本文作者 ｜ 粟含，基于建议美团基础研发平台/基础技术部/数据库平台研发组工程师。代价的慢

对于数据库来说，查询慢查询往往意味着风险。优化SQL执行得越慢，基于建议消耗的代价的慢CPU资源或IO资源也会越大。大量的查询慢查询可直接引发业务故障，关注慢查询即是优化关注故障本身。本文主要介绍了美团如何利用数据库的基于建议代价优化器来优化慢查询，并给出索引建议，代价的慢评估跟踪建议质量，查询运营治理慢查询。优化

1 背景

2 基于代价的基于建议优化器介绍

2.1 SQL执行与优化器2.2 代价模型介绍2.3 基于代价的索引选择2.4 基于代价的索引推荐思路

3 索引推荐实现

3.1 前置校验3.2 提取关键列名3.3 生成候选索引3.4 数据采集3.5 统计数据计算3.6 候选索引代价评估

4 推荐质量保证

4.1 有效性验证4.2 效果追踪4.3 仿真环境4.4 测试案例库

5 慢查询治理运营

5.1 过去-历史慢查询5.2 现在-新增慢查询5.3 未来-潜在慢查询

6 项目运行情况

7 未来规划

1 背景

慢查询是指数据库中查询时间超过指定阈值(美团设置为100ms)的SQL，它是代价的慢数据库的性能杀手，也是查询业务优化数据库访问的重要抓手。随着美团业务的高速增长，b2b供应网日均慢查询量已经过亿条，此前因慢查询导致的故障约占数据库故障总数的10%以上，而且高级别的故障呈日益增长趋势。因此，对慢查询的优化已经变得刻不容缓。

那么如何优化慢查询呢?最直接有效的方法就是选用一个查询效率高的索引。关于高效率的索引推荐，主要有基于经验规则和代价的两种算法。在日常工作中，基于经验规则的推荐随处可见，对于简单的SQL，如select * from sync_test1 where name like Bobby%，直接添加索引IX(name) 就可以取得不错的效果;但对于稍微复杂点的SQL，如select * from sync_test1 where name like Bobby% and dt > 2021-07-06，到底选择IX(name)、IX(dt)、IX(dt,name) 还是IX(name,dt)，该方法也无法给出准确的回答。服务器租用更别说像多表Join、子查询这样复杂的场景了。所以采用基于代价的推荐来解决该问题会更加普适，因为基于代价的方法使用了和数据库优化器相同的方式，去量化评估所有的可能性，选出的是执行SQL耗费代价最小的索引。

2 基于代价的优化器介绍

2.1 SQL执行与优化器

一条SQL在MySQL服务器中执行流程主要包含：SQL解析、基于语法树的准备工作、优化器的逻辑变化、优化器的代价准备工作、基于代价模型的优化、进行额外的优化和运行执行计划等部分。具体如下图所示：

SQL执行与优化器

2.2 代价模型介绍

而对于优化器来说，执行一条SQL有各种各样的方案可供选择，如表是否用索引、选择哪个索引、是云服务器否使用范围扫描、多表Join的连接顺序和子查询的执行方式等。如何从这些可选方案中选出耗时最短的方案呢?这就需要定义一个量化数值指标，这个指标就是代价(Cost)，我们分别计算出可选方案的操作耗时，从中选出最小值。

代价模型将操作分为Server层和Engine(存储引擎)层两类，Server层主要是CPU代价，Engine层主要是IO代价，比如MySQL从磁盘读取一个数据页的代价io_block_read_cost为1，计算符合条件的行代价为row_evaluate_cost为0.2。除此之外还有：

memory_temptable_create_cost (default 2.0) 内存临时表的创建代价。memory_temptable_row_cost (default 0.2) 内存临时表的行代价。key_compare_cost (default 0.1) 键比较的代价，例如排序。disk_temptable_create_cost (default 40.0) 内部myisam或innodb临时表的创建代价。disk_temptable_row_cost (default 1.0) 内部myisam或innodb临时表的行代价。

在MySQL 5.7中，这些操作代价的默认值都可以进行配置。为了计算出方案的总代价，还需要参考一些统计数据，如表数据量大小、元数据和索引信息等。MySQL的代价优化器模型整体如下图所示：

代价模型

2.3 基于代价的索引选择

还是继续拿上述的SQL select * from sync_test1 where name like Bobby% and dt > 2021-07-06为例，我们看看MySQL优化器是如何根据代价模型选择索引的。首先，我们直接在建表时加入四个候选索引。

复制Create Table: CREATE TABLE `sync_test1`

(

`id` int(11) NOT NULL AUTO_INCREMENT

,

`cid` int(11) NOT NULL

,

`phone` int(11) NOT NULL

,

`name` varchar(10) NOT NULL

,

`address` varchar(255) DEFAULT NULL

,

`dt` datetime DEFAULT NULL

,

PRIMARY KEY (`id`

),

KEY `IX_name` (`name`

),

KEY `IX_dt` (`dt`

),

KEY `IX_dt_name` (`dt`,`name`

),

KEY `IX_name_dt` (`name`,`dt`

)

) ENGINE=InnoDB1.2.3.4.5.6.7.8.9.10.11.12.13.

通过执行explain看出MySQL最终选择了IX_name索引。

复制mysql> explain select * from sync_test1 where name like Bobby% and dt > 2021-07-06

;

+----+-------------+------------+------------+-------+-------------------------------------+---------+---------+------+------+----------+------------------------------------+| id | select_type | table | partitions | type | possible_keys | key | key_len | ref | rows | filtered | Extra |+----+-------------+------------+------------+-------+-------------------------------------+---------+---------+------+------+----------+------------------------------------+| 1 | SIMPLE | sync_test1 | NULL | range | IX_name,IX_dt,IX_dt_name,IX_name_dt | IX_name | 12 | NULL | 572 | 36.83 | Using index condition; Using where |+----+-------------+------------+------------+-------+-------------------------------------+---------+---------+------+------+----------+------------------------------------+1.2.3.4.5.6.

然后再打开MySQL追踪优化器Trace功能。可以看出，没有选择其他三个索引的原因均是因为在其他三个索引上使用range scan的代价均>= IX_name。

复制mysql> select * from INFORMATION_SCHEMA.OPTIMIZER_TRACE\G

;