mysql where + group by 很慢

Question

一个我应该可以自己回答的问题，但我没有，而且我也没有在 google 中找到任何答案：

我有一个包含 500 万行的表，结构如下：

CREATE TABLE IF NOT EXISTS `files_history2` (
  `FILES_ID` int(10) unsigned DEFAULT NULL,
  `DATE_FROM` date DEFAULT NULL,
  `DATE_TO` date DEFAULT NULL,
  `CAMPAIGN_ID` int(10) unsigned DEFAULT NULL,
  `CAMPAIGN_STATUS_ID` int(10) unsigned DEFAULT NULL,
  `ON_HOLD` decimal(1,0) DEFAULT NULL,
  `DIVISION_ID` int(11) DEFAULT NULL,
  KEY `DATE_FROM` (`DATE_FROM`),
  KEY `FILES_ID` (`FILES_ID`),
  KEY `CAMPAIGN_ID` (`CAMPAIGN_ID`),
  KEY `CAMP_DATE` (`CAMPAIGN_ID`,`DATE_FROM`)
) ENGINE=MyISAM DEFAULT CHARSET=utf8;

当我执行时

SELECT files_id, min( date_from )
FROM files_history2
WHERE campaign_id IS NOT NULL
GROUP BY files_id

查询停留在“发送数据”状态超过八小时（然后我终止了该进程）。

这里解释一下：

id  select_type     table           type    possible_keys           key     key_len     ref     rows        Extra
1   SIMPLE          files_history2  ALL     CAMPAIGN_ID,CAMP_DATE   NULL    NULL        NULL    5073254     Using where; Using temporary; Using filesort

我假设我生成了必要的键，但是查询应该花费那么长时间，是吗？

Answer 1

我建议使用不同的索引...索引 (Files_ID, Date_From, Campaign_ID)...

由于您的分组依据是 Files_ID，因此您希望将 THOSE 分组。然后是 MIN(Date_From)，所以它位于第二个位置......然后是 Campaign_ID 最终符合不为空的条件，这就是为什么......

如果您将所有广告系列 ID 放在首位，那太好了，将所有 NULL 都排除在外……现在，您有 1,000 个广告系列，而且 Files_ID 跨越许多广告系列，而且它们还跨越许多日期，您会窒息的。

根据我投影的索引，首先是 Files_ID，您已经为每个“files_id”排序以匹配您的组。然后，在其中，所有最早的日期都在索引列表的顶部……太好了，几乎在那里，然后，按活动 ID。跳过可能存在的任何 NULL 并完成，进入下一个 Files_ID

希望这是有道理的——除非你有大量的条目具有 NULL 值活动。

此外，通过使索引的所有 3 个部分与查询的条件和输出列匹配，它永远不必返回原始数据文件来获取数据，它直接从索引中获取所有数据。

Answer 2

我会创建一个覆盖索引（CAMPAIGN_ID、files_id、date_from）并检查其性能。我怀疑您的问题是由于分组 not 和 date_from 无法使用相同的索引。

CREATE INDEX your_index_name ON files_history2 (CAMPAIGN_ID, files_id, date_from);

如果这可行，您可以删除点索引CAMPAIGN_ID，因为它包含在复合索引中。

Answer 3

由于聚合（函数 MIN ）以及分组，查询速度很慢。 解决方案之一是通过将聚合子查询从 WHERE 子句移动到 FROM 子句来更改查询，这将比您使用的方法快得多。

尝试以下：

SELECT f.files_id 
FROM file_history2 AS f 
JOIN ( 
SELECT campaign_id, MIN(date_from) AS datefrom 
FROM file_history2 
GROUP BY files_id 
) AS f1 ON f.campaign_id = f1.campaign_id AND f.date_from = f1.datefrom; 

这应该有更好的性能，如果不工作临时表只能是选择。