茁壮的小草
茁壮的小草

MySQL性能优化

为了保持生产环境中数据库的稳定性和性能，增强用户体验。同时也为了避免因数据库连接超时产生页面5xx的错误，有时候我们需要对数据库进行某些方面的优化。主要包括以下几个方面：

  • SQL及索引优化
  • 数据库表结构
  • 数据库系统配置参数
  • 操作系统及硬件

它们具体的优化效果及成本关系如下图所示：

MySQL性能优化_第1张图片

在生产环境下，SQL及索引优化占有比较大的比重，而且效果比较明显，根据左边的箭头，越往上优化的成本越高；效果却越来越不明显。

【说明】：本实验环境基于mysql5.6.21版本。

一、SQL优化

1、如何发现有问题的SQL?

通过慢查询日志可以发现，在使用慢查询日志之前，需要设置以下变量参数：

(product)root@localhost [(none)]> show variables like 'slow_query_log';   #开启慢查询
+----------------+-------+
| Variable_name  | Value |
+----------------+-------+
| slow_query_log | ON    |
+----------------+-------+
1 row in set (0.01 sec)

(product)root@localhost [(none)]> show variables like 'long_query_time';  #记录超过多少秒的sql将记录到慢查询日志中。为0表示记录所有sql
+-----------------+----------+
| Variable_name   | Value    |
+-----------------+----------+
| long_query_time | 1.000000 |
+-----------------+----------+
1 row in set (0.00 sec)
(product)root@localhost [(none)]> show variables like 'log_queries_not_using_indexes'; #记录没有使用索引的sql到日志中
+-------------------------------+-------+
| Variable_name                 | Value |
+-------------------------------+-------+
| log_queries_not_using_indexes | ON    |
+-------------------------------+-------+
1 row in set (0.00 sec)

1） 慢查询日志的存储格式?

### 开始时间
# Time: 151224 17:27:43
### 执行SQL的主机信息
# User@Host: root[root] @ localhost []  Id:     4
### SQL的执行信息
# Query_time: 0.125071  Lock_time: 0.122781 Rows_sent: 10  Rows_examined: 10
use sakila;
### 执行时间 SET timestamp=1450949263;
### SQL的内容 select * from actor limit 10;

 2） 使用官方mysqldumpslow工具

[root@node1 ~]# mysqldumpslow -t 1 /data/mysql/mysql_3306/data/slow.log -a

Reading mysql slow query log from /data/mysql/mysql_3306/data/slow.log
Count: 1  Time=0.00s (0s)  Lock=0.00s (0s)  Rows=0.0 (0), 0users@0hosts
  # Time: 151224 17:27:43
  # User@Host: root[root] @ localhost []  Id:     4
  # Query_time: 0.125071  Lock_time: 0.122781 Rows_sent: 10  Rows_examined: 10
  use sakila;
  SET timestamp=1450949263;
  select * from actor limit 10

官方提供的慢查询分析工具比较方便快捷，但是提供的分析数据比较有限，下面介绍一款更强大的工具

3） pt-query-digest工具

[root@node1 bin]# pt-query-digest /data/mysql/mysql_3306/data/slow.log 
#############################第一部分######################################
# 190ms user time, 490ms system time, 25.93M rss, 213.35M vsz
# Current date: Mon Dec 28 15:00:03 2015
# Hostname: node1
# Files: /data/mysql/mysql_3306/data/slow.log
# Overall: 1 total, 1 unique, 0 QPS, 0x concurrency ______________________
# Time range: all events occurred at 2015-12-24 17:27:43
# Attribute          total     min     max     avg     95%  stddev  median
# ============     ======= ======= ======= ======= ======= ======= =======
# Exec time          125ms   125ms   125ms   125ms   125ms       0   125ms
# Lock time          123ms   123ms   123ms   123ms   123ms       0   123ms
# Rows sent             10      10      10      10      10       0      10
# Rows examine          10      10      10      10      10       0      10
# Query size            28      28      28      28      28       0      28

###############################第二部分####################################
# Profile
# Rank Query ID           Response time Calls R/Call V/M   Item
# ==== ================== ============= ===== ====== ===== ============
#    1 0x5665CD6BAE86EAEC 0.1251 100.0%     1 0.1251  0.00 SELECT actor

###############################第三部分####################################
# Query 1: 0 QPS, 0x concurrency, ID 0x5665CD6BAE86EAEC at byte 0 ________
# This item is included in the report because it matches --limit.
# Scores: V/M = 0.00
# Time range: all events occurred at 2015-12-24 17:27:43
# Attribute    pct   total     min     max     avg     95%  stddev  median
# ============ === ======= ======= ======= ======= ======= ======= =======
# Count        100       1
# Exec time    100   125ms   125ms   125ms   125ms   125ms       0   125ms
# Lock time    100   123ms   123ms   123ms   123ms   123ms       0   123ms
# Rows sent    100      10      10      10      10      10       0      10
# Rows examine 100      10      10      10      10      10       0      10
# Query size   100      28      28      28      28      28       0      28
# String:
# Databases    sakila
# Hosts        localhost
# Users        root
# Query_time distribution
#   1us
#  10us
# 100us
#   1ms
#  10ms
# 100ms  ################################################################
#    1s
#  10s+
# Tables
#    SHOW TABLE STATUS FROM `sakila` LIKE 'actor'\G
#    SHOW CREATE TABLE `sakila`.`actor`\G
# EXPLAIN /*!50100 PARTITIONS*/
select * from actor limit 10\G

pt-query-digest输出内容大体分三部分，那么如何通过这个结果找到问题SQL？

  • 查询次数多且查询时间长的SQL，一般pt-query-digest输出内容的前几个查询
  • IO大的SQL:第三部分的Rows examine项
  • 未命中索引的项：注意Rows examine和Rows sent项对比

 4） explain工具

 explain可以分析某个查询的执行计划，通过执行计划分析查询是否利用索引。具体的输出参数如下：

(product)root@localhost [sakila]> explain select * from actor order by last_update;
+----+-------------+-------+------+---------------+------+---------+------+------+----------------+
| id | select_type | table | type | possible_keys | key  | key_len | ref  | rows | Extra          |
+----+-------------+-------+------+---------------+------+---------+------+------+----------------+
|  1 | SIMPLE      | actor | ALL  | NULL          | NULL | NULL    | NULL |  200 | Using filesort |
+----+-------------+-------+------+---------------+------+---------+------+------+----------------+
1 row in set (0.00 sec)
  • select_type:表示查询类型，有简单查询、连接查询等。
  • type：重要的列，从优到差的类型为：const、eq_reg、ref、range、index、all。
  • possible_keys:可能用到的索引有哪些。为空表示没有可利用的索引
  • key:实际利用的索引，为空表示没有使用索引。
  • key_len：索引的长度，越短越好
  • ref：显示索引哪一列被使用了。常数是最佳值
  • rows:扫描的行数
  • extra：重点关注using_filesort和using_temporary两项。using_filesort表示用到了排序，一般在order by情境下；using_temporary表示用到额外的临时表来存储查询的数据，一般在order by和group by情况下，出现以上两个选项表示该查询需要优化了。

 2、count()和max()的优化

 1）Max()优化：

(product)root@localhost [sakila]> explain select max(payment_date) from payment;
+----+-------------+---------+------+---------------+------+---------+------+-------+-------+
| id | select_type | table   | type | possible_keys | key  | key_len | ref  | rows  | Extra |
+----+-------------+---------+------+---------------+------+---------+------+-------+-------+
|  1 | SIMPLE      | payment | ALL  | NULL          | NULL | NULL    | NULL | 16088 | NULL  |
+----+-------------+---------+------+---------------+------+---------+------+-------+-------+
1 row in set (0.00 sec)
########################################################################################################################################
以上payment_date字段没有索引，故进行全表扫描后获得最大值
########################################################################################################################################

