更新加入 table 需要很长时间

Question

我有一个 table citations 有 500 万行，包含以下信息：

Paperkey1 | Year1 | Paperkey2 | Year2 
100                   20
200                   90
300                   80

还有另一个 table pub_year 大约有 300 万行，包含以下信息：

Paperkey | Year
100        2001
200        2002
20         2003
90         2004
80         2005

我想通过从 table pub_year 中获取年份值来更新 table citations。我使用了以下查询，但它已运行超过 3 小时，但仍未完成。

update citations T2

join pub_year T1 on T2.paperkey1= T1.paperkey

set T2.year1 = T1.year;

有谁知道它花费太长时间的主要原因是什么？如果我继续让它运行，我不确定它是否会完成。还是我的查询有问题？ paperkey 字段都是 varchar，year 字段都是整数。谢谢。

这是运行 EXPLAIN:

之后的更新

Answer 1

第二行在第 type 列中有值 ALL。这是执行速度非常非常慢的原因。对于 citations 的 500 万行中的每一行，它需要扫描 table pub_year 的所有 300 万行，以便为 JOIN 子句找到匹配的行。索引将解决这个问题。

在 table 的 Paperkey1 列上添加索引 citations:

ALTER TABLE `citations` ADD INDEX (`Paperkey1`);

还在 table 的 Paperkey 列上添加索引 pub_year:

ALTER TABLE `pub_year` ADD INDEX (`Paperkey`);

如果两个 table 中的一个已经包含上述列的索引（或者它是多列索引中的第一列），则跳过 table；具有相同的索引没有帮助。

创建索引后（它们需要一些时间才能完成，尤其是如果这些 table 上同时存在其他 activity），运行 EXPLAIN 再次检查结果。您应该在第二行的 type 列中得到 ref 或 eq_ref。

现在 UPDATE 会更快完成。它仍然需要几分钟（如果 tables 在查询期间被其他进程访问，则甚至需要更多时间）但是当你更新 500 万条记录时这没问题。

出于性能原因，在 INNER JOIN 上，建议首先放置在最终结果集中生成最少行数的 table。在这种情况下，table 是 pub_year:

UPDATE pub_year T1
INNER JOIN citations T2 ON T2.paperkey1 = T1.paperkey
SET T2.year1 = T1.year

（作为旁注，MySQL 查询优化器足够聪明，可以更改查询并将 table 排序为提供最佳执行时间的顺序。您可以在问题的 EXPLAIN 查询结果中看到： table T1 (pub_year) 首先出现。)

update join table taking a very long time