很多人連模糊匹配Like %xxx%怎么優(yōu)化都不知道
在開發(fā)過程中，經(jīng)常會碰到一些業(yè)務(wù)場景，需要以完全模糊匹配的方式查找數(shù)據(jù)，就會想到用 like %xxx% 或者 like %xxx 的方式去實現(xiàn)，而且即使列上有選擇率很高的索引，也不會被使用。
在MySQL中可以通過ICP特性，全文索引，基于生成列索引解決這類問題，下面就從索引條件下推ICP，全文索引，基于生成列索引及如何利用它們解決模糊匹配的SQL性能問題。
索引條件下推ICP
ICP介紹
MySQL 5.6開始支持ICP(Index Condition Pushdown)，不支持ICP之前，當(dāng)進(jìn)行索引查詢時，首先根據(jù)索引來查找數(shù)據(jù)，然后再根據(jù)where條件來過濾，掃描了大量不必要的數(shù)據(jù)，增加了數(shù)據(jù)庫IO操作。
在支持ICP后，MySQL在取出索引數(shù)據(jù)的同時，判斷是否可以進(jìn)行where條件過濾，將where的部分過濾操作放在存儲引擎層提前過濾掉不必要的數(shù)據(jù)，減少了不必要數(shù)據(jù)被掃描帶來的IO開銷。
在某些查詢下，可以減少Server層對存儲引擎層數(shù)據(jù)的讀取，從而提供數(shù)據(jù)庫的整體性能。
ICP具有以下特點
ICP相關(guān)控制參數(shù)
index_condition_pushdown：索引條件下推默認(rèn)開啟，設(shè)置為off關(guān)閉ICP特性。
- mysql>show variables like 'optimizer_switch';
- | optimizer_switch | index_condition_pushdown=on
- # 開啟或者關(guān)閉ICP特性
- mysql>set optimizer_switch = 'index_condition_pushdown=on | off';
ICP處理過程
假設(shè)有用戶表users01(id, name, nickname, phone, create_time)，表中數(shù)據(jù)有11W。由于ICP只能用于二級索引，故在name,nickname列上創(chuàng)建復(fù)合索引idx_name_nickname(name,nickname)，分析SQL語句select * from users01 where name = 'Lyn' and nickname like '%SK%'在ICP關(guān)閉和開啟下的執(zhí)行情況。
關(guān)閉ICP特性的SQL性能分析
開啟profiling進(jìn)行跟蹤SQL執(zhí)行期間每個階段的資源使用情況。
- mysql>set profiling = 1;
關(guān)閉ICP特性分析SQL執(zhí)行情況
- 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執(zhí)行期間各階段的資源使用
- 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 |#執(zhí)行階段耗時0.035773秒。
- | end | 0.000015 | 0.000006 | 0.000009 | 0 | 0 |
- #status狀態(tài)變量分析
- | Handler_read_next | 16384 | ##請求讀的行數(shù)
- | Innodb_data_reads | 2989 | #數(shù)據(jù)物理讀的總數(shù)
- | Innodb_pages_read | 2836 | #邏輯讀的總數(shù)
- | Last_query_cost | 8580.324460 | #SQL語句的成本COST，主要包括IO_COST和CPU_COST。
通過explain分析執(zhí)行計劃，SQL語句在關(guān)閉CP特性的情況下，走的是復(fù)合索引idx_name_nickname，Extra=Using Where，首先通過復(fù)合索引 idx_name_nickname 前綴從存儲引擎中讀出 name = 'Lyn' 的所有記錄，然后在Server端用where 過濾 nickname like '%SK%' 情況。
Handler_read_next=16384說明掃描了16384行的數(shù)據(jù)，SQL實際返回只有12行數(shù)，耗時50ms。對于這種掃描大量數(shù)據(jù)行，只返回少量數(shù)據(jù)的SQL，可以從兩個方面去分析。
1.索引選擇率低：對于符合索引(name,nickname)，name作為前導(dǎo)列出現(xiàn) where 條件，CBO都會選擇走索引，因為掃描索引比全表掃描的COST要小，但由于 name 列的基數(shù)不高，導(dǎo)致掃描了索引中大量的數(shù)據(jù)，導(dǎo)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個，選擇率6/114688很低。
2.數(shù)據(jù)分布不均勻：對于where name = ?來說，name數(shù)據(jù)分布不均勻時，SQL第一次傳入的值返回結(jié)果集很小，CBO就會選擇走索引，同時將SQL的執(zhí)行計劃緩存起來，以后不管name傳入任何值都會走索引掃描，這其實是不對的，如果傳入name的值是Fly100返回表中80%的數(shù)據(jù)，這是走全表掃描更快。
- | name | count(*) |
- +---------------+----------+
- | Grubby | 12 |
- | Lyn | 1000 |
- | Fly100 | 98100 |
在MySQL 8.0推出了列的直方圖統(tǒng)計信息特性，主要針對索引列數(shù)據(jù)分布不均勻的情況進(jìn)行優(yōu)化。
開啟ICP特性的性能分析
開啟ICP特性分析SQL執(zhí)行情況
- mysql>set optimizer_switch = 'index_condition_pushdown=on';
- #執(zhí)行計劃
- | 1 | SIMPLE | users01 | NULL | ref | idx_name_nickname | idx_name_nickname | 82 | const | 29016 | 11.11 | Using index condition |
- #status狀態(tài)變量分析
- | Handler_read_next | 12 |
