(给数据分析与开发加星标，提升数据技能)
作者：风过无痕-唐
www.cnblogs.com/tangyanbo/p/6378741.html
奇怪的慢sql
我们先来看2条sql
第一条：
select * from acct_trans_log WHERE acct_id = 1000000000009000757 order by create_time desc limit 0,10第二条：
select * from acct_trans_log WHERE acct_id = 1000000000009003061 order by create_time desc limit 0,10表的索引及数据总情况：
索引：acct_id，create_time 分别是单列索引，数据库总数据为500w。
通过 acct_id 过滤出来的结果集在 1w 条左右。
查询结果：第一条要5.018s，第二条0.016s
为什么会是这样的结果呢？第一，acct_id和create_time都有索引，不应该出现5s查询时间这么慢啊
那么先来看执行计划
第一条sql执行计划：
第二条执行计划：
仔细观察会发现，索引只使用了idx_create_time，没有用到idx_acct_id。
这能解释第一条sql很慢，因为where查询未用到索引，那么第二条为什么这么快？
看起来匪夷所思，其实搞清楚mysql查询的原理之后，其实很简单。
我们来看这2条sql查询，都用到了where order by limit。
当有limit存在时，查询的顺序就有可能发生变化，这时并不是从数据库中先通过where过滤再排序再limit。
因为如果这样的话，从500万数据中通过where过滤就不会是5s了。
此时的执行顺序是，先根据idx_create_time索引树，从最右侧叶子节点，反序取出n条，然后逐条去跟where条件匹配。
若匹配上，则得出一条数据，直至取满10条为止，为什么第二条sql要快，因为运气好，刚好时间倒序的前几条就全部满足了。
搞清楚原理之后，我们了解了为什么第一条慢，第二条快的原因，但是问题又来了
为什么mysql不用idx_acct_id索引，这是一个问题，因为这样的话，我们的建立的索引基本失效了，在此类sql下查询效率将会是相当低。
因为通过acct_id过滤出来的结果集比较大，有上万条，mysql认为按时间排序如果不用索引，将会是filesort,这样会很慢，而又不能2个索引都用上，所以选择了idx_create_time。
为什么mysql只用一个索引
这里为什么不能2个索引都用上，可能很多人也不知道为什么，其实道理很简单，每个索引在数据库中都是一个索引树，其数据节点存储了指向实际数据的指针，如果用一个索引来查询，其原理就是从索引树上去检索，并获得这些指针，然后去取出数据，试想，如果你通过一个索引，得到过滤后的指针，这时，你的另一个条件索引如果再过滤一遍，将得到2组指针的集合，如果这时候取交集，未必就很快，因为如果每个集合都很大的话，取交集的时候，等于扫描2个集合，效率会很低，所以没法用2个索引。当然有时候mysql会考虑临时建立一个联合索引，将2个索引联合起来用，但是并不是每种情况都能奏效，同样的道理，用一个索引检索出结果集之后，排序时，也无法用上另一个索引了。
实际上用索引idx_acct_id大多数情况还是要比用索引idx_create_time要快，我们举个例子：
select * from acct_trans_log force index(idx_acct_id) WHERE acct_id = 1000000000009000757 order by create_time desc limit 0,10耗时：0.057s
可以看出改情况用idx_acct_id索引是比较快的，那么是不是这样就可以了呢，排序未用上索引，始终是有隐患的。
联合索引让where和排序字段同时用上索引
我们来看下一条sql:
select * from acct_trans_log force index(idx_acct_id) WHERE acct_id = 3095 order by create_time desc limit 0,10耗时: 1.999s
执行计划：
该sql通过acct_id过滤出来的结果集有100万条，因此排序将会耗时较高，所幸这里只是取出前10条最大的然后排序
查询概况，我们发现时间基本消耗在排序上，其实这是内存排序，对内存消耗是很高的。
那么我们有没有其它解决方案呢，这种sql是我们最常见的，如果处理不好，在大数据量的情况下，耗时以及对数据库资源的消耗都很高，这是我们所不能接受的，我们的唯一解决方案就是让where条件和排序字段都用上索引
解决办法就是建立联合索引：
