MySQL优化一览图
笔者将优化分为了两大类：软优化和硬优化。软优化一般是操作数据库即可；而硬优化则是操作服务器硬件及参数设置。
1、软优化
1）查询语句优化
首先我们可以用EXPLAIN或DESCRIBE(简写:DESC)命令分析一条查询语句的执行信息。
例:
DESC SELECT * FROM `user`
其中会显示索引和查询数据读取数据条数等信息。
2）优化子查询
在MySQL中，尽量使用JOIN来代替子查询。因为子查询需要嵌套查询，嵌套查询时会建立一张临时表，临时表的建立和删除都会有较大的系统开销，而连接查询不会创建临时表，因此效率比嵌套子查询高。
3）使用索引
索引是提高数据库查询速度最重要的方法之一，使用索引的三大注意事项包括：
LIKE关键字匹配'%'开头的字符串，不会使用索引； OR关键字的两个字段必须都是用了索引，该查询才会使用索引； 使用多列索引必须满足最左匹配。
4）分解表
对于字段较多的表，如果某些字段使用频率较低，此时应当将其分离出来从而形成新的表。
5）中间表
对于将大量连接查询的表可以创建中间表，从而减少在查询时造成的连接耗时。
6）增加冗余字段
类似于创建中间表，增加冗余也是为了减少连接查询。
7）分析表、检查表、优化表
分析表主要是分析表中关键字的分布；检查表主要是检查表中是否存在错误；优化表主要是消除删除或更新造成的表空间浪费。
分析表： 使用 ANALYZE 关键字，如ANALYZE TABLE user
Op： 表示执行的操作；
Msg_type： 信息类型，有status、info、note、warning、error；
Msg_text： 显示信息。
检查表: 使用 CHECK关键字，如CHECK TABLE user [option]。 option 只对MyISAM有效。共五个参数值：
QUICK： 不扫描行，不检查错误的连接；
FAST： 只检查没有正确关闭的表；
CHANGED： 只检查上次检查后被更改的表和没被正确关闭的表；
MEDIUM： 扫描行，以验证被删除的连接是有效的，也可以计算各行关键字校验和；
EXTENDED： 最全面的的检查，对每行关键字全面查找。
优化表： 使用OPTIMIZE关键字，如OPTIMIZE [LOCAL|NO_WRITE_TO_BINLOG] TABLE user;
LOCAL|NO_WRITE_TO_BINLOG都是表示不写入日志，优化表只对VARCHAR、BLOB和TEXT有效，通过OPTIMIZE TABLE语句可以消除文件碎片，在执行过程中会加上只读锁。
2、硬优化
1）硬件三件套
配置多核心和频率高的cpu，多核心可以执行多个线程；
配置大内存，提高内存，即可提高缓存区容量，因此能减少磁盘I/O时间，从而提高响应速度；
配置高速磁盘或合理分布磁盘：高速磁盘提高I/O，分布磁盘能提高并行操作的能力。
2）优化数据库参数
优化数据库参数可以提高资源利用率，从而提高MySQL服务器性能。MySQL服务的配置参数都在my.cnf或my.ini，下面列出性能影响较大的几个参数：
key_buffer_size： 索引缓冲区大小；
table_cache： 能同时打开表的个数；
query_cache_size和query_cache_type： 前者是查询缓冲区大小，后者是前面参数的开关，0表示不使用缓冲区，1表示使用缓冲区，但可以在查询中使用SQL_NO_CACHE表示不要使用缓冲区，2表示在查询中明确指出使用缓冲区才用缓冲区，即SQL_CACHE；
sort_buffer_size： 排序缓冲区。
3）分库分表
因为数据库压力过大，首先一个问题就是高峰期系统性能可能会降低，因为数据库负载过高对性能会有影响。
另外一个，压力过大把你的数据库给搞挂了怎么办？
所以此时你必须得对系统做分库分表+读写分离，也就是把一个库拆分为多个库，部署在多个数据库服务上，这时作为主库承载写入请求。然后每个主库都挂载至少一个从库，由从库来承载读请求。
4）缓存集群
如果用户量越来越大，此时你可以不停的加机器，比如说系统层面不停加机器，就可以承载更高的并发请求。
然后数据库层面如果写入并发越来越高，就扩容加数据库服务器，通过分库分表是可以支持扩容机器的，如果数据库层面的读并发越来越高，就扩容加更多的从库。
但是这里有一个很大的问题：
数据库其实本身不是用来承载高并发请求的，所以通常来说，数据库单机每秒承载的并发就在几千的数量级，而且数据库使用的机器都是比较高配置，比较昂贵的机器，成本很高。
如果你就是简单的不停的加机器，其实是不对的。
所以在高并发架构里通常都有缓存这个环节，缓存系统的设计就是为了承载高并发而生。单机承载的并发量都在每秒几万，甚至每秒数十万，对高并发的承载能力比数据库系统要高出一到两个数量级。
你完全可以根据系统的业务特性，对那种写少读多的请求，引入缓存集群。
具体来说，就是在写数据库的时候同时写一份数据到缓存集群里，然后用缓存集群来承载大部分的读请求。这样的话，通过缓存集群，就可以用更少的机器资源承载更高的并发。
==================================================================================================
==================================================================================================
==================================================================================================
MySQL慢SQL优化-如何分析性能瓶颈
优化慢SQL首先得知道瓶颈在哪，本文主要介绍慢SQL性能瓶颈分析。本文就以前段时间参加的一个SQL优化活动为例。
mysql命令行或者一些可视化工具在sql执行时间的精度比较低，尤其是命令行只显示到10ms，所以需要打开mysql的执行时间监听：
set profiling = 1;
然后使用
show profiles;
命令就可查看sql的执行时间。
例如：
