相同執行計劃，為何有執行快慢的差別
2022-08-13 18:00:43
- GreatSQL社群原創內容未經授權不得隨意使用，轉載請聯絡小編並註明來源。
- GreatSQL是MySQL的國產分支版本，使用上與MySQL一致。
前言
今天遇到一個很神奇的現象，在資料庫中，相同的執行計劃，執行SQL所需要的時間相差很大，執行快的SQL瞬間出結果，執行慢的SQL要幾十秒才出結果，一度讓我懷疑是資料庫抽風了，後面才發現是見識不足，又進入了知識空白區。
場景復現
資料庫版本使用的是8.0.23 MySQL Community Server - GPL
由於生產環境資料敏感，禁止隨意折騰，我在自己的測試環境，通過如下步驟，構造了一批資料，勉強能夠復現出相同的場景來
- 使用sysbench構造一萬張表，每張表10行記錄即可。
- create table test.test_col as select * from information_schema.columns;
- create table test.test_tab as select * from information_schema.tables;
- create table test.test_tc as select * from information_schema.table_constraints;
- 執行10次 insert into test.test_tab select * from test.test_tab;
- 建立必要的索引
alter table test_col add key(table_schema, table_name);
alter table test_col add key(column_name);
alter table test_tab add key(table_schema, table_name);
alter table test_tc add key(table_name);
最終我測試表的資料如下
mysql> select count(1) from test_col;
+----------+
| count(1) |
+----------+
| 1395616|
+----------+
1 row in set (3.29 sec)
mysql> select count(1) from test_tab;
+----------+
| count(1) |
+----------+
| 10338 |
+----------+
1 row in set (0.12 sec)
mysql> select count(1) from test_tc;
+----------+
| count(1) |
+----------+
| 10143 |
+----------+
1 row in set (0.06 sec)
先看執行快的SQL和它的執行計劃
mysql> select count(1) from (select t1.TABLE_CATALOG, t2.TABLE_SCHEMA, t2.TABLE_NAME, t1.COLUMN_NAME, t1.DATA_TYPE, t3.CONSTRAINT_TYPE from test_col t1 inner join test_tab t2 on t1.TABLE_SCHEMA = t2.TABLE_SCHEMA and t1.table_name = t2.table_name inner join test_tc t3 on t2.TABLE_SCHEMA = t3.TABLE_SCHEMA and t2.TABLE_NAME = t3.TABLE_NAME limit 3 ) t;
+----------+
| count(1) |
+----------+
| 3 |
+----------+
1 row in set (0.00 sec)
mysql> explain select count(1) from (select t1.TABLE_CATALOG, t2.TABLE_SCHEMA, t2.TABLE_NAME, t1.COLUMN_NAME, t1.DATA_TYPE, t3.CONSTRAINT_TYPE from test_col t1 inner join test_tab t2 on t1.TABLE_SCHEMA = t2.TABLE_SCHEMA and t1.table_name = t2.table_name inner join test_tc t3 on t2.TABLE_SCHEMA = t3.TABLE_SCHEMA and t2.TABLE_NAME = t3.TABLE_NAME limit 3 ) t;
+----+-------------+------------+------------+-------+---------------+--------------+---------+-----------------------------------------+-------+----------+--------------------------+
| id | select_type | table | partitions | type | possible_keys | key | key_len | ref | rows | filtered | Extra |
+----+-------------+------------+------------+-------+---------------+--------------+---------+-----------------------------------------+-------+----------+--------------------------+
| 1 | PRIMARY | <derived2> | NULL | ALL | NULL | NULL | NULL | NULL | 3 | 100.00 | NULL |
| 2 | DERIVED | t2 | NULL | index | TABLE_SCHEMA | TABLE_SCHEMA | 390 | NULL | 10240 | 100.00 | Using where; Using index |
