之前自己写的项目数据量都比较小，对数据库的操作只要可以跑通就不会有太大的性能问题。最近在实习中学习到了两种巧妙的查询优化小技巧，记录一下以备后用~
in查询+HashMap避免重复查询数据库
使用背景：在某一查询中，需要根据从企业信息表查询到的每个企业的更新人id，到员工表中查询更新人的姓名，一起返回到前端。
按照普通的思路，那肯定就是先查询企业信息表得到一个list，再对list进行for循环，为每一个元素查询对应的更新人id。这种做法在for循环中进行了数据库查询，多次访问数据库，会导致查询效率降低且增加了数据库压力。
优化后的做法：在查询企业信息表后，统一提取list中的更新人id字段，到员工表中进行in查询，一次性得到会用到的所有员工，再根据员工的id和姓名构建hashmap，使用for循环遍历企业信息，根据hashmap中的信息来添加更新人姓名。这种做法只查询了一次数据库，并通过hashmap的映射，将添加更新人姓名的时间复杂度控制在O（n）。
List<Company> companyList = companyRepo.getList();
List<String> updateIds = companyList.stream().filter(x->{
StringUtils.isNotBlank(x.getUpdateId());
}).map(Company::getUpdateId).collect(Collectors.toList);
//使用in查询一次得到所有需要根据id返回的员工信息
List<Staff> staffs = staffService.listStaffByStaffNos(updateIds);
//将list转化为map，key为更新人id，value为更新人姓名
Map<String,String> updateIdsToName = staffs.stream().collect(Collectors.toMap(Staff::getStaffNo,Staff::getStaffName));
companyList.forEach(conmany->{
company.setUpdateName(updateIdsToName.get(company,getUpdateId()))
});
通过主键索引进行分页查询
使用背景：在一个行数5位数的表中进行分页查询。
按照普通的思路，使用SELECT * FROM table_name LIMIT M,N即可，但是这种方式的实现是通过全表扫描，速度会很慢，且有的数据库结果集返回不稳定(如某次返回1,2,3,另外的一次返回2,1,3)。
优化后的做法：对数据进行升序排序（ASC），每次分页记录当前最大的id记为startId，进行下一次分页时筛选出id比startId更大的数据，再拼接LIMIT来实现分页。这样既使用了主键索引提高了查询效率，又能保证数据库结果集返回稳定。
public void exec() {
Long startId = 0L;
while(true){
List<Case> list = queryByGtId(startId);
if(CollectionUtils.isEmpty(list)){
break;
}
startId = list.get(list.size() - 1).getId();
}
}
public List<CaseEvidencePo> queryByGtId(Long id) {
LambdaQueryWrapper<Case> queryWapper = new LambdaQueryWrapper<>();
queryWapper.gt(Objects.nonNull(id),Case::getId,id)
.orderByAsc(Case::getId)
.last("LIMIT 1000");
return baseMapper.selectList(queryWrapper);
}
之前看到SQL的优化总是没什么感触，这次在业务逻辑中见到了SQL优化的实际应用，感觉还是非常巧妙的。后续还是要多在实践中学习才是。