mysql prepare原理

注：2013年的老文章

Prepare的作用 

    Prepare SQL产生的原因。首先从mysql服务器执行sql的过程开始讲起，SQL执行过程包括以下阶段 词法分析->语法分析->语义分析->执行计划优化->执行。词法分析->语法分析这两个阶段我们称之为硬解析。词法分析识别sql中每个词，语法分析解析SQL语句是否符合sql语法，并得到一棵语法树（Lex）。对于只是参数不同，其他均相同的sql，它们执行时间不同但硬解析的时间是相同的。而同一SQL随着查询数据的变化，多次查询执行时间可能不同，但硬解析的时间是不变的。对于sql执行时间较短，sql硬解析的时间占总执行时间的比率越高。而对于淘宝应用的绝大多数事务型SQL，查询都会走索引，执行时间都比较短。因此淘宝应用db sql硬解析占的比重较大。 

    Prepare的出现就是为了优化硬解析的问题。Prepare在服务器端的执行过程如下

 1）  Prepare 接收客户端带”?”的sql, 硬解析得到语法树(stmt->Lex), 缓存在线程所在的preparestatement cache中。此cache是一个HASH MAP. Key为stmt->id. 然后返回客户端stmt->id等信息。

 2）  Execute 接收客户端stmt->id和参数等信息。注意这里客户端不需要再发sql过来。服务器根据stmt->id在preparestatement cache中查找得到硬解析后的stmt, 并设置参数，就可以继续后面的优化和执行了。

    Prepare在execute阶段可以节省硬解析的时间。如果sql只执行一次，且以prepare的方式执行，那么sql执行需两次与服务器交互（Prepare和execute）, 而以普通（非prepare）方式，只需要一次交互。这样使用prepare带来额外的网络开销，可能得不偿失。我们再来看同一sql执行多次的情况，比如以prepare方式执行10次，那么只需要一次硬解析。这时候  额外的网络开销就显得微乎其微了。因此prepare适用于频繁执行的SQL。

    Prepare的另一个作用是防止sql注入，不过这个是在客户端jdbc通过转义实现的，跟服务器没有关系。 

硬解析的比重

   交易买家库 tcbyer压测时，通过perf 得到的结果。

   

   硬解析相关的函数比重都比较靠前（MYSQLparse 4.93%, lex_one_token 1.79%, lex_start 1.12%）总共接近8%。因此，服务器使用prepare是可以带来较多的性能提升的。

jdbc与prepare 

  jdbc服务器端的参数：

   useServerPrepStmts：默认为false. 是否使用服务器prepare开关

  jdbc客户端参数：

   cachePrepStmts：默认false.是否缓存prepareStatement对象。每个连接都有一个缓存，是以sql为唯一标识的LRU cache. 同一连接下，不同stmt可以不用重新创建prepareStatement对象。

   prepStmtCacheSize：LRU cache中prepareStatement对象的个数。一般设置为最常用sql的个数。

   prepStmtCacheSqlLimit：prepareStatement对象的大小。超出大小不缓存。

  Jdbc对prepare的处理过程： 

  useServerPrepStmts=true时Jdbc对prepare的处理

   1）  创建PreparedStatement对象，向服务器发送COM_PREPARE命令，并传送带问号的sql. 服务器返回jdbc stmt->id等信息

   2）  向服务器发送COM_EXECUTE命令,并传送参数信息。

  useServerPrepStmts=false时Jdbc对prepare的处理

   1）  创建PreparedStatement对象，此时不会和服务器交互。

   2） 根据参数和PreparedStatement对象拼接完整的SQL，向服务器发送QUERY命令

   我们再看参数cachePrepStmts打开时在useServerPrepStmts为true或false时，均缓存PreparedStatement对象。只不过useServerPrepStmts为的true缓存PreparedStatement对象包含服务器的stmt->id等信息，也就是说如果重用了PreparedStatement对象，那么就省去了和服务器通讯（COM_PREPARE命令）的开销。而useServerPrepStmts=false是，开启cachePrepStmts缓存PreparedStatement对象只是简单的sql解析信息，因此此时开启cachePrepStmts意义不是太大。

我们来开看一段java代码

1 2 3 4 5 6 7 8 9 10 11              Connection con =  null ;              PreparedStatement ps =  null ;              String sql =  "select * from user where id=?" ;              ps = con.prepareStatement(sql);                          ps.setInt( 1 ,  1 );‍‍                          ps.executeQuery();                          ps.close();                          ps = con.prepareStatement(sql);                          ps.setInt( 1 ,  3 );                          ps.executeQuery();                          ps.close();

   这段代码在同一会话中两次prepare执行同一语句，并且之间有ps.close();

    useServerPrepStmts=false时，服务器会两次硬解析同一SQL。

    useServerPrepStmts=true, cachePrepStmts=false时服务器仍然会两次硬解析同一SQL。

    useServerPrepStmts=true, cachePrepStmts=true时服务器只会硬解析一次SQL。

 

    如果两次prepare之间没有ps.close();那么cachePrepStmts=true，cachePrepStmts=false也只需一次硬解析. 

