前言
今天逛github时，发现了这款对 sql 进行优化和改写的自动化工具sora。感觉挺不错的，就下载学习了一下。这个工具支持的功能比较多，可以作为我们日常开发中的一款辅助工具，现在我就把它推荐给你们～～～
github传送门：https://github.com/xiaomi/soar
背景
在我们日常开发中，优化sql总是我们日常开发任务之一。例行 sql 优化，不仅可以提升程序性能，还能够降低线上故障的概率。
目前常用的 sql 优化方式包括但不限于：业务层优化、sql逻辑优化、索引优化等。其中索引优化通常通过调整索引或新增索引从而达到 sql 优化的目的。索引优化往往可以在短时间内产生非常巨大的效果。如果能够将索引优化转化成工具化、标准化的流程，减少人工介入的工作量，无疑会大大提高我们的工作效率。
soar(sql optimizer and rewriter) 是一个对 sql 进行优化和改写的自动化工具。由小米人工智能与云平台的数据库团队开发与维护。
与业内其他优秀产品对比如下：
| soar | sqlcheck | pt-query-advisor | sql advisor | inception | sqlautoreview | |
|---|---|---|---|---|---|---|
| 启发式建议 | ️ | ️ | ️ | ️ | ️ | |
| 索引建议 | ️ | ️ | ️ | |||
| 查询重写 | ️ | |||||
| 执行计划展示 | ️ | |||||
| profiling | ️ | |||||
| trace | ️ | |||||
| sql在线执行 | ️ | |||||
| 数据备份 | ️ |
从上图可以看出，支持的功能丰富，其功能特点如下：
- 跨平台支持（支持 linux, mac 环境，windows 环境理论上也支持，不过未全面测试）
- 目前只支持 mysql 语法族协议的 sql 优化
- 支持基于启发式算法的语句优化
- 支持复杂查询的多列索引优化（update, insert, delete, select）
- 支持 explain 信息丰富解读
- 支持 sql 指纹、压缩和美化
- 支持同一张表多条 alter 请求合并
- 支持自定义规则的 sql 改写
就介绍这么多吧，既然是sql优化工具，光说是没有用的，我们还是先用起来看看效果吧。
安装
这里有两种安装方式，如下：
下载二进制安装包
$ wget https://github.com/xiaomi/soar/releases/download/0.11.0/soar.linux-amd64 -o soar chmod a+x soar
这里建议直接下载最新版，要不会有bug。
下载好的二进制文件添加到环境变量中即可(不会的谷歌一下吧，这里就不讲了)。
测试一下：
$ echo 'select * from user' | soar.darwin-amd64(根据你自己的二进制文件名来输入)
# query: ac4262b5af150cb5
75分
```sql
select
*
from
user
```
## 最外层 select 未指定 where 条件
* **item:** cla.001
* **severity:** l4
* **content:** select 语句没有 where 子句，可能检查比预期更多的行(全表扫描)。对于 select count(\*) 类型的请求如果不要求精度，建议使用 show table status 或 explain 替代。
## 不建议使用 select * 类型查询
* **item:** col.001
* **severity:** l1
* **content:** 当表结构变更时，使用 \* 通配符选择所有列将导致查询的含义和行为会发生更改，可能导致查询返回更多的数据。
源码安装
依赖环境：
1. go 1.10+
2. git
高级依赖（仅面向开发人员）
- mysql 客户端版本需要与容器中mysql版本相同，避免出现由于认证原因导致无法连接问题
- docker mysql server测试容器管理
- govendor go包管理
- retool 依赖外部代码质量静态检查工具二进制文件管理
生成二进制文件：
go get -d github.com/xiaomi/soar
cd ${gopath}/src/github.com/xiaomi/soar && make
生成的二进制文件与上面一样，直接放入环境变量即可，这里我没有尝试，靠你们自己踩坑了呦～～～
简单使用
0. 前置准备
准备一个table，如下：
create table `users` ( `id` bigint(20) unsigned not null auto_increment, `username` varchar(64) not null default '', `nickname` varchar(255) default '', `password` varchar(256) not null default '', `salt` varchar(48) not null default '', `avatar` varchar(128) default null, `uptime` datetime default null, primary key (`id`), unique key `username` (`username`) ) engine=innodb auto_increment=11 default charset=utf8mb4
1. 直接输入sql语句(不运行)
$ echo "select * from users" | soar.darwin-amd64
$ # query: 30afcb1e1344bebd
75分
```sql
select
*
from
