学习笔记-数据库优化

腾讯课堂,燕十八Mysql高性能优化https://ke.qq.com/course/171224

建表原则

  1. 变长字段和定长字段分离
  2. 常用字段和不常用字段分离
  3. 在1对多,需要关联统计的字段上,添加冗余字段以减少查询的压力,写入的时候麻烦一点

列类型选择

  1. 字段类型优先级 整型>date,time>enum,char>varcahr>blob,text
  2. 性别:utf8为例
  3. char(1)三个字节
  4. enum('男','女')内部转成数字来存,多了一个转换过程
  5. tinyint(),0,1,2 定长1字节
  6. 够用就行,不要慷慨
  7. 年龄:用 tinyint unsigned not null足够,可以存0-255
  8. varchar(10),varcahr(300)存储内容相同,但是在联查时,后者占用更多内存
  9. 尽量避免使用null()

索引类型

  1. btree索引
  2. 将节点用树进行索引
F18AEF581E92509B292295258BE85331.png
  1. 找到索引,再找到对应记录的位置获取详情
  2. 提高排序/分组/查询速度
  3. 误区:
  4. where id>3 and price>100,那么在id和price都建立索引.这是错误的,因为索引是独立的,这条语句只能用一个索引
  5. 联合索引:左前缀索引,按索引顺序(语句可替换) 使用索引
  6. hash索引
  7. 将索引hash,放入对应位置
  8. 范围查找,不好使
  9. 排序无法优化
  10. 优点,复杂度理论为O(1)
  11. 非聚簇索引
  12. myisam:索引和数据是分开的
  13. 回行拿数据
    4.聚簇索引
  14. innoDB:索引和数据是放在一起的
  15. 主键索引即存储索引,又存储数据
  16. 非主键索引的数据指向主键键索引:即先找到name,name节点存储了id,再到id索引找到详细数据

修复表

  1. 索引碎片与维护
  2. 在长期的数据更改过程中,索引文件和数据文件,都将产生空洞,形成碎片
  3. 可以通过Nop(不产生对数据实质影响的操作)来修复表:
  4. alter table xxx engine innodb;本来就是innodb引擎
  5. optimize table name 来修复表
  6. 把数据文件对齐,比较耗资源,不能频繁操作,如果update 操作频繁周/月 来修复,不频繁则更长周期来修复

explain

字段 解释
id: 该语句中查询语句的id(因为可能是嵌套查询)
select_type: 见下图
table : 查询的表\别名
possible_keys: 可能用到的key
key: 用到的key
type: 查询的方式,非常重要,是分析"查数据过程"all/index/range/ref/const/system/null效果越来越好
ref: 连接查询是,表字段的引用关系
rows: 估计要扫描的行数
extra: 1. index:用到了索引覆盖,效率非常高;2. usering where指光靠索引不能定位,还要where判断一下;3. usering temporary用了临时表,group by 与order by 不同列时,或group by order by别的表的列;4. usering filesort:文件排序
0350565611272DB6AB52F0DA38415432.png

in型子查询陷阱

mysql的查询优化器,针对in型查询做了优化,被改成了exists子茶行的执行效果
改进:用链接查询代替子查询

count小技巧

表a有44555550条数据
想知道id大于1000的有多少条数据
直接select count() from a where id>1000;耗时可能有4/5s
优化策略:
select count(
) from a 得到总记录数 total;
select count(*) from a<=1000得到记录数 lt1000;
total-lt1000=总数-一小块=剩下一大块

union小技巧

union会排序,去重
union all 不会排序去重

limit翻页优化

limit随着翻页offset的增长,越来越慢
limit 10000,5 :拿出10005行,丢掉前边10000行,返回5行数据

改进方法
用where进行优化
select * from a where id>10000 limit 5;
这个要求数据id不能断

思路是:将分页只在索引叶子上进行,得到要获取的id,然后根据id区查询详情:
select * from a inner join (select id from a limit 1000000,5) as b on a.id=b.id;

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 212,657评论 6 492
  • 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 90,662评论 3 385
  • 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 158,143评论 0 348
  • 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 56,732评论 1 284
  • 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 65,837评论 6 386
  • 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 50,036评论 1 291
  • 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 39,126评论 3 410
  • 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 37,868评论 0 268
  • 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 44,315评论 1 303
  • 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 36,641评论 2 327
  • 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 38,773评论 1 341
  • 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 34,470评论 4 333
  • 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 40,126评论 3 317
  • 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 30,859评论 0 21
  • 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 32,095评论 1 267
  • 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 46,584评论 2 362
  • 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 43,676评论 2 351

推荐阅读更多精彩内容