SQL查询性能优化 - EXISTS、IN-开发者社区

从客户表（c1）中，找出所有状态为“2”的客户，并且要求存在另一个状态也为“2”、邮箱包含'customer'、手机号以'138'开头的同名客户。

将所有状态为“2”且满足存在性检查的最终结果，按照客户姓名 (c1.name)进行排序，然后为其分配一个连续的组序号 (group_seq)。

原sql

SELECT DENSE_RANK() OVER (ORDER BY c1.name) AS group_seq, c1.customer_id, c1.name, c1.email, c1.phone, c1.registration_date, c1.credit_limit, c1.status, c1.created_at FROM study_test.customers c1 WHERE c1.status = 2 AND c1.name in ( SELECT c2.name FROM study_test.customers c2 WHERE c2.status = 2 AND c2.email LIKE '%customer%' AND c2.phone LIKE '138%' AND c2.name = c1.name ) ORDER BY group_seq, c1.customer_id

优化后

优化后的 SQL 使用EXISTS，这通常比IN更有性能优势，特别是当子查询能利用索引时。

SELECT DENSE_RANK() OVER (ORDER BY c1.name) AS group_seq, c1.customer_id, c1.name, c1.email, c1.phone, c1.registration_date, c1.credit_limit, c1.status, c1.created_at FROM study_test.customers c1 WHERE c1.status = 2 AND EXISTS ( SELECT 1 FROM study_test.customers c2 WHERE c2.status = 2 AND c2.email LIKE '%customer%' AND c2.phone LIKE '138%' AND c2.name = c1.name ) ORDER BY group_seq, c1.customer_id; xml中 c2.status = 2 AND c2.email LIKE '%customer%' AND c2.phone LIKE '138%'

这3个条件是可选，生产环境下怎么设置索引呢，那些索引必须设置，那些可以选择设置，那些没必要设置，详细介绍

WHERE c2.status = 2 AND c2.phone LIKE '138%' WHERE c2.status = 2 AND c2.email LIKE '%customer%' WHERE AND c2.email LIKE '%customer%' AND c2.phone LIKE '138%' WHERE AND c2.phone LIKE '138%'

索引类别	推荐索引 (表：`customers`)	说明	优先级
核心必备索引	`(status, name)`	优化主查询的`status`过滤和`name`排序，同时高效支持子查询的关联条件`c2.name = c1.name`。	必须
高频条件索引	`(status, phone)`	针对`status=2`和`phone LIKE '138%'`这个高选择性组合，效率极高。	建议（若条件常用）
低频条件索引	`(status, email)`	对`email LIKE '%customer%'`效果有限，因模糊匹配方式无法利用索引的有序性。	谨慎（通常不推荐）
全覆盖索引	`(status, name, phone, email)`	作为备选，尝试用一个索引覆盖所有场景，但索引体积较大。	可选（需权衡）

索引设计思路详解

查询性能瓶颈主要在于子查询。EXISTS会为外层查询（c1）的每一行数据执行一次子查询（c2），因此子查询的速度至关重要。设计索引需遵循以下核心原则：

最左前缀原则：复合索引(A, B, C)可以被用于A=?、A=? AND B=?的查询，但不能用于跳过A直接查询B=?或C=?。
索引选择性：指索引列区分数据的能力。phone和email的选择性通常远高于status。选择性高的列放在复合索引中效果更好。
LIKE 查询的索引利用：LIKE '138%'这样的前缀匹配可以利用索引。而LIKE '%customer%'这样的前后模糊匹配基本上无法利用索引进行快速定位，通常会导致全索引扫描或全表扫描。

基于可选条件，以下是具体的索引分析和建议：

1. 必须设置的索引

索引：idx_status_name (status, name)
理由：
- 这是查询的基石。无论其他条件如何组合，status=2和基于name的关联与排序都是固定的。
- 该索引可以同时优化外层查询的WHERE c1.status = 2和ORDER BY c1.name，避免昂贵的文件排序（filesort）。
- 它也能极快地定位子查询中的c2.status = 2 AND c2.name = c1.name，这是子查询的连接条件。

2. 建议根据查询频率设置的索引

索引：idx_status_phone (status, phone)
理由：
- 当查询条件包含phone LIKE '138%'时，这个索引是性能提升的关键。status进行第一层快速过滤后，对phone的前缀匹配可以在这个索引上高效完成范围扫描。
- 这个索引能完美覆盖WHERE c2.status = 2 AND c2.phone LIKE '138%'这种组合。

3. 需要谨慎考虑的索引

索引：idx_status_email (status, email)
理由与风险：
- 对于email LIKE '%customer%'这个条件，由于其模糊匹配的方式，即使为(status, email)创建了索引，数据库也通常只能利用status部分进行过滤，然后对email列进行扫描。
- 创建建议：只有当你的业务中，email字段包含'customer'的数据量非常少（例如低于1%），并且这个查询模式极其频繁时，才值得为其创建这个索引。否则，额外的索引会增加写操作的负担，但收效甚微。

4. 一个备选的综合方案

索引：idx_covering (status, name, phone, email)
理由与风险：
- 这个索引试图用一个索引覆盖所有可能的查询路径。它包含了status和name以满足核心需求，同时追加了phone和email来尝试覆盖可选条件。
- 优点：在某些情况下，优化器可能会选择这个索引作为覆盖索引，避免回表。
- 缺点：索引体积庞大，维护成本高。并且对于email的模糊查询，帮助依然有限。这更像是一种“重武器”，建议在充分了解数据分布后，通过EXPLAIN命令验证其效果后再决定是否采用。

实施与验证建议

使用EXPLAIN分析：创建索引后，务必使用EXPLAIN命令分析SQL语句。关注以下关键字段：
- type：至少达到ref或range级别，避免ALL（全表扫描）。
- key：确认查询实际使用了你创建的索引。
- Extra：如果出现Using index（覆盖索引）是最佳情况。出现Using filesort则需注意。
查询重写技巧：如果你的应用代码可以灵活调整，可以考虑将可选的查询条件动态拼接成不同的SQL，而不是依赖一个统一的复杂查询。这样可以为每种条件组合设置最合适的索引，实现最优性能。