下面为payment_date字段添加索引，再看看效果：

(product)root@localhost [sakila]> create index idx_payment_date on payment(payment_date);
Query OK, 0 rows affected (0.23 sec)
Records: 0  Duplicates: 0  Warnings: 0

(product)root@localhost [sakila]> explain select max(payment_date) from payment;+----+-------------+-------+------+---------------+------+---------+------+------+------------------------------+
| id | select_type | table | type | possible_keys | key  | key_len | ref  | rows | Extra                        |
+----+-------------+-------+------+---------------+------+---------+------+------+------------------------------+
|  1 | SIMPLE      | NULL  | NULL | NULL          | NULL | NULL    | NULL | NULL | Select tables optimized away |
+----+-------------+-------+------+---------------+------+---------+------+------+------------------------------+
1 row in set (0.00 sec)
########################################################################################################################################
不用全表扫描了，直接从mysql内部一次读取结果，不需要再优化了。
########################################################################################################################################
2）count()优化：

 提到count()，一般都会有人误解，有人说count(*)比count(column)慢，下面实验说明。

  • count(*)与count(column)区别
(product)root@localhost [sakila]> select * from test1;
+----+--------+
| id | name   |
+----+--------+
|  1 | NULL   |
|  2 | darren |
+----+--------+

(product)root@localhost [sakila]> select count(*) from test1;
+----------+
| count(*) |
+----------+
|        2 |
+----------+
1 row in set (0.00 sec)

(product)root@localhost [sakila]> select count(name) from test1;
+-------------+
| count(name) |
+-------------+
|           1 |
+-------------+
1 row in set (0.00 sec)
########################################################################################################################################
如果字段的值有NULL，那么count(*)会包括该行，而count(有空值col)会忽略该行；
########################################################################################################################################

而在性能上，不带where条件的情况下，count(*)比count(column)快点：

(product)root@localhost [sakila]> select count(*) from test;
+----------+
| count(*) |
+----------+
| 10000000 |
+----------+
1 row in set (1.97 sec)

(product)root@localhost [sakila]> select count(*) from test;
+----------+
| count(*) |
+----------+
| 10000000 |
+----------+
1 row in set (1.96 sec)

(product)root@localhost [sakila]> select count(*) from test;
+----------+
| count(*) |
+----------+
| 10000000 |
+----------+
1 row in set (2.05 sec)

(product)root@localhost [sakila]> select count(*) from test;
+----------+
| count(*) |
+----------+
| 10000000 |
+----------+
1 row in set (2.02 sec)

(product)root@localhost [sakila]> select count(*) from test;
+----------+
| count(*) |
+----------+
| 10000000 |
+----------+
1 row in set (1.95 sec)

(product)root@localhost [sakila]> select count(*) from test;
+----------+
| count(*) |
+----------+
| 10000000 |
+----------+
1 row in set (1.94 sec)

(product)root@localhost [sakila]> select count(*) from test;
+----------+
| count(*) |
+----------+
| 10000000 |
+----------+
1 row in set (2.00 sec)

(product)root@localhost [sakila]> select count(*) from test;
+----------+
| count(*) |
+----------+
| 10000000 |
+----------+
1 row in set (1.94 sec)

(product)root@localhost [sakila]> select count(id) from test;
+-----------+
| count(id) |
+-----------+
|  10000000 |
+-----------+
1 row in set (2.19 sec)

(product)root@localhost [sakila]> select count(id) from test;
+-----------+
| count(id) |
+-----------+
|  10000000 |
+-----------+
1 row in set (2.19 sec)

(product)root@localhost [sakila]> select count(id) from test;
+-----------+
| count(id) |
+-----------+
|  10000000 |
+-----------+
1 row in set (2.28 sec)

(product)root@localhost [sakila]> select count(id) from test;
+-----------+
| count(id) |
+-----------+
|  10000000 |
+-----------+
1 row in set (2.19 sec)

(product)root@localhost [sakila]> select count(id) from test;
+-----------+
| count(id) |
+-----------+
|  10000000 |
+-----------+
1 row in set (2.26 sec)

(product)root@localhost [sakila]> select count(id) from test;
+-----------+
| count(id) |
+-----------+
|  10000000 |
+-----------+
1 row in set (2.20 sec)
View Code

带where条件时，两者基本上差不多，可以视为无差别：

(product)root@localhost [sakila]> select count(*) from test where id<10000000;
+----------+
| count(*) |
+----------+
|  9999999 |
+----------+
1 row in set (2.76 sec)

(product)root@localhost [sakila]> select count(*) from test where id<10000000;
+----------+
| count(*) |
+----------+
|  9999999 |
+----------+
1 row in set (2.77 sec)

(product)root@localhost [sakila]> select count(*) from test where id<10000000;
+----------+
| count(*) |
+----------+
|  9999999 |
+----------+
1 row in set (2.85 sec)

(product)root@localhost [sakila]> select count(*) from test where id<10000000;
+----------+
| count(*) |
+----------+
|  9999999 |
+----------+
1 row in set (2.74 sec)

(product)root@localhost [sakila]> select count(*) from test where id<10000000;
+----------+
| count(*) |
+----------+
|  9999999 |
+----------+
1 row in set (2.84 sec)

(product)root@localhost [sakila]> select count(id) from test where id<10000000;
+-----------+
| count(id) |
+-----------+
|   9999999 |
+-----------+
1 row in set (2.81 sec)

(product)root@localhost [sakila]> select count(id) from test where id<10000000;
+-----------+
| count(id) |
+-----------+
|   9999999 |
+-----------+
1 row in set (2.72 sec)

(product)root@localhost [sakila]> select count(id) from test where id<10000000;
+-----------+
| count(id) |
+-----------+
|   9999999 |
+-----------+
1 row in set (2.73 sec)

(product)root@localhost [sakila]> select count(id) from test where id<10000000;
+-----------+
| count(id) |
+-----------+
|   9999999 |
+-----------+
1 row in set (2.81 sec)

(product)root@localhost [sakila]> select count(id) from test where id<10000000;
+-----------+
| count(id) |
+-----------+
|   9999999 |
+-----------+
1 row in set (2.73 sec)
View Code

当带有where条件时，将条件写到count括号里效率较高，比一般写到where条件后性能好：

(product)root@localhost [sakila]> select count(id<10000000 or NULL) from test;
+----------------------------+
| count(id<10000000 or NULL) |
+----------------------------+
|                    9999999 |
+----------------------------+
1 row in set (2.58 sec)

(product)root@localhost [sakila]> select count(id<10000000 or NULL) from test;
+----------------------------+
| count(id<10000000 or NULL) |
+----------------------------+
|                    9999999 |
+----------------------------+
1 row in set (2.58 sec)

(product)root@localhost [sakila]> select count(id<10000000 or NULL) from test;
+----------------------------+
| count(id<10000000 or NULL) |
+----------------------------+
|                    9999999 |
+----------------------------+
1 row in set (2.63 sec)

(product)root@localhost [sakila]> select count(id<10000000 or NULL) from test;
+----------------------------+
| count(id<10000000 or NULL) |
+----------------------------+
|                    9999999 |
+----------------------------+
1 row in set (2.56 sec)

(product)root@localhost [sakila]> select count(id<10000000 or NULL) from test;
+----------------------------+
| count(id<10000000 or NULL) |
+----------------------------+
|                    9999999 |
+----------------------------+
1 row in set (2.58 sec)

(product)root@localhost [sakila]> select count(*) from test where id<10000000;
+----------+
| count(*) |
+----------+
|  9999999 |
+----------+
1 row in set (2.76 sec)

(product)root@localhost [sakila]> select count(*) from test where id<10000000;
+----------+
| count(*) |
+----------+
|  9999999 |
+----------+
1 row in set (2.77 sec)

(product)root@localhost [sakila]> select count(*) from test where id<10000000;
+----------+
| count(*) |
+----------+
|  9999999 |
+----------+
1 row in set (2.85 sec)

