Question

我们有一个MyISAM表，大约有75百万行，有5列：

id (int), 
user_id(int), 
page_id (int), 
type (enum with 6 strings)
date_created(datetime).

我们在ID列上有一个主索引，一个唯一索引（user_id，page_id，date_created）和一个复合索引（page_id，date_created）

问题是以下查询最多需要90秒才能完成

SELECT SQL_NO_CACHE user_id, count(id) nr 
FROM `table` 
WHERE `page_id`=301 
and `date_created` BETWEEN '2012-01-03' AND '2012-02-03 23:59:59' 
AND page_id<>user_id 
group by `user_id`

这是此查询的解释

+----+-------------+----------------------------+-------+---------------+---------+---------+------+--------+----------------------------------------------+
| id | select_type | table                      | type  | possible_keys | key     | key_len | ref  | rows   | Extra                                        |
+----+-------------+----------------------------+-------+---------------+---------+---------+------+--------+----------------------------------------------+
|  1 | SIMPLE      | table                      | range | page_id       | page_id | 12      | NULL | 520024 | Using where; Using temporary; Using filesort |
+----+-------------+----------------------------+-------+---------------+---------+---------+------+--------+----------------------------------------------+

修改在ypercube的建议下，我尝试添加一个新索引（page_id，user_id，date_created）。但是mysql不使用它默认，所以我不得不建议查询优化器。这是新查询和解释：

SELECT SQL_NO_CACHE user_id, count(*) nr FROM `table` USE INDEX (usridexp) WHERE `page_id`=301 and `date_created` BETWEEN '2012-01-03' AND '2012-02-03 23:59:59' AND page_id<>user_id group by `user_id` ORDER BY NULL


    +----+-------------+----------------------------+------+---------------+----------+---------+-------+---------+--------------------------+
    | id | select_type | table                      | type | possible_keys | key      | key_len | ref   | rows    | Extra                    |
    +----+-------------+----------------------------+------+---------------+----------+---------+-------+---------+--------------------------+
    |  1 | SIMPLE      | table                      | ref  | usridexp      | usridexp | 4       | const | 3943444 | Using where; Using index |
    +----+-------------+----------------------------+------+---------------+----------+---------+-------+---------+--------------------------+

Answer 1

可能会改进查询的一些更改：

将COUNT(id)更改为COUNT(*)。由于id是（我猜）PRIMARY KEY和NOT NULL，结果将是相同的。
在ORDER BY NULL子句之后添加GROUP BY。在MySQL中，按操作分组也会对结果进行排序，除非您指定其他方式。
(page_id, date_created)可能是MySQL可用于此查询的最佳索引，但您也可以尝试(page_id, user_id, date_created)（如果添加此索引，还可以发布EXPLAIN吗？）

与此查询的性能无关的另一件事：

如果您(user_id, page_id, date_created)为UNIQUE并且id是自动生成的（并且除了作为主键之外没有用于其他任何内容），您可以将其设为PRIMARY KEY并删除id列。少一个索引，每行少4个字节。

Answer 2

1）这取决于您的数据 - 但您应该有多个索引可供MySQL选择最佳索引。例如如果表在page_id上有索引，则不会扫描这么多行。

2）有一种优化日期搜索的方法。我自己还没有真正实现过这个问题，但是我遇到了类似的问题。

基本上你是按天查找数据 - 但是日期比较非常慢。你可以做的是创建另一个表，每天从表中存储最早和最新的ID。该表需要在每天结束时填充。

之后，您可以将查询分为两部分：

i）找到要搜索的ID以及运行两个查询：从idCacheTable中选择earliestID，其中date ='2012-01-03'; 从idCacheTable中选择latestID，其中date ='2012-02-03';

ii）然后，您可以直接搜索表格的主键，而无需在每一行上进行日期比较，这样可以更快地进行日期比较。

SELECT SQL_NO_CACHE user_id，count（id）nr 来自table WHERE page_id = 301 和（id＆gt; = earliestID和id＆lt; = latestID） AND page_id＆lt;＆gt; user_id 分组user_id;

问题的确切解决方案将取决于您的数据是什么样的，而不是这两件事中的一个总是正确的。

Answer 3

听起来很奇怪，但尝试添加JOIN语句：

SELECT SQL_NO_CACHE user_id, count(id) nr
FROM `table` t
JOIN `table` t2 ON t.`user_id`= t2.`user_id`
WHERE t.`page_id`=301
and t.`date_created` BETWEEN '2012-01-03' AND '2012-02-03 23:59:59'
AND t.`page_id`<>t.`user_id`
group by t.`user_id`

对于类似的问题，我得到的查询执行速度提高了20倍（3-4s而不是60+）。 JOIN语句不执行任何智能 - 似乎加速完全是内部MySql实现（在MySql 5.1上测试。，表有罕见的user_id重复）。

如何通过已使用索引的查询加快组的速度？

3 个答案: