通过 Join-Where-Group 通过选择查询避免使用临时的正确索引；使用文件排序

Question

我已经搜索了很多关于下面描述的案例的解决方案，但不幸的是我没有找到类似的案例。

我有以下情况： （作为新用户，网站拒绝了我的图片，但我可以通过邮件发送。下面是它的文字表示）

Table 1 "swap_plan"          Table 2 "cell"
ClusterName | SiteID         SiteID    | Cell      |  Time       | Counter
-----------------------      ---------------------------------------------
Cluster A   | SiteID A1      SiteID A1 | Cell A1-1 | day1        | 5
Cluster A   | SiteID A2      SiteID A1 | Cell A1-1 | day2        | 3
Cluster A   | SiteID A3      SiteID A1 | Cell A1-1 | day3        | 6
Cluster A   | SiteID A4      SiteID A1 | Cell A1-2 | day1        | 6
Cluster A   | SiteID A5      SiteID A1 | Cell A1-2 | day2        | 2
Cluster A   | SiteID A6      SiteID A1 | Cell A1-2 | day3        | 9
.......................      ..............................................
Cluster B   | .........      ..............................................

(Where No 1)      (ON Clause "SiteID")            (Where No 2)    Sum(Counter)

我必须显示一些性能指标（表 2“单元格”中的“计数器”），随时间汇总（表 2“单元格”中的“时间”）和集群（表 1“swap_plan”中的“集群名称”）。

连接是通过两个表“SiteID”的公共列完成的。请注意，在表 2“单元”中，每个 SiteID 由 3 个不同的对象（“单元”）组成。所以，实际上我为每个单元格做“计数器”的 SUM()。

查询如下：

SELECT ClusterName,Time,SUM(counter)
FROM cell
INNER JOIN swap_plan ON swap_plan.Siteid = cell.Siteid
WHERE ClusterName='Cluster A' AND Time>=day1 AND Time<=day2
GROUP BY Time

列类型如下：

表1“交换计划”：

1. 集群名称 - CHAR(30)
2. 站点 ID - VARCHAR(10)

表2“单元格”：

1. 站点 ID - VARCHAR(10)
2. 时间 - 日期时间
3. 计数器 - INT

“解释”显示如下：

table          type    key           key_len      ref               rows  Extra

swap_plan      ref     Index 1       30           const             31    Using where; Using index; Using temporary; Using filesort
cell           ref     Index_siteid  13           swap_plan.SiteID  368   Using where

用到的索引如下：

swap_plan：索引 1（1.ClusterName 和 2.SiteID）

单元格：Index_siteid (SiteID)

优化器查看的行数非常低，这很好：

swap_plan：6066 个中的 31 个和单元格：660 万个中的 368 个。

我的问题是这些“使用临时；使用文件排序”。据我了解，这来自 Group By 所需的排序（如果我删除它，这些过程不会根据解释执行）。我发现为了避免它们，您需要在分组依据的列上有一个索引。我有一个只包含“时间”列的特殊索引，但没有使用这个索引，即使有提示“使用索引 FOR GROUP BY ()”。

因此，我的查询运行速度不够快 - 大约需要 15 秒（例如 15 个 SiteID 和 10 个日期），我需要将此持续时间减少到至少一半。

我的主要问题是：

• 完全可以删除“使用临时；使用文件排序”或 减少执行所需的时间？ （我试图增加 读取缓冲区大小为 16MB，无影响）
• 在 JOIN 情况下我需要什么样的索引定义，当在 WHERE 子句中我按不同表中的 2 列过滤时，在 ON 子句中我按第 3 列过滤时
• 我可以应用哪种 Group By 优化（索引等）？

非常感谢您！

Answer 1

我会这样写查询：

SELECT c.time
     , SUM(c.counter)
     , MAX(p.clustername) AS clustername
  FROM cell c

  JOIN swap_plan p
    ON p.siteid      = c.siteid
   AND p.clustername = 'Cluster A'

 WHERE c.time  >=  'day1'
   AND c.time  <=  'day2'
 GROUP
    BY c.time

我一定会在cell 上有一个以time 作为前导列的索引。

MySQL 可以使用相同的索引来满足范围谓词（在 WHERE 子句中），并且无需“使用文件排序”操作即可满足 GROUP BY。

... ON cell (time)

根据列的大小，覆盖索引可能会提供最佳性能。覆盖索引包括查询中引用的表中的所有列，因此可以完全从索引页面满足查询，而无需查找基础表中的页面。

... ON cell (time, siteid, counter)

对于swap_plan 上的索引，我将有一个以site_id 作为前导列的索引，并包括clustername 列，其中之一是：

... ON swap_plan (clustername, site_id)

或

... ON swap_plan (site_id, clustername)

看起来这两个列的组合可能会有一个 UNIQUE 约束，即site_id 的值对于给定的clustername 将是不同的。 （如果不是这种情况，并且相同的 (site_id,clustername) 元组多次出现，则 counter 的总数可能会被夸大。

我正在寻找 EXPLAIN 输出以显示从 c.siteid 的值和 clustername 的 const（文字“Cluster A”）值到 swap_plan 表的“ref”查找。

---

对于大小分别为 31 行和 368 行的表，我们不会看到最佳执行计划和糟糕的执行计划之间的性能（经过的时间）有显着差异。

当任何一个表扩展到数百万行时，差异就会变得明显。执行计划的优化器选择受每个表的统计信息（大小、行数、列基数）的影响，因此执行计划可能会随着表大小的增加而改变。