一文成为MySQL调优老鸟
一文成为MySQL调优老鸟
一 定位性能低的SQL
1 查看是否开启了慢查询日志
show variables like 'slow_query_log';
默认是OFF，不开启，可以手动开启
2 开启慢查询日志
set global slow_query_log=1;
3 设置慢查询日志的阈值
慢查询日志的阈值默认是10，单位是秒。
对于线上服务来说，10秒太长了，我们可以手动修改。
一种是通过MySQL命令修改，比如修改为1秒：
set long_query_time=1;
二 explain
type：访问类型，表示以何种方式去访问数据库，最容易想的是全表扫描，即直接暴力的遍历一张表去寻找需要的数据，效率非常低下。
访问的类型有很多，效率从最好到最坏依次是：system > const > eq_ref > ref > fulltext > ref_or_null > index_merge > unique_subquery > index_subquery > range > index > ALL
二 SQL优化
前言
****sql优化****是一个大家都比较关注的热门话题，无论你在面试，还是工作中，都很有可能会遇到。
如果某天你负责的某个线上接口，出现了性能问题，需要做优化。那么你首先想到的很有可能是优化sql语句，因为它的改造成本相对于代码来说也要小得多。
那么，如何优化sql语句呢？
这篇文章从15个方面，分享了sql优化的一些小技巧，希望对你有所帮助。
1、避免使用select
很多时候，我们写sql语句时，为了方便，喜欢直接使用select *，一次性查出表中所有列的数据。
反例：
select * from user where id=1;
在实际业务场景中，可能我们真正需要使用的只有其中一两列。查了很多数据，但是不用，白白浪费了数据库资源，比如：内存或者cpu。
此外，多查出来的数据，通过网络IO传输的过程中，也会增加数据传输的时间。
还有一个最重要的问题是：select \*不会走覆盖索引，会出现大量的回表操作，而从导致查询sql的性能很低。
那么，如何优化呢？
正例：
select name,age from user where id=1;
sql语句查询时，*只查需要用到的列*，多余的列根本无需查出来。
2、用union all代替union
我们都知道sql语句使用union关键字后，可以获取排重后的数据。
而如果使用union all关键字，可以获取所有数据，包含重复的数据。
反例：
(select * from user where id=1)
union
(select * from user where id=2);
排重的过程需要遍历、排序和比较，它更耗时，更消耗cpu资源。
所以如果能用union all的时候，尽量不用union。
正例：
(select * from user where id=1)
union all
(select * from user where id=2);
除非是有些特殊的场景，比如union all之后，结果集中出现了重复数据，而业务场景中是不允许产生重复数据的，这时可以使用union。
3、小表驱动大表
小表驱动大表，也就是说用小表的数据集驱动大表的数据集。
假如有order和user两张表，其中order表有10000条数据，而user表有100条数据。
这时如果想查一下，所有有效的用户下过的订单列表。
可以使用**in**关键字****实现：
select * from order
where user_id in (select id from user where status=1)
也可以使用**exists**关键字****实现：
select * from order
where exists (select 1 from user where order.user_id = user.id and status=1)
前面提到的这种业务场景，使用in关键字去实现业务需求，更加合适。
为什么呢？
因为如果sql语句中包含了in关键字，则它会优先执行in里面的子查询语句，然后再执行in外面的语句。如果in里面的数据量很少，作为条件查询速度更快。
而如果sql语句中包含了exists关键字，它优先执行exists左边的语句（即主查询语句）。然后把它作为条件，去跟右边的语句匹配。如果匹配上，则可以查询出数据。如果匹配不上，数据就被过滤掉了。
这个需求中，order表有10000条数据，而user表有100条数据。order表是大表，user表是小表。如果order表在左边，则用in关键字性能更好。
总结一下：
- *
in适用于左边大表，右边小表。*- *
exists适用于左边小表，右边大表。*
不管是用in，还是exists关键字，其核心思想都是用小表驱动大表。
4、批量操作
如果你有一批数据经过业务处理之后，需要插入数据，该怎么办？
反例：
for(Order order: list){
orderMapper.insert(order):
}
在循环中逐条插入数据。
insert into order(id,code,user_id)
values(123,'001',100);
该操作需要多次请求数据库，才能完成这批数据的插入。
但众所周知，我们在代码中，每次远程请求数据库，是会消耗一定性能的。而如果我们的代码需要请求多次数据库，才能完成本次业务功能，势必会消耗更多的性能。
那么如何优化呢？