| 2 | DERIVED | t3 | NULL | ref | TABLE_NAME | TABLE_NAME | 195 | test.t2.TABLE_NAME | 1 | 10.00 | Using where |
| 2 | DERIVED | t1 | NULL | ref | TABLE_SCHEMA | TABLE_SCHEMA | 390 | test.t2.TABLE_SCHEMA,test.t2.TABLE_NAME | 61 | 100.00 | NULL |
+----+-------------+------------+------------+-------+---------------+--------------+---------+-----------------------------------------+-------+----------+--------------------------+
4 rows in set, 1 warning (0.00 sec)
再看執行慢的SQL和它的執行計劃
mysql> select count(1) from (select t1.TABLE_CATALOG, t2.TABLE_SCHEMA, t2.TABLE_NAME, t1.COLUMN_NAME, t1.DATA_TYPE, t3.CONSTRAINT_TYPE from test_col t1 inner join test_tab t2 on t1.TABLE_SCHEMA = t2.TABLE_SCHEMA and t1.table_name = t2.table_name inner join test_tc t3 on t2.TABLE_SCHEMA = t3.TABLE_SCHEMA and t2.TABLE_NAME = t3.TABLE_NAME ) t;
+----------+
| count(1) |
+----------+
| 1333088|
+----------+
1 row in set (2.45 sec)
mysql> explain select count(1) from (select t1.TABLE_CATALOG, t2.TABLE_SCHEMA, t2.TABLE_NAME, t1.COLUMN_NAME, t1.DATA_TYPE, t3.CONSTRAINT_TYPE from test_col t1 inner join test_tab t2 on t1.TABLE_SCHEMA = t2.TABLE_SCHEMA and t1.table_name = t2.table_name inner join test_tc t3 on t2.TABLE_SCHEMA = t3.TABLE_SCHEMA and t2.TABLE_NAME = t3.TABLE_NAME ) t;
+----+-------------+-------+------------+-------+---------------+--------------+---------+-----------------------------------------+-------+----------+--------------------------+
| id | select_type | table | partitions | type | possible_keys | key | key_len | ref | rows | filtered | Extra |
+----+-------------+-------+------------+-------+---------------+--------------+---------+-----------------------------------------+-------+----------+--------------------------+
| 1 | SIMPLE | t2 | NULL | index | TABLE_SCHEMA | TABLE_SCHEMA | 390 | NULL | 10240 | 100.00 | Using where; Using index |
| 1 | SIMPLE | t3 | NULL | ref | TABLE_NAME | TABLE_NAME | 195 | test.t2.TABLE_NAME | 1 | 10.00 | Using where |
| 1 | SIMPLE | t1 | NULL | ref | TABLE_SCHEMA | TABLE_SCHEMA | 390 | test.t2.TABLE_SCHEMA,test.t2.TABLE_NAME | 61 | 100.00 | Using index |
+----+-------------+-------+------------+-------+---------------+--------------+---------+-----------------------------------------+-------+----------+--------------------------+
3 rows in set, 1 warning (0.00 sec)
對比兩個SQL執行計劃，選擇索引相同，表關聯順序相同，快的執行0.00秒，慢的執行2.45秒，生產環境資料量更多，差異更大。兩條SQL差別是執行快的SQL子查詢中多了limit 3。
從上述執行計劃，我們可以看出，t2表為驅動表，先與t3做關聯，得到結果後再與t1做關聯，最後將結果集返回給使用者端。
我們都知道，MySQL從server層返回資料給client，是一行一行返回的。也就是上層結果集與t1表每關聯一行，有結果後，在沒有排序的情況下，就是直接返回，並不會等所有行關聯完後一起返回。
那麼整個關聯路徑，是怎麼樣的呢，簡化流程後應該是下面兩種情況的一個
- 從t2取出所有資料，與t3表關聯得到所有結果集後；再從t1中取一行關聯，每得到一行結果，返回一次資料
- 從t2取一行資料，與t3表關聯得到一行結果後，再從t1中取一行關聯，每得到一行結果，返回一次資料
新的技巧
由於上面兩個SQL執行計劃、預估成本都相同，無法看出具體執行過程中差異點在什麼地方導致執行效能差這麼多.