    因此，客户端对同一sql,频繁分配和释放PreparedStatement对象的情况下，开启cachePrepStmts参数是很有必要的。

测试

   1)做了一个简单的测试，主要测试prepare的效果和useServerPrepStmts参数的影响.

 

1 <span style= "font-family: 宋体, SimSun; font-size: 14px;" >        cnt = 5000;<br>        // no prepare <br>        String sql =  "select biz_order_id,out_order_id,seller_nick,buyer_nick,seller_id,buyer_id,auction_id,auction_title,auction_price,buy_amount,biz_type,sub_biz_type,fail_reason,pay_status,logistics_status,out_trade_status,snap_path,gmt_create,status,ifnull(buyer_rate_status, 4) buyer_rate_status from tc_biz_order_0030 where "  +<br>         "parent_id = 594314511722841 or parent_id =547667559932641;" ;<br><br>         begin  = new  Date ();<br>        System. out .println( "begin:"  + df.format( begin ));<br>        <br>        stmt = con.createStatement();<br>         for  ( int  i = 0; i < cnt; i++)<br>        {         <br>            stmt.executeQuery(sql);<br>        } <br>               <br>         end  = new  Date ();<br>        System. out .println( "end:"  + df.format( end ));<br>        <br>        long  temp  =  end .getTime() -  begin .getTime();<br>        System. out .println( "no perpare interval:"  +  temp );<br>        <br>        <br>        // test  prepare        <br>        sql =  "select biz_order_id,out_order_id,seller_nick,buyer_nick,seller_id,buyer_id,auction_id,auction_title,auction_price,buy_amount,biz_type,sub_biz_type,fail_reason,pay_status,logistics_status,out_trade_status,snap_path,gmt_create,status,ifnull(buyer_rate_status, 4) buyer_rate_status from tc_biz_order_0030 where "  +<br>                 "parent_id = 594314511722841 or parent_id =?;" ;<br>        ps = con.prepareStatement(sql);<br>        BigInteger param = new BigInteger( "547667559932641" );<br>        <br>         begin  = new  Date ();<br>        System. out .println( "begin:"  + df.format( begin ));<br>        <br>         for  ( int  i = 0; i < cnt; i++)<br>        {<br>         ps.setObject(1, param);<br>            ps.executeQuery(); <br>        } <br>   <br>         end  = new  Date ();<br>        System. out .println( "end:"  + df.format( end ));<br>        <br>         temp  =  end .getTime() -  begin .getTime();<br>        System. out .println( "prepare interval:"  +  temp );<br></span>

经多次采样测试结果如下：

非prepare和prepare时间比useServerPrepStmts=true0.93useServerPrepStmts=false1.01

结论：

useServerPrepStmts=true时，prepare提升7%；

useServerPrepStmts=false时，prepare与非prepare性能相当。 

如果将语句简化为select * from tc_biz_order_0030 where parent_id =?。那么测试的结论useServerPrepStmts=true时，prepare仅提升2%；sql越简单硬解析的时间就越少，prepare的提升就越少。

注意：这个测试是在单个连接，单条sql的理想情况下进行的，线上会出现多连接多sql,还有sql执行频率，sql的复杂程度等不同，因此prepare的提升效果会随具体环境而变化。

2）prepare 前后的perf top 对比

   以下为非prepare

     6.46%   mysqld  mysqld              [.] _Z10MYSQLparsePv

     3.74%   mysqld  libc-2.12.so        [.] __memcpy_ssse3

     2.50%   mysqld  mysqld              [.] my_hash_sort_utf8

     2.15%   mysqld  mysqld              [.] cmp_dtuple_rec_with_match

     2.05%   mysqld  mysqld              [.] _ZL13lex_one_tokenPvS_

     1.46%   mysqld  mysqld              [.] buf_page_get_gen

     1.34%   mysqld  mysqld              [.] page_cur_search_with_match

     1.31%   mysqld  mysqld              [.] _ZL14build_templateP19row_prebuilt_structP3THDP5TABLEj

