mysql优化

  1. 定位慢查询
show variables like 'slow_query%'
  1. 选择合适的数据类型
  • 使用可存下数据的最小的数据类型,int < date, time < char, varchar < blob
  • 使用简单的数据类型,整型比字符串处理开销更小
  • 使用合理的字段属性长度,固定长度的表会更快
  • 尽可能使用not null 定义字段
  • 尽量少用text
  1. 选择合适的索引列
  • 查询频繁的列,在where, group by, order by, join on从句中出现的列
  • where条件中<, <=, =, >=, between, in, 以及like字符串+通配符(%)出现的列
  • 长度小的列,索引字段越小越好
  • (离散度大)不同的值多的列,放在联合索引前面
// 查看离散度
select count(distinct col_name) from table;

索引类型:
普通索引index:适用于name。email等一般属性
唯一索引unique:与普通索引类似,但唯一
主键索引primary:主键索引,一般建表的时候添加
全文索引:只适用于varchar和text字段,且只支持英文,中文需使用Sphinx等技术
组合索引:就是建立索引时指定多个字段属性
生效原则:从前往后依次使用生效,如果中间某个索引没有使用,那么断点前面的索引部分起作用,断点后面的索引没有起作用;
例:(abc)索引 select * from mytable where a=3 and b=5 and c=4;
查看索引:show index/keys from table_name;

  1. sql语句优化
  • 避免全表扫描
  • 避免在where字句中使用!=或<>操作符,否则将放弃使用索引而进行全表扫描
  • 避免在where字句中进行null判断,select colname from table where col is null, 可以把null设为默认值0
  • 避免在where字句中使用or连接,否则将进行全表扫描,可以使用union连接2个select查询
  • 避免在where字句中使用like,否则将进行全表扫描
  • in和not in也会进行全表扫描,对于连续的数字可以使用between,也可以使用exists代替in
  • 避免在where字句的字段进行函数操作,如where num/2=100, 应该改为num=100*2
  • 避免使用select * 要用具体字段代替
  • 只查询一条数据时,使用limit 1
  • 使用join来代替子查询
  1. 使用命令行分析
  • show查看状态
// 1. 显示状态信息
> show [session|global] status like '%status_name%'
//a 查看查询次数【插入,修改,删除】
com_select
b 查看连接数(登陆次数)
connections
c 数据库运行时间
uptime
d 慢查询次数
slow_queries
e 查看索引使用的情况
handler_read
> handler_read_key 越高越好,表示使用索引查询到的次数
handler_read_rnd_next 越高说明查询越低效

// 2 显示系统变量
> show variables like '%variables_name%'

// 3 显示InnoDB存储引擎的状态
> show engine innodb status;

// 4 expain 分析查询
> explain select ...
explain查询sql执行计划,各列含义:
table:表名;
type:连接的类型
    -const:主键、索引;
    -eq_reg:主键、索引的范围查找;
    -ref:连接的查找(join)
    -range:索引的范围查找;
    -index:索引的扫描;
    -all:全表扫描;
possible_keys:可能用到的索引;
key:实际使用的索引;
key_len:索引的长度,越短越好;
ref:索引的哪一列被使用了,常数较好;
rows:mysql认为必须检查的用来返回请求数据的行数;
extra:using filesort、using temporary(常出现在使用order by时)时需要优化。
    -Using filesort  额外排序。看到这个的时候,查询就需要优化了
    -Using temporary 使用了临时表。看到这个的时候,也需要优化

// 5 开启profile,查看当前sql的执行时间
> set profiling=on;
> show profiles;
// 查看所有用户当前连接,包括执行状态等
> show processlist;
// produce analyse()通过扥洗select结果对现有的表的每一列给出优化的建议
> select column_name from table produce analyse();