- | Innodb_data_reads | 2989 |
- | Innodb_pages_read | 2836 |
- | Last_query_cost | 8580.324460 |
從執(zhí)行計劃可以看出，走了復(fù)合索引 idx_name_nickname，Extra=Using index condition，且只掃描了12行數(shù)據(jù)，說明使用了索引條件下推ICP特性，SQL總共耗時10ms，跟關(guān)閉ICP特性下相比，SQL性能提升了5倍。
開啟ICP特性后，由于 nickname 的 like 條件可以通過索引篩選，存儲引擎層通過索引與 where 條件的比較來去除不符合條件的記錄，這個過程不需要讀取記錄，同時只返回給Server層篩選后的記錄，減少不必要的IO開銷。
Extra顯示的索引掃描方式
- using where：查詢使用索引的情況下，需要回表去查詢所需的數(shù)據(jù)。
- using index condition：查詢使用了索引，但是需要回表查詢數(shù)據(jù)。
- using index：查詢使用覆蓋索引的時候會出現(xiàn)。
- using index & using where：查詢使用了索引，但是需要的數(shù)據(jù)都在索引列中能找到，不需要回表查詢數(shù)據(jù)。
模糊匹配改寫優(yōu)化
在開啟ICP特性后，對于條件where name = 'Lyn' and nickname like '%SK%' 可以利用復(fù)合索引 (name,nickname) 減少不必要的數(shù)據(jù)掃描，提升SQL性能。但對于 where nickname like '%SK%'完全模糊匹配查詢能否利用ICP特性提升性能?首先創(chuàng)建nickname上單列索引 idx_nickname。
- mysql>alter table users01 add index idx_nickname(nickname);
- #SQL執(zhí)行計劃
- | 1 | SIMPLE | users01 | NULL | ALL | NULL | NULL | NULL | NULL | 114543 | 11.11 | Using where |
從執(zhí)行計劃看到 type=ALL，Extra=Using where 走的是全部掃描，沒有利用到ICP特性。
輔助索引idx_nickname(nickname)內(nèi)部是包含主鍵id的，等價于(id，nickname)的復(fù)合索引，嘗試?yán)酶采w索引特性將SQL改寫為 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 |
從執(zhí)行計劃看到，type=index，Extra=Using where; Using index，索引全掃描，但是需要的數(shù)據(jù)都在索引列中能找到，不需要回表。利用這個特點，將原始的SQL語句先獲取主鍵id，然后通過id跟原表進(jìn)行關(guān)聯(lián)，分析其執(zhí)行計劃。
- 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 |
從執(zhí)行計劃看，走了索引idx_nickname，不需要回表訪問數(shù)據(jù)，執(zhí)行時間從60ms降低為40ms，type = index 說明沒有用到ICP特性，但是可以利用 Using where; Using index 這種索引掃描不回表的方式減少資源開銷來提升性能。
全文索引
MySQL 5.6開始支持全文索引，可以在變長的字符串類型上創(chuàng)建全文索引，來加速模糊匹配業(yè)務(wù)場景的DML操作。它是一個inverted index(反向索引)，創(chuàng)建 fulltext index 時會自動創(chuàng)建6個 auxiliary index tables(輔助索引表)，同時支持索引并行創(chuàng)建，并行度可以通過參數(shù) innodb_ft_sort_pll_degree 設(shè)置，對于大表可以適當(dāng)增加該參數(shù)值。
刪除全文索引的表的數(shù)據(jù)時，會導(dǎo)致輔助索引表大量delete操作，InnoDB內(nèi)部采用標(biāo)記刪除，將已刪除的DOC_ID都記錄特殊的FTS_*_DELETED表中，但索引的大小不會減少，需要通過設(shè)置參數(shù)innodb_optimize_fulltext_only=ON 后，然后運行OPTIMIZE TABLE來重建全文索引。
全文索引特征
兩種檢索模式
- IN NATURAL LANGUAGE MODE：默認(rèn)模式，以自然語言的方式搜索，AGAINST('看風(fēng)' IN NATURAL LANGUAGE MODE ) 等價于AGAINST('看風(fēng)')。
- IN BOOLEAN MODE：布爾模式，表是字符串前后的字符有特殊含義，如查找包含SK，但不包含Lyn的記錄，可以用+，-符號。
AGAINST('+SK -Lyn' in BOOLEAN MODE);
這時查找 nickname like '%Lyn%' ，通過反向索引關(guān)聯(lián)數(shù)組可以知道，單詞Lyn存儲于文檔4中，然后定位到具體的輔助索引表中。
全文索引分析
對表users01的nickname添加支持中文分詞的全文索引
- mysql>alter table users01 add fulltext index idx_full_nickname(nickname) with parser ngram;
查看數(shù)據(jù)分布
- #設(shè)置當(dāng)前的全文索引表
- mysql>set global innodb_ft_aux_table = 'test/users01';
- #查看數(shù)據(jù)文件
- mysql>select * from information_schema.innodb_ft_index_cache;
- +--------+--------------+-------------+-----------+--------+----------+
- | WORD | FIRST_DOC_ID | LAST_DOC_ID | DOC_COUNT | DOC_ID | POSITION |
- +--------+--------------+-------------+-----------+--------+----------+
- .............
