带你快速搞定Mysql优化

目录

• 1、查询语句的执行顺序
• 2、数据类型的选择
• 3、索引优化
• 主键索引
• 多列索引
• 4、查询性能优化
• 1、查询的生命周期
• 2、SELECT语句尽量指明查询字段名称
• 3、小表驱动大表
• 总结

1、查询语句的执行顺序

select[distinct]  
from  
join（如left join）  
on  
where  
group by  
having  
union  
order by  
limit

执行顺序: from where 聚 having order limit

1、from 先做表连接

2、where 进行条件限制

3、然后做聚合 group by

4、然后做 having 过滤

5、然后对结果进行排序

6、最后限制数量 limit

sql 的查询执行顺序我想有些人还是记不住的，我的建议就是自己整理一个简单的记忆短句，然后反复阅读，直至记住，下次再遇到问题的时候自己回想下自己记忆的短句，能解决问题就行了，死记硬背就好，尽量简短。

2、数据类型的选择

• 更小的数据类型通常更好：因为更好的存储空间

• 简单数据类型

• 尽量避免NULL：含NULL复合索引无效. 可为NULL的列会使用更多的存储空间，在Mysql中也需要特殊处理。

TIMESTAMP空间利用比DATETIME小的多，比整形方便处理，整形不会带来任何好处。

IPV4的地址，经常使用VARCHAR(15)来存储。然而它实际是32为无符号整数，不是字符串。用小数点将地址分成四段只是为了让人们容易阅读。

对象关系映射（ORM）系统（以及使用它们的“框架”）通常都是低效的，一些ORM系统会存储任意类型的数据到任意类型的后端数据存储中。这种设计对开发者很有吸引力，因为这使得开发者可以用面向对象的方式工作，不需要考虑数据是怎么存储的。

原则：尽可能小（占用存储空间少）、尽可能定长（占用存储空间固定）、尽可能使用整数。

3、索引优化

主键索引

InnoDB通过主键聚集数据，数据按主键顺序存储，更新主键索引列的代价很高，因为会强制InnoDB将每个被更新的行移动到新的位置

多列索引

一个常见的错误就是为每个列创建单独的索引，这种错误的认知一般都是听了“把where条件里面的列都建上索引”这样模糊的建议导致的。

实际上，在多个列上建立独立的索引大部分情况下都不能提高mysql的查询性能，有时反而会使查询变的更慢。

因为索引需要额外的空间记录，在查询到时候如果索引使用不当，需要同时加载索引和数据，会造成查询慢。

注意：索引列的顺序

正确的顺序依赖于使用该索引的查询，并且同时需要考虑如何更好地满足排序和分组的需要

一般性的经验法则：

1、将选择性最高的列放在最前面

2、在查询的时候不要对索引列进行函数操作

3、尽可能的使用索引

4、查询性能优化

1、查询的生命周期

客户端 -> 服务器查询缓存 -> 解析器 -> 预处理器 -> 查询优化器-> 查询执行引擎 -> 存储引擎 -> 数据

尽量命中缓存，尽量少读数据，尽量少查数据。

2、SELECT语句尽量指明查询字段名称

• select * 会增加不必要的消耗，如果使用的字段很少，会导致读取的数据量变多，网络传输也会变慢，消耗cpu，所以 select count(1) 优于 select count(*)
• 在表进行修改的时候，代码里的查询字段可能会忘记修改，导致代码报错，是安全隐患。

3、小表驱动大表

尽量少的关联数据读取，数据量越少越快，

注意：副表不存在的数据是null

优化数据访问原则：

1、是否向数据库请求了不需要的数据，减少数据加载和网络传输

2、查询是否扫描了大量不需要的记录（返回的行数/扫描的行数），降低读取数据的时间

总结

• 使用小而简单的合适的数据类型，尽量避免NULL
• 避免过度设计，例如会导致复杂查询的schema设计
• 合理混用范式化和反范式化设计，以空间换时间，适当的冗余带来速度
• 行访问是很慢的，最好读取的数据块中能包含尽可能多所需要的行
• 按顺序访问范围数据是很快的
• 当数据量逐渐增大时，不恰当的索引会导致性能急剧下降

要想写一个好的查询，必须要理解schema设计、索引设计等知识。他们之间环环相扣，密不可分。只有综合考虑各方需

求，权衡利弊，才能设计出一个高性能的数据库系统。

本篇文章就到这里了，希望能给你带来帮助，也希望您能够多多关注脚本之家的更多内容！