mysql - 根据同一张表的结果优化选择表中的所有行?
问题描述
我将是第一个承认我不擅长 SQL 的人(我可能不应该将它视为滚动日志文件),但我想知道是否可以得到一些改进一些慢查询的建议。 .
我有一个包含 2M 行的大型 mysql 表,我在其中根据最新数据的子集进行两次全表查找。当我加载包含这些查询的页面时,我经常发现它们需要几秒钟才能完成,但里面的查询很快。
PMA 的(据说很糟糕)顾问几乎把整个厨房水槽扔给我,临时表,太多种类,没有索引的连接(我什至没有任何连接?),从固定位置读取,读取下一个位置,临时表写入到磁盘...最后一个特别让我怀疑这是否是配置问题,但我玩了所有的旋钮,甚至支付了似乎没有帮助的托管服务。
CREATE TABLE `archive` (
`id` bigint UNSIGNED NOT NULL,
`ip` varchar(15) CHARACTER SET utf8 COLLATE utf8_unicode_ci NOT NULL,
`service` enum('ssh','telnet','ftp','pop3','imap','rdp','vnc','sql','http','smb','smtp','dns','sip','ldap') CHARACTER SET utf8 COLLATE utf8_unicode_ci NOT NULL,
`hostid` bigint UNSIGNED NOT NULL,
`date` datetime NOT NULL DEFAULT CURRENT_TIMESTAMP
) ENGINE=InnoDB DEFAULT CHARSET=utf8 COLLATE=utf8_unicode_ci;
ALTER TABLE `archive`
ADD PRIMARY KEY (`id`),
ADD KEY `service` (`service`),
ADD KEY `date` (`date`),
ADD KEY `ip` (`ip`),
ADD KEY `date-ip` (`date`,`ip`),
ADD KEY `date-service` (`date`,`service`),
ADD KEY `ip-date` (`ip`,`date`),
ADD KEY `ip-service` (`ip`,`service`),
ADD KEY `service-date` (`service`,`date`),
ADD KEY `service-ip` (`service`,`ip`);
添加索引肯定有帮助(即使它们是实际数据大小的 4 倍),但我有点不知所措,我可以进一步优化。最初我考虑在 php 中缓存子查询结果并将其用于主查询两次,但我认为一旦关闭子查询我就无法访问结果。我考虑过进行连接,但它们看起来像是用于 2 个或更多单独的表,但子查询来自同一个表,所以我不确定这是否也有效。查询应该根据我在过去 24 小时内是否有来自某个 ip 的数据来查找最活跃的 ip/服务...
SELECT service, COUNT(service) AS total FROM `archive`
WHERE ip IN
(SELECT DISTINCT ip FROM `archive` WHERE date > DATE_SUB(CURRENT_TIMESTAMP, INTERVAL 24 HOUR))
GROUP BY service HAVING total > 1
ORDER BY total DESC, service ASC LIMIT 10
+----+--------------+-----------------+------------+-------+----------------------------------------------------------------------------+------------+---------+------------------------+-------+----------+---------------------------------+
| id | select_type | table | partitions | type | possible_keys | key | key_len | ref | rows | filtered | Extra |
+----+--------------+-----------------+------------+-------+----------------------------------------------------------------------------+------------+---------+------------------------+-------+----------+---------------------------------+
| 1 | SIMPLE | <subquery2> | NULL | ALL | NULL | NULL | NULL | NULL | NULL | 100.00 | Using temporary; Using filesort |
| 1 | SIMPLE | archive | NULL | ref | service,ip,date-service,ip-date,ip-service,service-date,service-ip | ip-service | 47 | <subquery2>.ip | 5 | 100.00 | Using index |
| 2 | MATERIALIZED | archive | NULL | range | date,ip,date-ip,date-service,ip-date,ip-service | date-ip | 5 | NULL | 44246 | 100.00 | Using where; Using index |
+----+--------------+-----------------+------------+-------+----------------------------------------------------------------------------+------------+---------+------------------------+-------+----------+---------------------------------+
SELECT ip, COUNT(ip) AS total FROM `archive`
WHERE ip IN
(SELECT DISTINCT ip FROM `archive` WHERE date > DATE_SUB(CURRENT_TIMESTAMP, INTERVAL 24 HOUR))
GROUP BY ip HAVING total > 1
ORDER BY total DESC, INET_ATON(ip) ASC LIMIT 10
+----+--------------+-----------------+------------+-------+---------------------------------------------------------------+---------+---------+------------------------+-------+----------+---------------------------------+
| id | select_type | table | partitions | type | possible_keys | key | key_len | ref | rows | filtered | Extra |
+----+--------------+-----------------+------------+-------+---------------------------------------------------------------+---------+---------+------------------------+-------+----------+---------------------------------+
| 1 | SIMPLE | <subquery2> | NULL | ALL | NULL | NULL | NULL | NULL | NULL | 100.00 | Using temporary; Using filesort |
| 1 | SIMPLE | archive | NULL | ref | ip,date-ip,ip-date,ip-service,service-ip | ip-date | 47 | <subquery2>.ip | 5 | 100.00 | Using index |
| 2 | MATERIALIZED | archive | NULL | range | date,ip,date-ip,date-service,ip-date,ip-service | date-ip | 5 | NULL | 44168 | 100.00 | Using where; Using index |
+----+--------------+-----------------+------------+-------+---------------------------------------------------------------+---------+---------+------------------------+-------+----------+---------------------------------+
普通子查询:0.0351s
整个查询1:1.4270s
整个查询2:1.5601s
总页面加载:3.050 秒(总共 7 个查询)
我是否注定要在这张桌子上表现糟糕?
