优化案例 | 分区表场景下的SQL优化
导读
有个表做了分区，每天一个分区。
该表上有个查询，经常只查询表中某一天数据，但每次都几乎要扫描整个分区的所有数据，有什么办法进行优化吗？
一、待优化场景
有一个大表，每天产生的数据量约100万，所以就采用表分区方案，每天一个分区。
下面是该表的DDL：
CREATE TABLE `t1` (
`id` bigint(20) NOT NULL AUTO_INCREMENT,
`date` date NOT NULL,
`kid` int(11) DEFAULT '0',
`uid` int(11) NOT NULL,
`iid` int(11) DEFAULT '0',
`icnt` int(8) DEFAULT '0',
`tst` timestamp NOT NULL DEFAULT CURRENT_TIMESTAMP ON UPDATE CURRENT_TIMESTAMP,
`countp` smallint(11) DEFAULT '1',
`isr` int(2) NOT NULL DEFAULT '0',
`clv` int(5) NOT NULL DEFAULT '1'，
PRIMARY KEY (`id`,`date`),
UNIQUE KEY `date` (`date`,`uid`,`iid`),
KEY `date_2` (`date`,`kid`)
) ENGINE=InnoDB AUTO_INCREMENT=3180686682 DEFAULT CHARSET=utf8mb4
/*!50500 PARTITION BY RANGE COLUMNS(`date`)
(PARTITION p20161201 VALUES LESS THAN ('2016-12-02') ENGINE = InnoDB,
PARTITION p20161202 VALUES LESS THAN ('2016-12-03') ENGINE = InnoDB,
PARTITION p20161203 VALUES LESS THAN ('2016-12-04') ENGINE = InnoDB,
...
该表上经常发生下面的慢查询：
SELECT ... FROM `t1` WHERE `date` = '2017-04-01' AND `icnt` > 300 AND `id` = '801301';
二、SQL优化之路
1、SQL优化思路
想要优化一个SQL，一般来说就是先看执行计划，观察是否尽可能用到索引，同时要关注预计扫描的行数，以及是否产生了临时表（Using temporary） 或者 是否需要进行排序（Using filesort），想办法消除这些情况。
更进一步的优化策略则可能需要调整程序代码逻辑，甚至技术架构或者业务需求，这个动作比较大，一般非核心系统上的核心问题，不会这么大动干戈，绝大多数情况，还是需要靠DBA尽可能发挥聪明才智来解决。
2、SQL性能瓶颈定位
现在，我们来看下这个SQL的执行计划：
yejr@imysql.com[myDB]> EXPLAIN PARTITIONS SELECT ... FROM `t1` WHERE
`date` = '2017-03-02' AND `icnt` > 100 AND `iid` = '502302'\G
*************************** 1. row ***************************
id: 1
select_type: SIMPLE
table: t1
partitions: p20170302
type: range
possible_keys: date,date_2
key: date
key_len: 3
ref: const
rows: 9384602
Extra: Using where
这个执行计划看起来还好，有索引可用，也没临时表，也没filesort。不过，我们也注意到，预计要扫描的行数还是挺多的 rows: 9384602，而且要扫描zheng整个分区的所有数据，难怪效率不高，总是SLOW QUERY。
3、优化思考
我们注意到这个SQL总是要查询某一天的数据，这个表已经做了按天分区，那是不是可以忽略 WHERE 子句中的 时间条件呢？
还有，既然去掉了 date 条件，反观表DDL，剩下的条件貌似就没有合适的索引了吧？
所以，我们尝试新建一个索引：
yejr@imysql.com[myDB]> ALTER TABLE t1 ADD INDEX iid (iid, icnt);
然后，把SQL改造成下面这样，再看下执行计划：
yejr@imysql.com[myDB]> EXPLAIN PARTITIONS SELECT ... FROM `t1` partition(p2017030) WHERE
`icnt` > 100 AND `iid` = '502302'\G
*************************** 1. row ***************************
id: 1
select_type: SIMPLE
table: t1
partitions: p20170302
type: ref
possible_keys: date,date_2,iid
key: iid
key_len: 10
ref: const
rows: 7800
Extra: Using where
这优化效果，杠杠滴。
事实上，如果不强制指定分区的话，也是可以达到优化效果的：
yejr@imysql.com[myDB]> EXPLAIN PARTITIONS SELECT ... FROM `t1` WHERE
`date` = '2017-03-02' AND `icnt` > 100 AND `iid` = '502302'\G
*************************** 1. row ***************************
id: 1
select_type: SIMPLE
table: t1
partitions: p20170302
type: ref
possible_keys: date,date_2,iid
key: iid
key_len: 10
ref: NULL
rows: 7800
Extra: Using where
后记
绝大多数的SQL通过添加索引、适当调整SQL代码（例如调整驱动表顺序）等简单手法来完成。
多说几句，遇到SQL优化性能瓶颈问题想要在技术群里请教时，麻烦先提供几个必要的信息：
- 表DDL
- 表常规统计信息，可执行 SHOW TABLE STATUS LIKE ‘t1’ 查看
- 表索引分布信息，可执行 SHOW INDEX FROM t1 查看
- 有问题的SQL及相应的执行计划 没有这些信息的话，就别去麻烦别人了吧。