在MySQL 8.0.18及之後，有一個新功能explain analyze，可以定量分析SQL執行過程中的耗時及實際資料存取條數，拿到我們的場景具體使用一下
mysql> explain analyze select count(1) from (select t1.TABLE_CATALOG, t2.TABLE_SCHEMA, t2.TABLE_NAME, t1.COLUMN_NAME, t1.DATA_TYPE, t3.CONSTRAINT_TYPE from test_col t1 inner join test_tab t2 on t1.TABLE_SCHEMA = t2.TABLE_SCHEMA and t1.table_name = t2.table_name inner join test_tc t3 on t2.TABLE_SCHEMA = t3.TABLE_SCHEMA and t2.TABLE_NAME = t3.TABLE_NAME limit 3 ) t \G
*************************** 1. row ***************************
EXPLAIN: -> Aggregate: count(1) (actual time=0.348..0.349 rows=1 loops=1)
-> Table scan on t (cost=2.84 rows=3) (actual time=0.003..0.004 rows=3 loops=1)
-> Materialize (cost=75298.09 rows=3) (actual time=0.339..0.340 rows=3 loops=1)
-> Limit: 3 row(s) (cost=75298.09 rows=3) (actual time=0.179..0.205 rows=3 loops=1)
-> Nested loop inner join (cost=75298.09 rows=132366) (actual time=0.177..0.203 rows=3 loops=1)
-> Nested loop inner join (cost=4648.25 rows=1024) (actual time=0.130..0.130 rows=1 loops=1)
-> Filter: ((t2.`TABLE_NAME` is not null) and (t2.TABLE_SCHEMA is not null)) (cost=1064.25 rows=10240) (actual time=0.065..0.065 rows=1 loops=1)
-> Index scan on t2 using TABLE_SCHEMA (cost=1064.25 rows=10240) (actual time=0.053..0.053 rows=1 loops=1)
-> Filter: (t3.TABLE_SCHEMA = t2.TABLE_SCHEMA) (cost=0.25 rows=0) (actual time=0.062..0.062 rows=1 loops=1)
-> Index lookup on t3 using TABLE_NAME (TABLE_NAME=t2.`TABLE_NAME`) (cost=0.25 rows=1) (actual time=0.059..0.059 rows=1 loops=1)
-> Index lookup on t1 using TABLE_SCHEMA (TABLE_SCHEMA=t2.TABLE_SCHEMA, TABLE_NAME=t2.`TABLE_NAME`) (cost=56.08 rows=129) (actual time=0.044..0.070 rows=3 loops=1)
1 row in set (0.00 sec)
mysql> explain analyze select count(1) from (select t1.TABLE_CATALOG, t2.TABLE_SCHEMA, t2.TABLE_NAME, t1.COLUMN_NAME, t1.DATA_TYPE, t3.CONSTRAINT_TYPE from test_col t1 inner join test_tab t2 on t1.TABLE_SCHEMA = t2.TABLE_SCHEMA and t1.table_name = t2.table_name inner join test_tc t3 on t2.TABLE_SCHEMA = t3.TABLE_SCHEMA and t2.TABLE_NAME = t3.TABLE_NAME ) t \G
*************************** 1. row ***************************
EXPLAIN: -> Aggregate: count(1) (actual time=2130.310..2130.311 rows=1 loops=1)
