Sql优化器究竟帮你做了哪些工作?

原创
2017/12/07 09:51
阅读数 1.2W

上一篇,我们介绍了《DB——数据的读取和存储方式》,这篇聊聊sql优化器的工作。

关系型数据库的一大优势之一,用户无需关心数据的访问方式,因为这些优化器都帮我们处理好了,但sql查询优化的时候,我不得不要对此进行关注,因为这牵扯到查询性能问题。

有经验的程序员都会对一些sql优化了如指掌,比如我们常说的最左匹配原则,非BT谓词规避等等,那么优化器是如何确定这些的?以及为何一定要最左匹配,最左匹配的原理是什么,你是否有深入了解?

这一篇我们就通过一些实例来剖析优化器做了哪些工作,以方便我们更好的优化SQL查询。

本篇你可以知道:

  1. sql的访问路径是什么

  2. 优化器如何确定最优访问路径

  3. 最左匹配的原则依据是什么

  4. 如何有效的评估sql命中行数

 

示例table:

CREATE TABLE test (
​
  id int(11) NOT NULL AUTO_INCREMENT,
​
  user_name varchar(100) DEFAULT NULL,
​
  sex int(11) DEFAULT NULL,
​
  age int(11) DEFAULT NULL,
​
  c_date datetime DEFAULT NULL,
​
  PRIMARY KEY (id),
​
  # 索引
​
  KEY id_name_sex (id,user_name,sex),
​
  KEY name_sex_age (user_name,sex,age)
​
) ENGINE=InnoDB AUTO_INCREMENT=12 DEFAULT CHARSET=utf8;
​
​

 

一、访问路径

在SQL语句能够被真正执行之前,优化器必须首先确定如何访问数据。这包括:应该使用哪一个索引,索引的访问方式如何,是否需要辅助式随机读,等等。

从一条SQL,到优化器优化,再到引擎进行数据查询,落地到数据的存储页面,这是一个访问路径确定的过程。

二、谓词

谓词就是我们常说的where子句中的一个或多个搜索参数组成。谓词表达式是索引设计的主要入手点,如果一个索引能够满足select查询语句的所有谓词表达式,那么优化器就可能建立一个高效的访问路径。

select * from test where id =1 and user_name like ’test%’

比如,上述查询 中,where后面的搜索参数,id 和user_name 就是谓词。

 

三、索引片

索引片即代表谓词表达式所确定的值域范围,而访问路径的成本很大程度上取决于索引片的厚度。

索引片越厚,需要扫描的索引页就越多,需要处理的索引记录也越多,而且最大的开销还是来自于需要对标进行同步读操作。相反,索引片比较窄,就会显著减少索引访问的那部分开销,同时会有更少的表同步读取上。

同步读是一个随机IO操作,单次的读取就要耗费10ms左右的时间。这个我们在上篇有说明。

 

比如:

//会匹配到5个数据
​
sql1:select * from test where sex=1;
​
// 匹配到2个数据
​
sql2:select * from test where sex=1 and age <10;

 

因此我们需要通过谓词来确定索引片的厚度,过滤的值域范围越少,索引片厚度就越窄。那么谓词一定就能匹配到索引么,或者说匹配的规则是什么?

 

四、匹配列&过滤列

谓词不一定都能匹配到索引,能够匹配上的,我们称之为匹配列。此时它可以参与索引片的定义。

只有匹配列和过滤列可以参与索引片的定义和过滤,其他不可。

我们来看下谓词匹配的定义:

检查索引列,从头到尾依次检查索引列,查看以下规则:

  1. 在where子句中,该列是否至少拥有一个足够简单的谓词与之对应?如果有,则这个列就是匹配列。如果没有,那么这个列及其后面的索引列都是非匹配列。

  2. 谓词是否是一个范围谓词,如果是,那么剩余的索引列都是非匹配列。

  3. 对于最后一个匹配列之后的索引列,如果拥有一个足够简单的谓词与其对应,那么该列为过滤列。

 

1、示例

select * from test where user_name=’test1’ and sex>0 and age =10

发现索引id_name_sex

  1. 逐行检查其索引列(id,user_name,sex)

  2. 首先检查 id,发现where后面的谓词没有与之对应,则 这个索引列以及后面的索引列都是非匹配列

  3. 索引id_name_sex匹配结束,无匹配列

发现索引name_sex_age

  1. 逐行检查其索引列(user_name,sex,age)

  2. 首先检查 user_name,发现where后面的 谓词 user_name 有与之对应,认定此列为匹配列

  3. 检查索引字段sex,发现where后面有谓词sex与之对应,认定此列为匹配列,由于谓词sex是范围谓词,则剩余的索引为非匹配列。

  4. 索引列age 是在最后一个匹配列sex 之后,而又有谓词age 与之对应,因此此列 为过滤列,

 

通过这个示例,我们最终确定了:

  • 匹配索引: name_sex_age

  • 匹配列: user_name,sex

  • 过滤列: age

 

我们查看下 explain ,和我们分析的对应。

 

