分析MySQL中优化distinct的技巧

有这样的一个需求：select count(distinct nick) from user_access_xx_xx;

这条sql用于统计用户访问的uv，由于单表的数据量在10G以上，即使在user_access_xx_xx上加上nick的索引，

通过查看执行计划，也为全索引扫描，sql在执行的时候，会对整个服务器带来抖动；

root@db 09:00:12>select count(distinct nick) from user_access;

+―――――――-+

| count(distinct nick) |

+―――――――-+

|        806934 |

+―――――――-+

1 row in set (52.78 sec)

执行一次sql需要花费52.78s，已经非常的慢了

现在需要换一种思路来解决该问题：

我们知道索引的值是按照索引字段升序的，比如我们对（nick，other_column）两个字段做了索引，那么在索引中的则是按照nick，other_column的升序排列：

我们现在的sql：select count(distinct nick) from user_access;则是直接从nick1开始一条条扫描下来，直到扫描到最后一个nick_n,

那么中间过程会扫描很多重复的nick，如果我们能够跳过中间重复的nick，则性能会优化非常多（在oracle中，这种扫描技术为loose index scan，但在5.1的版本中，mysql中还不能直接支持这种优化技术）：

所以需要通过改写sql来达到伪loose index scan：

root@db 09:41:30>select count(*) from ( select distinct(nick) from user_access)t ;

| count(*) |

+―――-+

|  806934 |

1 row in set (5.81 sec)

Sql中先选出不同的nick，最后在外面套一层，就可以得到nick的distinct值总和；

最重要的是在子查询中：select distinct(nick) 实现了上图中的伪loose index scan，优化器在这个时候的执行计划为Using index for group-by ，

需要注意的是mysql把distinct优化为group by，它首先利用索引来分组，然后扫描索引，对需要的nick只扫描一次；

两个sql的执行计划分别为：

优化写法：

root@db 09:41:10>explain select distinct(nick) from user_access-> ;

+―-+――――-+――――――――――+――-+―――――+――――-| id | select_type | table            | type | possible_keys | key               | key_len | ref | rows  | Extra          |

+―-+――――-+――――――――――+――-+―――――+――――-

| 1 | SIMPLE   | user_access | range | NULL     | ind_user_access_nick | 67   | NULL | 2124695 | Using index for group-by |

+―-+――――-+――――――――――+――-+―――――+――――-

原始写法：

root@db 09:42:55>explain select count(distinct nick) from user_access;

+―-+――――-+――――――――――+――-+―――――+――――-

| id | select_type | table            | type | possible_keys | key            | key_len | ref | rows   | Extra    |

+―-+――――-+――――――――――+――-+―――――+――――-

| 1 | SIMPLE   | user_access | index | NULL     | ind_user_access | 177   | NULL | 19546123 | Using index |