阅读 4917

MySQL是如何优化模糊匹配like的SQL?

在开发过程中,经常会碰到一些业务场景,需要以完全模糊匹配的方式查找数据,就会想到用like %xxx% 或者 like %xxx的方式去实现,而且即使列上有选择率很高的索引,也不会被使用。在MySQL中可以通过ICP特性,全文索引,基于生成列索引解决这类问题,下面就从索引条件下推ICP,全文索引,基于生成列索引及如何利用它们解决模糊匹配的SQL性能问题。

索引条件下推ICP

ICP介绍

MySQL 5.6开始支持ICP(Index Condition Pushdown),不支持ICP之前,当进行索引查询时,首先根据索引来查找数据,然后再根据where条件来过滤,扫描了大量不必要的数据,增加了数据库IO操作。在支持ICP后,MySQL在取出索引数据的同时,判断是否可以进行where条件过滤,将where的部分过滤操作放在存储引擎层提前过滤掉不必要的数据,减少了不必要数据被扫描带来的IO开销。在某些查询下,可以减少Server层对存储引擎层数据的读取,从而提供数据库的整体性能。

ICP具有以下特点

image-20201114133318328

ICP相关控制参数

index_condition_pushdown:索引条件下推默认开启,设置为off关闭ICP特性。

mysql>show variables like 'optimizer_switch';
| optimizer_switch | index_condition_pushdown=on
# 开启或者关闭ICP特性
mysql>set optimizer_switch = 'index_condition_pushdown=on | off';
复制代码

ICP处理过程

假设有用户表users01(id, name, nickname, phone, create_time),表中数据有11W。由于ICP只能用于二级索引,故在name,nickname列上创建复合索引idx_name_nickname(name,nickname),分析SQL语句**select * from users01 where name = 'Lyn' and nickname like '%SK%'**在ICP关闭和开启下的执行情况。

关闭ICP特性的SQL性能分析

disable_icp_001

开启profiling进行跟踪SQL执行期间每个阶段的资源使用情况。

mysql>set profiling  = 1;
复制代码

关闭ICP特性分析SQL执行情况

mysql>set optimizer_switch = 'index_condition_pushdown=off';
复制代码
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执行期间各阶段的资源使用
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 |#执行阶段耗时0.035773秒。
| end                            | 0.000015 | 0.000006 |   0.000009 |            0 |             0 |
#status状态变量分析
| Handler_read_next | 16384          |  ##请求读的行数
| Innodb_data_reads | 2989           |  #数据物理读的总数
| Innodb_pages_read | 2836           |  #逻辑读的总数
| Last_query_cost   | 8580.324460    |  #SQL语句的成本COST,主要包括IO_COST和CPU_COST。
复制代码

通过explain分析执行计划,SQL语句在关闭CP特性的情况下,走的是复合索引idx_name_nickname,Extra=Using Where,首先通过复合索引idx_name_nickname前缀从存储引擎中读出name = 'Lyn'的所有记录,然后在Server端用where过滤nickname like '%SK%'情况。

Handler_read_next=16384说明扫描了16384行的数据,SQL实际返回只有12行数,耗时50ms。对于这种扫描大量数据行,只返回少量数据的SQL,可以从两个方面去分析。

  1. **索引选择率低:**对于符合索引(name,nickname),name作为前导列出现where条件,CBO都会选择走索引,因为扫描索引比全表扫描的COST要小,但由于name列的基数不高,导致扫描了索引中大量的数据,导致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个,选择率6/114688很低。

  2. **数据分布不均匀:**对于where name = ?来说,name数据分布不均匀时,SQL第一次传入的值返回结果集很小,CBO就会选择走索引,同时将SQL的执行计划缓存起来,以后不管name传入任何值都会走索引扫描,这其实是不对的,如果传入name的值是Fly100返回表中80%的数据,这是走全表扫描更快。

| name      | count(*) |
+---------------+----------+
| Grubby        |    12    |
| Lyn           |    1000  |
| Fly100        |    98100 |
复制代码

在MySQL 8.0推出了列的直方图统计信息特性,主要针对索引列数据分布不均匀的情况进行优化。

开启ICP特性的性能分析

enable_icp_001

开启ICP特性分析SQL执行情况

mysql>set optimizer_switch = 'index_condition_pushdown=on';
复制代码
#执行计划
|  1 | SIMPLE      | users01 | NULL       | ref  | idx_name_nickname | idx_name_nickname | 82      | const | 29016 |    11.11 | Using index condition |
#status状态变量分析
| Handler_read_next | 12             |
| Innodb_data_reads | 2989           |
| Innodb_pages_read | 2836           |
| Last_query_cost   | 8580.324460    |
复制代码