//6 optimize table 回收闲置的数据库空间
> optmize table table_name;
//7 repair table 修复被破坏的表
> repair table table_name;
//8 check table 检查表是否有错误
> check table table_name;
最后编辑于
©著作权归作者所有,转载或内容合作请联系作者
  • 序言:七十年代末,一起剥皮案震惊了整个滨河市,随后出现的几起案子,更是在滨河造成了极大的恐慌,老刑警刘岩,带你破解...
    沈念sama阅读 218,525评论 6 507
  • 序言:滨河连续发生了三起死亡事件,死亡现场离奇诡异,居然都是意外死亡,警方通过查阅死者的电脑和手机,发现死者居然都...
    沈念sama阅读 93,203评论 3 395
  • 文/潘晓璐 我一进店门,熙熙楼的掌柜王于贵愁眉苦脸地迎上来,“玉大人,你说我怎么就摊上这事。” “怎么了?”我有些...
    开封第一讲书人阅读 164,862评论 0 354
  • 文/不坏的土叔 我叫张陵,是天一观的道长。 经常有香客问我,道长,这世上最难降的妖魔是什么? 我笑而不...
    开封第一讲书人阅读 58,728评论 1 294
  • 正文 为了忘掉前任,我火速办了婚礼,结果婚礼上,老公的妹妹穿的比我还像新娘。我一直安慰自己,他们只是感情好,可当我...
    茶点故事阅读 67,743评论 6 392
  • 文/花漫 我一把揭开白布。 她就那样静静地躺着,像睡着了一般。 火红的嫁衣衬着肌肤如雪。 梳的纹丝不乱的头发上,一...
    开封第一讲书人阅读 51,590评论 1 305
  • 那天,我揣着相机与录音,去河边找鬼。 笑死,一个胖子当着我的面吹牛,可吹牛的内容都是我干的。 我是一名探鬼主播,决...
    沈念sama阅读 40,330评论 3 418
  • 文/苍兰香墨 我猛地睁开眼,长吁一口气:“原来是场噩梦啊……” “哼!你这毒妇竟也来了?” 一声冷哼从身侧响起,我...
    开封第一讲书人阅读 39,244评论 0 276
  • 序言:老挝万荣一对情侣失踪,失踪者是张志新(化名)和其女友刘颖,没想到半个月后,有当地人在树林里发现了一具尸体,经...
    沈念sama阅读 45,693评论 1 314
  • 正文 独居荒郊野岭守林人离奇死亡,尸身上长有42处带血的脓包…… 初始之章·张勋 以下内容为张勋视角 年9月15日...
    茶点故事阅读 37,885评论 3 336
  • 正文 我和宋清朗相恋三年,在试婚纱的时候发现自己被绿了。 大学时的朋友给我发了我未婚夫和他白月光在一起吃饭的照片。...
    茶点故事阅读 40,001评论 1 348
  • 序言:一个原本活蹦乱跳的男人离奇死亡,死状恐怖,灵堂内的尸体忽然破棺而出,到底是诈尸还是另有隐情,我是刑警宁泽,带...
    沈念sama阅读 35,723评论 5 346
  • 正文 年R本政府宣布,位于F岛的核电站,受9级特大地震影响,放射性物质发生泄漏。R本人自食恶果不足惜,却给世界环境...
    茶点故事阅读 41,343评论 3 330
  • 文/蒙蒙 一、第九天 我趴在偏房一处隐蔽的房顶上张望。 院中可真热闹,春花似锦、人声如沸。这庄子的主人今日做“春日...
    开封第一讲书人阅读 31,919评论 0 22
  • 文/苍兰香墨 我抬头看了看天上的太阳。三九已至,却和暖如春,着一层夹袄步出监牢的瞬间,已是汗流浃背。 一阵脚步声响...
    开封第一讲书人阅读 33,042评论 1 270
  • 我被黑心中介骗来泰国打工, 没想到刚下飞机就差点儿被人妖公主榨干…… 1. 我叫王不留,地道东北人。 一个月前我还...
    沈念sama阅读 48,191评论 3 370
  • 正文 我出身青楼,却偏偏与公主长得像,于是被迫代替她去往敌国和亲。 传闻我的和亲对象是个残疾皇子,可洞房花烛夜当晚...
    茶点故事阅读 44,955评论 2 355

推荐阅读更多精彩内容