04: Mysql性能优化

目录

1.1 Mysql数据库的优化技术
1.2 数据库表设计
1.3 SQL优化
1、为查询缓存优化你的查询
2、EXPLAIN 你的 SELECT 查询
3、 当只要一行数据时使用 LIMIT 1
4、建立适当的索引
1.4 MySQL中like模糊匹配为何低效
1.5 数据库优化方案
1.6 数据库怎么优化查询效率

1.1 Mysql数据库的优化技术

1、mysql优化是一个综合性的技术，主要包括

    1. 表的设计合理化(符合3NF)
    2. 添加适当索引(index) [四种: 普通索引、主键索引、唯一索引unique、全文索引]
    3. 分表技术(水平分割、垂直分割)
    4. 读写[写: update/delete/add]分离
    5. 存储过程 [模块化编程，可以提高速度]
    6. 对mysql配置优化 [配置最大并发数my.ini, 调整缓存大小 ]
    7. mysql服务器硬件升级
    8. 定时的去清除不需要的数据,定时进行碎片整理(MyISAM)

2、要保证数据库的效率，要做好以下四个方面的工作

    1. 数据库设计
    2. sql语句优化
    3. 数据库参数配置
    4. 恰当的硬件资源和操作系统

    此外，使用适当的存储过程，也能提升性能。
    这个顺序也表现了这四个工作对性能影响的大小

1.2 数据库表设计

1、通俗地理解三个范式

第一范式： 1NF是对属性的原子性约束，要求属性(列)具有原子性，不可再分解；(只要是关系型数据库都满足1NF)

第二范式： 2NF是对记录的惟一性约束，要求记录有惟一标识，即实体的惟一性；

第三范式： 3NF是对字段冗余性的约束，它要求字段没有冗余。 没有冗余的数据库设计可以做到

2、第一范式（1NF)

1. 即表的列的具有原子性,不可再分解，即列的信息，不能分解, 只要数据库是关系型数据库(mysql/oracle/db2/informix/sysbase/sql server)，就自动的满足1NF。
2. 数据库表的每一列都是不可分割的原子数据项，而不能是集合，数组，记录等非原子数据项。
3. 如果实体中的某个属性有多个值时，必须拆分为不同的属性 。通俗理解即一个字段只存储一项信息。

3、第二范式（2NF)

1、要求数据库表中的每个实例或行必须可以被惟一地区分。为实现区分通常需要我们设计一个主键来实现(这里的主键不包含业务逻辑)。

4、第三范式（3NF)

1、要求一个数据库表中不包含已在其它表中已包含的非主键字段。

2、如果能够被推导出来，就不应该单独的设计一个字段来存放(能尽量外键join就用外键join)。

3、很多时候，我们为了满足第三范式往往会把一张表分成多张表。

1.3 SQL优化

1、为查询缓存优化你的查询

1、大多数的MySQL服务器都开启了查询缓存。这是提高性最有效的方法之一，而且这是被MySQL的数据库引擎处理的。
2、当有很多相同的查询被执行了多次的时候，这些查询结果会被放到一个缓存中，这样，后续的相同的查询就不用操作表而直接访问缓存结果了。
3、像 NOW() 和 RAND() 或是其它的诸如此类的SQL函数都不会开启查询缓存，因为这些函数的返回是会不定的易变的。

2、EXPLAIN 你的 SELECT 查询

1、explain关键字作用

1、使用 EXPLAIN 关键字可以让你知道MySQL是如何处理你的SQL语句的。这可以帮你分析你的查询语句或是表结构的性能瓶颈。
2、EXPLAIN 的查询结果还会告诉你你的索引主键被如何利用的，你的数据表是如何被搜索和排序的……等等，等等。

2、explain使用举例

Explain select * from emp where ename=“wsrcla”
        会产生如下信息：
            select_type: 表示查询的类型。
            table:  输出结果集的表
            type:  表示表的连接类型
            possible_keys:   表示查询时，可能使用的索引
            key:   表示实际使用的索引
            key_len:   索引字段的长度
            rows:   扫描出的行数(估算的行数)
            Extra:   执行情况的描述和说明