(product)root@localhost [sakila]> select count(*) from test where id<10000000;
+----------+
| count(*) |
+----------+
|  9999999 |
+----------+
1 row in set (2.74 sec)

(product)root@localhost [sakila]> select count(*) from test where id<10000000;
+----------+
| count(*) |
+----------+
|  9999999 |
+----------+
1 row in set (2.84 sec)
View Code

【总结】：

  •  count(*)和count(column)在性能上差别不是很大，count(*)稍微好些，它们的主要差异在于统计数据准确性上，count(*)包括null行，所以在无特殊需求下建议使用count(*)
  •  如果带有where条件，建议将条件写到前面count括号中，注意加上or null，这种写法在效率上比where条件写法高效。

3、子查询的优化

(product)root@localhost [sakila]> select count(*) from book where user_id in(select id from test); #未使用索引
+----------+
| count(*) |
+----------+
|   129987 |
+----------+
1 row in set (0.13 sec)

(product)root@localhost [sakila]> select count(*) from book where user_id in(select id from test); #使用索引后
 +----------+ 
 | count(*) | 
 +----------+ 
 | 129987 | +
 ----------+ 
1 row in set (0.00 sec)

对于子查询优化，首先要确保用上索引，这是关键。以前常用的有两种方案，一种是转换为join连接查询，另一种是采用exsits取代in，但是听说mysql新版本正在对子查询进行优化，下面是5.6执行比较，这里不评价：

#子查询

(product)root@localhost [sakila]> select count(*) from book where user_id in(select id from test);
+----------+
| count(*) |
+----------+
|   129987 |
+----------+
1 row in set (0.06 sec)

(product)root@localhost [sakila]> select count(*) from book where user_id in(select id from test);
+----------+
| count(*) |
+----------+
|   129987 |
+----------+
1 row in set (0.06 sec)

(product)root@localhost [sakila]> select count(*) from book where user_id in(select id from test);
+----------+
| count(*) |
+----------+
|   129987 |
+----------+
1 row in set (0.07 sec)
#exists查询
(product)root@localhost [sakila]> select count(*) from book a where exists (select id from test b  where a.user_id=b.id );
+----------+
| count(*) |
+----------+
|   129987 |
+----------+
1 row in set (0.16 sec)

(product)root@localhost [sakila]> select count(*) from book a where exists (select id from test b  where a.user_id=b.id );
+----------+
| count(*) |
+----------+
|   129987 |
+----------+
1 row in set (0.18 sec)

(product)root@localhost [sakila]> select count(*) from book a where exists (select id from test b  where a.user_id=b.id );
+----------+
| count(*) |
+----------+
|   129987 |
+----------+
1 row in set (0.16 sec)

(product)root@localhost [sakila]> select count(*) from book a where exists (select id from test b  where a.user_id=b.id );
+----------+
| count(*) |
+----------+
|   129987 |
+----------+
1 row in set (0.16 sec)

(product)root@localhost [sakila]> select count(*) from book a where exists (select id from test b  where a.user_id=b.id );
+----------+
| count(*) |
+----------+
|   129987 |
+----------+
1 row in set (0.16 sec)

#连接查询
(product)root@localhost [sakila]> select count(*) from book a join test b on b.id = a.user_id;
+----------+
| count(*) |
+----------+
|   129987 |
+----------+
1 row in set (0.07 sec)

(product)root@localhost [sakila]> select count(*) from book a join test b on b.id = a.user_id;
+----------+
| count(*) |
+----------+
|   129987 |
+----------+
1 row in set (0.07 sec)

(product)root@localhost [sakila]> select count(*) from book a join test b on b.id = a.user_id;
+----------+
| count(*) |
+----------+
|   129987 |
+----------+
1 row in set (0.07 sec)
View Code

4、limit的优化

limit给分页带来了很大的方便，但是随着数据量增加，分页的性能也会越来越慢，比如下面的limit取数，同样获取10行数据，但是数据量不同的情况下，性能也是不同的：

(product)root@localhost [sakila]> select * from test order by name limit 1,10;+-------+------------+
| id    | name       |
+-------+------------+
|     2 | darren1    |
|    11 | darren10   |
|   101 | darren100  |
| 10006 | darren1000 |
| 10005 | darren1000 |
| 10004 | darren1000 |
| 10003 | darren1000 |
| 10002 | darren1000 |
| 10001 | darren1000 |
|  1001 | darren1000 |
+-------+------------+
10 rows in set (5.69 sec)

(product)root@localhost [sakila]> select * from test order by name limit 10000,10;
+---------+------------+
| id      | name       |
+---------+------------+
| 1008998 | darren1008 |
| 1008999 | darren1008 |
| 1009000 | darren1008 |
| 1009001 | darren1009 |
| 1009002 | darren1009 |
| 1009003 | darren1009 |
| 1009004 | darren1009 |
| 1009005 | darren1009 |
| 1009006 | darren1009 |
| 1009007 | darren1009 |
+---------+------------+
10 rows in set (38.49 sec)

(product)root@localhost [sakila]> explain select * from test order by name limit 1,10;   #排序没有利用索引
+----+-------------+-------+------+---------------+------+---------+------+---------+----------------+
| id | select_type | table | type | possible_keys | key  | key_len | ref  | rows    | Extra          |
+----+-------------+-------+------+---------------+------+---------+------+---------+----------------+
|  1 | SIMPLE      | test  | ALL  | NULL          | NULL | NULL    | NULL | 9730146 | Using filesort |
+----+-------------+-------+------+---------------+------+---------+------+---------+----------------+
1 row in set (0.00 sec)

那么怎么进行优化呢？这里分两个步骤：

  • order by后的字段需要利用索引，建议使用主键或索引键

 这里换成主键或者索引字段排序，再来看下效果：

(product)root@localhost [sakila]> select * from test order by id  limit 1,10;
+----+----------+
| id | name     |
+----+----------+
|  2 | darren1  |
|  3 | darren2  |
|  4 | darren3  |
|  5 | darren4  |
|  6 | darren5  |
|  7 | darren6  |
|  8 | darren7  |
|  9 | darren8  |
| 10 | darren9  |
| 11 | darren10 |
+----+----------+
10 rows in set (0.00 sec)

(product)root@localhost [sakila]> select * from test order by id  limit 10000,10;
+-------+------------+
| id    | name       |
+-------+------------+
| 10001 | darren1000 |
| 10002 | darren1000 |
| 10003 | darren1000 |
| 10004 | darren1000 |
| 10005 | darren1000 |
| 10006 | darren1000 |
| 10007 | darren1000 |
| 10008 | darren1000 |
| 10009 | darren1000 |
| 10010 | darren1000 |
+-------+------------+
10 rows in set (0.00 sec)

这时看下执行计划：

(product)root@localhost [sakila]> explain select * from test order by id  limit 1,10;     #跟页数有关，页数比较少时扫描的行数较少
+----+-------------+-------+-------+---------------+---------+---------+------+------+-------+
| id | select_type | table | type  | possible_keys | key     | key_len | ref  | rows | Extra |
+----+-------------+-------+-------+---------------+---------+---------+------+------+-------+
|  1 | SIMPLE      | test  | index | NULL          | PRIMARY | 4       | NULL |   11 | NULL  |
+----+-------------+-------+-------+---------------+---------+---------+------+------+-------+
1 row in set (0.00 sec)

(product)root@localhost [sakila]> explain select * from test order by id  limit 10000,10; #跟页数有关，页数比较多时扫描的行数也越来越多了，随着数据量增加，性能也肯定下降   
+----+-------------+-------+-------+---------------+---------+---------+------+-------+-------+
| id | select_type | table | type  | possible_keys | key     | key_len | ref  | rows  | Extra |
+----+-------------+-------+-------+---------------+---------+---------+------+-------+-------+
|  1 | SIMPLE      | test  | index | NULL          | PRIMARY | 4       | NULL | 10010 | NULL  |
+----+-------------+-------+-------+---------------+---------+---------+------+-------+-------+
1 row in set (0.00 sec)
跟页数有关，页数比较少时扫描的行数较少；页数比较多时扫描的行数也越来越多了，随着数据量增加，性能也肯定下降；下面进一步进行优化：
  • 采用子查询方式记住上次offset位置，取页的固定大小
 
