Mysql 优化多tag标签查询多项查询

我们在很多项目开发中，可能会用到多个标签查询一条数据，譬如一条数据有多个用户维护，需要我们按用户id 查询出所属的数据信息，又如一些文章我们添加了tag标记，我需要把这篇文章相关的其他文章匹配出来，这个时候们就需要用到标签查询，而在这里我主要介绍几种标签查询的比较。

首先我以一个例子来描述这个数据结构的问题。

测试版本：mysql 5.7 deepin 15.6

测试软件： Mysql Workbench

这里我以一个 product 表，表中可以有多个tag 标记结构如下：

product
id   | tags  | price
-----+-------+------
1    | 2,3,4 | 300
2    | 3,4,5 | 400
3    | 4,5,6 | 350

我们需要查询标签 tag 3 的时候找到 id 1 2 的数据，或者查询 tag 5 的时候找到 id 2 3 的数据。

这个时候聪明的小朋友们可能就会立马想到一个关键字 FIND_IN_SET ,是的这里也会讲到 FIND_IN_SET。

但是有些朋友说这样不是应该用一个关联关系表来描述吗，也就是说有如下这个结构的数据出现：

关联关系表 prodoct_tags 就由此被引进了项目。

product_tags
id | tagId | productId
---+-------+----------
1  | 2     | 1
2  | 3     | 1
3  | 3     | 2
4  | 4     | 1
5  | 4     | 2
6  | 4     | 3
7  | 5     | 2
8  | 5     | 3
9  | 6     | 3

这里可以使用两种方式进行关联，如下：

SELECT * FROM product A where EXISTS(SELECT 1 FROM product_tags WHERE tagId=1000 AND productId=A.Id);
SELECT * FROM product A  LEFT JOIN product_tags ON tagId=1000 AND productId=A.Id;

本文也会讨论比较这种方式，但是数据如果很大，比如 100万数据，反正我是跑了10分钟还没结束自己手动结束了，聪明的同学可能又会说干嘛不加索引，是的应该加一个 tag_pro_index 索引,也就是做一个组合索引 tagId,productId 一起的组合索引。

为了大家能够自己演示，我已经准备好了生成 prodcut 的代码。

生成 100万条数据代码如下：

请使用命令行模式运行（这样你可以实时看到进度）

ini_set("max_execution_time", "300"); ini_set('memory_limit', '256M'); $sqli = new mysqli('127.0.0.1', 'root', '123456', 'mytest1', 3306); $sqli->query("SET NAMES utf8"); $sqli->query('start transaction'); ob_implicit_flush(1); //生成产品表 $sqli->query('CREATE TABLE IF NOT EXISTS `product` ( `id` int(11) NOT NULL AUTO_INCREMENT, `tags` varchar(255) DEFAULT \'\', `price` int(11) DEFAULT NULL, `addtime` datetime DEFAULT NULL, `updatetime` datetime DEFAULT NULL, FULLTEXT (tags), PRIMARY KEY (`id`) ) ENGINE=InnoDB DEFAULT CHARSET=utf8; //设置生成大小 $size = 1000000; echo '---生成产品数据' . PHP_EOL; $stmt = $sqli->prepare('INSERT INTO product(`tags`,`price`,`addtime`,`updatetime`) VALUE (?,?,?,?)'); $stmt->bind_param("siss", $t2name, $price, $addtime, $updatetime); for ($i = 0; $i < $size; $i++) { // echo $i . PHP_EOL; if ($i % 10000 == 0) { if ($i != 0) { $sqli->query('commit'); $sqli->query('begin'); $p = floor($i * 100 / $size); echo $i . '/' . $size . '---' . $p . '%' . PHP_EOL; $tags = []; $tagLen = mt_rand(3, 10); for ($j = 0; $j < $tagLen; $j++) { $tags[] = mt_rand(1, 10000); $t2name = join(',', $tags); $price = mt_rand(1, 10000); $addtime = date('Y-m-d H:i:s', mt_rand(time() - 86400 * 365, time())); $updatetime = date('Y-m-d H:i:s', mt_rand(time() - 86400 * 365, time())); $stmt->execute(); $sqli->query('commit'); $stmt->close(); echo '完成' . PHP_EOL;

如果你也想比较使用关联表的，我也准备了一份生成关联表的php 代码：

需要先生成 product 表：

ini_set("max_execution_time", "300"); ini_set('memory_limit', '256M'); $sqli = new mysqli('127.0.0.1', 'root', '123456', 'mytest1', 3306); $sqli->query("SET NAMES utf8"); $sqli->query('start transaction'); //产品对应的标签表 $sqli->query('CREATE TABLE IF NOT EXISTS `product_tags` ( `id` int(11) NOT NULL AUTO_INCREMENT, `tagId` int(11) NOT NULL DEFAULT \'0\', `productId` int(11) NOT NULL DEFAULT \'0\', PRIMARY KEY (`id`), KEY `tag_pro_index` (`tagId`,`productId`) USING BTREE ) ENGINE=InnoDB DEFAULT CHARSET=utf8; echo '---生成产品标签数据' . PHP_EOL; $stmt = $sqli->prepare('INSERT INTO product_tags(`tagId`,`productId`) VALUE (?,?)'); $stmt->bind_param("ii", $tagId, $productId); $result = $sqli->query('SELECT COUNT(*) FROM product'); $count = $result->fetch_row()[0]; $pages = ceil($count / 5000); for ($idx = 0; $idx <= $pages; $idx++) { echo $idx . PHP_EOL; $sqli->query('begin'); $p = floor($idx * 100 / $pages); echo $idx . '/' . $pages . '---' . $p . '%' . PHP_EOL; $start = $idx * 5000; $prolist = $sqli->query('SELECT id,tags FROM product limit ' . $start . ',5000')->fetch_all(MYSQLI_ASSOC); //print_r($prolist); foreach ($prolist as $item) { $productId = $item['id']; $tags = explode(',', $item['tags']); foreach ($tags as $tag) { $tagId = intval($tag); $stmt->execute(); $sqli->query('commit'); $stmt->close(); echo '---生成产品标签数据' . PHP_EOL;

