mysql - 在连接表列上优化ORDER BY COALESCE

Question

EDITED：按请求添加完整查询。

实质上，我有一个帖子的表格，其中链接了一对多的转贴表，类似于Twitter。我想加载在重新发布时（如果有的话）或原始帖子的时间排序的帖子。但是，使用单个查询的排序过程非常缓慢（可能是因为COALESCE（x，y）没有充分利用MySQL索引）。两个相关表格的时间列都被编入索引。

我的查询看起来像这样。

SELECT * FROM Post p LEFT JOIN p.reposts ON ... WHERE ... 
ORDER BY COALESCE(r.time, p.time) LIMIT 0, 10 

更精确地（伪ISH），因为我使用DAL：

SELECT * FROM Post p LEFT JOIN p.reposts repost ON (p.id = repost.post_id AND  
repost.time = (
    SELECT MIN(r.time) FROM Repost r WHERE p.id = r.post_id 
    AND r.user_id IN (1, 2, 3...) AND r.user_id NOT IN (4, 5, 6...)) 
)) 
WHERE (repost IS NOT NULL OR p.author_id IN (1, 2, 3...)) 
AND p.author_id NOT IN (4, 5, 6...) 
ORDER BY COALESCE(repost.time, p.time) LIMIT 0, 10 

在上文中，ON子句确保至多一个转贴（一个我想）接合。 COALESCE是必要的，因为如果帖子未被转贴，则r可能为NULL。该查询的行为如预期 - 当ORDER BY子句被省略时，或者仅在像p.time这样的索引列上使用时，速度很快。这是预料之中的，因为邮政表是大型的100k +行。

查询说明

编辑：应该做什么查询更好的解释。值得注意的是这里的逻辑起作用 - 我得到了我想要的数据。问题是，应用ORDER BY子句会导致查询运行速度降低大约50倍，因为MySQL无法在连接的表上使用具有COALESCE的索引。

• 加载10个帖子的列表，这些帖子是由一组用户创作的（后面）或由同一集合（后面）转发的，由最近排序的。
• 帖子应按帖子发布时间或第一次转发时间排序。

• 忽略一组不同的（阻塞）职位和转播用户

• 获取帖子：从帖子

  选择
• 由跟随集合中的用户获取最早转贴：LEFT JOIN ON ... r.time =（SELECT MIN（r.time）...）
• 过滤掉未被用户创作或转贴的文章，其中包括：WHERE（转贴不是NULL ...）
• 订购是第一个转载（如果存在）或发布时间：ORDER BY COALESCE（repost.time，p.time）
• 负载最多10个帖子：LIMIT 0，10

UPDATE

我发现：

...ORDER BY repost.time DESC 

主要生产见效慢以及除非我还补充：

...WHERE repost.id IS NOT NULL... 

在这种情况下，查询速度很快。这使我相信真正的问题是对可空列索引进行排序。我也试过：

... ORDER BY CASE WHEN repost.id IS NULL p.time ELSE repost.time END DESC 

哪没有帮助。

更新2

原因在于MySQL使用B树为它的索引的事实，现在看来，这将是不可能以充分利用我想要的方式索引。因此，我目前最好的想法是将每个原始帖子视为其作者的“转贴”，然后在转贴表上执行我的选择和订购，例如，

SELECT * FROM Repost r LEFT JOIN r.post ON ... WHERE ... ORDER BY r.time DESC 

Answer 1

这里的问题与我在我的问题的更新2中描述的一样。 MySQL使用索引来快速执行ORDER BY操作。更具体地说，MySQL使用B-trees来索引列（如时间戳 - p.time/r.time），这会占用更多的空间，但允许更快的排序。

我的查询的问题是，它是由两个表中的时间列进行排序，使用来自转发表的时间戳（如果可用），否则使用发布表。由于MySQL无法合并两个表中的B树，因此无法对来自两个不同表的列进行快速索引排序。

我用两种方式修改了我的查询和表结构来解决这个问题。

1）首先基于被阻止的用户进行过滤，因此只需对当前用户可访问的帖子进行排序。这不是问题的根源，而是实际的优化。例如

SELECT * FROM (SELECT * FROM Post p WHERE p.author_id NOT IN (4, 5, 6...))... 

2）对待每一个岗位作为其作者一个重新发布，使每一个岗位是保证有一个可连接转贴和repost.time在其上的索引和排序。例如

SELECT * FROM (...) LEFT JOIN p.reposts repost ON (p.id = repost.post_id AND 
repost.time = (
    SELECT MIN(r.time) FROM Repost r WHERE p.id = r.post_id 
    AND r.user_id IN (1, 2, 3...) AND r.user_id NOT IN (4, 5, 6...)) 
)) 
WHERE (repost.id IS NOT NULL) ORDER BY repost.time DESC LIMIT 0, 10 

在一天结束时，问题归结为ORDER BY - 此方法将查询时间从大约8秒缩短到20 ms。