SQL初學者-為什么我的MySQL Join查詢不使用索引/工作這么慢？

Question

我的MySQL 5.5 DB遇到以下問題-我對此很陌生，因此可能很明顯出了什么問題，但我似乎無法理解：

兩張桌子：

---

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`)
)

---

它們每個包含約1500萬行。

現在，我希望從Table2中的所有這些行（其中global_pept_id = 27443 ，然后使用這些行的peptide_identification_id ，來查詢來自Table1所有信息，其中peptide_identification_id = sequence_match_id 。

我嘗試了以下語句：

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; 

這是該查詢的解釋：

（點擊放大）

現在這個查詢非常非常慢（我實際上從未完成過查詢，大約10分鍾后就停止了查詢），我可以想象這是因為盡管兩個ID都是主鍵，但第二個表沒有使用索引，因此應該對它們進行索引嗎？

內部選擇的結果需要大約3 sek，如果單獨執行，則返回大約3k行。 所以我認為問題是使3000 * 15mio比較導致表2中檢查了每一行。

但是我該如何解決呢？

任何幫助表示贊賞-voiD

Answer 1

可能是因為您要加入子查詢。 嘗試：

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

與其他解決方案略有不同。 考慮您要首先獲得的主要標准...給定全局肽值的那些肽元素。 確保您在該表上有一個可能要查詢的條件（根據您有）在該索引上。 但是，如果發現要針對同一張表查詢多個WHERE條件，請嘗試准備/擁有一個對兩個條件都有用的索引。

然后，將JOIN條件放在PK / FK關系的另一個表上以獲取那些記錄。

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

沒有適當的索引會嚴重破壞查詢的性能。 您的Sequence_Matches表應該在（Sequence_match_ID）上有一個索引，以幫助其優化。 將其放在第二個位置（在sample_id之后）將不會像預期的那樣受益。

Answer 3

一個小技巧是避免子選擇。 有時它們很棒，但通常會導致性能不佳。 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

這有招嗎？

編輯：不，真正的問題是sequence_match_id上沒有索引。 加一個，您可能會好起來的。

Answer 4

我認為問題可能是因為您現在創建的是交叉聯接而不是內部聯接。 您的子查詢創建的笛卡爾積為1500萬行* 300萬行。

使用內部聯接，您可以將數目減少到1500萬* 3000行。

它仍然是一個巨大的數字。 在Sql端，您可以通過發出TOP 10或TOP 20來限制它。

在前端，如果是C＃，則應在數據源上使用諸如gridviewpager的分頁技術或其他分頁技術，假設u將在前端顯示結果，該結果將位於SQL Join查詢的頂部，第20頁的結果位於一個時間。