-> Nested loop inner join (cost=19704.44 rows=132366) (actual time=0.114..2006.259 rows=1333088 loops=1)
-> Nested loop inner join (cost=4648.25 rows=1024) (actual time=0.094..108.093 rows=10143 loops=1)
-> Filter: ((t2.`TABLE_NAME` is not null) and (t2.TABLE_SCHEMA is not null)) (cost=1064.25 rows=10240) (actual time=0.051..17.021 rows=10338 loops=1)
-> Index scan on t2 using TABLE_SCHEMA (cost=1064.25 rows=10240) (actual time=0.049..12.845 rows=10338 loops=1)
-> Filter: (t3.TABLE_SCHEMA = t2.TABLE_SCHEMA) (cost=0.25 rows=0) (actual time=0.007..0.008 rows=1 loops=10338)
-> Index lookup on t3 using TABLE_NAME (TABLE_NAME=t2.`TABLE_NAME`) (cost=0.25 rows=1) (actual time=0.007..0.008 rows=1 loops=10338)
-> Index lookup on t1 using TABLE_SCHEMA (TABLE_SCHEMA=t2.TABLE_SCHEMA, TABLE_NAME=t2.`TABLE_NAME`) (cost=1.79 rows=129) (actual time=0.010..0.172 rows=131 loops=10143)
1 row in set (2.13 sec)
mysql>
從上面的分析結果來看，在驅動表t2執行Index scan on t2 using TABLE_SCHEMA這一步的時候，就存在很大的差異了，執行快的SQL在這一步只掃描了一行記錄，耗時0.053毫秒，而執行快的SQL在這一步掃描數量基本上和執行計劃估計的一致，掃描了10338行記錄，耗時12.845毫秒；驅動表掃描記錄越多，那麼和後續表關聯的nested loop join次數也越多，導致兩條SQL執行時間差異巨大。
加大limit的返回限制為5000，驅動表t2掃描的行數增加至99行，執行時間增加至0.201毫秒
mysql> explain analyze select count(1) from (select t1.TABLE_CATALOG, t2.TABLE_SCHEMA, t2.TABLE_NAME, t1.COLUMN_NAME, t1.DATA_TYPE, t3.CONSTRAINT_TYPE from test_col t1 inner join test_tab t2 on t1.TABLE_SCHEMA = t2.TABLE_SCHEMA and t1.table_name = t2.table_name inner join test_tc t3 on t2.TABLE_SCHEMA = t3.TABLE_SCHEMA and t2.TABLE_NAME = t3.TABLE_NAME limit 5000) t \G*************************** 1. row ***************************
EXPLAIN: -> Aggregate: count(1) (actual time=33.395..33.396 rows=1 loops=1)
-> Table scan on t (cost=565.00 rows=5000) (actual time=0.005..0.765 rows=5000 loops=1)
-> Materialize (cost=75298.09 rows=5000) (actual time=31.863..33.046 rows=5000 loops=1)
-> Limit: 5000 row(s) (cost=75298.09 rows=5000) (actual time=0.126..25.326 rows=5000 loops=1)
-> Nested loop inner join (cost=75298.09 rows=132366) (actual time=0.124..24.757 rows=5000 loops=1)
-> Nested loop inner join (cost=4648.25 rows=1024) (actual time=0.095..0.834 rows=20 loops=1)
