mysql 读写高并发大数据表优化

1.更新频繁尽量使用innode引擎，支持行级锁，降低锁粒度，提高并发量。
2.考虑使用mysql 主从做读写分离，可以利用主库更新，从库进行查询。分担数据库压力，提高并发。
3.考虑使用reids nosql类内存数据库进行读写分离。查询通过先redis查询，无结果再查询mysql，同时将mysql数据库查询存入redis。
4.利用mysql表分区（1-1024），减小表粒度，块式管理数据。可以提高块式查找数据。
5.利用mysql独立表空间，自动回收删除后的表空间（独立表空间不会自动回收、会持续增长），同时有效减小数据库存储文件，提高存储性能。

6.合理设计数据表索引，尽量利用主键更新，表更新频繁的话也会导致索引更新频繁，索引过多增加了开销，添加适当主键。

7.选择合适的索引，B+数索引是记录索引字段，可以通过查询索引可能达到数据库查询的效果（查询字段刚好是索引字段），如果字段较小而且不多的话可以考虑，可以部分匹配（组合索引）。而hash索引是对整条记录进行hash，查询必须匹配所有索引字段，但是索引存储数据较小。

8.合理的设计数据库的查询cache，减小数据库查询解析，提高查询效率和性能。

9.对大表可以进行分表和分库处理。一般采用对表主键hash值处理分成几个hash段，对每个hash段的数据存储在一个表中。每次存取都通过hash值觉得存储对应的表。