正例：
orderMapper.insertBatch(list):
提供一个批量插入数据的方法。
insert into order(id,code,user_id)
values(123,'001',100),(124,'002',100),(125,'003',101);
这样只需要远程请求一次数据库，sql性能会得到提升，数据量越多，提升越大。
但需要注意的是，不建议一次批量操作太多的数据，如果数据太多数据库响应也会很慢。批量操作需要把握一个度，建议每批数据尽量控制在500以内。如果数据多于500，则分多批次处理。
5、多用limit
有时候，我们需要查询某些数据中的第一条，比如：查询某个用户下的第一个订单，想看看他第一次的首单时间。
反例：
select id, create_date
from order
where user_id=123
order by create_date asc;
根据用户id查询订单，按下单时间排序，先查出该用户所有的订单数据，得到一个订单集合。然后在代码中，获取第一个元素的数据，即首单的数据，就能获取首单时间。
List<Order> list = orderMapper.getOrderList();
Order order = list.get(0);
虽说这种做法在功能上没有问题，但它的效率非常不高，需要先查询出所有的数据，有点浪费资源。
那么，如何优化呢？
正例：
select id, create_date
from order
where user_id=123
order by create_date asc
limit 1;
使用**limit 1**，只返回该用户下单时间最小的那一条数据即可。
此外，在删除或者修改数据时，为了防止误操作，导致删除或修改了不相干的数据，也可以在sql语句最后加上limit。
例如：
update order set status=0,edit_time=now(3)
where id>=100 and id<200 limit 100;
这样即使误操作，比如把id搞错了，也不会对太多的数据造成影响。
SQL查找是否"存在"，别再count了！
根据某一条件从数据库表中查询 『有』与『没有』，只有两种状态，那为什么在写SQL的时候，还要SELECT count(*) 呢？
无论是刚入道的程序员新星，还是精湛沙场多年的程序员老白，都是一如既往的count
反例：目前多数人的写法
多次REVIEW代码时，发现如现现象：
业务代码中，需要根据一个或多个条件，查询是否存在记录，不关心有多少条记录。普遍的SQL及代码写法如下
#### SQL写法:
SELECT count(*) FROM table WHERE a = 1 AND b = 2
#### Java写法:
int nums = xxDao.countXxxxByXxx(params);
if ( nums > 0 ) {
//当存在时，执行这里的代码
} else {
//当不存在时，执行这里的代码
}
是不是感觉很OK，没有什么问题。
优化方案
推荐写法如下：
#### SQL写法:
SELECT 1 FROM table WHERE a = 1 AND b = 2 LIMIT 1
#### Java写法:
Integer exist = xxDao.existXxxxByXxx(params);
if ( exist != NULL ) {
//当存在时，执行这里的代码
} else {
//当不存在时，执行这里的代码
}
SQL不再使用count，而是改用LIMIT 1，让数据库查询时遇到一条就返回，不要再继续查找还有多少条了
业务代码中直接判断是否非空即可
总结
根据查询条件查出来的条数越多，性能提升的越明显，在某些情况下，还可以减少联合索引的创建。
6、in中值太多
对于批量查询接口，我们通常会使用in关键字过滤出数据。比如：想通过指定的一些id，批量查询出用户信息。
sql语句如下：
select id,name from category
where id in (1,2,3...100000000);
如果我们不做任何限制，该查询语句一次性可能会查询出非常多的数据，很容易导致接口超时。
这时该怎么办呢？
select id,name from category
where id in (1,2,3...100)
limit 500;
可以在sql中对数据用limit做限制。
不过我们更多的是要在业务代码中加限制，伪代码如下：
public List<Category> getCategory(List<Long> ids) {
if(CollectionUtils.isEmpty(ids)) {
return null;
}
if(ids.size() > 500) {
throw new BusinessException("一次最多允许查询500条记录")
}
return mapper.getCategoryList(ids);
}
还有一个方案就是：如果ids超过500条记录，可以分批用多线程去查询数据。每批只查500条记录，最后把查询到的数据汇总到一起返回。
不过这只是一个临时方案，不适合于ids实在太多的场景。因为ids太多，即使能快速查出数据，但如果返回的数据量太大了，网络传输也是非常消耗性能的，接口性能始终好不到哪里去。
7、增量查询
有时候，我们需要通过远程接口查询数据，然后同步到另外一个数据库。
反例：
select * from user;