3、EXPLAIN信息详解

       1. id   SELECT识别符。这是SELECT的查询序列号

　　　　2. select_type　

　　　　　　　　PRIMARY :   子查询中最外层查询
　　　　　　　　SUBQUERY :    子查询内层第一个SELECT，结果不依赖于外部查询
　　　　　　　　DEPENDENT SUBQUERY:   子查询内层第一个SELECT，依赖于外部查询
　　　　　　　　UNION :   UNION语句中第二个SELECT开始后面所有SELECT，
　　　　　　　　SIMPLE：  简单的 select 查询,不使用 union 及子查询
　　　　　　　　UNION ：  UNION 中的第二个或随后的 select 查询,不依赖于外部查询的结果集

　　　　3. Table ： 显示这一步所访问数据库中表名称

　　　　4. Type ： 对表访问方式

　　　　　　　　ALL：  SELECT * FROM emp G 完整的表扫描 通常不好
　　　　　　　　SELECT * FROM (SELECT * FROM emp WHERE empno = 1) a ;
　　　　　　　　system：  表仅有一行(=系统表)。这是const联接类型的一个特
　　　　　　　　const：  表最多有一个匹配行

　　　　5. Possible_keys ： 该查询可以利用的索引，如果没有任何索引显示  null

　　　　6. Key ： Mysql 从 Possible_keys 所选择使用索引

　　　　7. Rows ：  估算出结果集行数

　　　　8. Extra查询细节信息
　　　　　　　　No tables ：  Query语句中使用FROM DUAL 或不含任何FROM子句
　　　　　　　　Using filesort ：  当Query中包含 ORDER BY 操作，而且无法利用索引完成排序，
　　　　　　　　Impossible WHERE noticed after reading const tables: MYSQL Query Optimizer
　　　　　　　　通过收集统计信息不可能存在结果
　　　　　　　　Using temporary：  某些操作必须使用临时表，常见 GROUP BY ; ORDER BY
　　　　　　　　Using where：  不用读取表中所有信息，仅通过索引就可以获取所需数据;

3、 当只要一行数据时使用 LIMIT 1

1、当你查询表的有些时候，你已经知道结果只会有一条结果，但因为你可能需要去fetch游标，或是你也许会去检查返回的记录数。
2、在这种情况下，加上 LIMIT 1 可以增加性能。这样一样，MySQL数据库引擎会在找到一条数据后停止搜索，而不是继续往后查少下一条符合记录的数据。

4、建立适当的索引

1、索引为什会使查找变快

1、btree类型的索引，就是使用的二分查找法，肯定快啊，算法复杂度是log2N，也就是说16条数据查4次，32条数据查5次，64条数据查6次....依次类推。
2、使用索引跟没使用索引的区别，就跟我们使用新华字典查字，一个是根据拼音或者笔画查找，一个是从头到尾一页一页翻。

2、索引的代价

1、磁盘占用
2、对dml(update delete insert)语句的效率影响

3、索引使用原则

    1、较频繁的作为查询条件字段应该创建索引
            select * from emp where empno = 1;

    2、唯一性太差的字段不适合单独创建索引，即使频繁作为查询条件
            select * from emp where sex = '男'

    3、更新非常频繁的字段不适合创建索引
            select * from emp where logincount = 1

    4、不会出现在WHERE子句中的字段不该创建索引

4、mysql四种索引的区别

        1、主键索引，主键自动的为主索引 (类型Primary)
        2、唯一索引 (UNIQUE)
        3、普通索引 (INDEX)
        4、全文索引 (FULLTEXT) [适用于MyISAM] ——》sphinx + 中文分词 coreseek [sphinx 的中文版 ]

*5、索引的使用 *

        1. 建立索引

　　　　　　　　1、create [UNIQUE|FULLTEXT] index index_name on tbl_name (col_name [(length)] [ASC | DESC] , …..);
　　　　　　　　2、alter table table_name ADD INDEX [index_name] (index_col_name,...)

