深入了解MySQL中的慢查询_Mysql

一、什么是慢查询

什么是MySQL慢查询呢？其实就是查询的SQL语句耗费较长的时间。

具体耗费多久算慢查询呢？这其实因人而异，有些公司慢查询的阈值是100ms，有些的阈值可能是500ms，即查询的时间超过这个阈值即视为慢查询。

正常情况下，MySQL是不会自动开启慢查询的，且如果开启的话默认阈值是10秒

				?

									# slow_query_log 表示是否开启

									mysql> show global variables like '%slow_query_log%';

									+---------------------+--------------------------------------+

									| Variable_name       | Value                                |

									+---------------------+--------------------------------------+

									| slow_query_log      | OFF                                  |

									| slow_query_log_file | /var/lib/mysql/0bd9099fc77f-slow.log |

									+---------------------+--------------------------------------+

									# long_query_time 表示慢查询的阈值，默认10秒

									show global variables like '%long_query_time%';

									+-----------------+-----------+

									| Variable_name   | Value     |

									+-----------------+-----------+

									| long_query_time | 10.000000 |

									+-----------------+-----------+

二、慢查询的危害

既然我们这么关注慢查询，那它肯定是有一些不好的地方，常见的有这几个：

1、用户体验差。

我们访问一个东西，或者保存一个东西，都得等好久，那不得分分钟弃坑？等等，我知道体验是会差，但慢查询的阈值设置为100ms似不似太低了，我访问一个东西1-2秒应该也能接受吧。其实这个阈值并不算太低，因为这是一条SQL的阈值，而你一个接口可能要查好几次SQL，甚至调下外部接口都是很常见的。

2、占用MySQL内存，影响性能

MySQL内存本来就是有限的（大内存要加钱！），SQL为什么查询慢呢？有时候就是因为你全表扫导致查询的数据量很多，再加上各种筛选就变慢了，所以慢查询往往也会意味着内存占用的增高，内存一高，能够承载的SQL查询就变少了，性能也变差了。

3、造成DDL操作阻塞

众所周知，InnoDB引擎默认加的是行锁，但锁其实都是加在索引上的，如果筛选条件没有建立索引，会降级到表锁。而慢查询有一大部分原因都是因为没加索引导致的，所以慢查询时间过长，就会导致表锁的时间也很长，如果这时候执行DDL就会造成阻塞。

三、慢查询常见场景

既然慢查询造成的问题这么多，那一般什么场景下会出现慢查询呢？

1、没加索引/没利用好索引

在没加索引的情况，就会造成全表扫描；又或者没走到索引（或者走的不是最优索引），这两张情况都会导致扫描行数增多，从而查询时间变慢。

下面是我测试的一个例子：

				?

									# 这是我的表结构，算是一种比较常规的表

									create table t_user_article

									(

									    id          bigint unsigned auto_increment

									        primary key,

									    cid         tinyint(2) default 0                 not null comment 'id',

									    title       varchar(100)                         not null,

									    author      varchar(15)                          not null,

									    content     text                                 not null,

									    keywords    varchar(255)                         not null,

									    description varchar(255)                         not null,

									    is_show     tinyint(1) default 1                 not null comment ' 1 0',

									    is_delete   tinyint(1) default 0                 not null comment ' 1 0',

									    is_top      tinyint(1) default 0                 not null comment ' 1 0',

									    is_original tinyint(1) default 1                 not null,

									    click       int(10)    default 0                 not null,

									    created_at  timestamp  default CURRENT_TIMESTAMP not null,

									    updated_at  timestamp  default CURRENT_TIMESTAMP not null on update CURRENT_TIMESTAMP

									)

									    collate = utf8mb4_unicode_ci;

在上述表结构下，我通过 [Fill Database](https://filldb.info/) 这个网站随机生成了一批数据进行测验，可以看到，在没加索引的前提下，基本5万条数据后就会开始出现慢查询了（假设阈值为100ms）

数据量	字段数量	查询类型	查询时间
1000	*	全表（ALL）	约80ms
50000	*	全表（ALL）	约120ms
100000	*	全表（ALL）	约180ms

2、单表数据量太大

如果本身单表数据量太大，可能超千万，或者达到亿级别，可能加了索引之后，个别查询还是存在慢查询的情况，这种貌似没啥好办法，要么就看索引设置得到底对不对，要么就只能分表了。

3、Limit 深分页

深分页的意思就是从比较后面的位置开始进行分页，比如每页有10条，然后我要看第十万页的数据，这时候的分页就会比较“深”

还是上面的 t_user_article 表，你可能会遇到这样的一条深分页查询：

				?

									-- 个人测试： 106000条数据，耗时约 150ms

									select * from t_user_article where click > 0 order by id limit 100000, 10;

在这种情况下，即使你的 click 字段加了索引，查询速度可能还是很慢（测试后和不加差不多），因为二级索引树存的是主键ID，查到数据还需要进行回表才能决定是否丢弃，像上面的查询，回表的次数就达到了100010次，可想而知速度是非常慢的。

结合上面的分析，目前的解决思路都是先查出主键字段（id），避免回表，再根据主键查出所有字段。

第一种，延迟关联，此时SQL变为：

				?

									-- 个人测试： 106000条数据，耗时约 90ms

									select * from t_user_article t1, (select id from t_user_article where click > 0 order by id limit 100000, 10) t2  WHERE t1.id = t2.id;

第二种，分开查询，分开查询的意思就是分两次查，此时SQL变为：

				?

									-- 个人测试： 106000条数据，耗时约 80ms

									select id from t_user_article where click > 0 order by id limit 100000, 10;

									-- 个人测试： 106000条数据，耗时约 80ms

									select * from t_user_article where id in (上述查询得到的ID)

大家可能会很疑惑，为什么要分开查呢，毕竟分开查可能最终耗时比一次查询还要高！这是因为有些公司（比如我司）可能只对单条SQL的查询时长有要求，但对整体的并没有要求，这时候这种办法就能达到一个折中的效果。

另外，大家在网上可能会看到利用子查询解决的办法，比如改成这样：

				?

									select * from t_user_article where id in (select id from t_user_article where click > 0 limit 100000, 10)

但这时候执行你会发现抛出一个错误： “This version of MySQL doesn't yet support 'LIMIT & IN/ALL/ANY/SOME subquery’”，翻译过来就是子查询不支持Limit，解决办法也很简单，多嵌套一层即可：

				?

									-- 个人测试： 106000条数据，耗时约 200ms

									select * from t_user_article where id in (select t.id from (select id from t_user_article where click > 0 order by id limit 100000, 10) as t)

但问题是测试后发现耗时反而变长了，所以并没有列举为一种解决办法。

4、使用FileSort查询

什么是FileSort查询呢？其实就是当你使用 order by 关键字时，如果待排序的内容不能由所使用的索引直接完成，MySQL就有可能会进行FileSort。

当查询的数据较少，没有超过系统变量 sort_buffer_size 设定的大小，则直接在内存进行排序（快排）；如果超过该变量设定的大小，则会利用文件进行排序（归并）。

FileSort出现的场景主要有以下两种：

4.1 排序字段没加索引

				?

									# click 字段此时未加索引

									explain select id, click from t_user_article where click > 0 order by click limit 10;

									# explain 结果：

									type：ALL  Extra：Using where; Using filesort

解决办法就是在 click 字段上加索引。

4.2 使用两个字段排序，但是排序规则不同，一个正序，一个倒序

				?

									# click 字段此时已加索引

									explain select id, click from t_user_article where click > 0 order by click desc, id asc limit 10;

									# explain 结果：

									type：range  Extra：Using where; Using index; Using filesort