五个方面：
1. 根据服务层面：配置mysql性能优化参数
2. 从系统层面增强mysql的性能：优化数据库表结构①将字段较多的表分解成多个表（如订单表和订单详情表） ②增加中间表（ma_dictionaries字典表）
3. 从数据库层面增强性能：优化sql语句，合理使用索引
4. 从应用层面增强性能：使用缓存和Nosql数据库方式存储，如MongoDB/Memcached/Redis来缓解高并发下数据查询的压力
5. 提升数据库服务器硬件配置，或者搭建数据库集群
B-tree索引是常用的索引，其存储结构类似书的索引结构，有分支和叶两种类型的存储数据块，分支块相当于书的大目录，叶块相当于索引到的具体的书页。一般索引及唯一约束索引都是使用B树索引
索引类型：
唯一索引
主键索引
聚集索引：表数据按照索引的顺序来存储的，对于聚集索引，叶子节点即存储了真实的数据行，不再有另外单独的数据页，每个表只能一个
非聚集索引：表数据存储顺序无关，对于非聚集索引，数据存储在一个位置，索引存储在另一个位置，索引种包含指向数据存储位置的指针
create[unique] [clustered] [nonclustered] index 索引名称 on 表名（列名）； drop index 表名.索引名
创建索引的情况：
1. 经常需要搜索的列上
2. 作为主键的列上
3. 经常用在连接的列上（如外键加快连接速度）；在经常需要根据范围进行搜索的列上，因为索引已经排序，其指定的范围是连续的
4. 经常需要排序的列上，因为索引已经排序，可以利用索引的顺序，加快排序查询时间
5. 经常使用在where字句种的列上，加快条件的判断速度
不创建索引的情况：
1. 查询很少使用或参考的列
2. 很少的数据值的列
3. 哪些定义为text,image和bit数据类型的列不应该加，要么因为列的数据量大，要么取值少，不利于使用索引
4. 当修改性能远远大于检索性能时，互相矛盾关系，加索引提高检索性能，会降低修改性能（因为更新表会更新索引）
索引失效的情况：
1. 前导模糊查询不能利用索引（like '%XX '）
2. 如果是组合索引，不按索引顺序查找，则会全表扫描
3. 条件中有 or，
4. 索引无法存储null值，所以where条件有null值判断
5. 应尽量避免在where子句中使用 != <> 操作符，否则...
6. in和not in 慎用，否则... 对于连续的数值，能用between就不用in
7. 应尽量避免在where字句中对应字段进行函数操作，否则...
8. 应尽量避免在where字句中对字段进行表达式操作，否则....如where num/2 = 100 num = 100*2
数据库优化之分表
分表分为水（按行）分表和垂直（按列）分表
根据经验,mysql表数据一般达到百万级别，查询效率会很低，容易造成锁表，甚至堆积很多连接，直接挂掉。水平分表能很大程度减少这些压力。按行数据进行分表
水平分表策略：1. 按时间分表 2. 按区间范围分表 3. hash分表
数据库优化之读写分离：一台数据库支持的最大并发连接数是优先的，如果用户并发访问太多。一台服务器满足不了要求可以集群处理。mysql的集群处理技术最常用的就是读写分离
主从同步：数据库最终会把数据持久化到磁盘，如果季军必须确保每个数据库服务器的数据是一致的，能改变数据库数据库的操作都往主数据库去些，而其他的数据库从主数据库上同步数据。
读写分离：使用负载均衡来实现写的操作都往主数据去，而读的操作往从服务器上去
数据库优化之缓存：在持久层（dao）和数据库（db）之间添加一个缓存层，如果用户访问的数据已经缓存起来时，在用户访问时直接从缓存中获取，不用访问数据库。而缓存是在操作内存及，访问速度快。
作用：减少数据库服务器压力，减少访问时间。常用的缓存有redis（memcache等）作为中央缓存，对缓存数据进行集中处理。