     1.24%   mysqld  mysqld              [.] rec_init_offsets

     1.11%   mysqld  libjemalloc.so.1    [.] free

     1.09%   mysqld  mysqld              [.] rec_get_offsets_func

     1.01%   mysqld  libjemalloc.so.1    [.] malloc

     0.96%   mysqld  libc-2.12.so        [.] __strlen_sse42

     0.93%   mysqld  mysqld              [.] _ZN4JOIN8optimizeEv

     0.91%   mysqld  mysqld              [.] _ZL15get_hash_symbolPKcjb

     0.88%   mysqld  mysqld              [.] row_search_for_mysql

     0.86%   mysqld  [kernel.kallsyms]   [k] tcp_recvmsg

     

 以下为perpare

     3.46%   mysqld  libc-2.12.so        [.] __memcpy_ssse3

     2.32%   mysqld  mysqld              [.] cmp_dtuple_rec_with_match

     2.14%   mysqld  mysqld              [.] _ZL14build_templateP19row_prebuilt_structP3THDP5TABLEj

     1.96%   mysqld  mysqld              [.] buf_page_get_gen

     1.66%   mysqld  mysqld              [.] page_cur_search_with_match

     1.54%   mysqld  mysqld              [.] row_search_for_mysql

     1.44%   mysqld  mysqld              [.] btr_cur_search_to_nth_level

     1.41%   mysqld  libjemalloc.so.1    [.] free

     1.35%   mysqld  mysqld              [.] rec_init_offsets

     1.32%   mysqld  [kernel.kallsyms]   [k] kfree

     1.14%   mysqld  libjemalloc.so.1    [.] malloc

     1.08%   mysqld  [kernel.kallsyms]   [k] fget_light

     1.05%   mysqld  mysqld              [.] rec_get_offsets_func

     0.99%   mysqld  mysqld              [.] _ZN8Protocol24send_result_set_metadataEP4ListI4ItemEj

     0.90%   mysqld  mysqld              [.] sync_array_print_long_waits

     0.87%   mysqld  mysqld              [.] page_rec_get_n_recs_before

     0.81%   mysqld  mysqld              [.] _ZN4JOIN8optimizeEv

     0.81%   mysqld  libc-2.12.so        [.] __strlen_sse42

     0.78%   mysqld  mysqld              [.] _ZL20make_join_statisticsP4JOINP10TABLE_LISTP4ItemP16st_dynamic_array

     0.72%   mysqld  [kernel.kallsyms]   [k] tcp_recvmsg

     0.63%   mysqld  libpthread-2.12.so  [.] __pthread_getspecific_internal

     0.63%   mysqld  [kernel.kallsyms]   [k] sk_run_filter

     0.60%   mysqld  mysqld              [.] _Z19find_field_in_tableP3THDP5TABLEPKcjbPj

     0.60%   mysqld  mysqld              [.] page_check_dir

     0.57%   mysqld  mysqld              [.] _Z16dispatch_command19enum_server_commandP3THDP

   对比可以发现 MYSQLparse lex_one_token在prepare时已优化掉了。

思考

   1 开启cachePrepStmts的问题，前面谈到每个连接都有一个缓存，是以sql为唯一标识的LRU cache. 在分表较多，大连接的情况下，可能会个应用服务器带来内存问题。这里有个前提是ibatis是默认使用prepare的。 在mybatis中，标签statementType可以指定某个sql是否是使用prepare.

statementType Any one of STATEMENT, PREPARED or CALLABLE. This causes MyBatis to use Statement, PreparedStatement orCallableStatement respectively. Default: PREPARED.

这样可以精确控制只对频率较高的sql使用prepare，从而控制使用prepare sql的个数，减少内存消耗。遗憾的是目前集团貌似大多使用的是ibatis 2.0版本，不支持statementType

标签。

    2 服务器端prepare cache是一个HASH MAP. Key为stmt->id,同时也是每个连接都维护一个。因此也有可能出现内存问题，待实际测试。如有必要需改造成Key为sql的全局cache，这样不同连接的相同prepare sql可以共享。 

    3 oracle prepare与mysql prepare的区别：

      mysql与oracle有一个重大区别是mysql没有oracle那样的执行计划缓存。前面我们讲到SQL执行过程包括以下阶段 词法分析->语法分析->语义分析->执行计划优化->执行。oracle的prepare实际上包括以下阶段：词法分析->语法分析->语义分析->执行计划优化，也就是说oracle的prepare做了更多的事情，execute只需要执行即可。因此，oracle的prepare比mysql更高效。

相关资源：MySQL prepare原理详解