users
```
## 最外层 select 未指定 where 条件
* **item:** cla.001
* **severity:** l4
* **content:** select 语句没有 where 子句，可能检查比预期更多的行(全表扫描)。对于 select count(\*) 类型的请求如果不要求精度，建议使用 show table status 或 explain 替代。
## 不建议使用 select * 类型查询
* **item:** col.001
* **severity:** l1
* **content:** 当表结构变更时，使用 \* 通配符选择所有列将导致查询的含义和行为会发生更改，可能导致查询返回更多的数据。
现在是完全根据sql语句进行分析的，因为没有连接到mysql。可以看到，给出的报告也很详细，但是只是空壳子，仅凭sql语句给出的分析并不是准确的，所以我们开始接下来的应用。
2. 连接mysql生成explain分析报告
我们可以在配置文件中配置好mysql相关的配置，操作如下：
vi soar.yaml # yaml format config file online-dsn: addr: 127.0.0.1:3306 schema: asong user: root password: root1997 disable: false test-dsn: addr: 127.0.0.1:3306 schema: asong user: root password: root1997 disable: false
配置好了，我们来实践一下子吧：
$ echo "select id,username,nickname,password,salt,avatar,uptime from users where username = 'asong1111'" | soar.darwin-amd64 -test-dsn="root:root1997@127.0.0.1:3306/asong" -allow-online-as-test -log-output=soar.log
$ # query: d12a420193ad1674
100分
```sql
select
id, username, nickname, password, salt, avatar, uptime
from
users
where
username = 'asong1111'
```
## explain信息
| id | select\_type | table | partitions | type | possible_keys | key | key\_len | ref | rows | filtered | scalability | extra |
|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 1 | simple | *users* | null | const | username | username | 258 | const | 1 | ️ **100.00%** | ️ **o(n)** | null |
### explain信息解读
#### selecttype信息解读
* **simple**: 简单select(不使用union或子查询等).
#### type信息解读
* **const**: const用于使用常数值比较primary key时, 当查询的表仅有一行时, 使用system. 例:select * from tbl where col = 1.
这回结果中多了explain信息分析报告。这对于刚开始入门的小伙伴们是友好的，因为我们对explain解析的字段并不熟悉，有了它我们可以完美的分析sql中的问题，是不是很棒。
3. 语法检查
soar工具不仅仅可以进行sql语句分析，还可以进行对sql语法进行检查，找出其中的问题，来看个例子：
$ echo "selec * from users" | soar.darwin-amd64 -only-syntax-check at sql 1 : line 1 column 5 near "selec * from users" (total length 18)
这里select关键字少了一个t，运行该指令帮助我们一下就定位了问题，当我们的sql语句很长时，就可以使用该指令来辅助我们检查sql语句是否正确。
4. sql美化
我们日常开发时，经常会看其他人写的代码，因为水平不一样，所以有些sql语句会写的很乱，所以这个工具就派上用场了，我们可以把我们的sql语句变得漂亮一些，更容易我们理解哦。
$ echo "select id,username,nickname,password,salt,avatar,uptime from users where username = 'asong1111'" | soar.darwin-amd64 -report-type=pretty select id, username, nickname, password, salt, avatar, uptime from users where username = 'asong1111';
这样看起来是不是更直观了呢～～。
结尾
因为我也才是刚使用这个工具，更多的玩法我还没有发现，以后补充。更多玩法可以自己研究一下，github传送门：https://github.com/xiaomi/soar。官方文档其实很粗糙，更多方法解锁还要靠自己研究，毕竟源码已经给我们了，对于学习go也有一定帮助，当作一个小项目慢慢优化岂不是更好呢～～。
到此这篇关于mysql优化神器(推荐)的文章就介绍到这了,更多相关mysql优化内容请搜索www.887551.com以前的文章或继续浏览下面的相关文章希望大家以后多多支持www.887551.com！