# 聊聊sql优化的15个小技巧
sql优化是一个大家都比较关注的热门话题，无论你在面试，还是工作中，都很有可能会遇到。
如果某天你负责的某个线上接口，出现了性能问题，需要做优化。那么你首先想到的很有可能是优化sql语句，因为它的改造成本相对于代码来说也要小得多。
那么，如何优化sql语句呢？
这篇文章从15个方面，分享了sql优化的一些小技巧，希望对你有所帮助。
## 1 避免使用select *
很多时候，我们写sql语句时，为了方便，喜欢直接使用`select *`，一次性查出表中所有列的数据。
**反例：**
```
select * from user where id=1;
```
在实际业务场景中，可能我们真正需要使用的只有其中一两列。查了很多数据，但是不用，白白浪费了数据库资源，比如：内存或者cpu。
此外，多查出来的数据，通过网络IO传输的过程中，也会增加数据传输的时间。
还有一个最重要的问题是：`select *`不会走索引，会出现大量的回表操作，而从导致查询sql的性能很低。
那么，如何优化呢？
**正例：**
```
select name,age from user where id=1;
```
sql语句查询时，只查需要用到的列，多余的列根本无需查出来。
## 2 用union all代替union（视情况而言）
我们都知道sql语句使用`union`关键字后，可以获取去重后的数据。
而如果使用`union all`关键字，可以获取所有数据，包含重复的数据。
**反例：**
```
(select * from user where id=1)
union
(select * from user where id=2);
```
去重的过程需要遍历、排序和比较，它更耗时，更消耗cpu资源。
所以如果能用union all的时候，尽量不用union。
**正例：**
```
(select * from user where id=1)
union all
(select * from user where id=2);
```
除非是有些特殊的场景，比如union all之后，结果集中出现了重复数据，而业务场景中是不允许产生重复数据的，这时可以使用union。
## 3 小表驱动大表
小表驱动大表，也就是说用小表的数据集驱动大表的数据集。
换一种说法：**用小表的结果作为大表的条件**
假如有order和user两张表，其中order表有10000条数据，而user表有100条数据。
这时如果想查一下，所有有效的用户下过的订单列表。
可以使用`in`关键字实现：
```
select * from order
where user_id in (select id from user where status=1)
```
也可以使用`exists`关键字实现：
```
select * from order
where exists (select i from user where order.user_id = user.id and status=1)
```
前面提到的这种业务场景，使用in关键字去实现业务需求，更加合适。
为什么呢？
因为如果sql语句中包含了in关键字，则它会优先执行in里面的`子查询语句`，然后再执行in外面的语句。如果in里面的数据量很少，作为条件查询速度更快。
而如果sql语句中包含了exists关键字，它优先执行exists左边的语句（即主查询语句）。然后把它作为条件，去跟右边的语句匹配。如果匹配上，则可以查询出数据。如果匹配不上，数据就被过滤掉了。
这个需求中，order表有10000条数据，而user表有100条数据。order表是大表，user表是小表。如果order表在左边，则用in关键字性能更好。
总结一下：
- `in` 适用于左边大表，右边小表。
- `exists` 适用于左边小表，右边大表。
不管是用in，还是exists关键字，其核心思想都是用小表驱动大表。
## 4 批量操作
如果你有一批数据经过业务处理之后，需要插入数据，该怎么办？
**反例：**
```
insert into order(id,code,user_id)
values(123,'002',100);
insert into order(id,code,user_id)
values(456,'002',100);
insert into order(id,code,user_id)
values(789,'002',100);
```
该操作需要多次请求数据库，才能完成这批数据的插入。
但众所周知，我们在代码中，每次远程请求数据库，是会消耗一定性能的。而如果我们的代码需要请求多次数据库，才能完成本次业务功能，势必会消耗更多的性能。
那么如何优化呢？
**正例：**
```
insert into order(id,code,user_id)
values(123,'001',100),(124,'002',100),(125,'003',101);
```
这样只需要远程请求一次数据库，sql性能会得到提升，数据量越多，提升越大。
小结：能一次操作插入数据的，不要多次操作。
但需要注意的是，不建议一次批量操作太多的数据，如果数据太多数据库响应也会很慢。批量操作需要把握一个度，建议每批数据尽量控制在500以内。如果数据多于500，则分多批次处理。
## 5 多用limit
有时候，我们需要查询某些数据中的第一条，比如：查询某个用户下的第一个订单，想看看他第一次的首单时间。
**反例：**
```
select id, create_date
from order
where user_id=123
order by create_date asc;
```
根据用户id查询订单，按下单时间排序，先查出该用户所有的订单数据，得到一个订单集合。然后在代码中，获取第一个元素的数据，即首单的数据，就能获取首单时间。
虽说这种做法在功能上没有问题，但它的效率非常不高，需要先查询出所有的数据，有点浪费资源。
那么，如何优化呢？
**正例：**
```
select id, create_date
from order
where user_id=123
order by create_date asc
limit 1;
```
