分析MySQL中优化distinct的技巧
时间:2015-05-11 01:49 来源:linux.it.net.cn 作者:IT
有这样的一个需求：select count(distinct nick) from user_access_xx_xx;
这条sql用于统计用户访问的uv，由于单表的数据量在10G以上，即使在user_access_xx_xx上加上nick的索引，
通过查看执行计划，也为全索引扫描，sql在执行的时候，会对整个服务器带来抖动；
1
2
3
4
5
6
7
8
9
10
11
12
13
root@db 09:00:12>select count(distinct nick) from user_access;
+———————-+
| count(distinct nick) |
+———————-+
| 806934 |
+———————-+
1 row in set (52.78 sec)
执行一次sql需要花费52.78s，已经非常的慢了
现在需要换一种思路来解决该问题：
我们知道索引的值是按照索引字段升序的，比如我们对（nick，other_column）两个字段做了索引，那么在索引中的则是按照nick，other_column的升序排列：
我们现在的sql：select count(distinct nick) from user_access;则是直接从nick1开始一条条扫描下来，直到扫描到最后一个nick_n,
那么中间过程会扫描很多重复的nick，如果我们能够跳过中间重复的nick，则性能会优化非常多（在oracle中，这种扫描技术为loose index scan，但在5.1的版本中，mysql中还不能直接支持这种优化技术）：
所以需要通过改写sql来达到伪loose index scan：
1
2
3
4
5
6
7
8
9
root@db 09:41:30>select count(*) from ( select distinct(nick) from user_access)t ;
| count(*) |
+———-+
| 806934 |
1 row in set (5.81 sec)
Sql中先选出不同的nick，最后在外面套一层，就可以得到nick的distinct值总和；
最重要的是在子查询中：select distinct(nick) 实现了上图中的伪loose index scan，优化器在这个时候的执行计划为Using index for group-by ，
需要注意的是mysql把distinct优化为group by，它首先利用索引来分组，然后扫描索引，对需要的nick只扫描一次；
两个sql的执行计划分别为：
优化写法：
1
2
3
4
5
6
7
8
9
root@db 09:41:10>explain select distinct(nick) from user_access-> ;
+—-+————-+——————————+——-+—————+————-| id | select_type | table | type | possible_keys | key | key_len | ref | rows | Extra |
+—-+————-+——————————+——-+—————+————-
| 1 | SIMPLE | user_access | range | NULL | ind_user_access_nick | 67 | NULL | 2124695 | Using index for group-by |
+—-+————-+——————————+——-+—————+————-
原始写法：
1
2
3
4
5
6
7
8
9
root@db 09:42:55>explain select count(distinct nick) from user_access;
+—-+————-+——————————+——-+—————+————-
| id | select_type | table | type | possible_keys | key | key_len | ref | rows | Extra |
+—-+————-+——————————+——-+—————+————-
| 1 | SIMPLE | user_access | index | NULL | ind_user_access | 177 | NULL | 19546123 | Using index |
(责任编辑：IT)
有这样的一个需求：select count(distinct nick) from user_access_xx_xx; 这条sql用于统计用户访问的uv，由于单表的数据量在10G以上，即使在user_access_xx_xx上加上nick的索引， 通过查看执行计划，也为全索引扫描，sql在执行的时候，会对整个服务器带来抖动；
执行一次sql需要花费52.78s，已经非常的慢了 现在需要换一种思路来解决该问题： 我们知道索引的值是按照索引字段升序的，比如我们对（nick，other_column）两个字段做了索引，那么在索引中的则是按照nick，other_column的升序排列： 我们现在的sql：select count(distinct nick) from user_access;则是直接从nick1开始一条条扫描下来，直到扫描到最后一个nick_n, 那么中间过程会扫描很多重复的nick，如果我们能够跳过中间重复的nick，则性能会优化非常多（在oracle中，这种扫描技术为loose index scan，但在5.1的版本中，mysql中还不能直接支持这种优化技术）：
所以需要通过改写sql来达到伪loose index scan：
Sql中先选出不同的nick，最后在外面套一层，就可以得到nick的distinct值总和； 最重要的是在子查询中：select distinct(nick) 实现了上图中的伪loose index scan，优化器在这个时候的执行计划为Using index for group-by ， 需要注意的是mysql把distinct优化为group by，它首先利用索引来分组，然后扫描索引，对需要的nick只扫描一次； 两个sql的执行计划分别为： 优化写法：
原始写法：
(责任编辑：IT) |