如果直接获取所有的数据，然后同步过去。这样虽说非常方便，但是带来了一个非常大的问题，就是如果数据很多的话，查询性能会非常差。
这时该怎么办呢？
正例：
select * from user
where id>#{lastId} and create_time >= #{lastCreateTime}
limit 100;
按id和时间升序，每次只同步一批数据，这一批数据只有100条记录。每次同步完成之后，保存这100条数据中最大的id和时间，给同步下一批数据的时候用。
通过这种增量查询的方式，能够提升单次查询的效率。
8 、高效的分页
有时候，列表页在查询数据时，为了避免一次性返回过多的数据影响接口性能，我们一般会对查询接口做分页处理。
在mysql中分页一般用的limit关键字：
select id,name,age
from user limit 10,20;
如果表中数据量少，用limit关键字做分页，没啥问题。但如果表中数据量很多，用它就会出现性能问题。
比如现在分页参数变成了：
select id,name,age
from user limit 1000000,20;
mysql会查到1000020条数据，然后丢弃前面的1000000条，只查后面的20条数据，这个是非常浪费资源的。
那么，这种海量数据该怎么分页呢？
优化sql：
select id,name,age
from user where id > 1000000 limit 20;
先找到上次分页最大的id，然后利用id上的索引查询。不过该方案，要求id是连续的，并且有序的。
还能使用between优化分页。
select id,name,age
from user where id between 1000000 and 1000020;
需要注意的是between要在唯一索引上分页，不然会出现每页大小不一致的问题。
9 、用连接查询代替子查询
mysql中如果需要从两张以上的表中查询出数据的话，一般有两种实现方式：子查询 和 连接查询。
子查询的例子如下：
select * from order
where user_id in (select id from user where status=1)
子查询语句可以通过in关键字实现，一个查询语句的条件落在另一个select语句的查询结果中。程序先运行在嵌套在最内层的语句，再运行外层的语句。
子查询语句的优点是简单，结构化，如果涉及的表数量不多的话。
但缺点是mysql执行子查询时，需要创建临时表，查询完毕后，需要再删除这些临时表，有一些额外的性能消耗。
这时可以改成连接查询。具体例子如下：
select o.* from order o
inner join user u on o.user_id = u.id
where u.status=1
10、 join的表不宜过多
根据阿里巴巴开发者手册的规定，join表的数量不应该超过3个。
反例：
select a.name,b.name.c.name,d.name
from a
inner join b on a.id = b.a_id
inner join c on c.b_id = b.id
inner join d on d.c_id = c.id
inner join e on e.d_id = d.id
inner join f on f.e_id = e.id
inner join g on g.f_id = f.id
如果join太多，mysql在选择索引的时候会非常复杂，很容易选错索引。
并且如果没有命中中，nested loop join 就是分别从两个表读一行数据进行两两对比，复杂度是 n^2。
所以我们应该尽量控制join表的数量。
正例：
select a.name,b.name.c.name,a.d_name
from a
inner join b on a.id = b.a_id
inner join c on c.b_id = b.id
如果实现业务场景中需要查询出另外几张表中的数据，可以在a、b、c表中冗余专门的字段，比如：在表a中冗余d_name字段，保存需要查询出的数据。
不过我之前也见过有些ERP系统，并发量不大，但业务比较复杂，需要join十几张表才能查询出数据。
所以join表的数量要根据系统的实际情况决定，不能一概而论，尽量越少越好。
11、join时要注意
我们在涉及到多张表联合查询的时候，一般会使用join关键字。
而join使用最多的是left join和inner join。
- *
left join：求两个表的交集外加左表剩下的数据。*- *
inner join：求两个表交集的数据。*
使用inner join的示例如下：
select o.id,o.code,u.name
from order o
inner join user u on o.user_id = u.id
where u.status=1;
如果两张表使用inner join关联，mysql会自动选择两张表中的小表，去驱动大表，所以性能上不会有太大的问题。
使用left join的示例如下：
select o.id,o.code,u.name
from order o
left join user u on o.user_id = u.id
where u.status=1;
如果两张表使用left join关联，mysql会默认用left join关键字左边的表，去驱动它右边的表。如果左边的表数据很多时，就会出现性能问题。
