数据库查询优化到底该怎么做？

[Xrall]

#### 配置参数前提

目前数据库是 MySQL5.7
服务器内存 16g
单表数据 1G
数据行数 200W 的数据
当年的数据截止目前为止大概在 50W
表数据是 订单和订单详情 清洗后的数据。
业务要求统计一年内产生的订单相关信息

#### SQL

```sql
select [指定的一些业务数据需要字段，含一个字段 sum 求和并除以 1000000 单位转换] from t_order_stats where is_collec = 0
where is_collect=0 and pro_removal_time between '2024-01-01 00:00:00' and '2024-09-05 23:59:59' group by order_id
-- 就这样的查询在没有缓存的情况下就需要 6818ms
-- 至于为什么没带其他条件是想的直接拿出来 代码里面全部去分类分组去求。
```

### explain 计划

| id | select_type | table | type | possible_keys | key | key_len | ref | rows | Extra |
| ---- | ----------- | ------------- | ----- | ------------------------------------------------------------ | -------------------------- | ------- | ------- | ---- | ----------- |
| 1 | SIMPLE | t_order_stats | index | t_order_comprehensive_coverage_IDX, t_order_stats_order_id_IDX, t_order_trans_idx | t_order_stats_order_id_IDX | 8 | 2007971 | 50 | Using where |

`t_order_stats_order_id_IDX` 索引只有 `order_id`

#### 疑惑

is_collect 没有辨识度 只有 0/1
哪怕是加上 limit 1 也异常慢

所以这种查询到底如何去处理，因为做的是大屏幕展示的，很多的数据都是时间条件查询。

那到底要去如何优化才能处理好这类查询。

看到别个百万千万上亿查询都洒洒水。实在想不通。

至于数据库配置内存已经是升级过一轮了。加不了一点

[Baloneo]

为什么不加时间索引?

[opengps]

为什么不加时间 pro_removal_time 索引?

[showB1]

mysql 单表 200W ？不考虑换种数据库么？业务 db 和 olap 的要分开才好。
非要用 mysql ，时间都是 yyyy-MM-dd HH:mm:ss 吗 /抽出来 yyyy-MM-dd 、yyyy-MM 的加上索引？然后不要用 between 了，我记得 between 大范围捞不走索引了。

[Xrall]

@opengps @Baloneo 是加了时间索引的，t_order_comprehensive_coverage_IDX 索引就是一个组合索引，但是 MySQL 并没有选择走它。或者应该单独加一个时间索引的字段？

[Xrall]

@showB1 时间格式都是保持一致的，额加数据库，不知道服务器配置能不能拖走，实在是申请服务器太过于困难了

[lbprivateacc]

如果只是统计一年内的信息，能预生成一张统计表嘛

[Xrall]

@lbprivateacc 应该也是可以的，现在的表其实已经拆过一次了，也是根据统计需求拆的。但是拆分后查询全都得改吧。不知道还有其他方案没

[t3zb2xzvjm4yvmn]

可以试试用时间字段做分区

[restkhz]

7 秒是太离谱了。
t_order_comprehensive_coverage_IDX 组合了哪些字段？ is_collect ，pro_removal_time ？
看 explain 只用了 t_order_stats_order_id_IDX. 如果我没理解错，这基本也是在扫全表，只不过用了 order_id 的索引然后一条一条根据 where 的条件查。
顺便一问，pro_removal_time 有单独索引吗？或者作为组合索引的第一个？

没有的话试着创建一个组合索引，只索引这两个字段。pro_removal_time 放第一位,is_collect 放第二位试试。如果 explain 看他还不用这个，force index 试试。
我怕你那个优化器直接把 is_collect 当第一个筛选条件，如果绝大多数都是 1 那会不稳定。

这个内存大小应该不存在什么问题。swap 是关了的，对吧...？

[yor1g]

区间数据太多不能走索引的 把区间缩小用 union 查

[sagaxu]

200W 行里捞 50W 行，加什么索引都没用，按每秒 10 万行算，DB 端消耗 5 秒，加上传输和程序解析，也要 6 秒朝上了。

这种管理后台跑分析的事情，同步到其它库，不要在业务库里面搞。你可以搞个从库使劲儿造，也可以按天搞个汇总表(只有当日需要从原始表读)，或者力大砖飞上大数据那套分析工具。

[yh7gdiaYW]

我们做过类似的需求，不过数量级比这个更大一点，初期大约是几亿数据里捞几百万（现在是万亿数据里捞几千万）。
最终结论是，mysql 就不适合做几百万以上数据集上的统计查询，建议切到专门的 OLAP 数据库，可以试试 StarRocks 或者 TiDB （开 TiFlash ）。
如果一定要在 MySQL 上做，建议升级硬件配置，换上你们速度最快的 SSD 和单核性能最强的 CPU ，这两个是我们发现的最大卡点，楼上说索引的我想应该没做过这种业务

[restkhz]

@restkhz 回复我自己
我看差了，我以为是你想 50w 里捞几百几千条...
统计一年的数据这的确不是索引的事情了。

各位不要理我之前的回复。

[chenqh]

你把 is_collect=0 去掉,需要多长时间?

[moult]

按小时汇总数据，然后在这个汇总表里面查。不加索引都可以。

[pinerge]

explain analyze 看看结果

[NowTime]

我们业务有张表差不多几百万行数据，也是基于时间范围查询比如过去 90d 数据，对于某个用户数据量大的插座就比较慢。

偶然一次实验发现，先定位到 90d 前最早的 id 值，查询时带上 id >= {查询值}，速度就变得很快。

[yh7gdiaYW]

另外这就是 MySQL 做的稀烂的地方，这个场景如果是 MongoDB ，自带的分析工具很容易能看出瓶颈在 fetch （根据索引把需要的行从文件系统读取出来）。加 limit 1 、加索引都没啥用，因为数据量大。
除了楼上说的提前汇总数据、切 OLAP 数据库这些，我们之前调研时也发现了一个野路子，即把查询需要的所有字段都加到索引里，然后就是见证奇迹的时刻

[liuhuan475]

分区表试试

[Xrall]

@liuhuan475 后面都来试试看什么方案最合适。