mysql优化查询速度

发布网友 发布时间：2022-04-26 11:49

我来回答

共3个回答

热心网友 时间：2022-04-30 00:30

在已有的 MySQL 服务器之上使用 Apache Spark （无需将数据导出到 Spark 或者 Hadoop 平台上），这样至少可以提升 10 倍的查询性能。使用多个 MySQL 服务器（复制或者 Percona XtraDB Cluster）可以让我们在某些查询上得到额外的性能提升。你也可以使用 Spark 的缓存功能来缓存整个 MySQL 查询结果表。

思路很简单：Spark 可以通过 JDBC 读取 MySQL 上的数据，也可以执行 SQL 查询，因此我们可以直接连接到 MySQL 并执行查询。那么为什么速度会快呢？对一些需要运行很长时间的查询（如报表或者BI），由于 Spark 是一个大规模并行系统，因此查询会非常的快。MySQL 只能为每一个查询分配一个 CPU 核来处理，而 Spark 可以使用所有集群节点的所有核。在下面的例子中，我们会在 Spark 中执行 MySQL 查询，这个查询速度比直接在 MySQL 上执行速度要快 5 到 10 倍。

另外，Spark 可以增加“集群”级别的并行机制，在使用 MySQL 复制或者 Percona XtraDB Cluster 的情况下，Spark 可以把查询变成一组更小的查询（有点像使用了分区表时可以在每个分区都执行一个查询），然后在多个 Percona XtraDB Cluster 节点的多个从服务器上并行的执行这些小查询。最后它会使用map/rece 方式将每个节点返回的结果聚合在一起形成完整的结果。

热心网友 时间：2022-04-30 01:48

SELECT
T1.custoumerId,
T1.fullName,
T1.deptName,
cab.countCabinet,
ex.equipheight,
ser.sHeight
FROM
(SELECT
cus.idccustomerId AS custoumerId,
cus.fullname AS fullName,
de.deptname AS deptName
FROM
IDC_Customer cus
LEFT JOIN
RMM_Cabinet c
ON (cus.idccustomerId=c.customerid)
LEFT JOIN
SMM_Department de
ON cus.branch=de.deptid
WHERE
cus.fullname LIKE '%%'
GROUP BY cus.idccustomerId) AS T1
LEFT JOIN
(SELECT customerid,count(*) AS countCabinet FROM RMM_Cabinet WHERE applyCabinetType=0 GROUP BY customerid) AS cab
ON T1.custoumerId=cab.customerid
LEFT JOIN
(SELECT idccustomerId,sum(equipheight) AS equipheight FROM RMM_ExchangeServer WHERE isdel=0 GROUP BY idccustomerId) AS ex
ON T1.custoumerId=ex.idccustomerId
LEFT JOIN
(SELECT idccustomerId,sum(serverHeight) AS sHeight FROM RMM_Server WHERE isdel=0) AS ser
ON T1.custoumerId=ser.idccustomerId
试一下这个吧！

热心网友 时间：2022-04-30 03:22

cus.fullname 不是GROUP BY的表达式啊

你确定你这sql能执行吗？