三歪最近发现我一直在写MySQL的文章,然后就跟我说他有sql用到like的时候就没办法用到索引了,问我怎么办。
我让他坐在我腿上,摸着他的手说道:傻瓜,这样这样,你看这不是好了?顺手刮了一下他的鼻子。
三歪小脸一红,说:你真讨厌,然后娇羞的走了。
玩笑归玩笑哈,其实在开发过程中,经常会碰到一些业务场景,需要以完全模糊匹配的方式查找数据,就会想到用 like %xxx%
或者 like %xxx
的方式去实现,而且即使列上有选择率很高的索引,也不会被使用。
在MySQL中可以通过ICP特性,全文索引,基于生成列索引解决这类问题,下面就从索引条件下推ICP,全文索引,基于生成列索引及如何利用它们解决模糊匹配的SQL性能问题。
MySQL 5.6开始支持ICP(Index Condition Pushdown),不支持ICP之前,当进行索引查询时,首先根据索引来查找数据,然后再根据where条件来过滤,扫描了大量不必要的数据,增加了数据库IO操作。
在支持ICP后,MySQL在取出索引数据的同时,判断是否可以进行where条件过滤,将where的部分过滤操作放在存储引擎层提前过滤掉不必要的数据,减少了不必要数据被扫描带来的IO开销。
在某些查询下,可以减少Server层对存储引擎层数据的读取,从而提供数据库的整体性能。
ICP具有以下特点
ICP相关控制参数
index_condition_pushdown
:索引条件下推默认开启,设置为off关闭ICP特性。
mysql>show variables like 'optimizer_switch';
| optimizer_switch | index_condition_pushdown=on
# 开启或者关闭ICP特性
mysql>set optimizer_switch = 'index_condition_pushdown=on | off';
假设有用户表users01(id, name, nickname, phone, create_time)
,表中数据有11W。由于ICP只能用于二级索引,故在name,nickname列上创建复合索引idx_name_nickname(name,nickname)
,分析SQL语句select * from users01 where name = 'Lyn' and nickname like '%SK%'
在ICP关闭和开启下的执行情况。
关闭ICP特性的SQL性能分析
开启profiling进行跟踪SQL执行期间每个阶段的资源使用情况。
mysql>set profiling = 1;
关闭ICP特性分析SQL执行情况
mysql>set optimizer_switch = 'index_condition_pushdown=off';
mysql>explain select * from users01 where name = 'Lyn' and nickname like '%SK%';
| 1 | SIMPLE | users01 | NULL | ref | idx_name_nickname | idx_name_nickname | 82 | const | 29016 | 100.00 | Using where |
#查看SQL执行期间各阶段的资源使用
mysql>show profile cpu,block io for query 2;
| Status | Duration | CPU_user | CPU_system | Block_ops_in | Block_ops_out |
+--------------------------------+----------+----------+------------+--------------+---------------+
| starting | 0.000065 | 0.000057 | 0.000009 | 0 | 0 |
..................
| executing | 0.035773 | 0.034644 | 0.000942 | 0 | 0 |#执行阶段耗时0.035773秒。
| end | 0.000015 | 0.000006 | 0.000009 | 0 | 0 |
#status状态变量分析
| Handler_read_next | 16384 | ##请求读的行数
| Innodb_data_reads | 2989 | #数据物理读的总数
| Innodb_pages_read | 2836 | #逻辑读的总数
| Last_query_cost | 8580.324460 | #SQL语句的成本COST,主要包括IO_COST和CPU_COST。
通过explain分析执行计划,SQL语句在关闭CP特性的情况下,走的是复合索引idx_name_nickname,Extra=Using Where
,首先通过复合索引 idx_name_nickname
前缀从存储引擎中读出 name = 'Lyn'
的所有记录,然后在Server端用where
过滤 nickname like '%SK%'
情况。
Handler_read_next=16384说明扫描了16384行的数据,SQL实际返回只有12行数,耗时50ms。对于这种扫描大量数据行,只返回少量数据的SQL,可以从两个方面去分析。
索引选择率低:对于符合索引(name,nickname),name
作为前导列出现 where 条件,CBO都会选择走索引,因为扫描索引比全表扫描的COST要小,但由于 name 列的基数不高,导致扫描了索引中大量的数据,导致SQL性能也不太高。
Column_name: name Cardinality: 6 可以看到users01
表中name
的不同的值只有6个,选择率6/114688很低。
数据分布不均匀:对于where name = ?