2、确定匹配列有什么用

确定匹配列之后我们可以知道当前的查询会用到哪些索引,以及匹配到该索引的哪些列,最终可以提前锁定数据的访问范围,为数据的读取节省读取压力。

相对于没用匹配到索引的查询,有匹配列的查询,条件过滤是前置的,而没有匹配到索引的查询,条件过滤是后置的,即全表扫描之后,再过滤结果,如此磁盘IO压力过大。

另外 “最左匹配”原则也是基于匹配列规则而来,为何是最左匹配,除了B树的原理之外,还有一个重要的原因,在核对匹配列的时候,是从头到尾依次检查索引列。

所以对于是否能够匹配到索引,where后面的谓词顺序不重要,重要的是索引列的顺序。

 

比如:

select * from test where user_name=’test1’ and sex>0 and age =10
​
select * from test where sex>0 and user_name=’test1’ and age =10
​
select * from test where age =10 and user_name='test1' and sex>0

 

都可以匹配到name_sex_age 索引

3、复杂谓词

like 谓词

如果值是%xx ,那么将会选择全索引扫描,不参与索引匹配,如果是xx%,这会参与索引匹配,选择索引片扫描。

OR操作符

即便是简单的谓词,如果它们与其他谓词之间为OR操作,对优化器而言是异常困难的,除非在多索引访问,才有可能参与到一个索引片的定义,尽量不要用。

假设一个谓词的判定结果为false,而此时不检查其他谓词就不能确定的将一行记录排除在外,那么这类谓词对优化器而言就是十分困难的。

BT谓词

比如只有and 操作符,那么所有的简单谓词都可以称谓BT谓词,也就是好的谓词,除非访问路径是一个多索引扫描,否则只有BT谓词可以参加定义索引片。

谓词值不确定

比如谓词的值采用了函数,或者参与了计算,优化器在做静态SQL绑定的时候,每次都需要重新计算选择,无法缓存,耗费大量的CPU,也无法参与索引列的匹配。

 

五、过滤因子

匹配列确定了使用那些索引列,但索引片的厚度(也就是预计要访问多少行),还没有估算出来。此处需要进行通过过滤因子来确定。

过滤因子描述的谓词的选择性,即表中满足谓词条件的记录行数所占用的比例,依赖于列值分布情况。

 

1、单个谓词的过滤因子

比如,我们的的test表有10000条记录,谓词user_name 匹配了 一个索引列,其过滤因子是0.2%(1/不同user_name数量=user_name中有500个不同值的比率),则意味着查询结果会包含20行的记录。

 

select * from test where user_name=’test’

2、组合谓词的过滤因子

当有多个谓词符合匹配列的时候,我们可以通过单个谓词的过滤因子推导出组合过滤因子。一般的公式是:

组合过滤因子=谓词1过滤因子*谓词2过滤因子....

比如如下查询

select * from test where user_name=’test’ and sex=1 and age =10

包含3个谓词,user_name、sex、age、其中user_name有500个不同的值,sex有2个不同的值,age有40个不同的值。

则每个谓词的过滤因子:

FF(user_name) =1/500*100 =0.2%

FF(sex) =1/2*100=50%

FF(age) =1/40*100=2.5%

组合过滤因子=0.2%*50%*2.5%=0.0025%

 

通过以上组合过滤因子,可以推算出最终的结果集=10000*0.0025%=0.25 ~=1

 

通过以上过滤因子评估之后,我们可以看到,最终需要查找的结果集只需要获取1行就够了,这对数据库的磁盘访问有很高的性能提升。

这也是优化器在评估可选访问路径成时,必须先进行过滤因子评估的重要性。

 

六、排序

物化结果集意味着通过执行必要的数据库访问来构建结果集。最好情况下,只需要返回一条记录,而最坏的情况下需要返回多条记录,需要发起大量的磁盘读取。而排序就是其中一种。

在以下情况中,一次fetch调用只需要物化一条记录,否则对结果进行排序的时候就需要物化整个结果集。

  • 没有排序需求,比如order by,group by 等。

  • 虽然需要排序满足以下两个条件:

  1. <!--存在一个索引满足结果集的排序需求,比如上述的(id_name_sex) 或者(name_sex_age)-->

  2. <!--优化器决定以传统的方式使用这个索引,即访问第一条满足条件的索引行并读取相应的表行,然后访问第二条满足条件的索引行并读取相应的表行,依次类推。-->

  3. <!--比如使用索引(name_sex_age)时候,select * from test where user_name=’test’ order by sex ,此时在索引中,结果集基于sex本身就是有序的-->

 

七、最后

sql优化器做的不仅仅是你这些工作,但索引片的大小的预估,以及访问路径的确定却是它最重要的工作,后续我们再继续介绍。

 

-----------------------------------------------------------------------------

想看更多有趣原创的技术文章,扫描关注公众号。

展开阅读全文
加载中
点击加入讨论🔥(22) 发布并加入讨论🔥
打赏
22 评论
124 收藏
12
分享
返回顶部
顶部