语法： optimize table '表名'
一，原始数据
1，数据量
2，存放在硬盘中的表文件大小
3，查看一下索引信息
索引信息中的列的信息说明。
Table :表的名称。
Non_unique:如果索引不能包括重复词，则为0。如果可以，则为1。
Key_name:索引的名称。
Seq_in_index:索引中的列序列号，从1开始。
Column_name:列名称。
Collation:列以什么方式存储在索引中。在MySQLSHOW INDEX语法中，有值’A’（升序）或NULL（无分类）。
Cardinality:索引中唯一值的数目的估计值。通过运行ANALYZE TABLE或myisamchk -a可以更新。基数根据被存储为整数的统计数据来计数，所以即使对于小型表，该值也没有必要是精确的。基数越大，当进行联合时，MySQL使用该索引的机会就越大。
Sub_part:如果列只是被部分地编入索引，则为被编入索引的字符的数目。如果整列被编入索引，则为NULL。
Packed:指示关键字如何被压缩。如果没有被压缩，则为NULL。
Null:如果列含有NULL，则含有YES。如果没有，则为空。
Index_type：存储索引数据结构方法（BTREE, FULLTEXT, HASH, RTREE）
二，删除一半数据
按常规思想来说，如果在数据库中删除了一半数据后，相对应的.MYD,.MYI文件也应当变为之前的一半。但是删除一半数据后，.MYD.MYI尽然连1KB都没有减少，这是多么的可怕啊。
我们再来看一看，索引信息
对比一下，这次索引查询和上次索引查询，里面的数据信息基本上是上次一次的一半，这点还是合乎常理。
三，用optimize table来优化一下
1，查看一下.MYD,.MYI文件的大小
2，查看一下索引信息
从以上数据我们可以得出，ad_code，ad_code_ind，from_page_url_ind等索引机会差不多都提高了85％，这样效率提高了好多。
四，小结
个人是这样理解的，当你删除数据时，mysql并不会回收已删除的数据所占据的存储空间，以及索引位。而是空在那里，而是等待新的数据来弥补这个空缺，这样就有一个缺少，如果一时半会，没有数据来填补这个空缺，那这样就太浪费资源了。所以对于写比较频繁的表，要定期进行optimize，一个月一次，看实际情况而定了。
举个例子来说吧。有100个Python程序员辞职了，但是呢只是人走了，Python的职位还在那里，这些职位不会撤销，要等新的Python程序员来填补这些空位。招一个好的程序员，比较难。我想大部分时间会空在那里。哈哈。
optimize table '表名'只对MyISAM, BDB和InnoDB引擎表起作用。
注意:在optimize table '表名'运行过程中，MySQL会锁定表。