来说,name数据分布不均匀时,SQL第一次传入的值返回结果集很小,CBO就会选择走索引,同时将SQL的执行计划缓存起来,以后不管name传入任何值都会走索引扫描,这其实是不对的,如果传入name的值是Fly100返回表中80%的数据,这是走全表扫描更快。
| name | count(*) |
+---------------+----------+
| Grubby | 12 |
| Lyn | 1000 |
| Fly100 | 98100 |
在MySQL 8.0推出了列的直方图统计信息特性,主要针对索引列数据分布不均匀的情况进行优化。
开启ICP特性的性能分析
开启ICP特性分析SQL执行情况
mysql>set optimizer_switch = 'index_condition_pushdown=on';
#执行计划
| 1 | SIMPLE | users01 | NULL | ref | idx_name_nickname | idx_name_nickname | 82 | const | 29016 | 11.11 | Using index condition |
#status状态变量分析
| Handler_read_next | 12 |
| Innodb_data_reads | 2989 |
| Innodb_pages_read | 2836 |
| Last_query_cost | 8580.324460 |
从执行计划可以看出,走了复合索引 idx_name_nickname,Extra=Using index condition
,且只扫描了12行数据,说明使用了索引条件下推ICP特性,SQL总共耗时10ms,跟关闭ICP特性下相比,SQL性能提升了5倍。
ICP特性/项目 | 扫描方式 | 扫描行数 | 返回行数 | 执行时间 |
---|---|---|---|---|
关闭ICP | Using where | 16384 | 12 | 50ms |
开启ICP | Using index condition | 12 | 12 | 10ms |
开启ICP特性后,由于 nickname 的 like 条件可以通过索引筛选,存储引擎层通过索引与 where 条件的比较来去除不符合条件的记录,这个过程不需要读取记录,同时只返回给Server层筛选后的记录,减少不必要的IO开销。
Extra显示的索引扫描方式
在开启ICP特性后,对于条件where name = 'Lyn' and nickname like '%SK%'
可以利用复合索引 (name,nickname)
减少不必要的数据扫描,提升SQL性能。但对于 where nickname like '%SK%'
完全模糊匹配查询能否利用ICP特性提升性能?首先创建nickname上单列索引 idx_nickname
。
mysql>alter table users01 add index idx_nickname(nickname);
#SQL执行计划
| 1 | SIMPLE | users01 | NULL | ALL | NULL | NULL | NULL | NULL | 114543 | 11.11 | Using where |
从执行计划看到 type=ALL,Extra=Using where
走的是全部扫描,没有利用到ICP特性。
辅助索引idx_nickname(nickname)内部是包含主键id的,等价于(id,nickname)的复合索引,尝试利用覆盖索引特性将SQL改写为 select Id from users01 where nickname like '%SK%'
。
| 1 | SIMPLE | users01 | NULL | index | NULL | idx_nickname | 83 | NULL | 114543 | 11.11 | Using where; Using index |
从执行计划看到,type=index,Extra=Using where; Using index
,索引全扫描,但是需要的数据都在索引列中能找到,不需要回表。利用这个特点,将原始的SQL语句先获取主键id,然后通过id跟原表进行关联,分析其执行计划。
select * from users01 a , (select id from users01 where nickname like '%SK%') b where a.id = b.id;
| 1 | SIMPLE | users01 | NULL | index | PRIMARY | idx_nickname | 83 | NULL | 114543 | 11.11 | Using where; Using index |
| 1 | SIMPLE | a | NULL | eq_ref | PRIMARY | PRIMARY | 4 | test.users01.id | 1 | 100.00 | NULL |
从执行计划看,走了索引idx_nickname,不需要回表访问数据,执行时间从60ms降低为40ms,type = index 说明没有用到ICP特性,但是可以利用 Using where; Using index
这种索引扫描不回表的方式减少资源开销来提升性能。
MySQL 5.6开始支持全文索引,可以在变长的字符串类型上创建全文索引,来加速模糊匹配业务场景的DML操作。它是一个inverted index(反向索引),创建 fulltext index
时会自动创建6个 auxiliary index tables
(辅助索引表),同时支持索引并行创建,并行度可以通过参数 innodb_ft_sort_pll_degree
设置,对于大表可以适当增加该参数值。
删除全文索引的表的数据时,会导致辅助索引表大量delete操作,InnoDB内部采用标记删除,将已删除的DOC_ID都记录特殊的FTS_*_DELETED表中,但索引的大小不会减少,需要通过设置参数innodb_optimize_fulltext_only=ON
后,然后运行OPTIMIZE TABLE来重建全文索引。
两种检索模式
IN NATURAL LANGUAGE MODE:默认模式,以自然语言的方式搜索,AGAINST('看风' IN NATURAL LANGUAGE MODE ) 等价于AGAINST('看风')
。
IN BOOLEAN MODE:布尔模式,表是字符串前后的字符有特殊含义,如查找包含SK,但不包含Lyn的记录,可以用+,-符号。
AGAINST('+SK -Lyn' in BOOLEAN MODE)
;
这时查找 nickname like '%Lyn%'
,通过反向索引关联数组可以知道,单词Lyn存储于文档4中,然后定位到具体的辅助索引表中。
对表users01的nickname添加支持中文分词的全文索引
mysql>alter table users01 add fulltext index idx_full_nickname(nickname) with parser ngram;
查看数据分布
#设置当前的全文索引表
mysql>set global innodb_ft_aux_table = 'test/users01';
#查看数据文件
mysql>select * from information_schema.innodb_ft_index_cache;
+--------+--------------+-------------+-----------+--------+----------+
| WORD | FIRST_DOC_ID | LAST_DOC_ID | DOC_COUNT | DOC_ID | POSITION |
+--------+--------------+-------------+-----------+--------+----------+
.............
