使用 3 个连接进行 SQL 查询优化

Question

我正在学习关于执行时间的查询优化行为。我有 3 个表，分别是帖子、cmets 和用户。通过返回在 2010 年发表的 cmets 数超过帖子数的用户及其计数，以下查询完美运行。我相信它可以被优化，我会很感激带有解释的优化代码。

每个表的信息

• 用户表；有 40325 行，在其主键 (Id) 上有索引。
• 帖子表；有 91986 行，在其主索引上 key(PostId) 以及 OwnerUserId 是外键 引用用户表。
• 评论表 - 有 174305 行，在其主键 UserId（用于用户表）和 PostId（用于帖子表）上建立索引。

SELECT pos_table.user_ID, pos_table.Username, comms, pos from
    (SELECT
    users.Id as 'user_ID', users.DisplayName as 'Username', count(posts.Id) as pos
    FROM
    users
    INNER JOIN posts ON posts.OwnerUserId = users.Id
    WHERE YEAR(posts.CreationDate) = 2010
    group by users.Id
    ) pos_table
    JOIN
    (SELECT
    users.Id as 'user_ID', users.DisplayName as 'Username', count(comments.Id) as
    comms
    FROM
    users
    INNER JOIN comments ON comments.UserId = users.Id
    WHERE YEAR(comments.CreationDate) = 2010
    group by users.Id
    ) comms_table
    on pos_table.user_ID = comms_table.user_ID
    HAVING comms > pos
    order by user_ID
    limit 50;

在我上面的查询中，有两个子查询。一个用于帖子，另一个用于 cmets。我想看看如何优化它以减少执行时间。

上述查询的结果，以及我的 EXPLAIN 查询的附件：

Answer 1

有一件事突然出现在我身上。您的两个子查询中都有这种行。

          WHERE YEAR(posts.CreationDate) = 2010

您在列值上调用函数。那不是sargeable。它可以防止 MySQL 能够利用该列上的索引，而是需要完全扫描。 （MySQL 和其他 DBMS 仍然愚蠢到不知道 YEAR(timestamp) 可以满足索引范围扫描。）

所以把那些 WHERE 改成这种东西。

          WHERE posts.CreationDate >= '2010-01-01'
            AND posts.CreationDate <  '2010-01-01' + INTERVAL 1 YEAR

并在您的帖子和 cmets 表中的 CreationDate 列上放置索引。然后查询计划器可以在索引中随机查找第一个匹配行，然后顺序读取它，直到最后一个匹配行。这称为索引范围扫描，比全表扫描效率更高。

EDIT您需要以下索引：

CREATE INDEX date_user ON posts ( CreationDate, OwnerUserId );
CREATE INDEX date_user ON comments ( CreationDate, UserID);

我建议您重构您的查询，以使您的子查询（所有工作发生的地方）更快。

这些应该是子查询。它们各自在所需的时间范围内为每个用户生成多个项目。

   SELECT OwnerUserId, COUNT(*) posts
     FROM posts
    WHERE CreationDate >= '2010-01-01'
      AND CreationDate <  '2010-01-01' + INTERVAL 1 YEAR
    GROUP BY OwnerUserId

   SELECT UserId, COUNT(*) comments
     FROM comments
    WHERE CreationDate >= '2010-01-01'
      AND CreationDate <  '2010-01-01' + INTERVAL 1 YEAR
    GROUP BY UserId

这些查询通过仅聚合（按组汇总）满足查询所需的最少量数据来节省时间。而且，他们可以通过对我建议的索引进行快速索引范围扫描来满足他们。

然后，您可以在主查询中使用这些子查询，从users 表中提取用户名，如下所示。

SELECT users.Id user_ID, users.Username, c.comments, p.posts
  FROM users
  JOIN (
       SELECT OwnerUserId, COUNT(*) posts
         FROM posts
        WHERE CreationDate >= '2010-01-01'
          AND CreationDate <  '2010-01-01' + INTERVAL 1 YEAR
        GROUP BY OwnerUserId
        ) p ON users.ID = p.OwnerUserId
   JOIN (
       SELECT UserId, COUNT(*) comments
         FROM comments
        WHERE CreationDate >= '2010-01-01'
          AND CreationDate <  '2010-01-01' + INTERVAL 1 YEAR
        GROUP BY UserId
        ) c ON users.ID = c.UserId
  WHERE c.comments > p.posts
  ORDER BY users.ID
  LIMIT 50;

我怀疑如果您添加我提到的复合索引，您将获得很大的性能提升。您可以删除 CreationDate 上的索引；添加复合索引时它们是多余的。

这里值得参考https://use-the-index-luke.com/