對具有> 100M行的表的JOIN優化進行SELECT COUNT

Question

我有以下查詢

SELECT SUBSTRING(a0_.created_date FROM 1 FOR 10) AS sclr_0, 
       COUNT(1) AS sclr_1 
FROM applications a0_ INNER JOIN 
     package_codes p1_ ON a0_.id = p1_.application_id 
WHERE a0_.created_date BETWEEN '2019-01-01' AND '2020-01-01' AND
      p1_.type = 'Package 1'
GROUP BY sclr_0

---編輯---

大多數人都專注於GROUP BY和SUBSTRING，但這不是問題的根源。

以下查詢具有相同的執行時間：

SELECT COUNT(1) AS sclr_1 
FROM applications a0_ INNER JOIN 
     package_codes p1_ ON a0_.id = p1_.application_id 
WHERE a0_.created_date BETWEEN '2019-01-01' AND '2020-01-01' AND
      p1_.type = 'Package 1'

---編輯2 ---

在applications.created_date上添加索引並強制查詢使用指定的索引后，@ DDS建議執行時間降至~750ms

當前查詢如下所示：

SELECT SUBSTRING(a0_.created_date FROM 1 FOR 10) AS sclr_0, 
       COUNT(1) AS sclr_1 
FROM applications a0_ USE INDEX (applications_created_date_idx) INNER JOIN 
     package_codes p1_ USE INDEX (PRIMARY, UNIQ_70A9C6AA3E030ACD, package_codes_type_idx) ON a0_.id = p1_.application_id 
WHERE a0_.created_date BETWEEN '2019-01-01' AND '2020-01-01' AND
      p1_.type = 'Package 1'
GROUP BY sclr_0

---編輯3 ---

我發現在查詢中使用多個索引可能會導致在某些情況下MySQL將使用非最佳索引，因此最終查詢應如下所示：

SELECT SUBSTRING(a0_.created_date FROM 1 FOR 10) AS sclr_0, 
       COUNT(1) AS sclr_1 
FROM applications a0_ USE INDEX (applications_created_date_idx) INNER JOIN 
     package_codes p1_ USE INDEX (package_codes_application_idx) ON a0_.id = p1_.application_id 
WHERE a0_.created_date BETWEEN '2019-01-01' AND '2020-01-01' AND
      p1_.type = 'Package 1'
GROUP BY sclr_0

---結束編輯---

package_codes包含超過100.000.000條記錄。

應用程序包含超過250.000條記錄。

查詢需要2分鍾才能得到結果。 有沒有辦法優化它？ 我堅持使用MySQL 5.5。

表：

CREATE TABLE `applications` (
  `id` int(11) NOT NULL,
  `created_date` datetime NOT NULL,
  `name` varchar(64) COLLATE utf8mb4_unicode_ci NOT NULL,
  `surname` varchar(64) COLLATE utf8mb4_unicode_ci NOT NULL
) ENGINE=InnoDB DEFAULT CHARSET=utf8mb4 COLLATE=utf8mb4_unicode_ci;

ALTER TABLE `applications`
  ADD PRIMARY KEY (`id`),
  ADD KEY `applications_created_date_idx` (`created_date`);

ALTER TABLE `applications`
  MODIFY `id` int(11) NOT NULL AUTO_INCREMENT;

CREATE TABLE `package_codes` (
  `id` int(11) NOT NULL,
  `application_id` int(11) DEFAULT NULL,
  `created_date` datetime NOT NULL,
  `type` varchar(50) COLLATE utf8mb4_unicode_ci NOT NULL,
  `code` varchar(50) COLLATE utf8mb4_unicode_ci NOT NULL,
  `disabled` tinyint(1) NOT NULL DEFAULT '0',
  `meta_data` longtext COLLATE utf8mb4_unicode_ci
) ENGINE=InnoDB DEFAULT CHARSET=utf8mb4 COLLATE=utf8mb4_unicode_ci;

