业务逻辑全写在sql_MySQL中10多张表关联要做优化，怎么
理解逻辑幂等
最近优化了⼀条MySQL的慢查询SQL，还是蛮有感触，⼩结⼀下。
⾸先问题的背景是⼀个业务做压⼒测试，排除了很多的前期问题，使⽤的最有效⼿段就是索引，在最后⼀个环节，问题开始陷⼊焦灼状态，因为这⼀条SQL的相关表有16张，⽽且是在业务环节中频繁调⽤和引⽤的逻辑。
⼀般碰到问题都会有⼀个疑问，说这是谁写的SQL，应该快速重构，但是⼤部分优化场景都是：优化可以做，但业务不能停。 所以重构需要，但是不是现在。
sql语句优化方式
在⼀种很复杂的⼼情下开始了优化，当然在查看了执⾏计划后让我除了绝望还有⼀种惊喜。那就是⾥⾯有⼀个明显全表扫描的逻辑，也就意味着尽管这么多表关联，但是数据量也可以接受，在优化器解析时⼤部分逻辑是⾛了索引，优化好最后⼀个全表扫描，整个问题就迎刃⽽解了。
当然我不⽤把整个SQL粘贴处理，全⽂超过5000字符，所以我做了简化，在做了⼀些对⽐测试之后，把问题的逻辑简化为下⾯的SQL形式，也就意味着这个SQL优化成功，则整个优化就意味着成功。
⽬标看起来很简单，但是让⼈开始纠结的是⾥⾯的都是left join，怎么破？
SQL语句如下：
SELECT
prod_id, prod_name, tag_url
FROM
product sku
LEFT JOIN
(SELECT
jt.tag_url, jts.prod_id
FROM
tag jt
LEFT JOIN prod_tag jts ON jt.tag_id = jts.tag_id
WHERE
jts.sku_id IN (1 , 2, 3, 4)
AND NOW() >= jt.start_time
AND jt.store_id = 0
d_time >= NOW()) AS tag_new ON sku.sku_id = tag_new.sku_id
第1次逻辑梳理
这条语句的逻辑怎么理解呢，通过执⾏计划看到的tag这张表是⾛了全表扫描。我们⽤下⾯的图来表⽰整个解析过程。
整个SQL的逻辑是输出其中product表的数据（字段prod_id,prod_name）和tag表的数据（tag_url），其中表tag和表tag_product)他们通过字段(tag_id)进⾏关联，然后和外部的表使⽤prod_id进⾏关联，为了体现出是left join(左连接)，我把表product的位置及往上放了放。
整个逻辑其实从上⾯的图看起来还是有点别扭，tag_product的数据还得反向和外部的表进⾏关联。
第2次逻辑梳理
所以对于上⾯的逻辑，其实数据表product和表tag要联合输出数据，需要借助⼀个中间表tag_product，那么tag_product应该是连接数据的纽带，⼀个相对⽐较合理的⽅式就是其实基于表product,tag_product和tag这样的顺序来进⾏过滤。
所以我补充了如下的图来说明这个逻辑。
从通常的设计来说，这样是最合理的⽅式，可以使得逻辑关系更加清晰。
看起来这应该是⽐较合理的⽅式了。
SELECT prod_id,prod_name,tag_url
FROM product sku
LEFT JOIN tag_product jts on jts.sku_id =sku.sku_id
left join (select tag_url,tag_id
from tag jt where jt.start_time <= NOW()
AND jt.store_id = 0
d_time >= NOW()) tag_new
on tag_new.tag_id=jts.tag_id
在经过测试之后，感觉已经很接近问题的真相了。
但是在进⼀步和业务沟通，了解了业务的实现细节，发现整个逻辑似乎和我们理解的不⼤⼀样。
⽐如tag表的数据
tag_id:1,tag_status:ACTIVE,
tag_id:2,tag_status:INACTIVE
tag_product的数据
tag_id:1,prod_id:100
tag_id:1,prod_id:200
tag_id:2,prod_id:100
按照业务逻辑，如果tag表中的做过滤后的数据为
tag_id:1,tag_status:ACTIVE,
则根据SQL的逻辑，left join会和表tag_product再做⼀次连接，数据以tag表中的tag_id为准，输出就是：
tag_id:1,prod_id:100
tag_id:1,prod_id:200
⽽如果采⽤上述的连接⽅式，其实就会出现意料之外的数据。
⽐如，按照tag_product进⾏过滤
tag_id:1,prod_id:100
tag_id:1,prod_id:200
tag_id:2,prod_id:100
然后和tag做关联，tag输出数据为:
tag_id:1,tag_status:ACTIVE,
tag_id:2,tag_status:INACTIVE
这样⼀来就失去了过滤的意义。
第3次逻辑梳理
当然沟通的过程中，也进⼀步理解了需求，其实我们所谓的逻辑幂等，不是真正意义上的业务逻辑幂等。从业务逻辑幂等上，是按照表tag 的输出为标准。所以整个tag和tag_product的关联可以降维为普通的表关联，⽽⾮left join.
整个改进的逻辑如下图所⽰：
在业务层明确之后，⽽且输出结果和预期⼀致的情况下，整个改动的部分就是删除了left join中的left，整个 SQL的执⾏效率⼜变得更加流畅。
⼩结
对于多表关联，在业务层是强烈建议做重构的，⽽在优化中，如何尽可能减少改动幅度，同时能够提⾼效率是我们和业务同学需要共同关注
的，优化脱离了业务也就脱离了优化的重⼼。

版权声明：本站内容均来自互联网，仅供演示用，请勿用于商业和其他非法用途。如果侵犯了您的权益请与我们联系QQ:729038198，我们将在24小时内删除。