alter table acct_trans_log add index idx_acct_id_create_time(acct_id,create_time)然后执行sql:
select * from acct_trans_log WHERE acct_id = 3095 order by create_time desc limit 0,10耗时: 0.016s
联合索引让where条件字段和排序字段都用上了索引，问题解决了！
联合索引使用的原理
但是为什么能解决这个问题呢，这时大家可能就会记住一个死理，就是联合索引可以解决where过滤和排序的问题，也不去了解其原理，这样是不对的，因为当情况发生变化，就懵逼了，
下面我们再看一个sql：
select * from acct_trans_log force index(idx_acct_id_create_time) WHERE acct_id in(3095,1000000000009000757) order by create_time desc limit 0,10耗时：1.391s
索引还是用idx_acct_id_create_time，时间居然慢下来了。
执行计划是：
看执行计划，排序用到了filesort，也就是说，排序未用到索引。
那么我们还是来看看，索引排序的原理，我们先来看一个sql:
select * from acct_trans_log ORDER BY create_time limit 0,100耗时：0.029s
执行计划为：
这里执行的步骤是，先从索引树中，按时间升序取出前100条，因为索引是排好序的，直接左序遍历即可了，因此，这里mysql并没有做排序动作，如果想降序，则右序遍历索引树，取出100条即可，查询固然快，那么联合索引的时候，是怎样的呢？
select * from acct_trans_log WHERE acct_id = 3095 order by create_time desc limit 0,10使用组合索引：idx_acct_id_create_time。
这个时候，因为acct_id是联合索引的前缀，因此可以很快实行检索，如果sql是
select * from acct_trans_log WHERE acct_id = 3095出来的数据是按如下逻辑排序的
3095+time13095+time23095+time3默认是升序的，也就是说，次sql相当于
select * from acct_trans_log WHERE acct_id = 3095 order by create_time他们是等效的。
如果我们把条件换成order by create_time desc limit 0,10呢？
这时候，应该从idx_acct_id_create_time树右边叶子节点倒序遍历，取出前10条即可
因为数据的前缀都是3095，后缀是时间升序。那么我们倒序遍历出的数据，刚好满足 order by create_time desc。因此也无需排序。
那么语句：
select * from acct_trans_log force index(idx_acct_id_create_time) WHERE acct_id in(3095,1000000000009000757) order by create_time desc limit 0,10为什么排序无法用索引呢？
我们先分析下索引的排序规则，
已知：id1
查询结果集排序如下：
id1+time1
id1+time2
id1+time3
id2+time1
id2+time2
id2+time3
索引出来的默认排序是这样的，id是有序的，时间是无序的，因为有2个id，优先按id排序，时间就是乱的了，这样排序将会用filesort，这就是慢的原因，也是排序没有用到索引的原因。
查询计划使用以及使用说明
table：显示这一行数据是关于哪张表的
type：显示使用了何种类型，从最好到最差的连接类型为const,eq_ref,ref,range,index,all
possible_keys：显示可能应用在这张表中的索引。如果为空，没有可能的索引
key：实际使用的索引，如果为null，则没有使用索引。
key_len：使用的索引的长度。在不损失精确性的情况下，长度越短越好
ref：显示索引的哪一列被使用了，如果可能的话，是一个常数
rows：mysql认为必须检查的用来返回请求数据的行数
推荐阅读 点击标题可跳转记一次神奇的 SQL 查询经历，group by 慢查询优化浅谈 MySQL 中优化 SQL 语句查询常用的 30 种方法MySQL 百万级数据量分页查询方法及其优化看完本文有收获？请转发分享给更多人
关注「数据分析与开发」加星标，提升数据技能
好文章，我在看❤️