 
 
   
   
  
 
   
(product)root@localhost [sakila]> select * from test order by id  limit 9000000,10;
+---------+------------+
| id      | name       |
+---------+------------+
| 9000001 | darren9000 |
| 9000002 | darren9000 |
| 9000003 | darren9000 |
| 9000004 | darren9000 |
| 9000005 | darren9000 |
| 9000006 | darren9000 |
| 9000007 | darren9000 |
| 9000008 | darren9000 |
| 9000009 | darren9000 |
| 9000010 | darren9000 |
+---------+------------+
10 rows in set (2.08 sec)

(product)root@localhost [sakila]> select * from test order by id  limit 9000000,10;
+---------+------------+
| id      | name       |
+---------+------------+
| 9000001 | darren9000 |
| 9000002 | darren9000 |
| 9000003 | darren9000 |
| 9000004 | darren9000 |
| 9000005 | darren9000 |
| 9000006 | darren9000 |
| 9000007 | darren9000 |
| 9000008 | darren9000 |
| 9000009 | darren9000 |
| 9000010 | darren9000 |
+---------+------------+
10 rows in set (2.13 sec)

(product)root@localhost [sakila]> select * from test order by id  limit 9000000,10;
+---------+------------+
| id      | name       |
+---------+------------+
| 9000001 | darren9000 |
| 9000002 | darren9000 |
| 9000003 | darren9000 |
| 9000004 | darren9000 |
| 9000005 | darren9000 |
| 9000006 | darren9000 |
| 9000007 | darren9000 |
| 9000008 | darren9000 |
| 9000009 | darren9000 |
| 9000010 | darren9000 |
+---------+------------+
10 rows in set (2.09 sec)

(product)root@localhost [sakila]> select * from test order by id  limit 9000000,10;
+---------+------------+
| id      | name       |
+---------+------------+
| 9000001 | darren9000 |
| 9000002 | darren9000 |
| 9000003 | darren9000 |
| 9000004 | darren9000 |
| 9000005 | darren9000 |
| 9000006 | darren9000 |
| 9000007 | darren9000 |
| 9000008 | darren9000 |
| 9000009 | darren9000 |
| 9000010 | darren9000 |
+---------+------------+
10 rows in set (2.07 sec)

#采用子查询方式
(product)root@localhost [sakila]> select * from test where id >=(select id from test order by id limit 9000000,1) limit 10;
+---------+------------+
| id      | name       |
+---------+------------+
| 9000001 | darren9000 |
| 9000002 | darren9000 |
| 9000003 | darren9000 |
| 9000004 | darren9000 |
| 9000005 | darren9000 |
| 9000006 | darren9000 |
| 9000007 | darren9000 |
| 9000008 | darren9000 |
| 9000009 | darren9000 |
| 9000010 | darren9000 |
+---------+------------+
10 rows in set (1.77 sec)

(product)root@localhost [sakila]> select * from test where id >=(select id from test order by id limit 9000000,1) limit 10;
+---------+------------+
| id      | name       |
+---------+------------+
| 9000001 | darren9000 |
| 9000002 | darren9000 |
| 9000003 | darren9000 |
| 9000004 | darren9000 |
| 9000005 | darren9000 |
| 9000006 | darren9000 |
| 9000007 | darren9000 |
| 9000008 | darren9000 |
| 9000009 | darren9000 |
| 9000010 | darren9000 |
+---------+------------+
10 rows in set (1.77 sec)

(product)root@localhost [sakila]> select * from test where id >=(select id from test order by id limit 9000000,1) limit 10;
+---------+------------+
| id      | name       |
+---------+------------+
| 9000001 | darren9000 |
| 9000002 | darren9000 |
| 9000003 | darren9000 |
| 9000004 | darren9000 |
| 9000005 | darren9000 |
| 9000006 | darren9000 |
| 9000007 | darren9000 |
| 9000008 | darren9000 |
| 9000009 | darren9000 |
| 9000010 | darren9000 |
+---------+------------+
10 rows in set (1.77 sec)

(product)root@localhost [sakila]> select * from test where id >=(select id from test order by id limit 9000000,1) limit 10;
+---------+------------+
| id      | name       |
+---------+------------+
| 9000001 | darren9000 |
| 9000002 | darren9000 |
| 9000003 | darren9000 |
| 9000004 | darren9000 |
| 9000005 | darren9000 |
| 9000006 | darren9000 |
| 9000007 | darren9000 |
| 9000008 | darren9000 |
| 9000009 | darren9000 |
| 9000010 | darren9000 |
+---------+------------+
10 rows in set (1.79 sec)

(product)root@localhost [sakila]> 
(product)root@localhost [sakila]> select * from test where id >=(select id from test order by id limit 9000000,1) limit 10;
+---------+------------+
| id      | name       |
+---------+------------+
| 9000001 | darren9000 |
| 9000002 | darren9000 |
| 9000003 | darren9000 |
| 9000004 | darren9000 |
| 9000005 | darren9000 |
| 9000006 | darren9000 |
| 9000007 | darren9000 |
| 9000008 | darren9000 |
| 9000009 | darren9000 |
| 9000010 | darren9000 |
+---------+------------+
10 rows in set (1.78 sec)
 
  
 
  View Code 
 
 
 
 
 
效果：取900万行以后的10行，直接用limit 9000000，10执行多次，大约耗时2.10秒；而采用子查询修改后，执行多次，大约耗时1.77秒；
 
 
二、索引优化
 
 
索引优化设计内容很多，这里不多详述。
 
 
三、数据库结构优化
 
 
1、选择合适的数据类型
 
 
数据类型的选择重点在于“合适”二字，如何确定数据类型是否合适呢？
 
 
     
  
  • 使用可以存下你数据的最小数据类型
    •  
  
  • 使用简单的数据类型，如int比varchar处理简单
    •  
  
  • 尽可能使用not null定义字段
    •  
  
  • 尽量少用text字段，如要使用事前考虑分表
    •  
 
 
 
如存储ip地址，一般我们都会选择char或者varchar来存储，但是建议使用bigint来存储，使用bigint只需要8个字节，而使用varchar最多占用15字节，而且整数比较效率也高。INET_ATON()和INET_NTOA()进行ip转换。
 
 
四、系统配置优化
 
 
第三方工具https://tools.percona.com/wizard
 
 
 
 
 
 
 


                            

                        

                    

                    
                    

                    
                    
                    

                

                

                    
                

            

        

    

    

        
你可能感兴趣的:(MySQL性能优化)

        

            

                
    
                    
  • MySQL 管理：全面指南
                        wjs2024
开发语言
                        
    MySQL管理：全面指南引言MySQL是目前最流行的开源关系数据库管理系统之一，以其高性能、易用性和可靠性而闻名。本篇文章将深入探讨MySQL的管理，包括安装、配置、性能优化、安全性和备份恢复等方面，旨在为数据库管理员和开发者提供一份全面的管理指南。目录MySQL简介MySQL安装与配置MySQL性能优化MySQL安全性管理MySQL备份与恢复MySQL高可用与集群MySQL监控与维护MySQL常
    
                    
    • 
                    
  • MySQL性能优化：深入理解InnoDB的自适应哈希索引
                        rain1309
数据库mysql性能优化哈希算法
                        
    前言MySQL的自适应哈希索引（AdaptiveHashIndex，简称AHI）是InnoDB存储引擎的一项关键特性，旨在提升查询性能和数据库的整体性能。自适应哈希索引通过动态调整哈希表的大小，使其“刚刚好”，从而优化查询效率。这种索引技术在特定场景下能够显著提升查询性能，是一种高效的索引优化技术。原理理念InnodB存储引擎会监控对表上各索引页的查询。如果观察到建立哈希索引可以带来速度提升，则建
    
