IN子句中的项目数与索引使用的关系

Question

我正在尝试优化查询，但我看到了一种我不理解的奇怪行为。

我有一个包含近200万条记录的表，其中“status_code”列的索引是tinyint。

当我在In子句中用10个数字调用查询时，mysql会进行全表扫描

select * from `table` as t
where t.code in (1,2,3,4,5,6,7,8,9,10);

当我在IN子句中使用9个数字调用它时，将使用索引。

select * from `table` as t
where t.code in (1,2,3,4,5,6,7,8,9);

注意：此处的行数为“9”，尽管查询仅返回1行。

我正在使用Amazon RDS，我需要了解为什么会出现这种情况，以及是否有任何类型的配置可以控制它。

Answer 1

当您使用IN()谓词时，MySQL必须分析列表中每​​个值的索引，估计使用索引的好处。当您使用长值列表时，即使在执行查询之前，计算优化程序的估计也会变得很昂贵。

在MySQL 5.6中，他们建立了一个阈值，因此IN()谓词中的10个或更多项的列表跳过了每个值的索引潜值工作，并且只是猜测了使用索引的值。以前收集的有关指数的统计数据。这里记录了这一点：https://dev.mysql.com/doc/refman/5.6/en/range-optimization.html在“多值比较的等价范围优化”小节中。

您可以使用变量eq_range_index_dive_limit调整阈值。在MySQL 5.6中，默认值为10.在MySQL 5.7中，他们意识到默认值10太小，因此他们将默认值增加到200.您可以将此变量更改为200，就像MySQL 5.7行为一样。

我注意到您正在使用RDS。 RDS上的默认值有时与MySQL中的默认值不同，因此即使您使用的是基于MySQL 5.7的RDS，默认值也可能为10。查看db参数组。

Answer 2

使用索引是由统计数据驱动的。我没有MySQL的精确信息，但如果计算结果大于表的2％，PostgreSQL将进行seq-scan。在你的情况下，它可以是其他值，但机制是相同的。

数据库使用统计信息来查看您的查询是否返回超过表的小百分比 - 在这种情况下 - 使用序列读取。如果表小于5MB，MS SQL Server将不使用索引 - 这更快。我的意思是 - 这是典型的，并且所有RDBMS都是这样的。有时失败 - 正如你所看到的那样。

怎么办？您可以analyze table更新统计信息。您可以使用提示use_stat_tables关闭存储的统计数据...在PostgreSQL中，您可以更改表格的直方图以获得更精确的结果，但我不知道MySQL的那些。还有很多驱动程序，这个特殊问题可以在这个级别解决。

提供explain s在这里不会有太大变化。 MySQL的解释很差，问题的性质也很明显。

作为旁注。这与RDS无关 - 这是RDBMS的典型问题。不同的系统以不同的方式处理它，MySQL不是这里的领导者。