今天看到一篇关于 MySQL 的 IN 子查询优化的案例,一开始感觉有点半信半疑(如果是换做在 SQL Server 中,这种情况是绝对不可能的,后面会做一个简单的测试。)
随后动手按照他说的做了一个表来测试验证,发现 MySQL 的 IN 子查询做的不好,确实会导致无法使用索引的情况(IN 子查询无法使用所以,场景是 MySQL,截止的版本是 5.7.18)
MySQL 的测试环境
测试表如下
- create table test_table2(id int auto_increment primary key, pay_id int, pay_time datetime, other_col varchar(100))
建一个存储过程插入测试数据,测试数据的特点是 pay_id 可重复,这里在存储过程处理成,循环插入 300W 条数据的过程中,每隔 100 条数据插入一条重复的 pay_id,时间字段在一定范围内随机
- CREATE DEFINER = `root`@` % `PROCEDURE`test_insert` (IN`loopcount`INT) LANGUAGE SQL NOT DETERMINISTIC CONTAINS SQL SQL SECURITY DEFINER COMMENT ''BEGIN
- declare cnt int;
- set cnt = 0;
- while cnt < loopcount do insert into test_table2(pay_id, pay_time, other_col) values(cnt, date_add(now(), interval floor(300 * rand()) day), uuid());
- if (cnt mod 100 = 0) then insert into test_table2(pay_id, pay_time, other_col) values(cnt, date_add(now(), interval floor(300 * rand()) day), uuid());
- end
- if;
- set cnt = cnt + 1;
- end
- while;
- END
执行 call test_insert(3000000); 插入 303000 行数据
两种子查询的写法
查询大概的意思是查询某个时间段之内的业务 Id 大于 1 的数据,于是就出现两种写法。
第一种写法如下:IN 子查询中是某段时间内业务统计行数大于 1 的业务 Id,外层按照 IN 子查询的结果进行查询,业务 Id 的列 pay_id 上有索引,逻辑也比较简单,
这种写法,在数据量大的时候确实效率比较低,用不到索引
- select * from test_table2 force index(idx_pay_id) where pay_id in (select pay_id from test_table2where pay_time >= "2016-06-01 00:00:00"AND pay_time <= "2017-07-03 12:59:59"group by pay_idhaving count(pay_id) > 1);
执行结果:2.23 秒
第二种写法,与子查询进行 join 关联,这种写法相当于上面的 IN 子查询写法,下面测试发现,效率确实有不少的提高
- select tpp1. * from test_table2 tpp1,
- (select pay_id from test_table2 WHERE pay_time >= "2016-07-01 00:00:00"AND pay_time <= "2017-07-03 12:59:59"group by pay_id having count(pay_id) > 1) tpp2 where tpp1.pay_id = tpp2.pay_id
执行结果:0.48 秒
In 子查询的执行计划,发现外层查询是一个全表扫描的方式,没有用到 pay_id 上的索引
join 自查的执行计划,外层(tpp1 别名的查询)是用到 pay_id 上的索引的。
后面想对第一种查询方式使用强制索引,虽然是不报错的,但是发现根本没用
如果子查询是直接的值,则是可以正常使用索引的。
可见 MySQL 对 IN 子查询的支持,做的确实不怎么样。
另外:加一个使用临时表的情况,虽然比不少 join 方式查询的,但是也比直接使用 IN 子查询效率要高,这种情况下,也是可以使用到索引的,不过这种简单的情况,是没有必要使用临时表的。
下面是类似案例在 sqlserver 2014 中的测试,几万完全一样的测试表结构和数量,可见这种情况下,两种写法,在 SQL Server 中可以认为是完全一样的(执行计划 + 效率),这一点 SQL Server 要比 MySQL 强不少
下面是 sqlserver 中的测试环境脚本。
- create table test_table2(id int identity(1, 1) primary key, pay_id int, pay_time datetime, other_col varchar(100))
- begin tran declare@i int = 0
- while@i < 300000 begin insert into test_table2 values(@i, getdate() - rand() * 300, newid());
- if (@i % 1000 = 0) begin insert into test_table2 values(@i, getdate() - rand() * 300, newid());
- end set@i = @i + 1 end COMMIT GO
- create index idx_pay_id on test_table2(pay_id);
- create index idx_time on test_table2(pay_time);
- GO
- select * from test_table2 where pay_id in (select pay_id from test_table2 where pay_time >= '2017-01-21 00:00:00'AND pay_time <= '2017-07-03 12:59:59'group by pay_id having count(pay_id) > 1);
- select tpp1. * from test_table2 tpp1,
- (select pay_id from test_table2 WHERE pay_time >= '2017-01-21 00:00:00'AND pay_time <= '2017-07-30 12:59:59'group by pay_id having count(pay_id) > 1) tpp2 where tpp1.pay_id = tpp2.pay_id
总结:在 MySQL 数据中,截止 5.7.18 版本,对 IN 子查询,仍要慎用。
来源: http://www.linuxidc.com/Linux/2017-06/145304.htm