                    
    • 
                    
  • MySQL 性能优化思路和工具
                        helloworld6379
笔记面试mysql性能优化数据库索引EXPLAIN
                        
    MySQL性能优化思路和工具一、优化思路作为架构师或者开发人员，说到数据库性能优化，你的思路是什么样的？或者具体一点，如果在面试的时候遇到这个问题：你会从哪些维度来优化数据库，你会怎么回答？我们说到性能调优，大部分时候想要实现的目标是让我们的查询更快。一个查询的动作又是由很多个环节组成的，每个环节都会消耗时间。我们要减少查询所消耗的时间，就要从每一个环节入手。二、连接——配置优化第一个环节是客户端
    
                    
    • 
                    
  • 2021最新MySQL性能优化问题
                        码农K

                        
    今天，数据库的操作越来越成为整个应用的性能瓶颈了，这点对于Web应用尤其明显。关于数据库的性能，这并不只是DBA才需要担心的事，而这更是我们程序员需要去关注的事情。当我们去设计数据库表结构，对操作数据库时(尤其是查表时的SQL语句)，我们都需要注意数据操作的性能。这里，我们不会讲过多的SQL语句的优化，而只是针对MySQL这一Web应用最多的数据库。希望下面的这些优化技巧对你有用。1.为查询缓存优
    
                    
    • 
                    
  • MySQL性能优化
                        tot_lbr
mysql性能优化数据库
                        
    MySQL性能优化1.索引优化索引在MySQL中扮演着关键角色，良好的索引设计可以显著提升查询效率。索引有多种类型，主要包括：B树索引：适用于全键值、范围查询，是最常见的索引类型。哈希索引：适用于等值查询，但不支持范围查询，对于内存表效果显著。全文索引：用于对文本的全文检索，主要用于MyISAM引擎。优化索引时需要注意：选择合适的数据类型：确保使用最适合存储数据的数据类型，减小索引大小，提高查询速
    
                    
    • 
                    
  • 【MySQL性能优化】- MySQL结构与SQL执行过程
                        一个有梦有戏的人
MySQLmysql性能优化sql执行过程
                        
    MySQL结构与SQL执行过程生命不息，写作不止继续踏上学习之路，学之分享笔记总有一天我也能像各位大佬一样博客首页@怒放吧德德To记录领地分享学习心得，欢迎指正，大家一起学习成长！文章目录MySQL结构与SQL执行过程前言SQL执行结构连接器查询缓存分析器词法分析语法分析分析器的原理优化器执行器总结前言上阶段初步学习了索引与优化，以及对Explain的使用，接着来就来初识一下SQL执行的时候底层是
    
                    
    • 
                    
  • 【MySQL性能优化】- 存储引擎及索引与优化
                        一个有梦有戏的人
MySQLmysql性能优化数据库mysql索引存储引擎
                        
    索引与优化生命不息，写作不止继续踏上学习之路，学之分享笔记总有一天我也能像各位大佬一样博客首页@怒放吧德德To记录领地分享学习心得，欢迎指正，大家一起学习成长！文章目录索引与优化前言存储引擎MyISAM存储引擎InnoDB存储引擎其他存储引擎InnoDB与MyISAM的区别索引底层原理什么是索引？索引的数据结构二叉树红黑树B-树B+树HashMySQL索引的底层存储聚簇索引与非聚簇索引MyISAM
    
                    
    • 
                    
  • 【MySQL性能优化】- Explian用法与结果集详细分析
                        一个有梦有戏的人
MySQLmysql性能优化EXPLAINSQL调优
                        
    Explain详细介绍生命不息，写作不止继续踏上学习之路，学之分享笔记总有一天我也能像各位大佬一样博客首页@怒放吧德德To记录领地分享学习心得，欢迎指正，大家一起学习成长！文章目录Explain详细介绍简介Explain使用数据准备Explain各列的解读1)、id2)、select_type3)、table4)、type5)、possible_keys6)、key7)、key_len8)、ref
    
                    
    • 
                    
  • 【MySQL性能优化】- MySQL事务级别与锁机制
                        一个有梦有戏的人
MySQLsqlmysql性能优化数据库
                        
    MySQL事务级别与锁机制生命不息，写作不止继续踏上学习之路，学之分享笔记总有一天我也能像各位大佬一样博客首页@怒放吧德德To记录领地分享学习心得，欢迎指正，大家一起学习成长！转发请携带作者信息@怒放吧德德@一个有梦有戏的人文章目录MySQL事务级别与锁机制简介事务及ACID并发事务带来的问题丢失修改（LostModify）或脏写脏读（Dirtyreads）不可重复读（Non-repeatable
    
                    
    • 
                    
  • DBA02 一、实现MySQL读写分离 二、配置MySQL多实例 三、MySQL性能优化
                        mid的博客
MySQL数据库知识集MySQL读写分离配置MySQL多实例MySQL性能优化
                        
    一、实现MySQL读写分离什么是数据读写分离？–把查询请求和写请求分别给不同的数据库服务器处理。为什么要配置数据读写分离？读写分离适用与读远大于写的场景，如果只有一台服务器，当select很多时，update和delete会被这些select访问中的数据堵塞，等待select结束，并发性能不高。对于写和读比例相近的应用，应该部署双主相互复制。读写分离的好处：1.增加冗余2.增加了机器的处理能力3.
    
                    
    • 
                    
  • Mysql性能优化之BufferPool介绍
                        Memory_2020
mysql数据库
                        
    之前在一条SQL在MySQL中是如何执行的-CSDN博客这篇文章中讲了sql语句在Mysql里是如何执行的，今天就给大家介绍下Mysql的BufferPool，BufferPool是MySQL中一个关键的组件，它负责管理数据库引擎的内存缓存，提高数据库的读取性能。本文将深入讨论MySQL中BufferPool的概念、作用以及通过场景示例说明其在实际应用中的重要性。下面用张图再来总结下SQL的执行过
    
                    
    • 
                    
  • mysql性能优化：索引详解
                        look_word
mysqlmysql性能优化数据库
                        
    索引的数据结构；b+tree，二叉树，红黑树，hash表最终选择b+treemysql索引数据结构是b+tree，mysql磁盘节点为16kb（默认）b+tree一个节点为16kbb+tree图b+tree查找：（每个节点上的元素都是顺序排列）把根节点放到内存然后折半查找目标元素，找到目标元素所在区间，然后根据该区间的磁盘文件地址找对对应节点，重复上述步骤，找对对应叶子节点，放内存中查找目标元素，
    
                    
    • 
                    
  • Mysql性能优化的理解
                        evanYang_
mysqlmysql性能优化数据库
                        
    mysql的性能优化可以分为以下四大部分硬件和操作系统层面的优化架构设计层面的优化Mysql程序配置优化Sql优化硬件层面的优化从硬件层面来说，影响Mysql性能因素有，CPU、可用内存大小、磁盘读写速度、网络带宽从操作系统层面来说，应用文件句柄、操作系统网络的配置都会影响到Mysql的性能。这部分优化一般都由DBA或者运维工程师去完成架构层面的优化Mysql是一个磁盘IO访问量非常频繁的关系型数
    
                    
    • 
                    
  • 旅游项目day07
                        来自宇宙的曹先生
旅游
                        
    目的地攻略展示根据目的地和主题查询攻略攻略条件查询攻略排行分析推荐排行榜：点赞数+收藏数取前十名热门排行榜：评论数+浏览数取前十名浏览数跟评论数差距过大，可设置不同权重，例如：将浏览数权重设置为0.3，评论数权重设置为0.7。如果是小表，以上的sql没太大问题。但是，，如果表的数据量非常大？排序，运算会导致mysql性能大大降低。如何解决性能问题？mysql性能优化。给需要排序的字段，加索引但是，
    