使用`limit 1`，只返回该用户下单时间最早的那一条数据即可。
> 此外，在删除或者修改数据时，为了防止误操作，导致删除或修改了不相干的数据，也可以在sql语句最后加上limit。
例如：
```
update order set status=0,edit_time=now(3)
where id>=100 and id<200 limit 100;
```
这样即使误操作，比如把id搞错了，也不会对太多的数据造成影响。
## 6 in中值太多
对于批量查询接口，我们通常会使用`in`关键字过滤出数据。比如：想通过指定的一些id，批量查询出用户信息。
sql语句如下：
```
select id,name from category
where id in (1,2,3...100000000);
```
如果我们不做任何限制，该查询语句一次性可能会查询出非常多的数据，很容易导致接口超时。
解决方案：
方案1：可以在sql中对数据用limit做限制。
```
select id,name from category
where id in (1,2,3...100)
limit 500;
```
方案2：如果id超过500条记录，可以分批用多线程去查询数据。每批只查500条记录，最后把查询到的数据汇总到一起返回。
不过这只是一个临时方案，不适合于id实在太多的场景。因为id太多，即使能快速查出数据，但如果返回的数据量太大了，网络传输也是非常消耗性能的，接口性能始终好不到哪里去。
## 7 增量查询
有时候，我们需要通过远程接口查询数据，然后同步到另外一个数据库。
**反例：**
```
select * from user;
```
如果直接获取所有的数据，然后同步过去。这样虽说非常方便，但是带来了一个非常大的问题，就是如果数据很多的话，查询性能会非常差。
这时该怎么办呢？
**正例：**
```
select * from user
where id>#{lastId} and create_time >= #{lastCreateTime} #使用到 函数
limit 100;
```
按id和时间升序，每次只同步一批数据，这一批数据只有100条记录。每次同步完成之后，保存这100条数据中最大的id和时间，给同步下一批数据的时候用。
通过这种增量查询的方式，能够提升单次查询的效率。
## 8 高效的分页
有时候，列表页在查询数据时，为了避免一次性返回过多的数据影响接口性能，我们一般会对查询接口做分页处理。
在mysql中分页一般用的`limit`关键字：
```
select id,name,age
from user limit 10,20;
```
如果表中数据量少，用limit关键字做分页，没啥问题。但如果表中数据量很多，用它就会出现性能问题。
比如现在分页参数变成了：
```
select id,name,age
from user limit 1000000,20;
```
mysql会查到1000020条数据，然后丢弃前面的1000000条，只查后面的20条数据，这个是非常浪费资源的。
那么，这种海量数据该怎么分页呢？
优化sql：
```
select id,name,age
from user where id > 1000000 limit 20;
```
先找到上次分页最大的id，然后利用id上的索引查询。不过该方案，要求id是连续的，并且有序的。
还能使用`between`优化分页。
```
select id,name,age
from user where id between 1000000 and 1000020;
```
需要注意的是between要在唯一索引上分页，不然会出现每页大小不一致的问题。
## 9 用连接查询代替子查询
mysql中如果需要从两张以上的表中查询出数据的话，一般有两种实现方式：`子查询` 和 `外连接查询`。
子查询的例子如下：
```
select * from order
where user_id in (select id from user where status=1)
```
子查询语句可以通过`in`关键字实现，一个查询语句的条件落在另一个select语句的查询结果中。程序先运行在嵌套在最内层的语句，再运行外层的语句。
子查询语句的优点是简单，结构化，如果涉及的表数量不多的话。
但缺点是mysql执行子查询时，需要创建临时表，查询完毕后，需要再删除这些临时表，有一些额外的性能消耗。
这时可以改成外连接查询。具体例子如下：
```
select o.* from order o
inner join user u on o.user_id = u.id
where u.status=1
```
## 10 join的表不宜过多
根据阿里巴巴开发者手册的规定，join表的数量不应该超过`3`个。
**反例：**
```
select a.name,b.name.c.name,d.name
from a
inner join b on a.id = b.a_id
inner join c on c.b_id = b.id
inner join d on d.c_id = c.id
inner join e on e.d_id = d.id
inner join f on f.e_id = e.id
inner join g on g.f_id = f.id
```
如果join太多，mysql在选择索引的时候会非常复杂，很容易选错索引。
并且如果没有命中中， 就是分别从两个表读一行数据进行两两对比，复杂度是 n^2。
所以我们应该尽量控制join表的数量。
**正例：**
```
select a.name,b.name.c.name,a.d_name
from a
inner join b on a.id = b.a_id
inner join c on c.b_id = b.id
```
如果实现业务场景中需要查询出另外几张表中的数据，可以在a、b、c表中`冗余专门的字段`，比如：在表a中冗余d_name字段，保存需要查询出的数据。
不过我之前也见过有些ERP系统，并发量不大，但业务比较复杂，需要join十几张表才能查询出数据。
所以join表的数量要根据系统的实际情况决定，不能一概而论，尽量越少越好。
