前言
小小的改动，竟然让SQL 效率提高了1000倍🚀
今天又是被国产环境教育的一天😭！！！！！
同样的SQL同样的数据，迁移了服务器，升级了一个小的数据库版本之后，直接导致查询效率慢了100倍😱。
一个分页统计条数的SQL，在遥遥领先的 服务器 执行 40毫秒，在国产环境竟然达到了 惊人的 10s💀！
SQL 优化过程
执行计划分析
- 执行计划不一样，国产环境高一个小版本的数据库，查询SQL 时做了三次嵌套，并且存在类型转换
- 瑶瑶领先环境的执行计划是这样的，明显SQL 进行了优化 left join 的C 表直接去掉了，所以只loop了两次
SQL 优化
- 优化类型转换
看到这儿，至少知道怎么优化了，第一 去掉类型的转换，把 is_del = 0 改成数据库的boolea类型，再看一下执行计划
现在是没有类型的转换了，并且 最里面的一层 loop 循环优化成了 Hash join
这时候 执行时间已经是 300ms 左右了。
2.SQL 优化：去掉left join C 表
接下来我们自定义一个 COUNT SQL 去掉C表的连接， 覆盖框架里面自动生成COunt sql 这样执行时间 就缩短到了 10ms 左右了。
因为 left join C 没有对C表进行任何过滤，并且不会存在一对多的情况，所以直接去掉C表的统计。
总结
本篇文章 通过Explain 分析SQL 的执行计划，定位到了SQL 执行缓慢的原因。 然后通过 覆盖 count 自动生成的SQL，从来减少连表查询。 最后将SQL的查询时间 从 10s 优化到了10ms，提升了1000倍🚀
我想不通的是，一个小的版本，居然执行计划相差这么大. 同时 数据量也不大，估计CPU 和 IO 的国产环境效率很低👎
推荐阅读：【hash join】
推荐阅读：【类型转换之谜】