                    
    • 
                    
  • 从架构师角度全局理解Mysql性能优化
                        xjk201
mysql性能优化数据库
                        
    MySQL性能优化其实是个很大的课题，在优化上存在着一个调优金字塔的说法：很明显从图上可以看出，越往上走，难度越来越高，收益却是越来越小的。比如硬件和OS调优，需要对硬件和OS有着非常深刻的了解，仅仅就磁盘一项来说，一般非DBA能想到的调整就是SSD盘比用机械硬盘更好，但其实它至少包括了，使用什么样的磁盘阵列（RAID）级别、是否可以分散磁盘IO、是否使用裸设备存放数据，使用哪种文件系统（Linu
    
                    
    • 
                    
  • 18-从架构师角度全局理解Mysql性能优化
                        Victor_An
mysqlmysql性能优化数据库
                        
    MySQL性能优化其实是个很大的课题，在优化上存在着一个调优金字塔的说法：很明显从图上可以看出，越往上走，难度越来越高，收益却是越来越小的。比如硬件和OS调优，需要对硬件和OS有着非常深刻的了解，仅仅就磁盘一项来说，一般非DBA能想到的调整就是SSD盘比用机械硬盘更好，但其实它至少包括了，使用什么样的磁盘阵列（RAID）级别、是否可以分散磁盘IO、是否使用裸设备存放数据，使用哪种文件系统（Linu
    
                    
    • 
                    
  • 10.从架构师角度理解MySQL性能优化和索引合并
                        俺就是菜得很
性能调优MySQLmysql性能优化数据库
                        
    MySQL性能调优1.查询性能优化1.1什么是慢查询1.2慢查询的配置1.3慢查询解读分析1.3.1日志模式1.3.2慢查询分析mysqldumpshow1.4优化SQL查询方法论1.4.1业务层--请求了不需要的数据？查询不需要的记录总是取出全部列重复查询相同的数据1.4.2执行层--是否在扫描额外的记录响应时间扫描的行数和返回的行数扫描的行数和访问的类型1.5重构SQL查询的方法论1.5.1一
    
                    
    • 
                    
  • 不用索引怎么优化百亿数据？ | MySQL性能优化篇
                        扑天鹰
MySQLmysql性能优化数据库
                        
    文章目录数据库调优一、数据库调优原理1.1为什么要进行MySQL数据库调优？1.2什么影响数据库性能？1.3数据库调优到底调什么？二、数据库压力测试2.1什么是压测？2.2JMeter简介2.3驱动下载2.4测试过程三、连接池3.1压力测试连接池参数设置3.1.1MaxWait3.1.2MaxActive3.3连接属性设置四、SQL语句优化【开发人员】4.1查看SQL执行计划【EXPLAIN】4.
    
                    
    • 
                    
  • Mysql性能优化的一些建议
                        meiyou_6652

                        
    原文地址：https://www.cnblogs.com/huchong/p/10219318.html数据库命令规范所有的数据库对象必须使用小写字母并用下划线分割（而我们公司用的是驼峰式）所有数据库对象名称禁止使用Mysql保留关键字（关键字查询用引号括起来）数据库对象的名称要能做到见名识意，最后不超过32个字符临时库表必须使用已tmp_为前缀并以日期为后缀，备份表必须已bak_为前缀日期为后缀
    
                    
    • 
                    
  • MySQL 性能优化思路和优化案例
                        worxfr
数据库mysql性能优化数据库索引锁
                        
    MySQL性能优化是确保数据库高效运行的关键过程。这通常涉及到多个方面，如查询性能、索引策略、系统配置、硬件资源等。以下是一些优化思路及其案例优化思路1.查询优化思路:重写低效的查询，避免使用子查询，改用连接（JOIN）。减少全表扫描，确保WHERE子句中使用索引。使用合适的投影，只获取必要的列。案例:--优化前SELECT*FROMordersWHEREdate(order_date)='202
    
                    
    • 
                    
  • mysql6升级到7性能,MySQL性能优化(七)：其它优化
                        走路带风的何小璐
mysql6升级到7性能
                        
    一：数据库配置优化mysql是一个高度定制化的数据库系统，提供了很多配置参数，一般都需要根据应用程序的特性和硬件情况对mysql做配置优化，windows配置文件为my.ini，linux为my.cnf常用的优化配置变量如下：#端口port=3306#关闭查询缓存query_cache_type=0query_cache_size=0#内存是影响数据库性能的重要资源，也是mysql性能优化的一个重
    
                    
    • 
                    
  • 2020重新出发，MySql基础，性能优化
                        夜雨流云

                        
    @[toc]MySQL性能优化应用开发过程中，由于初期数据量小，开发人员更重视功能上的实现，但是当应用系统正式上线后，随着生产数据量的急剧增长，数据库开始显露性能问题，对生产的影响也越来越大，因此我们必须对它们进行优化。性能优化是通过某些有效的方法提高MySQL数据库的性能，主要是为了使MySQL数据库运行速度更快、占用的磁盘空间更小。MySQL性能优化简述简而言之，性能优化就是在不影响系统能正确
    
                    
    • 
                    
  • kettle写入mysql性能优化2019-02-28
                        dataHunter

                        
    自己真实测试过，至少速度可以提高5倍以上。首先修改mysql的配置文件vim/etc/my.cnf根据自己服务器信息修改对应参数join_buffer_size=1024Msort_buffer_size=10Mread_rnd_buffer_size=10Minnodb_flush_log_at_trx_commit=2innodb_write_io_threads=16innodb_flush
    
                    
    • 
                    
  • MySQL性能优化
                        Silently9527

                        
    imageMySQL慢查询日志的开启方式查询是否开启了慢查询日志showvariableslike'slow_query_log';设置慢查询日志文件位置setglobalslow_query_log_file='c:/mysql-slow.log';设置是否需要把没有使用到索引的sql记录到日志中setgloballog_queries_not_using_indexes=on;设置日志的查询时
    
                    
    • 
                    
  • 【大数据学习笔记】新手学习路线图
                        伊达
大数据大数据学习笔记
                        
    第1阶段-数据仓库基1.MysQL关系型数据库（MySQL介绍、MySQL安装、MySQL基础语法、MySQL高级语法、MySQL系统架构、MySQL存储引擎、MySQL索引、MySQL备份恢复、MySQL主从、主主复制、MySQL存储过程、MySQL分库分表、MySQL综合案例、MySQL性能优化）2.Python编程技术（Python基础语法、Python循环、Python集合、Python函
    
                    
    • 
                    
  • mysql性能优化—重复索引与冗余索引
                        rightchen

                        
    重复索引是指在同一个列或者顺序相同的几个列建立了多个索引，称之为重复索引。比如在文章表中，给主键（primarykey）aid另增加了唯一索引（uniqueindex）。或者文章标题title和作者author已经形成了一个联合索引，再去给title而外新增一个索引。重复的索引对数据检索没提供帮助，只会增大索引文件，对于insert、update、delete操作时，还要额外的维护索引文件，拖慢更
    
                    
    • 
                    
  • MySql性能优化-通过使用XML传参将多次循环处理变为一次集合处理
                        RocChenKing
MySqlmysql性能优化性能优化数据库XML应用批量集合处理mysqlxml
                        
    数据库批量操作有很多这样的应用场景，如批量通过选中的审请信息、批量插入采购单的采购清单信息等。一个公认的实事，即关系型数据库在结构化的集合处理方面表现优秀，而数据库与编程语言之间通常通过各种参数来进行交互，而XML刚好是它们之间的一个桥梁，把编程语中向面对象的数据序列化为XML，传递到数据库，数据库再转换为平面表，实现高效的集合操作。本文将深入的分析各种解决方案，并重点介绍使用XML的方式批量更新
    