| 看风 | 7 | 7 | 1 | 7 | 3 |
| 笑看 | 7 | 7 | 1 | 7 | 0 |
全文索引相关对象分析
#全文索引对象分析
mysql>SELECT table_id, name, space from INFORMATION_SCHEMA.INNODB_TABLES where name like 'test/%';
| 1198 | test/users01 | 139 |
#存储被标记删除同时从索引中清理的文档ID,其中_being_deleted_cache是_being_deleted表的内存版本。
| 1199 | test/fts_00000000000004ae_being_deleted | 140 |
| 1200 | test/fts_00000000000004ae_being_deleted_cache | 141 |
#存储索引内部状态信息及FTS_SYNCED_DOC_ID
| 1201 | test/fts_00000000000004ae_config | 142 |
#存储被标记删除但没有从索引中清理的文档ID,其中_deleted_cache是_deleted表的内存版本。
| 1202 | test/fts_00000000000004ae_deleted | 143 |
| 1203 | test/fts_00000000000004ae_deleted_cache | 144 |
对于SQL语句后面的条件 nickname like '%看风%'
默认情况下,CBO是不会选择走nickname索引的,该写SQL为全文索引匹配的方式:match(nickname) against('看风')。
mysql>explain select * from users01 where match(nickname) against('看风');
| 1 | SIMPLE | users01 | NULL | fulltext | idx_full_nickname | idx_full_nickname | 0 | const | 1 | 100.00 | Using where; Ft_hints: sorted |
使用了全文索引的方式查询,type=fulltext,同时命中全文索引 idx_full_nickname
,从上面的分析可知,在MySQL中,对于完全模糊匹配%%查询的SQL可以通过全文索引提高效率。
MySQL 5.7开始支持生成列,生成列是由表达式的值计算而来,有两种模式:VIRTUAL和STORED,如果不指定默认是VIRTUAL,创建语法如下:
col_name data_type [GENERATED ALWAYS] AS (expr) [**VIRTUAL** | **STORED**] [NOT NULL | NULL]
NONDETERMINISTIC
的内置函数,如NOW(), RAND()以及不支持子查询#添加基于函数reverse的生成列reverse_nickname
mysql>alter table users01 add reverse_nickname varchar(200) generated always as (reverse(nickname));
#查看生成列信息
mysql>show columns from users01;
| reverse_nickname | varchar(200) | YES | | NULL | VIRTUAL GENERATED | #虚拟生成列
对于where条件后的 like '%xxx'
是无法利用索引扫描,可以利用MySQL 5.7的生成列模拟函数索引的方式解决,具体步骤如下:
添加虚拟生成列并创建索引。
mysql>alter table users01 add reverse_nickname varchar(200) generated always as (reverse(nickname));
mysql>alter table users01 add index idx_reverse_nickname(reverse_nickname);
#SQL执行计划
| 1 | SIMPLE | users01 | NULL | range | idx_reverse_nickname | idx_reverse_nickname | 803 | NULL | 1 | 100.00 | Using where |
可以看到对于 like '%xxx'
无法使用索引的场景,可以通过基于生成列的索引方式解决。
介绍了索引条件下推ICP特性,全文索引以以及生成列特性,利用这些特性可以对模糊匹配 like %xxx%
或 like %xxx
的业务SQL进行优化,可以有效降低不必要的数据读取,减少IO扫描以及CPU开销,提高服务的稳定性。
对于MySQL每个版本发布的新特性,尤其是跟优化器和SQL相关的,应该去关注和了解,可能会发现适合自己业务场景的特性。
我是敖丙,你知道的越多,你不知道的越多,我们下期见。