## 11 join时要注意
我们在涉及到多张表联合查询的时候，一般会使用`join`关键字。
而join使用最多的是left join和inner join。
- `left join`：求两个表的交集外加左表剩下的数据。
- `inner join`：求两个表交集的数据。
使用inner join的示例如下：
```
select o.id,o.code,u.name
from order o
inner join user u on o.user_id = u.id
where u.status=1;
```
如果两张表使用inner join关联，mysql会自动选择两张表中的小表，去驱动大表，所以性能上不会有太大的问题。
使用left join的示例如下：
```
select o.id,o.code,u.name
from order o
left join user u on o.user_id = u.id
where u.status=1;
```
如果两张表使用left join关联，mysql会默认用left join关键字左边的表，去驱动它右边的表。
如果左边的表数据很多时，就会出现性能问题。
> 要特别注意的是在用left join关联查询时，左边要用小表，右边可以用大表。
>
> 用right join关联查询时，右边要用小表，左边可以用大表。
>
> 如果能用inner join的地方，尽量少用left join。
## 12 控制索引的数量
众所周知，索引能够显著的提升查询sql的性能，但索引数量并非越多越好。
因为表中新增数据时，需要同时为它创建索引，而索引是需要额外的存储空间的，而且还会有一定的性能消耗。
阿里巴巴的开发者手册中规定，单表的索引数量应该尽量控制在`5`个以内，并且单个索引中的字段数不超过`5`个（指复合索引）。
mysql使用的B+树的结构来保存索引的，在insert、update和delete操作时，需要更新B+树索引。如果索引过多，会消耗很多额外的性能。
那么，问题来了，如果表中的索引太多，超过了5个该怎么办？
这个问题要辩证的看，如果你的系统并发量不高，表中的数据量也不多，其实超过5个也可以，只要不要超过太多就行。
但对于一些高并发的系统，请务必遵守单表索引数量不要超过5的限制。
那么，高并发系统如何优化索引数量？
能够建联合索引，就别建单个索引，可以删除无用的单个索引。
将部分查询功能迁移到其他类型的数据库中，比如：ElasticSeach、HBase等，在业务表中只需要建几个关键索引即可。
## 13 选择合理的字段类型
`char`表示固定字符串类型，该类型的字段存储空间的固定的，会浪费存储空间。
```
alter table order
add column code char(20) NOT NULL;
```
`varchar`表示变长字符串类型，该类型的字段存储空间会根据实际数据的长度调整，不会浪费存储空间。
```
alter table order
add column code varchar(20) NOT NULL;
```
如果是长度固定的字段，比如用户手机号，一般都是11位的，可以定义成char类型，长度是11字节。
但如果是企业名称字段，假如定义成char类型，就有问题了。
如果长度定义得太长，比如定义成了200字节，而实际企业长度只有50字节，则会浪费150字节的存储空间。
如果长度定义得太短，比如定义成了50字节，但实际企业名称有100字节，就会存储不下，而抛出异常。
所以建议将企业名称改成varchar类型，变长字段存储空间小，可以节省存储空间，而且对于查询来说，在一个相对较小的字段内搜索效率显然要高些。
我们在选择字段类型时，应该遵循这样的原则：
1. 能用数字类型，就不用字符串，因为字符的处理往往比数字要慢。
2. 尽可能使用小的类型，比如：用bit存布尔值，用tinyint存枚举值等。
3. 长度固定的字符串字段，用char类型。
4. 长度可变的字符串字段，用varchar类型。
5. 金额字段用decimal，避免精度丢失问题。
还有很多原则，这里就不一一列举了。
## 14 提升group by的效率
我们有很多业务场景需要使用`group by`关键字，它主要的功能是去重和分组。
通常它会跟`having`一起配合使用，表示分组后再根据一定的条件过滤数据。
**反例：**
```
select user_id,user_name from order
group by user_id
having user_id <= 200;
```
这种写法性能不好，它先把所有的订单根据用户id分组之后，再去过滤用户id大于等于200的用户。
分组是一个相对耗时的操作，为什么我们不先缩小数据的范围之后，再分组呢？
**正例：**
```
select user_id,user_name from order
where user_id <= 200
group by user_id
```
使用where条件在分组前，就把多余的数据过滤掉了，这样分组时效率就会更高一些。
> 其实这是一种思路，不仅限于group by的优化。我们的sql语句在做一些耗时的操作之前，应尽可能缩小数据范围，这样能提升sql整体的性能。
## 15 索引优化
sql优化当中，有一个非常重要的内容就是：`索引优化`。
很多时候sql语句，走了索引，和没有走索引，执行效率差别很大。所以索引优化被作为sql优化的首选。
索引优化的第一步是：检查sql语句有没有走索引。
那么，如何查看sql走了索引没？
可以使用`explain`命令，查看mysql的执行计划。
例如：
```
explain select * from `order` where code='002';
```
结果：通过这几列可以判断索引使用情况，
explain参数详情请参考笔记：explain详解
说实话，sql语句没有走索引，排除没有建索引之外，最大的可能性是索引失效了。
下面说说索引失效的常见原因：
1.索引覆盖率不高，字段重复值太高
2.分析优化器自行判断放弃使用这种索引，而去执行全表扫描。
此外，你有没有遇到过这样一种情况：明明是同一条sql，有的时候走的索引a，有的时候却走的索引b？
没错，有时候mysql会选错索引。
必要时可以使用`force index`来强制查询sql走某个索引。