SQL 初学者 - 为什么我的 MySQL 连接查询不使用索引/工作这么慢？

Question

我的 MySQL 5.5 DB 出现以下问题 - 我对此很陌生，所以可能很明显出了什么问题，但我似乎无法理解：

两个表：

---

表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`)
)

---

每个都包含约 1500 万行。

现在，我想要来自Table2 where global_pept_id = 27443 的所有行，然后使用其中的peptide_identification_id 查询来自Table1 where peptide_identification_id = sequence_match_id 的所有信息。

我尝试了以下说法：

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; 

这里是该查询的解释：

（点击放大）

现在这个查询非常非常慢（我实际上从未完成它，大约 10 分钟后停止它），我可以想象这是因为没有用于第二个表的索引，尽管两个 ID 都是主键，因此它们应该是索引对吗？

内部选择的结果需要 ~3 sek，如果单独执行，则返回 ~3k 行。所以我认为问题在于进行 3000 * 15mio 比较，因为在 Table2 中检查了每一行。

但是我该如何解决这个问题？

任何帮助表示赞赏 -void

Answer 1

这可能是因为您要加入子查询。试试：

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

与其他解决方案略有不同。考虑您首先尝试获得的主要标准......给定全局肽值的那些肽元素。确保您在此表上具有您可能要查询的任何此类条件的索引（您有）。但是，如果您发现您将针对同一个表查询多个 WHERE 条件，请尝试准备/拥有一个有助于满足这两个条件的索引。

然后，在 PK/FK 关系上对另一个表进行 JOIN 条件以获取这些记录。

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

没有适当的索引会严重影响查询的性能。您的 Sequence_Matches 表应仅在 (Sequence_match_ID) 上有一个索引，以帮助其优化。将它放在第二个位置（在 sample_id 之后），不会像预期的那样受益。

Answer 3

我认为问题可能是因为您现在正在创建交叉连接 而不是内部连接。您的子查询正在创建笛卡尔 1500 万行 * 300 万行的乘积。

使用内部联接，您会将该数字减少到 1500 万*3000 行。

这仍然是一个巨大的数字。在 Sql 端，你可以通过发出来限制它 前 10 名或前 20 名。

在前端，如果是 C#，你应该使用分页技术，比如 假设 u 数据源上的 gridviewpager 或其他分页技术 将在前端显示结果，该结果将位于顶部 您的 SQL 连接查询和第 20 页的结果。

Answer 4

提示是避免子选择。有时它们很棒，但通常会导致性能不佳。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

这样行吗？

编辑：不，真正的问题是 sequence_match_id 上没有索引。添加一个，你可能会没事的。