从执行计划可以看出,走了复合索引idx_name_nickname,Extra=Using index condition,且只扫描了12行数据,说明使用了索引条件下推ICP特性,SQL总共耗时10ms,跟关闭ICP特性下相比,SQL性能提升了5倍。

ICP特性/项目扫描方式扫描行数返回行数执行时间
关闭ICPUsing where163841250ms
开启ICPUsing index condition121210ms

开启ICP特性后,由于nickname的like条件可以通过索引筛选,存储引擎层通过索引与where条件的比较来去除不符合条件的记录,这个过程不需要读取记录,同时只返回给Server层筛选后的记录,减少不必要的IO开销。

Extra显示的索引扫描方式

  • **using where:**查询使用索引的情况下,需要回表去查询所需的数据。
  • **using index condition:**查询使用了索引,但是需要回表查询数据。
  • **using index :**查询使用覆盖索引的时候会出现。
  • **using index & using where:**查询使用了索引,但是需要的数据都在索引列中能找到,不需要回表查询数据。

模糊匹配改写优化

在开启ICP特性后,对于条件**where name = 'Lyn' and nickname like '%SK%'**可以利用复合索引(name,nickname)减少不必要的数据扫描,提升SQL性能。但对于where nickname like '%SK%'完全模糊匹配查询能否利用ICP特性提升性能?首先创建nickname上单列索引idx_nickname。

mysql>alter table users01 add index idx_nickname(nickname);
#SQL执行计划
|  1 | SIMPLE      | users01 | NULL       | ALL  | NULL          | NULL | NULL    | NULL | 114543 |    11.11 | Using where |
复制代码

从执行计划看到type=ALL,Extra=Using where走的是全部扫描,没有利用到ICP特性。

辅助索引idx_nickname(nickname)内部是包含主键id的,等价于(id,nickname)的复合索引,尝试利用覆盖索引特性将SQL改写为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 |
复制代码

从执行计划看到,type=index,Extra=Using where; Using index,索引全扫描,但是需要的数据都在索引列中能找到,不需要回表。利用这个特点,将原始的SQL语句先获取主键id,然后通过id跟原表进行关联,分析其执行计划。

select  * from users01 a , (select id from users01 where nickname like '%SK%') b where a.id = b.id;
复制代码
|  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                     |
复制代码

从执行计划看,走了索引idx_nickname,不需要回表访问数据,执行时间从60ms降低为40ms,type = index 说明没有用到ICP特性,但是可以利用Using where; Using index这种索引扫描不回表的方式减少资源开销来提升性能。

全文索引

MySQL 5.6开始支持全文索引,可以在变长的字符串类型上创建全文索引,来加速模糊匹配业务场景的DML操作。它是一个inverted index(反向索引),创建fulltext index时会自动创建6个auxiliary index tables(辅助索引表),同时支持索引并行创建,并行度可以通过参数innodb_ft_sort_pll_degree设置,对于大表可以适当增加该参数值。

删除全文索引的表的数据时,会导致辅助索引表大量delete操作,InnoDB内部采用标记删除,将已删除的DOC_ID都记录特殊的FTS_*_DELETED表中,但索引的大小不会减少,需要通过设置参数innodb_optimize_fulltext_only=ON后,然后运行OPTIMIZE TABLE来重建全文索引。

全文索引特征

  • 从MySQL 5.7开始内置了ngram全文检索插件,用来支持中文分词,并且对MyISAM和InnoDB引擎有效。

  • 由于全文索引的缓存和批量处理的特性,Insert&Update操作是在事务提交时处理,只能看到提交后的数据。

  • 全文索引使用函数MATCH() ….. AGAINST()来进行检索,MATCH()中列个数及顺序必须和索引定义保持一致。

  • 只能用于InnoDB和MyISAM的表,不支持分区表,不支持%通配符搜索。

  • MATCH()列表与表的全文索引定义列完全匹配。

  • MySQL优化器Hint对于全文索引会被限制。

两种检索模式

  • IN NATURAL LANGUAGE MODE:默认模式,以自然语言的方式搜索,AGAINST('看风' IN NATURAL LANGUAGE MODE ) 等价于AGAINST('看风')。

  • **IN BOOLEAN MODE:**布尔模式,表是字符串前后的字符有特殊含义,如查找包含SK,但不包含Lyn的记录,可以用+,-符号。

    AGAINST('+SK -Lyn' in BOOLEAN MODE);

image-20201114162701510

这时查找nickname like '%Lyn%',通过反向索引关联数组可以知道,单词Lyn存储于文档4中,然后定位到具体的辅助索引表中。

全文索引分析

对表users01的nickname添加支持中文分词的全文索引

mysql>alter table users01 add fulltext index idx_full_nickname(nickname) with parser ngram;
复制代码

