來(lái)源丨h(huán)ttps://juejin.cn/post/6844903939247177741

從一個(gè)問(wèn)題說(shuō)起五年前在tx的時(shí)候，發(fā)現(xiàn)分頁(yè)場(chǎng)景下，mysql請(qǐng)求速度非常慢。數(shù)據(jù)量只有10w的情況下，select xx from 單機(jī)大概2，3秒。我就問(wèn)我導(dǎo)師為什么，他反問(wèn)“索引場(chǎng)景，mysql中獲得第n大的數(shù)，時(shí)間復(fù)雜度是多少？”

答案的追尋確認(rèn)場(chǎng)景假設(shè)status上面有索引。select * from table where status = xx limit 10 offset 10000。會(huì)非常慢。數(shù)據(jù)量不大的情況就有幾秒延遲。

小白作答瞎猜了個(gè)log（N），心想找一個(gè)節(jié)點(diǎn)不就是log（N）。自然而然，導(dǎo)師讓我自己去研究。

這一階段，用了10分鐘。

繼續(xù)解答仔細(xì)分析一下，會(huì)發(fā)現(xiàn)通過(guò)索引去找很別扭。因?yàn)槟悴恢狼?00個(gè)數(shù)在左子樹(shù)和右子數(shù)的分布情況，所以其是無(wú)法利用二叉樹(shù)的查找特性。通過(guò)學(xué)習(xí)，了解到mysql的索引是b+樹(shù)。

看了這個(gè)圖，就豁然開(kāi)朗了?？梢灾苯油ㄟ^(guò)葉子節(jié)點(diǎn)組成的鏈表，以o（n）的復(fù)雜度找到第100大的樹(shù)。但是即使是o（n），也不至于慢得令人發(fā)指，是否還有原因。

這一階段，主要是通過(guò)網(wǎng)上查資料，斷斷續(xù)續(xù)用了10天。

系統(tǒng)學(xué)習(xí)這里推薦兩本書(shū)，一本《MySQL技術(shù)內(nèi)幕 InnoDB存儲(chǔ)引擎》，通過(guò)他可以對(duì)InnoDB的實(shí)現(xiàn)機(jī)制，如mvcc，索引實(shí)現(xiàn)，文件存儲(chǔ)會(huì)有更深理解。

第二本是《高性能MySQL》，這本書(shū)從著手使用層面，但講得比較深入，而且提到了很多設(shè)計(jì)的思路。

兩本書(shū)相結(jié)合，反復(fù)領(lǐng)會(huì)，mysql就勉強(qiáng)能登堂入室了。

這里有兩個(gè)關(guān)鍵概念：

聚簇索引：包含主鍵索引和對(duì)應(yīng)的實(shí)際數(shù)據(jù)，索引的葉子節(jié)點(diǎn)就是數(shù)據(jù)節(jié)點(diǎn)

輔助索引：可以理解為二級(jí)節(jié)點(diǎn)，其葉子節(jié)點(diǎn)還是索引節(jié)點(diǎn)，包含了主鍵id。

即使前10000個(gè)會(huì)扔掉，mysql也會(huì)通過(guò)二級(jí)索引上的主鍵id，去聚簇索引上查一遍數(shù)據(jù)，這可是10000次隨機(jī)io，自然慢成哈士奇。這里可能會(huì)提出疑問(wèn)，為什么會(huì)有這種行為，這是和mysql的分層有關(guān)系，limit offset 只能作用于引擎層返回的結(jié)果集。換句話說(shuō)，引擎層也很無(wú)辜，他并不知道這10000個(gè)是要扔掉的。以下是mysql分層示意圖，可以看到，引擎層和server層，實(shí)際是分開(kāi)的。

直到此時(shí)，大概明白了慢的原因。這一階段，用了一年。

觸類(lèi)旁通此時(shí)工作已經(jīng)3年了，也開(kāi)始看一些源碼。在看完etcd之后，看了些tidb的源碼。無(wú)論哪種數(shù)據(jù)庫(kù)，其實(shí)一條語(yǔ)句的查詢，是由邏輯算子組成。

邏輯算子介紹 在寫(xiě)具體的優(yōu)化規(guī)則之前，先簡(jiǎn)單介紹查詢計(jì)劃里面的一些邏輯算子。

DataSource 這個(gè)就是數(shù)據(jù)源，也就是表，select * from t 里面的 t。

Selection 選擇，例如 select xxx from t where xx = 5 里面的 where 過(guò)濾條件。

Projection 投影， select c from t 里面的取 c 列是投影操作。

Join 連接， select xx from t1， t2 where t1.c = t2.c 就是把 t1 t2 兩個(gè)表做 Join。

選擇，投影，連接（簡(jiǎn)稱 SPJ） 是最基本的算子。其中 Join 有內(nèi)連接，左外右外連接等多種連接方式。

select b from t1， t2 where t1.c = t2.c and t1.a 》 5 變成邏輯查詢計(jì)劃之后，t1 t2 對(duì)應(yīng)的 DataSource，負(fù)責(zé)將數(shù)據(jù)撈上來(lái)。上面接個(gè) Join 算子，將兩個(gè)表的結(jié)果按 t1.c = t2.c連接，再按t1.a 》 5做一個(gè) Selection 過(guò)濾，最后將 b 列投影。下圖是未經(jīng)優(yōu)化的表示：

所以說(shuō)不是mysql不想把limit， offset傳遞給引擎層，而是因?yàn)閯澐至诉壿嬎阕樱詫?dǎo)致無(wú)法直到具體算子包含了多少符合條件的數(shù)據(jù)。

怎么解決《高性能MySQL》提到了兩種方案

方案一

根據(jù)業(yè)務(wù)實(shí)際需求，看能否替換為下一頁(yè)，上一頁(yè)的功能，特別在ios， android端，以前那種完全的分頁(yè)是不常見(jiàn)的。這里是說(shuō)，把limit， offset，替換為》輔助索引（即搜索條件）id的方式。該id再調(diào)用時(shí)，需要返回給前端。

方案二

正面剛。這里介紹一個(gè)概念：索引覆蓋：當(dāng)輔助索引查詢的數(shù)據(jù)，只有id和輔助索引本身，那么就不必再去查聚簇索引。

思路如下：select xxx，xxx from in （select id from table where second_index = xxx limit 10 offset 10000） 這句話是說(shuō)，先從條件查詢中，查找數(shù)據(jù)對(duì)應(yīng)的數(shù)據(jù)庫(kù)唯一id值，因?yàn)橹麈I在輔助索引上就有，所以不用回歸到聚簇索引的磁盤(pán)去拉取。再通過(guò)這些已經(jīng)被limit出來(lái)的10個(gè)主鍵id，去查詢聚簇索引。這樣只會(huì)十次隨機(jī)io。在業(yè)務(wù)確實(shí)需要用分頁(yè)的情況下，使用該方案可以大幅度提高性能。通常能滿足性能要求。

責(zé)任編輯：haq