SQL初学者-为什么我的MySQL Join查询不使用索引/工作这么慢？

Question

我的MySQL 5.5 DB遇到以下问题-我对此很陌生，因此可能很明显出了什么问题，但我似乎无法理解：

两张桌子：

---

表格1

CREATE TABLE `sequence_matches` (
    `Sample_ID` INT(6) NOT NULL,
    `Sequence_Match_ID` INT(8) NOT NULL,
    `Start` INT(6) NULL DEFAULT NULL,
    `End` INT(6) NULL DEFAULT NULL,
    `Coverage` DOUBLE(5,2) NULL DEFAULT NULL,
    `Frag_String` VARCHAR(255) NULL DEFAULT NULL,
    `rms_mass_error_prod` DOUBLE(10,4) NULL DEFAULT NULL,
    `rms_rt_error_prod` DOUBLE(10,4) NULL DEFAULT NULL,
  PRIMARY KEY (`Sample_ID`, `Sequence_Match_ID`)
)

---

和

---

表2

CREATE TABLE `peptide_identifications` (
   `Sample_ID` INT(6) NOT NULL,
   `Peptide_identification_ID` INT(8) NOT NULL,
   `Mass_error` DOUBLE(10,4) NULL DEFAULT NULL,
   `Mass_error_ppm` DOUBLE(10,4) NULL DEFAULT NULL,
   `Score` DOUBLE(10,4) NULL DEFAULT NULL,
   `Type` VARCHAR(45) NULL DEFAULT NULL,
   `global_pept_ID` INT(8) NOT NULL,
  PRIMARY KEY (`Sample_ID`, `Peptide_identification_ID`),
  INDEX `Index` (`global_pept_ID`)
)

---

它们每个包含约1500万行。

现在，我希望从Table2中的所有这些行（其中global_pept_id = 27443 ，然后使用这些行的peptide_identification_id ，来查询来自Table1所有信息，其中peptide_identification_id = sequence_match_id 。

我尝试了以下语句：

SELECT * from sequence_matches 
JOIN (
  SELECT peptide_identification_id 
  FROM peptide_identifications 
  WHERE global_pept_id = 27443
) as tmp_pept 
ON sequence_match_id = peptide_identification_id; 

这是该查询的解释：

（点击放大）

现在这个查询非常非常慢（我实际上从未完成过查询，大约10分钟后就停止了查询），我可以想象这是因为尽管两个ID都是主键，但第二个表没有使用索引，因此应该对它们进行索引吗？

内部选择的结果需要大约3 sek，如果单独执行，则返回大约3k行。 所以我认为问题是使3000 * 15mio比较导致表2中检查了每一行。

但是我该如何解决呢？

任何帮助表示赞赏-voiD

Answer 1

可能是因为您要加入子查询。 尝试：

SELECT sm.*, pi.peptide_identification_id
FROM sequence_matches sm
INNER JOIN peptide_identifications pi
ON sm.id = pi.peptide_identification_id
WHERE pi.global_pept_id = 27443

Answer 2

与其他解决方案略有不同。 考虑您要首先获得的主要标准...给定全局肽值的那些肽元素。 确保您在该表上有一个可能要查询的条件（根据您有）在该索引上。 但是，如果发现要针对同一张表查询多个WHERE条件，请尝试准备/拥有一个对两个条件都有用的索引。

然后，将JOIN条件放在PK / FK关系的另一个表上以获取那些记录。

SELECT * 
   from 
      peptide_identification PI
         JOIN sequence_matches SM
            ON PI.peptide_identification_id = SM.sequence_match_id
   WHERE 
      PI.global_pept_id = 27443

没有适当的索引会严重破坏查询的性能。 您的Sequence_Matches表应该在（Sequence_match_ID）上有一个索引，以帮助其优化。 将其放在第二个位置（在sample_id之后）将不会像预期的那样受益。

Answer 3

一个小技巧是避免子选择。 有时它们很棒，但通常会导致性能不佳。 更好的方法可能是：

SELECT * from peptide_identification as tmp_pept
JOIN sequence_matches  
    ON sequence_matches.sequence_match_id = tmp_pept.peptide_identification_id
WHERE tmp_pept.global_pept_id = 27443

这有招吗？

编辑：不，真正的问题是sequence_match_id上没有索引。 加一个，您可能会好起来的。

Answer 4

我认为问题可能是因为您现在创建的是交叉联接而不是内部联接。 您的子查询创建的笛卡尔积为1500万行* 300万行。

使用内部联接，您可以将数目减少到1500万* 3000行。

它仍然是一个巨大的数字。 在Sql端，您可以通过发出TOP 10或TOP 20来限制它。

在前端，如果是C＃，则应在数据源上使用诸如gridviewpager的分页技术或其他分页技术，假设u将在前端显示结果，该结果将位于SQL Join查询的顶部，第20页的结果位于一个时间。