对下面两个问题：偏移大、数据量大，咱们别离着手优化

3.1 优化数据量大的问题

SELECT * FROM `user_operation_log` LIMIT 1, 1000000SELECT id FROM `user_operation_log` LIMIT 1, 1000000SELECT id, user_id, ip, op_data, attr1, attr2, attr3, attr4, attr5, attr6, attr7, attr8, attr9, attr10, attr11, attr12 FROM `user_operation_log` LIMIT 1, 1000000

查问后果如下：

下面模仿的是从1000W条数据表中 ，一次查问出100W条数据，看起来性能不佳，然而咱们惯例业务中，很少有一次性从mysql中查问出这么多条数据量的场景。能够联合nosql缓存数据等等来加重mysql数据库的压力。

因而，针对查问数据量大的问题：

  1. 查问时，缩小不须要的列，查问效率也能够失去显著晋升
  2. 一次尽可能按需查问较少的数据条数
  3. 借助nosql缓存数据等来加重mysql数据库的压力

第一条和第三条查问速度差不多，这时候你必定会吐槽，那我还写那么多字段干啥呢，间接 * 不就完事了

留神自己的 MySQL 服务器和客户端是在_同一台机器_上，所以查问数据相差不多，有条件的同学能够测测客户端与MySQL离开

SELECT * 它不香吗？

在这里顺便补充一下为什么要禁止 SELECT *。难道简略无脑，它不香吗？

次要两点：

  1. 用 "SELECT * " 数据库须要解析更多的对象、字段、权限、属性等相干内容，在 SQL 语句简单，硬解析较多的状况下，会对数据库造成惨重的累赘。
  2. 增大网络开销，* 有时会误带上如log、IconMD5之类的无用且大文本字段，数据传输size会几何增涨。特地是MySQL和应用程序不在同一台机器，这种开销非常明显。

3.2 优化偏移量大的问题

3.2.1 采纳子查问形式

咱们能够先定位偏移地位的 id，而后再查问数据

SELECT id FROM `user_operation_log` LIMIT 1000000, 1;SELECT * FROM `user_operation_log` WHERE id >= (SELECT id FROM `user_operation_log` LIMIT 1000000, 1) LIMIT 10;

查问后果如下：

这种查问效率不现实啊！！！奇怪，id是主键，主键索引不该当查问这么慢啊？？？

先EXPLAIN剖析下sql语句：

EXPLAIN SELECT id FROM `user_operation_log` LIMIT 1000000, 1;EXPLAIN SELECT * FROM `user_operation_log` WHERE id >= (SELECT id FROM `user_operation_log` LIMIT 1000000, 1) LIMIT 10;

奇怪，走了索引啊，而且是主键索引，如下

带着十万个为什么和千万个不甘心，尝试给主键再加一层惟一索引

ALTER TABLE `big_data`.`user_operation_log` ADD UNIQUE INDEX `idx_id`(`id`) USING BTREE;

因为数据量有1000W，所以，加索引须要期待一会儿，毕竟创立1000W条数据的索引，个别机器没那么快。

而后再次执行下面的查问，后果如下：

天啊，这查问效率的差距不止十倍！！！

再次EXPLAIN剖析一下：

命中的索引不一样，命中惟一索引的查问，效率高出不止十倍。

论断：

对于大表查问，不要太置信主键索引可能带来多少的性能晋升，老老实实依据查问字段，增加相应索引吧！！！

然而下面的办法只实用于==id是递增==的状况，如果id不是递增的，比方雪花算法生成的id，得依照上面的形式：

留神：

  1. 某些 mysql 版本不反对在 in 子句中应用 limit，所以采纳了多个嵌套select
  2. 但这种毛病是分页查问只能放在子查问外面
SELECT * FROM `user_operation_log` WHERE id IN (SELECT t.id FROM (SELECT id FROM `user_operation_log` LIMIT 1000000, 10) AS t);

查问所破费工夫如下：

EXPLAIN一下

EXPLAIN SELECT * FROM `user_operation_log` WHERE id IN (SELECT t.id FROM (SELECT id FROM `user_operation_log` LIMIT 1000000, 10) AS t);

3.2.2 采纳 id 限定形式

这种办法要求更高些，==id必须是间断递增==（留神是间断递增，不仅仅是递增哦），而且还得计算id的范畴，而后应用 between，sql如下

SELECT * FROM `user_operation_log` WHERE id between 1000000 AND 1000100 LIMIT 100;SELECT * FROM `user_operation_log` WHERE id >= 1000000 LIMIT 100;

能够看出，查问效率是相当不错的

留神：这里的 LIMIT 是限度了条数，没有采纳偏移量

还是EXPLAIN剖析一下

EXPLAIN SELECT * FROM `user_operation_log` WHERE id between 1000000 AND 1000100 LIMIT 100;EXPLAIN SELECT * FROM `user_operation_log` WHERE id >= 1000000 LIMIT 100;

因而，针对分页查问，偏移量大导致查问慢的问题：

  1. 先对查问的字段创立惟一索引
  2. 依据业务需要，先定位查问范畴（对应主键id的范畴，比方大于多少、小于多少、IN）
  3. 查问时，将第2步确定的范畴作为查问条件

本文由mdnice多平台公布