数据库优化

1.数据类型选择原则

越小越好，简单就好

2.五种整型（主要就是范围）

int bigint（互联网产品uid常用） smallint tinyint（名字常用） mediumint

大部分的需求都可以考虑int和bigint。

3.实数(精度标度的问题，数据取出时不一样)

float,double decimal

账户的信息：用decimal,内部以字符串形式存储，所以精度可以很高。

4.字符串

char/varchar binary/varbinary enum/set(枚举/集合)

char/varchar：有/无字符精度的概念。char:字符长度在定长的小范围内变化的时候比较好,否则系统效率低，空间浪费大。

windowDB中char/varchar差不多，优先考虑varchar即可。

静态表：整型+char。只要有一个字段是txt、varchar、blod，就是动态表。

binary/varbinary：无字符精度的概念，二进制存储，存进去是什么取出来就是什么。

enum/set：单项/多项选择。

性别：存的是0和1，但还需要一个map表，记录0表示男，1表示女。

枚举enum的话是将这两部分都包括。

角色问题，比如是否是管理员之类，都是枚举型。

5.时间和日期

year,date：较少用。一般很少有只存年的，一般是年月日时分秒都存一下，然后再在列上进行一些计算得到年。

datetime：1970-9999年，栈为8字节，有时区概念，缺省值：需要自己设置。

timestamp：1970-2038年，栈为4字节，无时区概念，缺省值：1.每次更新时自己更新为当前的时间。2.插入时设置为当前时间。

数据量很大的时候（百亿条），detetime和timestamp很占空间，这时换成整型数值进行存储。

考虑到软件用到2038年概率较小，2038年前mysql数据类型会不会有变化等，我们选用timestamp较为便捷。

6.IP（如：xx.xx.xx.xx）如何存

一般用char(15)较多，但当数据量非常大的时候，选用整型存储：2个函数inet——aton(),inet_ntoa()

7.关联查询注意的问题

 1.由于类型不同而关联出错

 2.varchar和enum列间关联查询的速度不同：enum和varchar关联时快。

8.索引设计观念

 1.一个SQL有多种写法：比如有“小表驱动大表”的策略

 2.索引不是越多越好：索引是为了提高查询速度，但是会降低写入（insert/update）速度。索引数应<=5。

 3.优化该优化的语句：

比如优化查询频率高（核心业务）的语句，提高查询速度。

   “最好的优化就是不做这个优化”，就是应该做设计的时候把数据库做好，以减少数据库的优化。

 4.建立索引是一个取舍和均衡的过程：

索引是建立在真实的数据上的：有时候建立了一个索引，真正用的时候并用不到这个索引。

建议：先按照索引建立的优化原则先建立一个索引，线上再对它进行改进。会需要不断的优化与改进。

9.索引考虑过程

 1.数据都有哪些类型的查询语句？

 2.每种类型的查询语句在一个周期内占总查询量的比例是多少？：我们要优化查询量最大的那些语句。

 3.是否分析过slow log？

 4.哪些语句是产品的核心功能？

 5.索引控制在5个以内

 6.优化query（查询）范围：（其实SQL语句都包括，只是DML多一些）

不仅仅考虑select还要考虑update/insert/delete（要考虑提高写入速度和同步速度）（延迟一般是update/delete）

 7.选择性好(这一列中数据重复性非常低的)的列放到前面

 8.数据和索引（业务逻辑的索引）分开

 9.避免在列上做运算

 10.频繁更新的列不适合做索引