要特别注意的是在用left join关联查询时，左边要用小表，右边可以用大表。如果能用inner join的地方，尽量少用left join。
12 、控制索引的数量
众所周知，索引能够显著的提升查询sql的性能，但索引数量并非越多越好。
因为表中新增数据时，需要同时为它创建索引，而索引是需要额外的存储空间的，而且还会有一定的性能消耗。
阿里巴巴的开发者手册中规定，单表的索引数量应该尽量控制在5个以内，并且单个索引中的字段数不超过5个。
mysql使用的B+树的结构来保存索引的，在insert、update和delete操作时，需要更新B+树索引。如果索引过多，会消耗很多额外的性能。
那么，问题来了，如果表中的索引太多，超过了5个该怎么办？
这个问题要辩证的看，如果你的系统并发量不高，表中的数据量也不多，其实超过5个也可以，只要不要超过太多就行。
但对于一些高并发的系统，请务必遵守单表索引数量不要超过5的限制。
那么，高并发系统如何优化索引数量？
能够建联合索引，就别建单个索引，可以删除无用的单个索引。
将部分查询功能迁移到其他类型的数据库中，比如：Elastic Seach、HBase等，在业务表中只需要建几个关键索引即可。
13、选择合理的字段类型
char表示固定字符串类型，该类型的字段存储空间的固定的，会浪费存储空间。
alter table order
add column code char(20) NOT NULL;
**varchar表示变长字符串类型，**该类型的字段存储空间会根据实际数据的长度调整，不会浪费存储空间。
alter table order
add column code varchar(20) NOT NULL;
如果是长度固定的字段，比如用户手机号，一般都是11位的，可以定义成char类型，长度是11字节。
但如果是企业名称字段，假如定义成char类型，就有问题了。
如果长度定义得太长，比如定义成了200字节，而实际企业长度只有50字节，则会浪费150字节的存储空间。
如果长度定义得太短，比如定义成了50字节，但实际企业名称有100字节，就会存储不下，而抛出异常。
所以建议将企业名称改成varchar类型，变长字段存储空间小，可以节省存储空间，而且对于查询来说，在一个相对较小的字段内搜索效率显然要高些。
我们在****选择字段类型****时，应该遵循这样的原则：
- 能用数字类型，就不用字符串，因为字符的处理往往比数字要慢。
- 尽可能使用小的类型，比如：用bit存布尔值，用tinyint存枚举值等。
- 长度固定的字符串字段，用char类型。
- 长度可变的字符串字段，用varchar类型。
- 金额字段用decimal，避免精度丢失问题。
还有很多原则，这里就不一一列举了。
14、提升group by的效率
我们有很多业务场景需要使用group by关键字，它主要的功能是去重和分组。
通常它会跟having一起配合使用，表示分组后再根据一定的条件过滤数据。
反例：
select user_id,user_name from order
group by user_id
having user_id <= 200;
这种写法性能不好，它先把所有的订单根据用户id分组之后，再去过滤用户id大于等于200的用户。
分组是一个相对耗时的操作，为什么我们不先缩小数据的范围之后，再分组呢？
正例：
select user_id,user_name from order
where user_id <= 200
group by user_id
使用where条件在分组前，就把多余的数据过滤掉了，这样分组时效率就会更高一些。
其实这是一种思路，不仅限于group by的优化。我们的sql语句在做一些耗时的操作之前，应尽可能缩小数据范围，这样能提升sql整体的性能。
15 、索引优化
sql优化当中，有一个非常重要的内容就是：索引优化*。*
很多时候sql语句，走了索引，和没有走索引，执行效率差别很大。所以索引优化被作为sql优化的首选。
索引优化的第一步是：检查sql语句有没有走索引。
那么，如何查看sql走了索引没？
可以使用**explain命令**，查看mysql的执行计划。
例如：
explain select * from `order` where code='002';
结果：
通过这几列可以判断索引使用情况，执行计划包含列的含义如下图所示：
三 索引优化
索引优化规则
1、✨like语句的前导模糊查询不能使用索引
select * from doc where title like '%XX'； --不能使用索引
select * from doc where title like 'XX%'； --非前导模糊查询，可以使用索引
- 因为页面搜索严禁左模糊或者全模糊，如果需要可以使用搜索引擎来解决。
2、union、in、or 都能够命中索引，建议使用 in
union能够命中索引，并且MySQL 耗费的 CPU 最少。
select * from doc where status=1
union all
select * from doc where status=2;
in能够命中索引，查询优化耗费的 CPU 比union all多，但可以忽略不计，一般情况下建议使用in。
select * from doc where status in (1, 2);
or新版的 MySQL 能够命中索引，查询优化耗费的 CPU 比in多，不建议频繁用or。