- | 看風(fēng) | 7 | 7 | 1 | 7 | 3 |
- | 笑看 | 7 | 7 | 1 | 7 | 0 |
全文索引相關(guān)對象分析
- #全文索引對象分析
- mysql>SELECT table_id, name, space from INFORMATION_SCHEMA.INNODB_TABLES where name like 'test/%';
- | 1198 | test/users01 | 139 |
- #存儲被標(biāo)記刪除同時從索引中清理的文檔ID,其中_being_deleted_cache是_being_deleted表的內(nèi)存版本。
- | 1199 | test/fts_00000000000004ae_being_deleted | 140 |
- | 1200 | test/fts_00000000000004ae_being_deleted_cache | 141 |
- #存儲索引內(nèi)部狀態(tài)信息及FTS_SYNCED_DOC_ID
- | 1201 | test/fts_00000000000004ae_config | 142 |
- #存儲被標(biāo)記刪除但沒有從索引中清理的文檔ID,其中_deleted_cache是_deleted表的內(nèi)存版本。
- | 1202 | test/fts_00000000000004ae_deleted | 143 |
- | 1203 | test/fts_00000000000004ae_deleted_cache | 144 |
模糊匹配優(yōu)化
對于SQL語句后面的條件 nickname like '%看風(fēng)%' 默認(rèn)情況下，CBO是不會選擇走nickname索引的，該寫SQL為全文索引匹配的方式：match(nickname) against('看風(fēng)')。
- mysql>explain select * from users01 where match(nickname) against('看風(fēng)');
- | 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詢，type=fulltext，同時命中全文索引 idx_full_nickname，從上面的分析可知，在MySQL中，對于完全模糊匹配%%查詢的SQL可以通過全文索引提高效率。
生成列
MySQL 5.7開始支持生成列，生成列是由表達(dá)式的值計算而來，有兩種模式：VIRTUAL和STORED，如果不指定默認(rèn)是VIRTUAL，創(chuàng)建語法如下：
- col_name data_type [GENERATED ALWAYS] AS (expr) [**VIRTUAL** | **STORED**] [NOT NULL | NULL]
生成列特征
- VIRTUAL生成列用于復(fù)雜的條件定義，能夠簡化和統(tǒng)一查詢，不占用空間，訪問列是會做計算。
- STORED生成列用作物化緩存，對于復(fù)雜的條件，可以降低計算成本，占用磁盤空間。
- 支持輔助索引的創(chuàng)建，分區(qū)以及生成列可以模擬函數(shù)索引。
- 不支持存儲過程，用戶自定義函數(shù)的表達(dá)式，NONDETERMINISTIC的內(nèi)置函數(shù)，如NOW()， RAND()以及不支持子查詢
生成列使用
- #添加基于函數(shù)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 | #虛擬生成列
模糊匹配優(yōu)化
對于where條件后的 like '%xxx' 是無法利用索引掃描，可以利用MySQL 5.7的生成列模擬函數(shù)索引的方式解決，具體步驟如下：
- 利用內(nèi)置reverse函數(shù)將like '%風(fēng)云'反轉(zhuǎn)為like '云風(fēng)%'，基于此函數(shù)添加虛擬生成列。
- 在虛擬生成列上創(chuàng)建索引。
- 將SQL改寫成通過生成列l(wèi)ike reverse('%風(fēng)云')去過濾，走生成列上的索引。
添加虛擬生成列并創(chuàng)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執(zhí)行計劃
- | 1 | SIMPLE | users01 | NULL | range | idx_reverse_nickname | idx_reverse_nickname | 803 | NULL | 1 | 100.00 | Using where |
可以看到對于 like '%xxx' 無法使用索引的場景，可以通過基于生成列的索引方式解決。
總結(jié)
介紹了索引條件下推ICP特性，全文索引以以及生成列特性，利用這些特性可以對模糊匹配 like %xxx% 或 like %xxx 的業(yè)務(wù)SQL進(jìn)行優(yōu)化，可以有效降低不必要的數(shù)據(jù)讀取，減少IO掃描以及CPU開銷，提高服務(wù)的穩(wěn)定性。
對于MySQL每個版本發(fā)布的新特性，尤其是跟優(yōu)化器和SQL相關(guān)的，應(yīng)該去關(guān)注和了解，可能會發(fā)現(xiàn)適合自己業(yè)務(wù)場景的特性。
我是敖丙，你知道的越多，你不知道的越多，我們下期見。
