通过 Join-Where-Group 通过选择查询正确建立索引，避免使用临时；使用文件排序

我已经搜索了很多关于下面描述的案例的解决方案，但不幸的是我没有找到类似的案例。

我有以下场景： （作为新用户，该网站拒绝了我的图片，但我可以通过邮件发送它。下面是它的文本表示）

Table 1 "swap_plan"          Table 2 "cell"
ClusterName | SiteID         SiteID    | Cell      |  Time       | Counter
-----------------------      ---------------------------------------------
Cluster A   | SiteID A1      SiteID A1 | Cell A1-1 | day1        | 5
Cluster A   | SiteID A2      SiteID A1 | Cell A1-1 | day2        | 3
Cluster A   | SiteID A3      SiteID A1 | Cell A1-1 | day3        | 6
Cluster A   | SiteID A4      SiteID A1 | Cell A1-2 | day1        | 6
Cluster A   | SiteID A5      SiteID A1 | Cell A1-2 | day2        | 2
Cluster A   | SiteID A6      SiteID A1 | Cell A1-2 | day3        | 9
.......................      ..............................................
Cluster B   | .........      ..............................................

(Where No 1)      (ON Clause "SiteID")            (Where No 2)    Sum(Counter)

我必须显示一些性能指标（表 2“单元”中的“计数器”）、随时间（表 2“单元”中的“时间”）和集群（表 1“swap_plan”中的“ClusterName”）聚合的性能指标。

连接是通过两个表“SiteID”的公共列完成的。请注意，表 2“单元”中的每个 SiteID 由 3 个不同的对象（“单元”）组成。所以，实际上我为每个单元格执行“计数器”的 SUM() 。

查询如下：

SELECT ClusterName,Time,SUM(counter)
FROM cell
INNER JOIN swap_plan ON swap_plan.Siteid = cell.Siteid
WHERE ClusterName='Cluster A' AND Time>=day1 AND Time<=day2
GROUP BY Time

列类型如下：

表1“互换计划”：

1. 集群名称 - CHAR(30)
2. 站点 ID - VARCHAR(10)

表2“细胞”：

1. 站点 ID - VARCHAR(10)
2. 时间 - 日期时间
3. 计数器 - INT

“解释”显示如下：

table          type    key           key_len      ref               rows  Extra

swap_plan      ref     Index 1       30           const             31    Using where; Using index; Using temporary; Using filesort
cell           ref     Index_siteid  13           swap_plan.SiteID  368   Using where

使用的索引如下：

swap_plan：索引 1（1.ClusterName 和 2.SiteID）

单元格：Index_siteid（站点ID）

优化器看起来的行数相当低，这很好：

swap_plan：6066 个中的 31 个，cell：660 万个中的 368 个。

我的问题是“使用临时；使用文件排序”。据我了解，这是来自 Group By 所需的排序（如果我删除它，这些过程将不会根据Explain执行）。我发现为了避免它们，您需要在分组依据的列上有一个索引。我有一个特殊的索引，仅包括“时间”列，但这个索引没有被使用，即使有提示“USE INDEX FOR GROUP BY ()”。

因此，我的查询运行速度不够快 - 大约需要 15 秒（假设有 15 个 SiteID 和 10 个日期），我需要将此持续时间缩短到至少一半。

我的主要问题是：

• 完全可以删除“使用临时；使用文件排序”或 减少执行所需的时间？ （我尝试增加 读取缓冲区大小为 16MB，无影响）
• 在 JOIN 情况下，当在 WHERE 子句中按不同表中的 2 列进行过滤时，在 ON 子句中按第三列进行过滤时，我需要什么样的索引定义
• 我可以应用哪种 Group By 优化（索引等）？

预先非常感谢您！

我会这样写查询：

SELECT c.time
     , SUM(c.counter)
     , MAX(p.clustername) AS clustername
  FROM cell c

  JOIN swap_plan p
    ON p.siteid      = c.siteid
   AND p.clustername = 'Cluster A'

 WHERE c.time  >=  'day1'
   AND c.time  <=  'day2'
 GROUP
    BY c.time

我肯定有一个索引cell with time作为主导柱。

MySQL 可以使用相同的索引来满足范围谓词（在 WHERE 子句中），并且无需“使用文件排序”操作即可满足 GROUP BY。

... ON cell (time)

根据列的大小，覆盖索引可能会提供最佳性能。覆盖索引包括查询中引用的表中的所有列，因此可以完全从索引页满足查询，而无需查找基础表中的页。

... ON cell (time, siteid, counter)

对于索引swap_plan，我有一个索引site_id作为主导柱，并包括clustername列，其中之一：

... ON swap_plan (clustername, site_id)

or

... ON swap_plan (site_id, clustername)

看起来这两列的组合可能会有一个唯一的约束，即site_id对于给定的情况将是不同的clustername。 （如果不是这样的话，同样(site_id,clustername)元组出现多次，有可能总计counter被充气。

我正在寻找EXPLAIN输出显示“ref”查找swap_plan表中的值c.siteid以及 clustername 的 const（字面值“Cluster A”）值。

对于大小为 31 行和 368 行的表，我们不会看到最佳执行计划和糟糕的执行计划之间的性能（经过的时间）存在显着差异。

当任一表扩展到数百万行时，差异就会变得明显。优化器对执行计划的选择受到每个表的统计信息（大小、行数、列基数）的影响，因此执行计划可能会随着表大小的增加而改变。