进阶学习之优化MySQL

索引

是什么

是一种特殊的数据，保存实际数据的位置，通过索引能快速定位到实际的数据，提高查询速度。

如：书籍目录、楼层索引

优缺点

优点：大大提高查询速度

缺点：

​ 1） 占用存储空间

​ 2） 降低增删改数据

​ 3） 创建时比较耗时

索引的分类

按功能分类

1. 普通索引

   建在某一个列上，提高按该列查询速度，没有特别约束，表中可以建多个

   语法：

   create index 索引名 on 表名(列名);
   

2. 主键索引

   建主键时，同时创建，约束是不能重复、不能为空、表只能有一个

3. 唯一索引

   建在某一个列上，提高按该列查询速度同时该列不能重复，表中可以建多个

   create unique index 索引名 on 表名(列名);
   

4. 全文索引

   用于长文本的列（text）

   create fulltext index 索引名 on 表名(列名);
   

5. 组合索引

   用于多个列的查询

   create index 索引名 on 表名(列名1,列名2,列名3);
   

   最左前缀原则：把最重要的列放到左边

   查询时如果没有最左边的列，索引就失效

   列1生效

   列1,列2 生效

   列1,列2,列3 生效

   列2,列3 失效

索引的使用

explain 查询语句;

分析查询语句，是否能正常使用索引

最重要的：type、key、ref

使用场景

1. 数据量特别大（百万级别）
2. 列没有太多空值
3. 列没有很多重复
4. 列经常用于查询和排序

失效情况

1. like ‘%xxx’ 模糊查询%在前面
2. != 情况
3. 使用or，or两边每个列都需要有索引，否则失效
4. 使用组合索引，没有使用最左边的列
5. 条件中出现表达式或函数 ， 如： age - 1 = 19、year(birth_day) = 1990
6. is null 或 is not null、in

索引的数据结构

B-Tree和B+Tree

B-Tree属于平衡搜索多叉树，分为根节点、枝节点、叶子节点，每个节点由：键、数据、指针组成

指针指向下面的子节点，搜索时采用二分查找，效率比较高。

查询效率和树的高度（高度越高、效率越低）

B+Tree是B-Tree升级版

将数据全部放到叶子节点，非叶子节点只保存键和指针，磁盘块就能保存更多节点，降低了树的高度，大大提升了查找效率。

​

数据库设计

1. 需求分析，确定功能

2. 概要设计

​ 概念建模：确定系统涉及对象，以及对象相关属性，还有对象之间的关系

​ E-R图，容易理解

​ 1) 实体，长方形

​ 2) 属性，椭圆形

​ 3) 关系，菱形

​ 4) 连接线

3. 详细设计

​ 逻辑建模：设计表，表的字段、类型、约束等

​ 数据库设计文档（数据库字典）

​ 三范式

​ 第一范式：每一列原子性，不可再分

​ 第二范式：每一列都和主键相关

​ 第三范式：每一列都和主键直接相关，消除传递依赖

​ 学生表：id、姓名、系名、系主任

​ —> 学生表： id、姓名、系id

​ —> 系表：id、名称、系主任

​ 范式

​ 优点： 规范数据库设计，消除冗余，方便数据的修改

​ 缺点： 降低查询效率

4. 开发阶段

​ 物理建模：建库建表建约束…

MySQL优化

架构优化

​ 系统规模大，用户量、数据量大

- MySQL集群，多台MySQL服务器

- 分库分表

​ 垂直分库

​ 将相关的表，放入不同的数据库，如将电商数据库分为：订单数据库、库存数据库

​ 水平分库

​ 将一个数据库的数据，分开存储到不同的服务器上

​ 垂直分表

​ 将表的字段分开，放到不同的表中

​ 如：商品表分为商品和详情表

​ 某些数据在分页中查看，某些大的数据text\blob放详情表

​ 水平分表

​ 数据量特别大，会严重影响查询

​ 将一个表的数据分到多张表中

• 主从复制

  多台MYSQL服务器，分为主（master）和从（slave）服务器

  一主多从，多主多从

-  读写分离

​ 建立在MySQL主从复制的基础上，分为主数据库和从数据库

​ 主数据库负责写（增删改）从数据库负责读（查询）

​ 主数据库写入数据后，会记录到bin-log文件中，从数据库会将bin-log中的数据同步过来

​ 使用数据库中间件：Sharding-jdbc、myCat等

设计优化

• 范式

  ​ 优点： 规范数据库设计，消除冗余，方便数据的修改

  ​ 缺点： 降低查询效率

  反范式 在表中加入冗余字段

  ​ 提高查询效率

  表的设计按具体情况范式和反范式结合使用

• 选用合适的存储引擎

  存储引擎是数据库中存储数据的方式，如存储的位置、存储约束、数据结构等的结合

  不同的存储引擎有不同的功能和性能

  常用存储引擎：

  • InnoDB
  • MyIsam
  • Memory （不能持久化）
  • Blackhole
  • Performance Schema
  • …

  不同点：

  	InnoDB	MyIsam
  事务	支持	不支持
  查询性能	以前低于MyIsam，目前差不多	快
  锁	支持表锁和行锁，并发性能高	支持表锁
  外键	支持	不支持
  行数保存	不保存，需要用count(*)	保存查询数据
  索引	非聚簇索引（索引和实际数据不在一起）	聚簇索引（索引和实际数据在一起）

  一般情况下使用InnoDB

• 字段优化

  1. 主键

     必须给表设置主键id

     尽量不用业务字段，使用没有意义字段如（int自增）

     int自增效率高于UUID

  2. 数据类型

     字符串 尽量使用varchar，不使用char （varchar存储空间更小，数据少查询效率高）

     尽量使用小的数据类型，如：性别 varchar(1) 男 女 --> int 1 0 --> small int --> tiny int (1字节 -128~127)

  3. 尽量加not null约束

使用优化

​ 1） 索引

​ 数据量大，使用索引

​ 介绍索引的应用场景、分类

​ 2） 缓存

​ Redis缓存、MyBatis缓存

​ 3） 使用连接池

​ Druid\Hikari\c3p0\dbcp

​ 4） 分页查询

查询优化

​ 1. 查询之前，使用explain查看执行计划

​ 2. 尽量避免select *

​ 3. 尽量避免where中使用<>和！=

​ 4. 尽量避免where中使用is null和is not null

​ 5. 尽量避免where中列避免使用函数和表达式 where 1 + age = 20 where max(age) = 20

​ 6. 尽量避免模糊查询时，通配符在前面，如 name like ‘%xx’

​ 7. 尽量使用exists代替in

8. 尽量避免where中使用or，union 代替or

   select name from student where age = 20 or address =‘武汉’

   ==>

   select name from student where age = 20

   union

is not null

​ 5. 尽量避免where中列避免使用函数和表达式 where 1 + age = 20 where max(age) = 20

​ 6. 尽量避免模糊查询时，通配符在前面，如 name like ‘%xx’

​ 7. 尽量使用exists代替in

8. 尽量避免where中使用or，union 代替or

   select name from student where age = 20 or address =‘武汉’

   ==>

   select name from student where age = 20

   union

   select name from student where address =‘武汉’