一、MySQL 被动性能优化
通常会遇到以下 3 个问题：
1、单条 SQL 运行慢；
2、部分 SQL 运行慢；
3、整个 SQL 运行慢。
问题 1：单条 SQL 运行慢
问题分析：造成单条 SQL 运行比较慢的常见原因有以下两个：
1、未正常创建或使用索引；
2、表中数据量太大。
解决方案 1：创建并正确使用索引
如果发生以下情况那么 MySQL 将不能正常的使用索引：
1、在 where 子句中使用 != 或者 <> 操作符，查询引用会放弃索引而进行全表扫描；
2、不能使用前导模糊查询，也就是 '%XX' 或 '%XX%'，由于前导模糊不能利用索引的顺序，必须一个个去找，看是否满足条件，这样会导致全索引扫描或者全表扫描；
3、如果条件中有 or 即使其中有条件带索引也不会正常使用索引，要想使用 or 又想让索引生效，只能将 or 条件中的每个列都加上索引才能正常使用；
4、在 where 子句中对字段进行表达式操作。
因此你要尽量避免以上情况，除了正常使用索引之外，我们也可以使用以下技巧来优化索引的查询速度：
1、尽量使用主键查询，而非其他索引，因为主键查询不会触发回表查询；
2、查询语句尽可能简单，大语句拆小语句，减少锁时间；
3、尽量使用数字型字段，若只含数值信息的字段尽量不要设计为字符型；
4、用 exists 替代 in 查询；
5、避免在索引列上使用 is null 和 is not null。
表的其他优化方案：
1、使用可以存下数据最小的数据类型；
2、使用简单的数据类型，int 要比 varchar 类型在 MySQL 处理简单；
3、尽量使用 tinyint、smallint、mediumint 作为整数类型而非 int；
4、尽可能使用 not null 定义字段，因为 null 占用 4 字节空间；
5、尽量少用 text 类型，非用不可时最好考虑分表；
6、尽量使用 timestamp，而非 datetime；
7、单表不要有太多字段，建议在 20 个字段以内
解决方案 2：数据拆分
当表中数据量太大时 SQL 的查询会比较慢，你可以考虑拆分表，让每张表的数据量变小，从而提高查询效率。
1.垂直拆分
指的是将表进行拆分，把一张列比较多的表拆分为多张表。比如，用户表中一些字段经常被访问，将这些字段放在一张表中，另外一些不常用的字段放在另一张表中，插入数据时，使用事务确保两张表的数据一致性。垂直拆分的原则：
把不常用的字段单独放在一张表；
把 text，blob 等大字段拆分出来放在附表中；
经常组合查询的列放在一张表中。
2.水平拆分
指的是将数据表行进行拆分，表的行数超过200万行时，就会变慢，这时可以把一张的表的数据拆成多张表来存放。通常情况下，我们使用取模的方式来进行表的拆分，比如，一张有 400W 的用户表 users，为提高其查询效率我们把其分成 4 张表 users1，users2，users3，users4，然后通过用户 ID 取模的方法，同时查询、更新、删除也是通过取模的方法来操作。
问题 2：部分 SQL 运行慢
问题分析
部分 SQL 运行比较慢，我们首先要做的就是先定位出这些 SQL，然后再看这些 SQL 是否正确创建并使用索引。也就是说，我们先要使用慢查询工具定位出具体的 SQL，然后再使用问题 1 的解决方案处理慢 SQL。
show variables like '%slow_query_log%';
问题 3：整个 SQL 运行慢
问题分析
当出现整个 SQL 都运行比较慢就说明目前数据库的承载能力已经到了峰值，因此我们需要使用一些数据库的扩展手段来缓解 MySQL 服务器了。
解决方案：读写分离
一般情况下对数据库而言都是“读多写少”，换言之，数据库的压力多数是因为大量的读取数据的操作造成的，我们可以采用数据库集群的方案，使用一个库作为主库，负责写入数据；其他库为从库，负责读取数据。这样可以缓解对数据库的访问压力。
扩展知识：SQL 语句分析
在 MySQL 中我们可以使用 explain 命令来分析 SQL 的执行情况，比如：
explain select * from t where id=5;
如下图所示：
其中：
id — 选择标识符，id 越大优先级越高，越先被执行；
select_type — 表示查询的类型；
table — 输出结果集的表；
partitions — 匹配的分区；
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；
ref— 列与索引的比较；
rows — 大概估算的行数；
filtered — 按表条件过滤的行百分比；
Extra — 执行情况的描述和说明。
其中最重要的就是 type 字段，type 值类型如下：
all — 扫描全表数据；
index — 遍历索引；
range — 索引范围查找；
index_subquery — 在子查询中使用 ref；
unique_subquery — 在子查询中使用 eq_ref；
ref_or_null — 对 null 进行索引的优化的 ref；
fulltext — 使用全文索引；
ref — 使用非唯一索引查找数据；
eq_ref — 在 join 查询中使用主键或唯一索引关联；
const — 将一个主键放置到 where 后面作为条件查询， MySQL 优化器就能把这次查询优化转化为一个常量，如何转化以及何时转化，这个取决于优化器，这个比 eq_ref 效率高一点。
