Question

我们有一个数据库表，用于存储访问者的浏览器数据，按多种不同的子类型进行细分。为简单起见，我们使用下面的表模式。查询基本上将在任何单个id列，度量列，时间戳列（存储为epoch之后的秒）以及设备，浏览器或os列之一。

我们将对星形与雪花模式进行性能测试（其中所有ID都进入单个列，但随后添加了一个额外的列id_type以确定该表的标识符类型），但只要星型模式（现在是这样）在雪花性能的80％以内，我们就会保留它，因为它会使我们的加载过程更容易。然而，在我这样做之前，我想确保在星型模式上优化索引。

create table browser_data (
id_1 int,
id_2 int,
id_3 int,
id_4 int,
metric varchar(20),
browser varchar(20),
device varchar(20),
os varchar(20),
timestamp bigint
)

仅在id列上创建单个索引会更好，还是在这些索引中也包含metric和timestamp列？

Answer 1

不规范化＆＃34;连续＆＃34;值，例如DATETIME，FLOAT，INT。执行将值保留在主表中。

当您将值移动到其他表格时，特别是＆＃34;雪花＆＃34;，它会根据稍慢和很多之间的值进行查询。当您需要筛选不在主表中的多个指标时，尤其会发生这种情况。由于＆＃34;雪花＆＃34;它们中的任何一个都表现得很差。或者＆＃34;过度规范化＆＃34;：

WHERE a.x = 123 AND b.y = 345

ORDER BY a.x, b.y

至于要创建的索引 - 这完全取决于您需要执行的查询。因此，我强烈建议您根据您的暂定SELECTs草拟可能的CREATE TABLEs。

INT是4个字节。 TIMESTAMP是5，FLOAT是4，等等。也就是说，规范化这些事情在空间上效率也很低。

更多

在执行JOINs时，优化器几乎总是从一个表开始，然后转到另一个表，等等。（参见＆＃34;嵌套循环连接＆＃34;。）

例如（基于上面的＆＃39;代码＆＃39;），当2列被规范化，并且您正在测试值时，您手边没有两个ids，您只有这两个值。这使得查询执行效率非常低。对于

SELECT ... FROM main JOIN a USING(a_id) JOIN b USING(b_id) WHERE a.x = 123 AND b.y = 345

以下很可能是执行计划＆＃39;：

到达a找到x = 123的行;获取这些行的id(s)。这可能包括许多尚未由b.y过滤的行。 a需要INDEX(x)

返回main表，查找包含这些ID的行。 main需要INDEX(a_id)。同样，可以拖运更多不必要的行。

仅限现在，您是否b（使用b_id）检查y=345;扔掉你一直拖着的不必要的行。 b需要INDEX(b_id)

请注意我关于＆＃34;围绕＆＃34;的评论。盲目地使用*（在SELECT *中）会增加问题 - 所有列都在执行步骤时被拖走。

另一方面......如果x和y位于main表中，那么代码就像：

WHERE main.x = 123 AND main.y = 345

只需要INDEX(x,y)（按任意顺序）。它可以快速找到所需的行。

对于ORDER BY a.x, b.y，它不能在任何表上使用任何索引。因此查询必须创建一个tmp表，对其进行排序，然后按所需顺序传递行。

但如果x和y位于同一个表格中，那么INDEX(x,y)（按此顺序）可能对ORDER BY x,y和避免使用tmp表和排序。

使用单个表格时，优化程序可能会使用WHERE的索引，或者可能会使用ORDER BY的索引，具体取决于月亮的相位。在某些情况下，一个索引可以用于两者 - 这是最佳的。

另一个注意事项：如果您还有LIMIT 10，...如果避免sort，那么只需要查看10行，而不是WHERE的整个集合

具有多个共享列的MySql索引策略

1 个答案: