判断问题SQL
判断SQL是否有问题时可以通过两个表象进行判断：
系统级别表象
CPU消耗严重
IO等待严重
页面响应时间过长
应用的日志出现超时等错误
可以使用sar命令，top命令查看当前系统状态。
也可以通过Prometheus、Grafana等监控工具观察系统状态。（感兴趣的可以翻看我之前的文章）
SQL语句表象
冗长
执行时间过长
从全表扫描获取数据
执行计划中的rows、cost很大
冗长的SQL都好理解，一段SQL太长阅读性肯定会差，而且出现问题的频率肯定会更高。更进一步判断SQL问题就得从执行计划入手，如下所示：
执行计划告诉我们本次查询走了全表扫描Type=ALL，rows很大(9950400)基本可以判断这是一段"有味道"的SQL。
获取问题SQL
不同数据库有不同的获取方法，以下为目前主流数据库的慢查询SQL获取工具
MySQL
慢查询日志
测试工具loadrunner
Percona公司的ptquery等工具
Oracle
AWR报告
测试工具loadrunner等
相关内部视图如v$、$session_wait等
GRID CONTROL监控工具
达梦数据库AWR报告
测试工具loadrunner等
达梦性能监控工具（dem）
相关内部视图如v$、$session_wait等
SQL编写技巧
SQL编写有以下几个通用的技巧：• 合理使用索引
索引少了查询慢；索引多了占用空间大，执行增删改语句的时候需要动态维护索引，影响性能 选择率高（重复值少）且被where频繁引用需要建立B树索引；一般join列需要建立索引；复杂文档类型查询采用全文索引效率更好；索引的建立要在查询和DML性能之间取得平衡；复合索引创建时要注意基于非前导列查询的情况
使用UNION ALL替代UNION
UNION ALL的执行效率比UNION高，UNION执行时需要排重；UNION需要对数据进行排序• 避免select * 写法
执行SQL时优化器需要将 * 转成具体的列；每次查询都要回表，不能走覆盖索引。• JOIN字段建议建立索引
一般JOIN字段都提前加上索引• 避免复杂SQL语句
提升可阅读性；避免慢查询的概率；可以转换成多个短查询，用业务端处理• 避免where 1=1写法
• 避免order by rand()类似写法
RAND()导致数据列被多次扫描
SQL优化
执行计划
完成SQL优化一定要先读执行计划，执行计划会告诉你哪些地方效率低，哪里可以需要优化。我们以MYSQL为例，看看执行计划是什么。（每个数据库的执行计划都不一样，需要自行了解）explain sql
字段 解释
id 每个被独立执行的操作标识，标识对象被操作的顺序，id值越大，先被执行，如果相同，执行顺序从上到下
select_type 查询中每个select 字句的类型
table 被操作的对象名称，通常是表名，但有其他格式
partitions 匹配的分区信息(对于非分区表值为NULL)
type 连接操作的类型
possible_keys 可能用到的索引
key 优化器实际使用的索引(最重要的列) 从最好到最差的连接类型为const、eq_reg、ref、range、index和ALL。当出现ALL时表示当前SQL出现了“坏味道”
key_len 被优化器选定的索引键长度，单位是字节
ref 表示本行被操作对象的参照对象，无参照对象为NULL
rows 查询执行所扫描的元组个数（对于innodb，此值为估计值）
filtered 条件表上数据被过滤的元组个数百分比
extra 执行计划的重要补充信息，当此列出现Using filesort , Using temporary 字样时就要小心了，很可能SQL语句需要优化
接下来我们用一段实际优化案例来说明SQL优化的过程及优化技巧。
优化案例
-
表结构
CREATE TABLE `a`(`id` int(11) NOT NULL AUTO_INCREMENT,`seller_id` bigint(20) DEFAULT NULL,`seller_name` varchar(100) CHARACTER SET utf8 COLLATE utf8_bin DEFAULT NULL,`gmt_create` varchar(30) DEFAULT NULL,PRIMARY KEY (`id`)
)ENGINE=InnoDB DEFAULT CHARSET=utf8;CREATE TABLE `b`(`id` int(11) NOT NULL AUTO_INCREMENT,`seller_name` varchar(100) DEFAULT NULL,`user_id` varchar(50) DEFAULT NULL,`user_name` varchar(100) DEFAULT NULL,`sales` bigint(20) DEFAULT NULL,`gmt_create` varchar(30) DEFAULT NULL,PRIMARY KEY (`id`)
)ENGINE=InnoDB DEFAULT CHARSET=utf8;CREATE TABLE `c`(`id` int(11) NOT NULL AUTO_INCREMENT,`user_id` varchar(50) DEFAULT NULL,`order_id` varchar(100) DEFAULT NULL,`state` bigint(20) DEFAULT NULL,`gmt_create` varchar(30) DEFAULT NULL,PRIMARY KEY (`id`)
)ENGINE=InnoDB DEFAULT CHARSET=utf8;
三张表关联，查询当前用户在当前时间前后10个小时的订单情况，并根据订单创建时间升序排列，具体SQL如下
select a.seller_id,a.seller_name,b.user_name,c.state
from a,b,c
where a.seller_name = b.seller_nameand b.user_id = c.user_idand c.user_id = 17and a.gmt_createBETWEEN DATE_ADD(NOW(), INTERVAL – 600 MINUTE)AND DATE_ADD(NOW(), INTERVAL 600 MINUTE)
order by a.gmt_create；
查看数据量
原执行时间
原执行计划
初步优化思路1，SQL中 where条件字段类型要跟表结构一致，表中user_id 为varchar(50)类型，实际SQL用的int类型，存在隐式转换，也未添加索引。将b和c表user_id 字段改成int类型。
2，因存在b表和c表关联，将b和c表user_id创建索引
3，因存在a表和b表关联，将a和b表seller_name字段创建索引
4，利用复合索引消除临时表和排序
初步优化SQLalter table b modify `user_id` int(10) DEFAULT NULL;
alter table c modify `user_id` int(10) DEFAULT NULL;
alter table c add index `idx_user_id`(`user_id`);
alter table b add index `idx_user_id_sell_name`(`user_id`,`seller_name`);
alter table a add index `idx_sellname_gmt_sellid`(`gmt_create`,`seller_name`,`seller_id`);
查看优化后执行时间
查看优化后执行计划
查看warnings信息
继续优化 alter table a modify "gmt_create" datetime DEFAULT NULL;
查看执行时间
查看执行计划
总结1，查看执行计划 explain
2，如果有告警信息，查看告警信息 show warnings;
3，查看SQL涉及的表结构和索引信息
4，根据执行计划，思考可能的优化点
5，按照可能的优化点执行表结构变更、增加索引、SQL改写等操作
6，查看优化后的执行时间和执行计划
7，如果优化效果不明显，重复第四步操作
原文链接：https://blog.csdn.net/jianzhang11/article/details/102867120
)