select * from doc where status = 1 or status = 2
- 补充：有些地方说在
where条件中使用or，索引会失效，造成全表扫描，这是个误区：
- ①要求
where子句使用的所有字段，都必须建立索引； - ②如果数据量太少，mysql制定执行计划时发现全表扫描比索引查找更快，所以会不使用索引；
- ③确保mysql版本
5.0以上，且查询优化器开启了index_merge_union=on, 也就是变量optimizer_switch里存在index_merge_union且为on。
3、✨负向条件查询不能使用索引
- 负向条件有：
!=、<>、not in、not exists、not like等。 - 例如下面SQL语句：
select * from doc where status != 1 and status != 2;
- 可以优化为 in 查询：
select * from doc where status in (0,3,4);
4、✨联合索引最左前缀原则
- 如果在
(a,b,c)三个字段上建立联合索引，那么他会自动建立a|(a,b)|(a,b,c)组索引。 - 登录业务需求，SQL语句如下：
select uid, login_time from user where login_name=? andpasswd=?
- 可以建立
(login_name, passwd)的联合索引。因为业务上几乎没有passwd的单条件查询需求，而有很多login_name的单条件查询需求，所以可以建立(login_name, passwd)的联合索引，而不是(passwd, login_name)。
- 建立联合索引的时候，区分度最高的字段在最左边
- 存在非等号和等号混合判断条件时，在建立索引时，把等号条件的列前置。如
where a>? and b=?，那么即使a的区分度更高，也必须把b放在索引的最前列。
- 最左前缀查询时，并不是指SQL语句的where顺序要和联合索引一致。
- 下面的 SQL 语句也可以命中
(login_name, passwd)这个联合索引：
select uid, login_time from user where passwd=? andlogin_name=?
- 但还是建议
where后的顺序和联合索引一致，养成好习惯。
- 假如
index(a,b,c),where a=3 and b like 'abc%' and c=4，a能用，b能用，c不能用。
5、✨不能使用索引中范围条件右边的列（范围列可以用到索引），范围列之后列的索引全失效
- 范围条件有：
<、<=、>、>=、between等。 - 索引最多用于一个范围列，如果查询条件中有两个范围列则无法全用到索引。
- 假如有联合索引
(empno、title、fromdate)，那么下面的 SQL 中emp_no可以用到索引，而title和from_date则使用不到索引。
select * from employees.titles where emp_no < 10010' and title='Senior Engineer'and from_date between '1986-01-01' and '1986-12-31'
6、✨不要在索引列上面做任何操作（计算、函数），否则会导致索引失效而转向全表扫描
- 例如下面的 SQL 语句，即使
date上建立了索引，也会全表扫描：
select * from doc where YEAR(create_time) <= '2016';
- 可优化为值计算，如下：
select * from doc where create_time <= '2016-01-01';
- 比如下面的 SQL 语句：
select * from order where date < = CURDATE()；
- 可以优化为：
select * from order where date < = '2018-01-2412:00:00';
7、✨强制类型转换会全表扫描
- 字符串类型不加单引号会导致索引失效，因为mysql会自己做类型转换,相当于在索引列上进行了操作。
- 如果
phone字段是varchar类型，则下面的 SQL 不能命中索引。
select * from user where phone=13800001234
- 可以优化为：
select * from user where phone='13800001234';
8、更新十分频繁、数据区分度不高的列不宜建立索引
- 更新会变更 B+ 树，更新频繁的字段建立索引会大大降低数据库性能。
- “性别”这种区分度不大的属性，建立索引是没有什么意义的，不能有效过滤数据，性能与全表扫描类似。
- 一般区分度在80%以上的时候就可以建立索引，区分度可以使用
count(distinct(列名))/count(*)来计算。
9、利用覆盖索引来进行查询操作，避免回表，减少select * 的使用
- 覆盖索引：查询的列和所建立的索引的列个数相同，字段相同。
- 被查询的列，数据能从索引中取得，而不用通过行定位符 row-locator 再到 row 上获取，即“被查询列要被所建的索引覆盖”，这能够加速查询速度。
- 例如登录业务需求，SQL语句如下。
Select uid, login_time from user where login_name=? and passwd=?