                    
    • 
                    
  • 【日积月累】Mysql性能优化
                        顶子哥
日积月累面试题mysql性能优化数据库
                        
    目录【日积月累】Mysql性能优化1.前言2.MySql性能优化的主要方面2.1硬件和操作系统成面优化2.2架构设计层优化（表结构）2.3程序配置优化2.5表结构及索引优化2.4sql执行优化3.总结4.参考文章所属专区积月累1.前言MySQL是一种常用的开源关系型数据库管理系统，广泛应用于各种应用场景。但随着数据规模的增长和复杂查询的增多，MySQL性能优化变得尤为重要。本篇文章将探讨一些提高M
    
                    
    • 
                    
  • Java面试八股文(2023最新)--MySQL面试题
                        月月崽
面试java面试数据库
                        
    目录1.DDL,DML,DCL的区别?2.ACID是什么?事务是什么?3.InnoDB和MyISAM的区别4.索引有哪些类型?5.为什么InnoDB存储引擎选用B+树而不是B树?6.什么情况索引会失效?7.MySQL排查问题的手段有哪些?8.MySQL性能优化方式?9.SQL内连接和外连接的区别?10.MySQL有哪些搜索引擎?11.百万数据如何快速查询?12.数据库三范式?13.索引如何优化?1
    
                    
    • 
                    
  • MySQL性能优化 — 实践篇2
                        一角钱技术

                        
    点赞再看，养成习惯，微信搜一搜【一角钱小助手】关注更多原创技术文章。本文GitHuborg_hejianhui/JavaStudy已收录，有我的系列文章。前言MySQL索引底层数据结构与算法MySQL性能优化原理-前篇MySQL性能优化-实践篇1上一篇《MySQL性能优化-实践篇1》我们讲了数据库表设计的一些原则，Explain工具的介绍、SQL语句优化索引的最佳实践，本篇继续来聊聊MySQL如何
    
                    
    • 
                                
  • Enum 枚举
                                    120153216
enum枚举
                                    
    原文地址：http://www.cnblogs.com/Kavlez/p/4268601.html Enumeration 
于Java 1.5增加的enum type...enum type是由一组固定的常量组成的类型，比如四个季节、扑克花色。在出现enum type之前，通常用一组int常量表示枚举类型。比如这样： 
public static final int APPLE_FUJI = 0
    
                                
    • 
                                
  • Java8简明教程
                                    bijian1013
javajdk1.8
                                    
            Java 8已于2014年3月18日正式发布了，新版本带来了诸多改进，包括Lambda表达式、Streams、日期时间API等等。本文就带你领略Java 8的全新特性。  
一.允许在接口中有默认方法实现 
        Java 8 允许我们使用default关键字，为接口声明添
    
                                
    • 
                                
  • Oracle表维护 快速备份删除数据
                                    cuisuqiang
oracle索引快速备份删除
                                    
    我知道oracle表分区，不过那是数据库设计阶段的事情，目前是远水解不了近渴。 
当前的数据库表，要求保留一个月数据，且表存在大量录入更新，不存在程序删除。 
为了解决频繁查询和更新的瓶颈，我在oracle内根据需要创建了索引。但是随着数据量的增加，一个半月数据就要超千万，此时就算有索引，对高并发的查询和更新来说，让然有所拖累。 
为了解决这个问题，我一般一个月会进行一次数据库维护，主要工作就是备
    
                                
    • 
                                
  • java多态内存分析
                                    麦田的设计者
java内存分析多态原理接口和抽象类
                                    
          “  时针如果可以回头，熟悉那张脸，重温嬉戏这乐园，墙壁的松脱涂鸦已经褪色才明白存在的价值归于记忆。街角小店尚存在吗？这大时代会不会牵挂，过去现在花开怎么会等待。 
      但有种意外不管痛不痛都有伤害，光阴远远离开，那笑声徘徊与脑海。但这一秒可笑不再可爱，当天心
    
                                
    • 
                                
  • Xshell实现Windows上传文件到Linux主机
                                    被触发
windows
                                    
    经常有这样的需求，我们在Windows下载的软件包，如何上传到远程Linux主机上？还有如何从Linux主机下载软件包到Windows下；之前我的做法现在看来好笨好繁琐，不过也达到了目的，笨人有本方法嘛； 
我是怎么操作的： 
1、打开一台本地Linux虚拟机，使用mount 挂载Windows的共享文件夹到Linux上，然后拷贝数据到Linux虚拟机里面；（经常第一步都不顺利，无法挂载Windo
    
                                
    • 
                                
  • 类的加载ClassLoader
                                    肆无忌惮_
ClassLoader
                                    
    类加载器ClassLoader是用来将java的类加载到虚拟机中，类加载器负责读取class字节文件到内存中，并将它转为Class的对象（类对象），通过此实例的 newInstance()方法就可以创建出该类的一个对象。 
  
其中重要的方法为findClass(String name)。 
  
如何写一个自己的类加载器呢？ 
首先写一个便于测试的类Student
    
                                
    • 
                                
  • html5写的玫瑰花
                                    知了ing
html5
                                    
    <html>  
<head>  
<title>I Love You!</title>  
<meta charset="utf-8" />  
</head>  
<body>  
<canvas id="c"></canvas>  

    
                                
    • 
                                
  • google的ConcurrentLinkedHashmap源代码解析
                                    矮蛋蛋
LRU
                                    
    原文地址： 
http://janeky.iteye.com/blog/1534352 
简述 
ConcurrentLinkedHashMap 是google团队提供的一个容器。它有什么用呢？其实它本身是对 
 
ConcurrentHashMap的封装，可以用来实现一个基于LRU策略的缓存。详细介绍可以参见 
 
http://code.google.com/p/concurrentlinke
    
                                
    • 
                                
  • webservice获取访问服务的ip地址
                                    alleni123
webservice
                                    
    1. 首先注入javax.xml.ws.WebServiceContext, 
@Resource 
 private WebServiceContext context; 
 
 
2. 在方法中获取交换请求的对象。 
 
 
javax.xml.ws.handler.MessageContext mc=context.getMessageContext();
com.sun.net.http
    
                                
    • 
                                
  • 菜鸟的java基础提升之道——————>是否值得拥有
                                    百合不是茶

                                    
    1，c++，java是面向对象编程的语言，将万事万物都看成是对象；java做一件事情关注的是人物，java是c++继承过来的，java没有直接更改地址的权限但是可以通过引用来传值操作地址，java也没有c++中繁琐的操作，java以其优越的可移植型，平台的安全型，高效性赢得了广泛的认同，全世界越来越多的人去学习java，我也是其中的一员 
  
  
 java组成：
    
                                
    • 
                                
  • 通过修改Linux服务自动启动指定应用程序
                                    bijian1013
linux
                                    
    Linux中修改系统服务的命令是chkconfig (check config)，命令的详细解释如下:  chkconfig

功能说明：检查，设置系统的各种服务。

语　　法：chkconfig [ -- add][ -- del][ -- list][系统服务] 或 chkconfig [ -- level  <</SPAN>
    
                                
    • 
                                
  • spring拦截器的一个简单实例
                                    bijian1013
javaspring拦截器Interceptor
                                    
    Purview接口 
package aop;

public interface Purview {
    void checkLogin();
} 
Purview接口的实现类PurviesImpl.java 
package aop;

public class PurviewImpl implements Purview {
	
    public void check
    
                                
    • 
                                
  • [Velocity二]自定义Velocity指令
                                    bit1129
velocity
                                    
    什么是Velocity指令 
在Velocity中，#set,#if, #foreach, #elseif, #parse等，以#开头的称之为指令，Velocity内置的这些指令可以用来做赋值，条件判断，循环控制等脚本语言必备的逻辑控制等语句，Velocity的指令是可扩展的，即用户可以根据实际的需要自定义Velocity指令 
  自定义指令(Directive)的一般步骤 
&nbs
    
                                
    • 
                                
  • 【Hive十】Programming Hive学习笔记
                                    bit1129
programming
                                    
     第二章 Getting Started 
1.Hive最大的局限性是什么？一是不支持行级别的增删改(insert, delete, update)二是查询性能非常差(基于Hadoop MapReduce）,不适合延迟小的交互式任务三是不支持事务2. Hive MetaStore是干什么的？Hive persists table schemas and other system metadata.
    