查看数据分布

#设置当前的全文索引表
mysql>set global innodb_ft_aux_table = 'test/users01';
#查看数据文件
mysql>select * from information_schema.innodb_ft_index_cache;
+--------+--------------+-------------+-----------+--------+----------+
| WORD   | FIRST_DOC_ID | LAST_DOC_ID | DOC_COUNT | DOC_ID | POSITION |
+--------+--------------+-------------+-----------+--------+----------+
.............
| 看风   |            7 |           7 |         1 |      7 |        3 |
| 笑看   |            7 |           7 |         1 |      7 |        0 |
复制代码

全文索引相关对象分析

#全文索引对象分析
mysql>SELECT table_id, name, space from INFORMATION_SCHEMA.INNODB_TABLES where name like 'test/%';
|     1198 | test/users01                                       |   139 |
#存储被标记删除同时从索引中清理的文档ID,其中_being_deleted_cache是_being_deleted表的内存版本。
|     1199 | test/fts_00000000000004ae_being_deleted            |   140 |
|     1200 | test/fts_00000000000004ae_being_deleted_cache      |   141 |
#存储索引内部状态信息及FTS_SYNCED_DOC_ID
|     1201 | test/fts_00000000000004ae_config                   |   142 | 
#存储被标记删除但没有从索引中清理的文档ID,其中_deleted_cache是_deleted表的内存版本。
|     1202 | test/fts_00000000000004ae_deleted                  |   143 |
|     1203 | test/fts_00000000000004ae_deleted_cache            |   144 |
复制代码

模糊匹配优化

对于SQL语句后面的条件nickname like '%看风%'默认情况下,CBO是不会选择走nickname索引的,该写SQL为全文索引匹配的方式:match(nickname) against('看风')

mysql>explain select * from users01 where match(nickname) against('看风');
|  1 | SIMPLE      | users01 | NULL       | fulltext | idx_full_nickname | idx_full_nickname | 0       | const |    1 |   100.00 | Using where; Ft_hints: sorted |
复制代码

使用了全文索引的方式查询,type=fulltext,同时命中全文索引idx_full_nickname,从上面的分析可知,在MySQL中,对于完全模糊匹配%%查询的SQL可以通过全文索引提高效率。

生成列

MySQL 5.7开始支持生成列,生成列是由表达式的值计算而来,有两种模式:VIRTUAL和STORED,如果不指定默认是VIRTUAL,创建语法如下:

col_name data_type [GENERATED ALWAYS] AS (expr)  [**VIRTUAL** | **STORED**] [NOT NULL | NULL]
复制代码
image-20201117003251243

生成列特征

  • VIRTUAL生成列用于复杂的条件定义,能够简化和统一查询,不占用空间,访问列是会做计算。
  • STORED生成列用作物化缓存,对于复杂的条件,可以降低计算成本,占用磁盘空间。
  • 支持辅助索引的创建,分区以及生成列可以模拟函数索引。
  • 不支持存储过程,用户自定义函数的表达式,NONDETERMINISTIC的内置函数,如NOW(), RAND()以及不支持子查询

生成列使用

#添加基于函数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 | #虚拟生成列
复制代码

模糊匹配优化

对于where条件后的like '%xxx'是无法利用索引扫描,可以利用MySQL 5.7的生成列模拟函数索引的方式解决,具体步骤如下:

  1. 利用内置reverse函数将like '%风云'反转为like '云风%',基于此函数添加虚拟生成列。
  2. 在虚拟生成列上创建索引。
  3. 将SQL改写成通过生成列like reverse('%风云')去过滤,走生成列上的索引。

添加虚拟生成列并创建索引。

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执行计划
|  1 | SIMPLE      | users01 | NULL       | range | idx_reverse_nickname | idx_reverse_nickname | 803     | NULL |    1 |   100.00 | Using where |
复制代码

可以看到对于like '%xxx'无法使用索引的场景,可以通过基于生成列的索引方式解决。

总结

介绍了索引条件下推ICP特性,全文索引以以及生成列特性,利用这些特性可以对模糊匹配like %xxx%或like %xxx的业务SQL进行优化,可以有效降低不必要的数据读取,减少IO扫描以及CPU开销,提高服务的稳定性。对于MySQL每个版本发布的新特性,尤其是跟优化器和SQL相关的,应该去关注和了解,可能会发现适合自己业务场景的特性。