加速：使用 GROUP BY 查询答案

【问题标题】：Speed Up: query with a GROUP BY加速：使用 GROUP BY 查询
【发布时间】：2015-05-29 11:58:36
【问题描述】：

我使用下面的查询来选择电影年龄最小的演员。

SELECT production_cast.production_id, MIN(birthdate) FROM person
LEFT JOIN production_cast ON production_cast.person_id = person.id
WHERE birthdate IS NOT NULL
GROUP BY production_cast.production_id;

但是 IMDB 数据集非常庞大，需要 300 多秒才能完成。如果没有 GROUP BY 和 MIN，此查询将在 0.2 秒内运行：

SELECT production_cast.production_id FROM person
LEFT JOIN production_cast ON production_cast.person_id = person.id
WHERE birthdate IS NOT NULL;

数据库引擎是 MyIsam。 Mysql版本是5.7.2。我尝试在以下位置使用这些 BTREE 索引：

production_cast.production_id
person.birthdate
person.birthdate 和 person.id
production_cast.id 和 production_cast.production_id

explain 的简要输出是： 人物：范围， 索引： idx_Person_id_birthdate、idx_Person_id_birthdate、 额外：使用where；使用索引；使用临时的；使用文件排序

Production_cast: 参考， 索引： idx_Production_cast_person_id_production_id 额外：使用索引

person.id 和 production_cast.id 是主键索引。 production_cast.production_id 不是主键，但有索引。我可以做些什么来提高这个搜索查询的速度。

【问题讨论】：

explain select... 对上述查询说了什么？将其添加到问题中。
请显示表格的布局。例如product_cast.id 是主键吗？
@AbhikChakraborty 解释的结果是：对于人： 键：生日，行： 366741， Extra: '使用索引条件；使用 MRR；使用临时的；使用文件排序' 对于生产演员： possiblekeys: PRIMARY, person_id key: person_id 所有 ids 都是主键，生日有索引 b>
你说数据库很大 => 有很多结果 => 一个根本无法滚动所有这些结果 => 为什么不使用分页器并限制结果呢？ PS：尝试使用 subselect 摆脱 using filesort
我不明白，当一个完美的 PostgreSQL 存在时，为什么有人会故意选择 MySQL

标签： mysql sql database

【解决方案1】：

您可以添加一些索引来加快数据检索。

开启production_cast：

person_id
id

在person:

id
birthdate

这样，数据库不需要检索所有数据，只需检索索引中的数据。此外，索引列的顺序将加快检索速度。您还应该将 person.birth_date 列别名为解析时间下降：

SELECT pc.id
,      MIN(p.birthdate)
FROM   person p
LEFT 
JOIN   production_cast pc
ON     pc.person_id = p.id
WHERE  p.birthdate IS NOT NULL
GROUP
BY     pc.id;

【讨论】：

他肯定漏掉了一些重要的索引
你提到的所有索引都存在。
@orcungumus：你是抄我的吗？您是如何找到这些索引的？它们完全如上吗？
实际上，为了测试，我在开始时添加了所有组合，但目前在 production_cast: person.id, production_id, id 和 person: id,birthdate 和复合索引(birthdate, id) 存在。问题是它使用复合索引，但它继续进行文件排序
@PatrickHofman 它使用两个索引（为此+1），但它继续进行文件排序。所以仍然需要 190 秒。

【解决方案2】：

首先，LEFT JOIN 不是必需的，除非您关心不在任何制作演员阵容中的“人”。这似乎不太可能。因此，您的查询是：

SELECT p.id, MIN(birthdate)
FROM person p JOIN
     production_cast pc
     ON pc.person_id = p.id
WHERE p.birthdate IS NOT NULL
GROUP BY pc.id;

其次，如果production_cast.id 是主键并且person.id 是主键，则查询不能为给定的production_cast.id 生成重复值。因此，group by 不是必需的：

SELECT p.id, p.birthdate
FROM person p JOIN
     production_cast pc
     ON pc.person_id = p.id
WHERE p.birthdate IS NOT NULL;

我怀疑您在 production_cast 中有另一个表或另一个聚合键，但您的查询没有按照您认为的那样做。

【讨论】：