MySQL需要大型表上的强制索引和简单的选择

Question

我们有一个应用程序，它将来自不同来源的文章存储在MySQL表中，并允许用户检索按日期排序的文章。文章总是按源过滤，因此对于客户端的选择，我们总是有

WHERE source_id IN (...,...) ORDER BY date DESC/ASC

我们使用IN，因为用户有许多订阅(有些有数千)。

下面是文章表的架构：

CREATE TABLE `articles` (
  `id` BIGINT(20) UNSIGNED NOT NULL AUTO_INCREMENT,
  `source_id` INTEGER(11) UNSIGNED NOT NULL,
  `date` DOUBLE(16,6) NOT NULL,
  PRIMARY KEY (`id`),
  KEY `source_id_date` (`source_id`, `date`),
  KEY `date` (`date`)
)ENGINE=InnoDB
AUTO_INCREMENT=1
CHARACTER SET 'utf8' COLLATE 'utf8_general_ci'
COMMENT='';

我们需要(日期)索引，因为有时我们在此表上运行后台操作而不按源进行筛选。但是，用户不能这样做。

该表约有10亿份记录(是的，我们正在考虑为今后.进行切分)。典型的查询如下：

SELECT a.id, a.date, s.name
FROM articles a FORCE INDEX (source_id_date)
     JOIN sources s ON s.id = a.source_id
WHERE a.source_id IN (1,2,3,...)
ORDER BY a.date DESC
LIMIT 10

为什么是强制指数？因为事实证明，MySQL有时会选择使用(日期)索引来进行这样的查询(可能是因为它的长度较小？)这导致了数百万张记录的扫描。如果我们在生产中删除强制索引，我们的数据库服务器CPU核心在几秒钟内就会被最大化(这是一个OLTP应用程序，像上面这样的查询以每秒2000左右的速度执行)。

这种方法的问题是，有些查询(我们怀疑它与子句中的source_ids数量有某种关系)确实使用日期索引运行得更快。当我们运行解释时，我们看到source_id_date索引扫描数千万条记录，而日期索引只扫描数千条记录。通常是相反的，但我们找不到牢固的关系。

理想情况下，我们希望了解为什么MySQL优化器选择了错误的索引并删除了FORCE index语句，但是一种预测何时强制日期索引的方法也适用于我们。

一些澄清：

就这个问题而言，上面的SELECT查询非常简单。它有几个连接表，每个表大约有1亿行，加入了PK (articles_user_flags.id=article.id)，当有数百万行要排序时，这就加剧了问题。还有一些查询还有附加的where，例如：

SELECT a.id, a.date, s.name
FROM articles a FORCE INDEX (source_id_date)
     JOIN sources s ON s.id = a.source_id
     LEFT JOIN articles_user_flags auf ON auf.article_id=a.id AND auf.user_id=1
WHERE a.source_id IN (1,2,3,...)
AND auf.starred=1
ORDER BY a.date DESC
LIMIT 10

此查询只列出特定用户的星型文章(1)。

服务器正在使用MySQL运行XtraDB版本5.5.32 (Percona)。硬件为2xE5-2620,128 is内存，4HDDx1TB RAID10配电池背靠背控制器。有问题的选择完全是CPU绑定的。

my.cnf如下(删除了一些不相关的指令，如server-id、port等.)：

transaction-isolation           = READ-COMMITTED
binlog_cache_size               = 256K
max_connections                 = 2500
max_user_connections            = 2000
back_log                        = 2048
thread_concurrency              = 12
max_allowed_packet              = 32M
sort_buffer_size                = 256K
read_buffer_size                = 128K
read_rnd_buffer_size            = 256K
join_buffer_size                = 8M
myisam_sort_buffer_size         = 8M
query_cache_limit               = 1M
query_cache_size                = 0
query_cache_type                = 0
key_buffer                      = 10M
table_cache                     = 10000
thread_stack                    = 256K
thread_cache_size               = 100
tmp_table_size                  = 256M
max_heap_table_size             = 4G
query_cache_min_res_unit        = 1K
slow-query-log                  = 1
slow-query-log-file             = /mysql_database/log/mysql-slow.log
long_query_time                 = 1
general_log                     = 0
general_log_file                = /mysql_database/log/mysql-general.log
log_error                       = /mysql_database/log/mysql.log
character-set-server            = utf8

innodb_flush_method             = O_DIRECT
innodb_flush_log_at_trx_commit  = 2
innodb_buffer_pool_size         = 105G
innodb_buffer_pool_instances    = 32
innodb_log_file_size            = 1G
innodb_log_buffer_size          = 16M
innodb_thread_concurrency       = 25
innodb_file_per_table           = 1

#percona specific
innodb_buffer_pool_restore_at_startup           = 60

根据要求，以下是对有问题的查询的一些解释：

mysql> EXPLAIN SELECT a.id,a.date AS date_double
    -> FROM articles a
    -> FORCE INDEX (source_id_date)
    -> JOIN sources s ON s.id = a.source_id WHERE
    -> a.source_id IN (...) --Around 1000 IDs
    -> ORDER BY a.date LIMIT 20;
+----+-------------+-------+--------+-----------------+----------------+---------+---------------------------+----------+------------------------------------------+
| id | select_type | table | type   | possible_keys   | key            | key_len | ref                       | rows     | Extra                                    |
+----+-------------+-------+--------+-----------------+----------------+---------+---------------------------+----------+------------------------------------------+
|  1 | SIMPLE      | a     | range  | source_id_date  | source_id_date | 4       | NULL                      | 13744277 | Using where; Using index; Using filesort |
|  1 | SIMPLE      | s     | eq_ref | PRIMARY         | PRIMARY        | 4       | articles_db.a.source_id   |        1 | Using where; Using index                 |
+----+-------------+-------+--------+-----------------+----------------+---------+---------------------------+----------+------------------------------------------+
2 rows in set (0.01 sec)

实际的选择大约需要一分钟，并且完全是CPU绑定的。当我将索引更改为(date)时，在本例中，MySQL优化器还自动选择：

mysql> EXPLAIN SELECT a.id,a.date AS date_double
    -> FROM articles a
    -> FORCE INDEX (date)
    -> JOIN sources s ON s.id = a.source_id WHERE
    -> a.source_id IN (...) --Around 1000 IDs
    -> ORDER BY a.date LIMIT 20;

+----+-------------+-------+--------+---------------+---------+---------+---------------------------+------+--------------------------+
| id | select_type | table | type   | possible_keys | key     | key_len | ref                       | rows | Extra                    |
+----+-------------+-------+--------+---------------+---------+---------+---------------------------+------+--------------------------+
|  1 | SIMPLE      | a     | index  | NULL          | date    | 8       | NULL                      |   20 | Using where              |
|  1 | SIMPLE      | s     | eq_ref | PRIMARY       | PRIMARY | 4       | articles_db.a.source_id   |    1 | Using where; Using index |
+----+-------------+-------+--------+---------------+---------+---------+---------------------------+------+--------------------------+

2 rows in set (0.01 sec)

而选择只需要10毫秒。

但在这里解释会有很大的破坏！例如，如果我在in子句中解释一个只有一个source_id的查询，并在(date)上强制索引，它会告诉我它只扫描20行，但这是不可能的，因为该表有超过10亿行，只有少数与此source_id匹配。

Answer 1

您可以检查诺姆b_统计数据_示例_页面参数的值。它控制在更新索引统计信息时，MySQL在表上执行了多少次索引潜水，而索引统计信息又用于计算候选连接计划的成本。对于我们使用的版本，默认值是8。我们将其更改为128，并观察到较少意外的连接计划。