希望这里有足够的信息来了解正在发生的事情,但是如果有人可以提供帮助,我当然会很感激。我不介意在这个问题上投入更多的硬件,但是当一个 16gb 的 8c/16t 服务器无法处理 150mb 的数据时,我不确定会怎样。提前感谢您阅读我冗长的问题。
解决方案
您拥有正确的索引(以及许多其他索引),并且您的查询既符合您的规范,又接近最佳运行。您不太可能使这个速度更快:它需要一直追溯到表格的开头。
如果你可以改变你的规范,那么你只需要回顾有限的时间,比如一年,你就会得到一个很好的加速。
一些可能的小调整。
- 使用您的列的
latin1_bin
排序规则。ip
它使用 8 位字符并在不区分大小写的情况下对它们进行整理。这对于 IPv4 dotted-quad 地址(和 IPv6 地址)来说已经足够了。您将摆脱匹配和分组的一些开销。或者,更好的是, - 如果您知道除了 IPv4 地址之外什么都没有,请修改您的
ip
列以存储它们的二进制表示(即INET_ATON()
每个 IPv4 的 - 生成值)。您可以将它们放入UNSIGNED INT
32 位整数数据类型中,从而更快地进行查找、分组和排序。
可以重新设计收集这些数据的方式。例如,您可以安排每天每次服务最多收集一行。这会降低数据的时间序列分辨率,但也会使查询速度更快。像这样定义你的表:
CREATE TABLE archive2 (
ip VARCHAR(15) COLLATE latin1_bin NOT NULL,
service ENUM ('ssh','telnet','ftp',
'pop3','imap','rdp',
'vnc','sql','http','smb',
'smtp','dns','sip','ldap') COLLATE NOT NULL,
`date` DATE NOT NULL,
`count` INT NOT NULL,
hostid bigint UNSIGNED NOT NULL,
PRIMARY KEY (`date`, ip, service)
) ENGINE=InnoDB;
然后,当您插入一行时,使用以下查询:
INSERT INTO archive2 (`date`, ip, service, `count`, hostid)
VALUES (CURDATE(), ?ip, ?service, 1, ?hostid)
ON DUPLICATE KEY UPDATE
SET count = count + 1;
如果,和的行已经存在,这将自动增加您的count
列。ip
service
date
然后您的第二个查询将如下所示:
SELECT ip, SUM(`count`) AS total
FROM archive
WHERE ip IN (
SELECT ip FROM archive
WHERE `date` > CURDATE() - INTERVAL 1 DAY
GROUP BY ip
HAVING total > 1
)
ORDER BY total DESC, INET_ATON(ip) ASC LIMIT 10;
主键的索引将满足这个查询。
推荐阅读
- javascript - TypeError:'bytes' 对象不可调用,同时执行 element.screenshot_as_png
- mongodb - MongoDB 嵌入式图表过滤器
- python - Librosa 0.8.0 | 人声分离输出有效,但速度高达 200%
- ios - SwiftUI:如何调整 UIViewRepresentable 输出的大小?
- elasticsearch - 根据 Elastic Search 中过滤器的最后一个条目进行分组
- laravel - 带有 User 和 Auth 的 Laravel 查询构建器
- oracle - ORACLE DB 安装:INS-32101 指定的 Oracle Home 用户不存在
- ios - Swift Combine (UIKit) 中的双向绑定
- spring-boot - Spring Boot 重定向到另一个 url
- javascript - javascript 从数据中获取像 sql 一样的 DISTINCT 计数