MySQL性能优化(九)range和ref

俊达3年前技术文章3118

有的时候,我们会遇到这样的情况:明明有索引,明明有更好的执行计划,但是优化器并没有选择这个最优的执行计划。

优化器可能会选择并非最优的索引,可能选择并非最优的数据访问方式。

下面是一个真实的例子:

一个例子

SELECT * 
FROM dtops_mysql_stat  
WHERE tenant_id = 1 
  and instance_name='dtstack-dev1:3306' 
  and check_time >='2018-04-03' and check_time <= '2018-05-03' 
ORDER BY check_time desc limit 10;


索引:

   KEY `ind_tenantid` (`tenant_id`,`instance_name`,`check_time`)


根据这个SQL的where条件和索引,这个SQL的效率应该非常好,索引ind_tenantid和where条件完全符合,order by也可以利用索引的有序性。

但是,这个SQL执行却需要1秒。


我们来看一下SQL的执行计划:

9-1.jpg


查询用到了ind_tenantid索引,但是只用到了索引中的tenant_id和instance_name字段,这可以从type和key len看出。索引中的check_time,本来可以用来过滤check_time的数据,但是优化器并没有使用。


我们给这个SQL加上一个force index:

SELECT * 
FROM mysql_stat  force index(ind_tenantid)
WHERE tenant_id = 1 
  and instance_name='dtstack:3306' 
  and check_time >='2018-04-03' and check_time <= '2018-05-03' 
ORDER BY check_time desc limit 10;


加上force index之后,SQL的执行时间只需要几毫秒,对比一下执行计划:

9-2.jpg


type变成了range,key len变成了204,说明加上force index后,优化器用到了check_time来过滤数据。


但是优化器为什么会这么选择呢?我们可以使用optimizer trace功能来跟踪优化器是如何来评估各种可能的执行计划。


关于optimizer trace的具体使用方法,可以参考官方文档: https://dev.mysql.com/doc/dev/mysql-server/latest/PAGE_OPT_TRACE.html

这里不做具体介绍。


我们来对比下上述2个SQL的trace文件:


不加force index的trace

9-3.png

(图1)


 9-4.png

(图2)


9-5.png

(图3)


我们来看一下trace中的关键信息:

1、table scan的cost为78431,这是优化器根据表的记录数评估得到的全表扫描的成本。

2、使用ind_tenantid进行range访问的成本为84899,比全表扫描的成本还要高,所以没有选择这个执行计划。

3、ref的成本为30635。

最终选择了ind_tenantid的ref执行计划。


所以不加force index的情况下,由于where条件的过滤性不高,优化器评估后认为所用索引range的成本比全表扫描还要高,所以放弃了对本SQL效率最高的执行计划。

加了force index的trace

加上force index之后的trace:

(图1)


(图2)


(图3)


加上force index后,

1、table scan的成本为infinity。这可能就是mysql优化器实现force index使用的手段。

2、range scan的成本还是84899,由于加了force idnex,这个成本比table scan的成本低,所以没有排除这个执行计划。

3、最终选择了range scan的执行计划。为什么这里没有使用ref的执行计划?可能是优化器在选择同一个索引的不同执行计划时,优先使用range。

总结

优化器是关系型数据库的一个核心组件,实现也比较复杂。

当遇到优化器选择的执行计划和我们想要的最优的执行计划不一致时,我们可以尝试使用SQL Hint或调整优化器参数来影响优化器。

我们可以使用optimizer trace来观察优化器如何选择执行计划。

如果要对优化器成本评估有更深入的理解,可以尝试去分析优化器的代码。











相关文章

通过Nodeport方式暴露集群

通过Nodeport方式暴露集群

一、原理图二、通过deployment部署双副本nginx,两个Pod[root@172-16-121-211 ~]# cat nginx-delpayment01.yml apiVersion: a...

Flink 运行架构简介

Flink 运行架构简介

一、Flink简介Apache Flink 是一个开源的分布式大数据处理引擎,可对有限数据流和无限数据流进行有状态计算。它具备强一致性的计算能力、大规模的扩展性,整体性能非常卓越,同时支持SQL、Ja...

oracle手工管理的不完全恢复

一)使用当前控制文件做不完全恢复示例1: 恢复过去某个时间点误删除的table(基于时间点的不完全恢复)前提:在这个状态下先在OS下做一个数据文件和控制文件的冷备。SQL> shutdown i...

Tomcat调优处理

1、隐藏版本号进入tomcat的lib目录找到catalina.jar文件unzip catalina.jar之后会多出两个文件夹 进入org/apache/catalina/util编辑配置文件Se...

PG体系结构(一)

PG体系结构(一)

一、进程结构PG数据库启动时会先启动一个主进程(9.3之前称为postmaster,9.3以后称为postgres server process),然后fork出一些辅助子进程(backend、bac...

linux时间同步工具Chrony的配置和使用

linux时间同步工具Chrony的配置和使用

一、chrony简介       chronony是网络时间协议(NTP)的通用实现。它可以同步系统时钟与NTP服务器,chronyd包含两个程序,chronyd是一个守护进程,chronyc是一个命...

发表评论    

◎欢迎参与讨论,请在这里发表您的看法、交流您的观点。