ALTER TABLE `package_codes`
  ADD PRIMARY KEY (`id`),
  ADD UNIQUE KEY `UNIQ_70A9C6AA3E030ACD` (`application_id`),
  ADD KEY `package_codes_code_idx` (`code`),
  ADD KEY `package_codes_type_idx` (`type`),
  ADD KEY `package_codes_application_idx` (`application_id`),
  ADD KEY `package_codes_code_application_idx` (`code`,`application_id`);

ALTER TABLE `package_codes`
  MODIFY `id` int(11) NOT NULL AUTO_INCREMENT;

ALTER TABLE `package_codes`
  ADD CONSTRAINT `FK_70A9C6AA3E030ACD` FOREIGN KEY (`application_id`) REFERENCES `applications` (`id`);

Answer 1

我的建議是避免這種情況：

SELECT SUBSTRING(a0_.created_date FROM 1 FOR 10) AS sclr_0, 
[...]  
GROUP BY sclr_0

因為每次dbms'重新計算'字段並且不能在其上使用索引時，如果你將這些數據放在它自己的列中並在其上做一個索引，你的性能應該提高

或者，至少使用date_part函數，因此mysql可以設法使用它的索引（顯然你應該在application.created_date上添加一個索引）

SELECT SUBSTRING(a0_.created_date FROM 1 FOR 10) AS sclr_0, COUNT(1) AS sclr_1 
FROM applications a0_ INNER JOIN 
     package_codes p1_ ON (a0_.id = p1_.application_id and a0_.created_date 
BETWEEN '2019-01-01' AND '2020-01-01' and p1_.type = 'Package 1')      
FORCE INDEX (date_index, type_index)
Group by date(a0_.created_date)

另一個優化是將條件“推”到'on'子句，以便mysql在加入之前'過濾'數據 - >連接在更少的行上執行

編輯：這是在日期創建索引

CREATE INDEX date_index ON application(created_date);

如果你有比日期更多的類型，你應該考慮將索引放在類型上。

CREATE INDEX type_index ON package_codes(type);

[編輯2]請發布結果

select count(distinct date(a0_.created_date)) as N_DATES, count(distinct type)as N_TYPES
FROM applications a0_ INNER JOIN 
     package_codes p1_ ON a0_.id = p1_.application_id 

只是對女巫指數有一個想法會更有選擇性

使用MySQL進行索引優化的有用鏈接

Answer 2

在applications.created_date上添加索引並強制查詢使用指定的索引后，@ DDS建議執行時間降至~750ms

最終查詢應如下所示：

SELECT SUBSTRING(a0_.created_date FROM 1 FOR 10) AS sclr_0, 
       COUNT(1) AS sclr_1 
FROM applications a0_ USE INDEX (applications_created_date_idx) INNER JOIN 
     package_codes p1_ USE INDEX (package_codes_application_idx) ON a0_.id = p1_.application_id 
WHERE a0_.created_date BETWEEN '2019-01-01' AND '2020-01-01' AND
      p1_.type = 'Package 1'
GROUP BY sclr_0

Answer 3

您需要創建一個復合索引。 您似乎已在表上創建了單獨的索引。 在這種情況下，您需要在package_codes中對created_date單獨建立索引，並且還要為created_date和type創建復合索引。

也許在之前將日期和之后分組。

Answer 4

最佳指標是

p1_:  (type, application_id)
a0_:  (created_date, id)

這些適用於所有（？）版本的查詢，除了那些“強制”索引。

優化器將嘗試決定是以p1_還是a0_ 。 而且，有了這些指數，它應該有很好的機會選擇更好的表格。

SUBSTRING(a0_.created_date FROM 1 FOR 10)可以簡化為DATE(a0_.created_date) ，但我懷疑它是否會改變性能。

請注意，索引將“覆蓋”，從而提供額外的提升。 EXPLAIN表示Using index （不Using index condition ）。

進一步改進：擺脫package_codes.id並將application_id提升為PRIMARY KEY 。 這可能會導致查詢的簡化！

我的建議適用於（也許）所有版本的MySQL。