高性能mysql精要

1、explain 中 extra (using index ) 表示覆盖索引,sql优化中最好能使用覆盖索引,否则(二级索引)需要回表查询。所谓覆盖索引,是指要查询的列正好是索引,而条件也是这个索引之一
2、where 语句中 条件等于主键的 ,在内核索引层完成,条件等于非索引的,在服务层完成
3、读索引加共享锁,读主键加排他锁
4、当有连接表而其中一条语句中有含有where = 主键的,优化器会优先执行这条语句,从而减少查询的数量
5、最左前缀原则,即 a,b,c为组合索引 ,语句 where a='A' and b='B' and c>'C' 可以使用索引,顺序可以打乱,如 where b='B' and c>'C' and a='A' 。而where b='B' and a>'A' and c='C' 无法使用索引,因为 a>'A' 这里使用了大于号不满足最左前缀原则
6、 %like% 无法使用索引,而like%可以
7、索引采用b+树的原因:①b+树树高小于二叉树,b+树每一层等于物理内存中的一页,每次io都把所有数据读取出来,从而减少了访问io的次数。②叶子节点是一个单链表,在使用范围 between 、in等语句时速度很快
8、由于数据库的逻辑结构是根据索引排序,如果order by 不适用索引将会全表扫描,下面是一个order by 的优化例子:
①select cols from profiles where sex ='M' ORDER BY rating LIMIT 10;
其中 sex ,rating 联合索引
②使用覆盖索引
SELECT cols from profiles INNER JOIN ( SELECT primary key cols from profiles where x.sex='M' ORDER BY rating LIMIT 10000,10) AS x using primary key cols
这里子句使用了覆盖索引
9、分解关联查询
好处① 让缓存的效率更高②减少锁的竞争③查询效率本身可能会提高④可以减少冗余记录
10、mysql执行的基础:①客户端->②查询缓存->③解析器->④解析树->⑤预处理器->⑥查询优化器->⑦查询执行计划->⑧查询执行引擎->⑨api接口调用存储引擎->⑩数据->11结果返回
11、mysql在from 子句中遇到子查询时,先执行子查询并将其结果放到一个临时表中(临时表时没有任何索引的,在编写复杂子查询和关联查询的时候需要注意),然后将这个临时表当一个普通表对待
12、mysql的执行计划是一颗左侧深度优先的树
13、mysql 对where 条件中包含IN()的子查询语句实现的很糟糕(但对IN()中包含列表则较好,特别是数据量大的时候)
14、Extra 字段显示"using index for group-by"表示使用松散索引扫描
15、最大值最小值优化:
select MIN(actor_id) from actor where first_name='PENELOPE' first_name无法使用索引,改写为:
select actor_id from actor using index(primary) where first_name ='PENELOPE' limit 1;先使用主键索引,在服务层找到符合的后直接停止,因为主键本身就是排序好的
16、优化count()
SELECT COUNT() FROM CITY WHERE ID >5 改写 为:
select (select count(
)from city-count()) from city where id<=5 子句是常量,父句数量少
17、优化关联查询:
①确保on 子句中的列上有索引,当表A和表B用c列关联的时候,如果优化器的关联顺序是B、A,那么就不需要在B表上对应列上建索引(因为B表是使用全表扫描)
②确保任何的group by 和order by 中的表达式只涉及到一个表中的列
18、优化子查询:
尽可能转换为关联查询(不是绝对的)
19、优化group by:
如果需要对关联查询做分组,并且是按照查找表中的某个列进行分组,那么通常采用查询表的标识列分组的效率会比其他的更高
select actor.first_name ,actor.last_name ,count(
) from film_actor inner join actor using(actor_id)
group by actor.first_name,actor.last_name 改写为:
select actor.first_name ,actor.last_name ,count(*) from film_actor inner join actor using(actor_id)
group by actor.actor_id
20、mysql 可重复读是如何实现的?
采用mvcc,是通过在每行记录后面保存两个隐藏的列来实现的,这两个列,一个保存了行的创建时间,一个保存了行的过期时间。存储的不是时间而是系统版本号。①只查找版本早于当前事务版本的数据行②行的过期版本要么未定义,要么大于当前事务版本号,这样可以确保事务读取到的行,在事务开始之前未过期

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 221,548评论 6 515
  • 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 94,497评论 3 399
  • 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 167,990评论 0 360
  • 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 59,618评论 1 296
  • 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 68,618评论 6 397
  • 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 52,246评论 1 308
  • 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 40,819评论 3 421
  • 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 39,725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 46,268评论 1 320
  • 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 38,356评论 3 340
  • 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 40,488评论 1 352
  • 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 36,181评论 5 350
  • 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 41,862评论 3 333
  • 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 32,331评论 0 24
  • 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 33,445评论 1 272
  • 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 48,897评论 3 376
  • 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 45,500评论 2 359

推荐阅读更多精彩内容