- 可以建立
(login_name, passwd, login_time)的联合索引，由于login_time已经建立在索引中了，被查询的uid和login_time就不用去row上获取数据了，从而加速查询。
10、索引不会包含有NULL值的列
- 只要列中包含有NULL值都将不会被包含在索引中，复合索引中只要有一列含有
NULL值，那么这一列对于此复合索引就是无效的。所以我们在数据库设计时，尽量使用not null约束以及默认值。
11、is null, is not null无法使用索引
12、如果有order by、group by的场景，请注意利用索引的有序性
order by最后的字段是组合索引的一部分，并且放在索引组合顺序的最后，避免出现file_sort 的情况，影响查询性能。
- 例如对于语句
where a=? and b=? order by c，可以建立联合索引(a,b,c)。
- 如果索引中有范围查找，那么索引有序性无法利用，如
WHERE a>10 ORDER BY b;，索引(a,b)无法排序。
13、使用短索引（前缀索引）
- 对列进行索引，如果可能应该指定一个前缀长度。例如，如果有一个
CHAR(255)的列，如果该列在前10个或20个字符内，可以做到既使得前缀索引的区分度接近全列索引，那么就不要对整个列进行索引。因为短索引不仅可以提高查询速度而且可以节省磁盘空间和I/O操作，减少索引文件的维护开销。可以使用count(distinct leftIndex(列名, 索引长度))/count(*)来计算前缀索引的区分度。 - 但缺点是不能用于
ORDER BY和GROUP BY操作，也不能用于覆盖索引。 - 不过很多时候没必要对全字段建立索引，根据实际文本区分度决定索引长度即可。
14、利用延迟关联或者子查询优化超多分页场景
- MySQL 并不是跳过
offset行，而是取offset+N行，然后返回放弃前 offset 行，返回 N 行，那当 offset 特别大的时候，效率就非常的低下，要么控制返回的总页数，要么对超过特定阈值的页数进行 SQL 改写。 - 示例如下，先快速定位需要获取的
id段，然后再关联:
selecta.* from 表1 a,(select id from 表1 where 条件 limit100000,20 ) b where a.id=b.id；
15、如果明确知道只有一条结果返回，limit 1 能够提高效率
- 比如如下 SQL 语句：
select * from user where login_name=?;
- 可以优化为：
select * from user where login_name=? limit 1
- 自己明确知道只有一条结果，但数据库并不知道，明确告诉它，让它主动停止游标移动。
16、✨超过三个表最好不要 join
- 需要 join 的字段，数据类型必须一致，多表关联查询时，保证被关联的字段需要有索引。
- 例如：
left join是由左边决定的，左边的数据一定都有，所以右边是我们的关键点，建立索引要建右边的。当然如果索引在左边，可以用right join。
17、✨单表索引建议控制在5个以内
18、SQL 性能优化 explain 中的 type：至少要达到 range 级别，要求是 ref 级别，如果可以是 consts 最好
consts：单表中最多只有一个匹配行（主键或者唯一索引），在优化阶段即可读取到数据。ref：使用普通的索引（Normal Index）。range：对索引进行范围检索。- 当
type=index时，索引物理文件全扫，速度非常慢。
19、业务上具有唯一特性的字段，即使是多个字段的组合，也必须建成唯一索引
- 不要以为唯一索引影响了
insert速度，这个速度损耗可以忽略，但提高查找速度是明显的。另外，即使在应用层做了非常完善的校验控制，只要没有唯一索引，根据墨菲定律，必然有脏数据产生。
20.创建索引时避免以下错误观念
- 索引越多越好，认为需要一个查询就建一个索引。
- 宁缺勿滥，认为索引会消耗空间、严重拖慢更新和新增速度。
- 抵制惟一索引，认为业务的惟一性一律需要在应用层通过“先查后插”方式解决。
- 过早优化，在不了解系统的情况下就开始优化。