　　　　2.  删除索引

　　　　　　　　1、DROP INDEX index_name ON tbl_name;
　　　　　　　　2、alter table table_name drop index index_name;

　　　　　　　　注：删除主键(索引)比较特别: alter table t_b drop primary key;

　　　　3. 创建普通索引方法

　　　　　　#1 查看student表中有哪些索引
　　　　　　　　　　mysql> show index from student;                                   #查看student表中有哪些索引

　　　　　　#2 创建最基本的的索引
　　　　　　　　　　mysql> create index index_name on student(name(32));              #将student中字段name创建成索引

　　　　　　#3 删除索引的语法
　　　　　　　　　　mysql> drop index index_name on student;

　　　　4. 创建唯一索引
　　　　　　　　注： 它与前面的普通索引类似，不同的就是：索引列的值必须唯一，但允许有空值
　　　　　　　　#1创建索引
　　　　　　　　mysql>  create unique index index_name on student(name(32));

6、使用或不使用索引的情况

        1. 下列几种情况下有可能使用到索引

　　　　　　　　1，对于创建的多列索引，只要查询条件使用了最左边的列，索引一般就会被使用。
　　　　　　　　2，对于使用like的查询，查询如果是  '%aaa' 不会使用到索引， 'aaa%' 会使用到索引。

        2. 下列的表将不使用索引

　　　　　　　　1， 如果条件中有or，即使其中有条件带索引也不会使用。
　　　　　　　　2， 对于多列索引，不是使用的第一部分，则不会使用索引。
　　　　　　　　3， like查询是以%开头
　　　　　　　　4， 如果列类型是字符串，那一定要在条件中将数据使用引号引用起来。否则不使用索引。(添加时,字符串必须'')
　　　　　　　　5， 如果mysql估计使用全表扫描要比使用索引快，则不使用索引。

1.4 MySQL中like模糊匹配为何低效

1、都不使用索引

• 说明：不使用索引的时候普通查询与like查询的耗时相当，like略长，这也是必然的，因为它要进行额外的算法

2、like不使用索引、普通查询使用索引

• 说明：使用索引后，普通查询的耗时基本算是秒查，非常快；而like查询还是耗时一秒多。

3、like查询起始也可以使用索引

1）如果我们查询的时候写成“like 'dd_'或者like 'dd%'”，这样是可以用到索引的，此时的查询速度也会相对的快一点。

2）如果查询的时候写成“ like '%dd'”,查询字符串最前面就是模糊的无法使用索引

1.5 数据库优化方案

　　　  1. 优化索引、SQL 语句、分析慢查询

　　　　2. 设计表的时候严格根据数据库的设计范式来设计数据库

　　　　3. 使用缓存，把经常访问到的数据而且不需要经常变化的数据放在缓存中，能节约磁盘IO

　　　　4. 优化硬件；采用SSD，使用磁盘队列技术(RAID0,RAID1,RDID5)等；

　　　　5. 采用MySQL 内部自带的表分区技术，把数据分层不同的文件，能够提高磁盘的读取效率

　　　　6. 垂直分表；把一些不经常读的数据放在一张表里，节约磁盘I/O

　　　　7. 主从分离读写；采用主从复制把数据库的读操作和写入操作分离开来

　　　　8. 分库分表分机器（数据量特别大），主要的的原理就是数据路由

　　　　9. 选择合适的表引擎，参数上的优化

　　　　10. 进行架构级别的缓存，静态化和分布式

　　　　11. 不采用全文索引

1.6 数据库怎么优化查询效率

       1、储存引擎选择：如果数据表需要事务处理，应该考虑使用InnoDB，因为它完全符合ACID特性。如果不需要事务处理，使用默认存储引擎MyISAM是比较明智的

　　　　2、分表分库，主从。

　　　　3、对查询进行优化，要尽量避免全表扫描，首先应考虑在 where 及 order by 涉及的列上建立索引

　　　　4、应尽量避免在 where 子句中对字段进行 null 值判断，否则将导致引擎放弃使用索引而进行全表扫描

　　　　5、应尽量避免在 where 子句中使用 != 或 <> 操作符，否则将引擎放弃使用索引而进行全表扫描

　　　　6、应尽量避免在 where 子句中使用 or 来连接条件，如果一个字段有索引，一个字段没有索引，将导致引擎放弃使用索引而进行全表扫描

　　　　7、Update 语句，如果只更改1、2个字段，不要Update全部字段，否则频繁调用会引起明显的性能消耗，同时带来大量日志

　　　　8、对于多张大数据量（这里几百条就算大了）的表JOIN，要先分页再JOIN，否则逻辑读会很高，性能很差。