-> Filter: ((t2.`TABLE_NAME` is not null) and (t2.TABLE_SCHEMA is not null)) (cost=1064.25 rows=10240) (actual time=0.046..0.201 rows=99 loops=1)
-> Index scan on t2 using TABLE_SCHEMA (cost=1064.25 rows=10240) (actual time=0.044..0.157 rows=99 loops=1)
-> Filter: (t3.TABLE_SCHEMA = t2.TABLE_SCHEMA) (cost=0.25 rows=0) (actual time=0.005..0.006 rows=0 loops=99)
-> Index lookup on t3 using TABLE_NAME (TABLE_NAME=t2.`TABLE_NAME`) (cost=0.25 rows=1) (actual time=0.005..0.006 rows=0 loops=99)
-> Index lookup on t1 using TABLE_SCHEMA (TABLE_SCHEMA=t2.TABLE_SCHEMA, TABLE_NAME=t2.`TABLE_NAME`) (cost=56.08 rows=129) (actual time=0.011..1.171 rows=250 loops=20)
1 row in set (0.04 sec)
mysql>
從上面的analyze結果，也可以看出來，在測試使用的SQL結構中，關聯順序是方法2，也就是從t2取一行資料，與t3表關聯得到一行結果後，再從t1中取一行關聯，每得到一行結果，返回一次資料。
從官方檔案中介紹，explain analyze是explain format=tree的補充，兩者都是8.0出現的新功能，這裡簡單介紹一下我個人理解的檢視這種執行計劃的順序，如果有不正確的地方，還請指正：最先檢視第一個縮排最多的行，沒有相同縮排時，再向上一個縮排檢視，再檢視相同縮排的行(如果它有子縮排行，也是先檢視縮排最多的行)，以如下SQL為例，它的執行計劃檢視順序為10->9->12->11->8->13->7->6->5->4->3
- 第一個縮排最多的行是第10行，執行計劃判斷以索引掃描的方式從t2表讀取10240條記錄，實際從t2表讀取了99條記錄，在讀取這99條記錄的操作過程中，讀取到第1條記錄耗時0.044毫秒，讀取到第99條耗時0.157毫秒，由於它是第一個讀取的表，也是查詢的驅動表，只會讀取一次資料
- 檢視第9行，資料從儲存引擎獲取後，需要在server層過濾，計劃是過濾10240條記錄，實際上過濾了99條記錄，過濾這99條記錄的過程中，第1條記錄執行完成耗時是0.046毫秒，第99條記錄執行完成耗時是0.201毫秒，驅動表過濾操作也只進行一次
- 第11行與第9行縮排相同，但是由於它有子縮排第12行，所以先執行第12行，以普通索引等值查詢的方式掃描t3表，這裡執行計劃每個關聯會返回一條記錄，但是實際資料返回0條，是由於這個值是平均值，即t2表的99行記錄在t3表中查詢記錄數除以99，取整後得到的值。
- 第12行，對從儲存引擎層返回的資料，做進一步過濾，這裡也迴圈99次
- 第8行，t2 表與t3表的關聯，關聯後返回記錄20條，完成關聯耗時為0.834毫秒
- 第13行，以普通索引等值查詢，從t1表中獲取資料,一共要完成20次迴圈查詢，每次迴圈獲取第一條記錄的平均時間是0.011毫秒,每次迴圈獲取最後一條記錄的時間是1.171毫秒，每次迴圈平均獲取250條記錄。
- 第7行，與t1關聯查詢的方法和結果，一共返回5000條記錄，返回第1條記錄耗時0.124毫秒，返回第5000條記錄耗時24.757毫秒
- 第6行，limit判斷，耗時25.326毫秒
- 第5行，物化這5000行記錄，物化完成耗時33.046毫秒
- 第4行，掃描物化表資料5000條記錄，掃描耗時0.765毫秒
- 第3行，資料做聚合，返回count數量，耗時33.396毫秒，也是整個SQL執行的總耗時
explain analyze 將執行過程中的索引、連線方式、過濾等資訊嵌入了每個執行步驟，初次接觸時，可以使用explain結果進行對比檢視，以更容易接受和理解執行過程
總結
相同的SQL執行計劃，卻有不同的資料獲取過程，這個在以前的版本中，是很難分析到的，explain\optimizer_trace\profile都不行，現在通過explain analyze能夠輕易實現，通過這個工具，也加深了對多表join的一個執行過程的理解，是一個非常實用的工具。
需要注意點：
- explain analyze過程中會實際執行具體SQL，但並不會SQL的執行結果，返回的結果集是詳細執行步驟
- 目前只支援select語句，對於insert\ update \delete未支援，這點和explain有差別
參考連結
https://dev.mysql.com/doc/refman/8.0/en/explain.html
Enjoy GreatSQL