数据生成可能需要一些时间，大概是5-10分钟这样，如果你机器够快(主要是硬盘 SSD )

下面我们在真实测试一下
1 使用 FIND_IN_SET
代码：

SELECT * FROM product WHERE FIND_IN_SET('1000',tags) ;
-- 耗时 0.061秒   我机器比较快吧，还能接受

因为没有办法用到索引，所有全表扫描，但是速度不错 0.061 就搞定了。
还有两种方式可以查询，比如正则查询和 like 查询：

SELECT * FROM product WHERE tags REGEXP '(^|,)1000(,|$)'; 
--耗时 0.057s
SELECT * FROM product WHERE CONCAT(',',tags,',') LIKE '%,1000,%';
--耗时 0.098s

和 FIND_IN_SET 也相差不远。

这个时候可能有些朋友迫不及待的需要我测试一下链表查询的速度了，这个不测没有索引的情况了，就测 product_tags 在添加了组合索引 tag_product_index 的情况。

虽然 product_tags 已经使用了索引，但是 product 表还是依然全表扫描，而且得出的时间 0.644秒比 like 还要差。

在看一下 left join

SELECT * FROM product A  LEFT JOIN product_tags ON tagId=5201 AND productId=A.Id;

这个结果还是很不错的，而且如果重复查询时间会更少，第一次查的时候大概 0.0014 秒 -0.0043秒之间。第2次查就只有 0.00065秒了。
不过 product 还是“全表扫表”了，这里用了引号的全表扫描，是因为下文会说道。

那么除了上面两种方法还有没有别的方法呢？
细心的朋友可能会发现我生成 product 的时候使tags 使用了FullText 索引，是的我们这里要讲另外一种方法是利用 FullText 的，如果你刚刚已经生成了数据，没有将 my.ini 的两个配置项该成如下：

[mysqld]
ft_min_word_len=1
innodb_ft_min_token_size=1

因为我们只是用全文索引来满足我们标签查询，所以分词最小长度需要设置为 1，innodb_ft_min_token_size 是 innodb 的设置。

然后就是重启mysql 服务，还得修复一下原来已经生成的索引。

执行SQL查询语句

REPAIR TABLE product QUICK;

OK，这个时候我们可以测试一下使用全文索引来检索标签查询的效果了。

SELECT * FROM product WHERE MATCH(tags) AGAINST('1000');

使用全文索引大概保持在 0.0016 左右，和 left join 的效果差不多，不过不在全表扫描了。

为了更深入的比较全文索引和 left join 我特地把数据提升了一倍，product 200W product_tags 1200万。

SELECT * FROM product A  LEFT JOIN product_tags ON tagId=1000 AND productId=A.Id;
--- 第1次  0.0017 左右
--- 第2次  0.00070s 相同sql 语句

SELECT * FROM product WHERE MATCH(tags) AGAINST('1000');
--- 耗时 0.0021s

而使用另外两个链表方式：

SELECT  * FROM product A ,
(SELECT DISTINCT productId from product_tags where tagId=1000 ) B 
WHERE A.id=B.productId;
-- 第1次 0.0012s 左右
-- 第2次 0.00077s

使用 in 查找

SELECT * FROM product WHERE id In (SELECT DISTINCT productId FROM product_tags WHERE tagId=1000);
---第1次  0.0017-0.0021
---第2次 0.00078秒

最后在测试一下原来的 FIND_IN_SET 正则和 like

SELECT * FROM product WHERE FIND_IN_SET('1000',tags) ;
-- 耗时 0.126s 
SELECT * FROM product WHERE tags REGEXP '(^|,)1000(,|$)'; 
--耗时 0.117s
SELECT * FROM product WHERE CONCAT(',',tags,',') LIKE '%,1000,%';
--耗时 0.182s

基本成线性增长。

比较完以后发现 left join 其实和后面两种方式基本一样，所以虽然是“全表扫描”，但是其实mysql 在内部做了相应的优化，是先从 product_tags 找到 productId 然后在从id 中使用主键到 product 对应的数据的。其实和后面这句 IN 的语句极为相识，至于第2次查找会更快可能是因为mysql 对一些中间结果做了相应的缓存优化，或者是对索引数据部分做了内存优化。而全文索引中可能没有相应的优化。

本文为原创文章，未经允许不可转载，请尊重作者劳动成果。