                                
    • 
                                
  • nginx有选择性进行限制
                                    ronin47
nginx 动静　限制
                                    
    http {
    limit_conn_zone $binary_remote_addr zone=addr:10m;
    limit_req_zone $binary_remote_addr zone=one:10m rate=5r/s;...

    server {...
       location ~.*\.(gif|png|css|js|icon)$ {
   
    
                                
    • 
                                
  • java-4.-在二元树中找出和为某一值的所有路径 .
                                    bylijinnan
java
                                    
    
/*
	 * 0.use a TwoWayLinkedList to store the path.when the node can't be path,you should/can delete it.
	 * 1.curSum==exceptedSum:if the lastNode is TreeNode,printPath();delete the node otherwise

    
                                
    • 
                                
  • Netty学习笔记
                                    bylijinnan
javanetty
                                    
    本文是阅读以下两篇文章时： 
 
http://seeallhearall.blogspot.com/2012/05/netty-tutorial-part-1-introduction-to.html 
 
http://seeallhearall.blogspot.com/2012/06/netty-tutorial-part-15-on-channel.html 
我的一些笔记 
 
===
    
                                
    • 
                                
  • js获取项目路径
                                    cngolon
js
                                    
    //js获取项目根路径，如： http://localhost:8083/uimcardprj 
function getRootPath(){ 
    //获取当前网址，如： http://localhost:8083/uimcardprj/share/meun.jsp 
    var curWwwPath=window.document.locati
    
                                
    • 
                                
  • oracle 的性能优化
                                    cuishikuan
oracleSQL Server
                                    
       在网上搜索了一些Oracle性能优化的文章，为了更加深层次的巩固[边写边记]，也为了可以随时查看，所以发表这篇文章。 
    1.ORACLE采用自下而上的顺序解析WHERE子句，根据这个原理，表之间的连接必须写在其他WHERE条件之前，那些可以过滤掉最大数量记录的条件必须写在WHERE子句的末尾。（这点本人曾经做过实例验证过，的确如此哦！
    
                                
    • 
                                
  • Shell变量和数组使用详解
                                    daizj
linuxshell变量数组
                                    
    Shell 变量 
定义变量时，变量名不加美元符号（$，PHP语言中变量需要），如： 
your_name="w3cschool.cc" 
注意，变量名和等号之间不能有空格，这可能和你熟悉的所有编程语言都不一样。同时，变量名的命名须遵循如下规则： 
 
 首个字符必须为字母（a-z，A-Z）。 
 中间不能有空格，可以使用下划线（_）。 
 不能使用标点符号。 
 不能使用ba
    
                                
    • 
                                
  • 编程中的一些概念，KISS、DRY、MVC、OOP、REST
                                    dcj3sjt126com
REST
                                    
    KISS、DRY、MVC、OOP、REST （1）KISS是指Keep It Simple,Stupid（摘自wikipedia），指设计时要坚持简约原则，避免不必要的复杂化。 （2）DRY是指Don't Repeat Yourself（摘自wikipedia），特指在程序设计以及计算中避免重复代码，因为这样会降低灵活性、简洁性，并且可能导致代码之间的矛盾。 （3）OOP 即Object-Orie
    
                                
    • 
                                
  • [Android]设置Activity为全屏显示的两种方法
                                    dcj3sjt126com
Activity
                                    
    1. 方法1：AndroidManifest.xml 里，Activity的 android:theme  指定为" @android:style/Theme.NoTitleBar.Fullscreen" 示例:   <application      
    
                                
    • 
                                
  • solrcloud 部署方式比较
                                    eksliang
solrCloud
                                    
    solrcloud 的部署其实有两种方式可选，那么我们在实践开发中应该怎样选择呢？ 第一种：当启动solr服务器时，内嵌的启动一个Zookeeper服务器，然后将这些内嵌的Zookeeper服务器组成一个集群。  第二种：将Zookeeper服务器独立的配置一个集群，然后将solr交给Zookeeper进行管理 
  
谈谈第一种：每启动一个solr服务器就内嵌的启动一个Zoo
    
                                
    • 
                                
  • Java synchronized关键字详解
                                    gqdy365
synchronized
                                    
    转载自：http://www.cnblogs.com/mengdd/archive/2013/02/16/2913806.html 
 
多线程的同步机制对资源进行加锁，使得在同一个时间，只有一个线程可以进行操作，同步用以解决多个线程同时访问时可能出现的问题。 
同步机制可以使用synchronized关键字实现。 
当synchronized关键字修饰一个方法的时候，该方法叫做同步方法。 
当s
    
                                
    • 
                                
  • js实现登录时记住用户名
                                    hw1287789687
记住我记住密码cookie记住用户名记住账号
                                    
    在页面中如何获取cookie值呢? 
如果是JSP的话,可以通过servlet的对象request 获取cookie,可以 
参考:http://hw1287789687.iteye.com/blog/2050040 
如果要求登录页面是html呢?html页面中如何获取cookie呢? 
直接上代码了 
页面:loginInput.html 
代码: 
<!DOCTYPE html PUB
    
                                
    • 
                                
  • 开发者必备的 Chrome 扩展
                                    justjavac
chrome
                                    
    Firebug：不用多介绍了吧https://chrome.google.com/webstore/detail/bmagokdooijbeehmkpknfglimnifench 
ChromeSnifferPlus：Chrome 探测器，可以探测正在使用的开源软件或者 js 类库https://chrome.google.com/webstore/detail/chrome-sniffer-pl
    
                                
    • 
                                
  • 算法机试题
                                    李亚飞
java算法机试题
                                    
           在面试机试时，遇到一个算法题，当时没能写出来，最后是同学帮忙解决的。 
       这道题大致意思是：输入一个数，比如4,。这时会输出： 
          &n
    
                                
    • 
                                
  • 正确配置Linux系统ulimit值
                                    字符串
ulimit
                                    
    在Linux下面部 署应用的时候，有时候会遇上Socket/File: Can’t open so many files的问题；这个值也会影响服务器的最大并发数，其实Linux是有文件句柄限制的，而且Linux默认不是很高，一般都是1024，生产服务器用 其实很容易就达到这个数量。下面说的是，如何通过正解配置来改正这个系统默认值。因为这个问题是我配置Nginx+php5时遇到了，所以我将这篇归纳进
    
                                
    • 
                                
  • hibernate调用返回游标的存储过程
                                    Supanccy2013
javaDAOoracleHibernatejdbc
                                    
    注：原创作品，转载请注明出处。 
 
 
    上篇博文介绍的是hibernate调用返回单值的存储过程，本片博文说的是hibernate调用返回游标的存储过程。 
    此此扁博文的存储过程的功能相当于是jdbc调用select 的作用。 
 
1，创建oracle中的包，并在该包中创建的游标类型。 
 
---创建oracle的程
    
                                
    • 
                                
  • Spring 4.2新特性-更简单的Application Event
                                    wiselyman
application
                                    
    1.1 Application Event 
 
  Spring 4.1的写法请参考10点睛Spring4.1-Application Event  
  请对比10点睛Spring4.1-Application Event  
  使用一个@EventListener取代了实现ApplicationListener接口,使耦合度降低;  
  
1.2 示例 
 
 包依赖 
  
<p
    
                                
    • 
                

            

        

    




    

        

            按字母分类：
            ABCDEFGHIJKLMNOPQRSTUVWXYZ其他