更新连接表需要很长时间

Question

我有一个表 citations 有 500 万行，其中包含以下信息：

Paperkey1 | Year1 | Paperkey2 | Year2 
100                   20
200                   90
300                   80

另一个表pub_year 大约有 300 万行，包含以下信息：

Paperkey | Year
100        2001
200        2002
20         2003
90         2004
80         2005

我想通过从表 pub_year 中获取年份值来更新表 citations。我使用了以下查询，但它已经运行了 3 个多小时，但仍未完成。

update citations T2

join pub_year T1 on T2.paperkey1= T1.paperkey

set T2.year1 = T1.year;

有没有人知道它花费太长时间的主要原因是什么？如果我继续让它运行，我不确定它是否会完成。还是我的查询有问题？ paperkey 字段都是 varchar，而 year 字段都是整数。谢谢。

这是运行 EXPLAIN 后的更新：

Answer 1

第二行在type 列中具有值ALL。这是执行非常非常缓慢的原因。对于来自citations 的500 万行中的每一行，它需要扫描表pub_year 的所有300 万行，以便找到JOIN 子句的匹配行。索引会解决这个问题。

在表citations的列Paperkey1上添加索引：

ALTER TABLE `citations` ADD INDEX (`Paperkey1`);

还在表 pub_year 的列 Paperkey 上添加索引：

ALTER TABLE `pub_year` ADD INDEX (`Paperkey`);

如果两个表中的一个已经包含上述列的索引（或者它是多列索引中的第一列），则跳过该表；具有相同的索引没有帮助。

创建索引后（它们需要一些时间才能完成，特别是如果这些表同时还有其他活动），再次运行EXPLAIN 并检查结果。 您应该在第二行的type 列中获得ref 或eq_ref。

现在UPDATE 将更快地完成。仍然需要几分钟（如果在查询期间其他进程访问表，则甚至更长时间），但是当您更新 500 万条记录时，这没问题。

出于性能原因，在INNER JOINs 上，建议将在最终结果集中产生最少行数的表放在首位。在这种情况下，该表是pub_year：

UPDATE pub_year T1
INNER JOIN citations T2 ON T2.paperkey1 = T1.paperkey
SET T2.year1 = T1.year

（附带说明一下，MySQL 查询优化器足够智能，可以更改查询并将表按照提供最佳执行时间的顺序排列。您可以在 EXPLAIN 查询的结果中看到这一点从问题：表T1（pub_year）排在第一位。）