Question

我在带有4GB Ram的Macbook Pro 2.53ghz上运行以下查询：

SELECT
    c.id            AS id,
    c.name          AS name,
    c.parent_id     AS parent_id,
    s.domain        AS domain_name,
    s.domain_id     AS domain_id,
    NULL            AS stats
FROM
    stats s
LEFT JOIN stats_id_category sic ON s.id = sic.stats_id
LEFT JOIN categories c ON c.id = sic.category_id
GROUP BY
    c.name

完成大约需要17秒。

说明：

alt text http://img7.imageshack.us/img7/1364/picture1va.png

表格：

信息：

Number of rows: 147397
Data size: 20.3MB
Index size: 1.4MB

表：

CREATE TABLE `stats` (
    `id` int(11) unsigned NOT NULL auto_increment,
    `time` int(11) NOT NULL,
    `domain` varchar(40) NOT NULL,
    `ip` varchar(20) NOT NULL,
    `user_agent` varchar(255) NOT NULL,
    `domain_id` int(11) NOT NULL,
    `date` timestamp NOT NULL default CURRENT_TIMESTAMP,
    `referrer` varchar(400) default NULL,
    KEY `id` (`id`)
) ENGINE=MyISAM AUTO_INCREMENT=147398 DEFAULT CHARSET=utf8

信息第二表：

Number of rows: 1285093
Data size: 11MB
Index size: 17.5MB

第二张表：

CREATE TABLE `stats_id_category` (
    `stats_id` int(11) NOT NULL,
    `category_id` int(11) NOT NULL,
    KEY `stats_id` (`stats_id`,`category_id`)
) ENGINE=MyISAM DEFAULT CHARSET=utf8

信息第三表：

Number of rows: 161
Data size: 3.9KB
Index size: 8KB

第三张表：

CREATE TABLE `categories` (
    `id` int(11) NOT NULL auto_increment,
    `parent_id` int(11) default NULL,
    `name` varchar(40) NOT NULL,
    `questions_category_id` int(11) NOT NULL default '0',
    `rank` int(2) NOT NULL default '0',
    PRIMARY KEY  (`id`),    
    KEY `id` (`id`)
) ENGINE=MyISAM AUTO_INCREMENT=205 DEFAULT CHARSET=latin1

希望有人能帮我加快速度。

Answer 1

我在你的查询中看到了几个WTF：

您使用了两个LEFT OUTER JOIN，但是您可以按c.name列进行分组，该列可能没有匹配项。那么也许你真的不需要外连接？如果是这种情况，则应使用内连接，因为外连接通常较慢。
您按c.name分组，但这会为您的选择列表中的每个其他列提供不明确的结果。即c.name每个分组中的这些列中可能有多个值。你很幸运，你正在使用MySQL，因为这个查询只会在任何其他RDBMS中出错。

这是性能问题，因为GROUP BY可能会导致您在EXPLAIN中看到“using temporary; using filesort”。这是一个臭名昭着的性能杀手，这可能是这个查询耗时17秒的最大原因。由于不清楚你为什么要使用GROUP BY（不使用聚合函数，违反单值规则），所以你似乎需要重新考虑这一点。
您按c.name分组，但没有UNIQUE约束。理论上你可以有多个具有相同名称的类别，这些类别将集中在一个组中。我想知道为什么你不按c.id分组，如果你想要每个类别一组。
SELECT NULL AS stats：我不明白为什么你需要这个。这有点像创建一个你永远不会使用的变量。它不应该损害性能，但它只是另一个WTF让我觉得你没有想到这个问题。
您在评论中说，您正在寻找每个类别的访问者数量。但是，您的查询没有任何汇总功能，例如SUM()或COUNT()。您的选择列表包含s.domain和s.domain_id，这对每位访问者都有所不同，对吧？那么，如果每个类别只有一行，那么您期望在结果集中有什么价值呢？这也不是一个性能问题，它只是意味着您的查询结果不会告诉您任何有用的信息。
您的stats_id_category表在其两列上有索引，但没有主键。因此，您可以轻松获得重复的行，这意味着您的访问者数量可能不准确。您需要删除该冗余索引并使用主键。我首先在该主键中订购category_id，因此连接可以利用索引。
```
ALTER TABLE stats_id_category DROP KEY stats_id, 
  ADD PRIMARY KEY (category_id, stats_id);
```

现在你可以消除你的一个联接，如果你需要计算的只是访问者数量：

SELECT c.id, c.name, c.parent_id, COUNT(*) AS num_visitors
FROM categories c
INNER JOIN stats_id_category sic ON (sic.category_id = c.id)
GROUP BY c.id;

现在查询根本不需要读取stats表，甚至不需要读取stats_id_category table。它只需通过读取stats_id_category表的索引即可获得计数，这应该可以消除大量工作。

Answer 2

您缺少所提供信息（类别）中的第三个表格。

此外，您正在进行LEFT JOIN然后在GROUP BY中使用正确的表（可能是所有NULLS）似乎很奇怪。您最终会将所有不匹配的行分组在一起，这是您的意图吗？

最后，你能为SELECT提供一个EXPLAIN吗？

Answer 3

哈利森是对的;我们需要另一张桌子。不过，我首先要将category_id的索引添加到stats_id_category。

Answer 4

我同意比尔的观点。第2点非常重要。查询甚至没有逻辑意义。此外，简单的事实是没有where语句意味着你必须撤回stats表中的每一行，这似乎是140000左右。然后它必须对所有数据进行排序，以便它可以执行GROUP BY 。这是因为sort [O（n log n）]然后查找重复项[O（n）]要快于查找重复项而不排序数据集[O（n ^ 2）?? ]。

优化MySQL查询，大约需要20秒！

4 个答案: