sql优化（面试必问一）

前言：7月13号 至7月26号面试总结

比较棘手的的问题：

近来面试找工作经常会遇见这种问题： 做过数据库优化吗？大数据量基础过吗？系统反应慢怎么查询？

这时候就需要你谈一下sql优化相关的内容 ，   一下几个方面

1、慢查询

2、索引

3、拆分表

数据库索引变快
全部检索（扫描）
系统集成


二叉树算法--》索引文件   物理位置
log2N  检索10次可以检索2的10次方个数（1024）

全文索引，主要是针对对文件，文本的检索, 比如文章, 全文索引针对MyISAM有用.
select * from articles where match(title,body) against(‘database’); 【可以】

唯一索引
unique空串（null）可以放多个 如果是具体的内容则不能重复

a: 肯定在where条经常使用 
b: 该字段的内容不是唯一的几个值(sex)  （只有三个数据形成2级二叉树）
c: 字段内容不是频繁变化. 

联合索引

分表、水平分割

知识点、项目

sql优化（查询9:1）
1. 尽量使用列名(Oracle9i之后, *和列名一样)
   在业务密集的SQL当中尽量不采用IN操作符，用EXISTS 方案代替。

2、模糊查询like
关键词%yue%，由于yue前面用到了“%”，因此该查询必然走全表扫描，除非必要，否则不要在关键词前加%，

3 二者都能使用尽量使用where （与having比较）
where 先过滤（数据就少了）在分组  

4: 理论上，尽量使用多表连接（join）查询（避免子查询）

show status like 'uptime';
show [session|global] status like 'com_select';
show status like 'connections';
慢查询（默认10秒）
show status like 'slow_querties';


以安全模式启动


SHOW INDEX FROM emp

BTREE

20180327更新

B树：有序数组+平衡多叉树；

B+树：有序数组链表+平衡多叉树；

从上图你能看到，一个内结点x若含有n[x]个关键字，那么x将含有n[x]+1个子女

为什么说B⁺-tree比B 树更适合实际应用中操作系统的文件索引和数据库索引？

1）B⁺树的磁盘读写代价更低

B⁺树的内部结点并没有指向关键字具体信息的指针。因此其内部结点相对于B树更小。如果把所有同一内部结点的关键字存放在同一盘块中，那么盘块所能容纳的关键字数量也越多。一次性读入内存中的需要查找的关键字也就越多。相对来说IO读写次数也就降低了。

2) B⁺-tree的查询效率更加稳定

由于非终结点并不是最终指向文件内容的结点，而只是叶子结点中关键字的索引。所以任何关键字的查找必须走一条从根结点到叶子结点的路。所有关键字查询的路径长度相同，导致每一个数据的查询效率相当。

MySQL索引实现

MyISAM索引文件和数据文件是分离的，索引文件仅保存数据记录的地址。因此，MyISAM中索引检索的算法为首先按照B+Tree搜索算法搜索索引，如果指定的Key存在，则取出其data域的值，然后以data域的值为地址，读取相应数据记录。而在InnoDB中，表数据文件本身就是按B+Tree组织的一个索引结构，这棵树的叶结点data域保存了完整的数据记录。

MyISAM的索引方式也叫做“非聚集”的