mysql> show profiles; +----------+------------+------------------------------------------------------------------------------------------------------------------------------------------------ -------------------------------------------------------------------------------------------------------------------------------------------+ | Query_ID | Duration | Query | +----------+------------+------------------------------------------------------------------------------------------------------------------------------------------------ -------------------------------------------------------------------------------------------------------------------------------------------+ | 1 | 0.18553425 | select a.seller_id,a.seller_name,b.user_name,c.state from a,b,c where a.seller_name=b.seller_name and b.user_id=c.user_id and c.user_id=17 and a.gmt_create BETWEEN DATE_ADD(NOW(), INTERVAL - 600 MINUTE) AND DATE_ADD(NOW(), INTERVAL 600 MINUTE) order by a.gmt_create | +----------+------------+------------------------------------------------------------------------------------------------------------------------------------------------ -------------------------------------------------------------------------------------------------------------------------------------------+ 1 row in set, 1 warning (0.00 sec)
在命令行中执行完sql后，使用 show profiles; 语句就可显示上面的执行历史信息，找到对应的，可以看到我刚测试的执行了0.18553425s这个精度就相当高。
接下来我们使用explain语句分析这条语句在所牵连的表中一共遍历了多少纪录
mysql> explain -> select a.seller_id,a.seller_name,b.user_name,c.state from a,b,c -> where a.seller_name=b.seller_name and b.user_id=c.user_id and c.user_id=17 and -> a.gmt_create BETWEEN DATE_ADD(NOW(), INTERVAL - 600 MINUTE) AND DATE_ADD(NOW(), INTERVAL 600 MINUTE) order by a.gmt_create -> ; +----+-------------+-------+------------+------+---------------+------+---------+------+--------+----------+----------------------------------------------------+ | id | select_type | table | partitions | type | possible_keys | key | key_len | ref | rows | filtered | Extra | +----+-------------+-------+------------+------+---------------+------+---------+------+--------+----------+----------------------------------------------------+ | 1 | SIMPLE | a | NULL | ALL | NULL | NULL | NULL | NULL | 16108 | 11.11 | Using where; Using temporary; Using filesort | | 1 | SIMPLE | b | NULL | ALL | NULL | NULL | NULL | NULL | 16592 | 10.00 | Using where; Using join buffer (Block Nested Loop) | | 1 | SIMPLE | c | NULL | ALL | NULL | NULL | NULL | NULL | 359382 | 1.00 | Using where; Using join buffer (Block Nested Loop) | +----+-------------+-------+------------+------+---------------+------+---------+------+--------+----------+----------------------------------------------------+ 3 rows in set, 1 warning (0.00 sec)
这里有一个介绍的对这个结果各个列介绍比较好的网页explain结果介绍
从上面的分析中发现每个表的数据遍历了很多（其实是全部），可以添加索引进行优化，同时可以看到a表extra有using temorary就是使用临时表，这是需要优化的。
这篇文章比较简单，主要讲了mysql的相关使用，等以后再sql优化有了更多的心得一定在总结。
PS
关于join的优化
在没有分库分表的时候，join在建立合适的索引后还是可用的。
关于join的原理 嵌套循环算法，通过join链接的字段一般要建立索义。
看过嵌套循环算法后，其实A left B和B left A在算法复杂度上没有区别，所以还是根据业务选择即可。
同时，嵌套循环的数据并不一定是全表数据，如果where中约束其中一个表，假设是B，这时在循环遍历B表是遍历where约束的数据量，所以并不是全量对比。
原文链接：https://blog.csdn.net/u013592964/article/details/76154170