1：索引设计规范
1：限制每张表上的索引数量,建议单张表索引不超过 5 个
索引可以增加查询效率，但同样也会降低插入和更新的效率，甚至有些情况下会降低查询效率；
因为 MySQL 优化器在选择如何优化查询时，会根据统一信息，对每一个可以用到的索引来进行评估，以生成出一个最好的执行计划；
如果同时有很多个索引都可以用于查询，就会增加 MySQL 优化器生成执行计划的时间，同样会降低查询性能；
2：Innodb必须有一个主键：
Innodb 是一种索引组织表：数据的存储的逻辑顺序和索引的顺序是相同的。
每个表都可以有多个索引，但是表的存储顺序只能有一种。
Innodb 是按照主键索引的顺序来组织表的；
注意：
主键建议使用自增 ID 值；
不要使用更新频繁的列作为主键；
不适用多列主键（相当于联合索引）；
不要使用 UUID,MD5,HASH,字符串列作为主键（无法保证数据的顺序增长）；
3：常见索引列建议：
1：出现在 SELECT、UPDATE、DELETE 语句的 WHERE 从句中的列；
2：包含在 ORDER BY、GROUP BY、DISTINCT 中的字段；
3：并不要将符合 1 和 2 中的字段的列都建立一个索引， 通常将 1、2 中的字段建立联合索引效果更好；
4：多表 join 的关联列
4：如何选择索引列的顺序
1：区分度最高的放在联合索引的最左侧（区分度=列中不同值的数量/列的总行数）:
2：尽量把字段长度小的列放在联合索引的最左侧（因为字段长度越小，一页能存储的数据量越大，IO 性能也就越好）
3：使用最频繁的列放到联合索引的左侧（这样可以比较少的建立一些索引）
5：对于频繁的查询优先考虑使用覆盖索引
覆盖索引：
就是包含了所有查询字段 (where,select,ordery by,group by 包含的字段) 的索引
1：避免 Innodb 表进行索引的二次查询: Innodb 是以聚集索引的顺序来存储的，
对于 Innodb 来说，二级索引在叶子节点中所保存的是行的主键信息；
如果是用二级索引查询数据的话，在查找到相应的键值后，还要通过主键进行二次查询才能获取我们真实所需要的数据。
而在覆盖索引中，二级索引的键值中可以获取所有的数据，避免了对主键的二次查询 ，减少了 IO 操作，提升了查询效率。
2：可以把随机 IO 变成顺序 IO 加快查询效率:
由于覆盖索引是按键值的顺序存储的，对于 IO 密集型的范围查找来说，
对比随机从磁盘读取每一行的数据 IO 要少的多，
因此利用覆盖索引在访问时也可以把磁盘的随机读取的 IO 转变成索引查找的顺序 IO。
6：索引 SET 规范
1：不建议使用外键约束（foreign key），但一定要在表与表之间的关联键上建立索引:
2：外键可用于保证数据的参照完整性，但建议在业务端实现
3：外键会影响父表和子表的写操作从而降低性能
2：数据库 SQL 开发规范
1：建议使用预编译语句进行数据库操作
预编译语句可以重复使用这些计划，相同语句可以一次解析，多次使用，提高处理效率，减少时间；
解决动态 SQL 所带来的 SQL 注入的问题。只传参数，比传递 SQL 语句更高效。
2：避免数据类型的隐式转换
隐式转换会导致索引失效：
select name,phone from customer where id = '1';
3：充分利用表上已经存在的索引
避免使用双%号的查询条件。如：a like '%123%'，（如果无前置%,只有后置%，是可以用到列上的索引的）
进行关联查询时：使用 exists 或者 left join来优化 in 操作，因为 not in 也通常会使用索引失效。
select * from table_a where id in (select id from table_b)
select * from table_a where id exists (select id from table_b)
范围查询可能会中断联合索引的使用。梯子断了自然没办法爬楼
在定义联合索引时，如果 a 列要用到范围查找的话，就要把 a 列放到联合索引的右侧（待确认）
4： 禁止使用 SELECT * 必须使用 SELECT <字段列表> 查询原因：
消耗更多的 CPU 和 IO 以网络带宽资源
无法使用覆盖索引
可减少表结构变更带来的影响
5：禁止使用不含字段列表的 INSERT 语句
insert into table(a,b,b) values ('a','b','c');
6： 避免使用子查询，可以把子查询优化为 join 操作
通常子查询在 in 子句中，且子查询中为简单 SQL(不包含 union、group by、order by、limit 从句) 时；
这时候可以把子查询转化为关联查询进行优化。
子查询性能差的原因：
子查询的结果集无法使用索引，通常子查询的结果集会被存储到临时表中，
不论是内存临时表还是磁盘临时表都不会存在索引，所以查询性能会受到一定的影响。
特别是对于返回结果集比较大的子查询，其对查询性能的影响也就越大。
所以会消耗过多的 CPU 和 IO 资源，产生大量的慢查询。
7：避免使用 JOIN 关联太多的表
在 MySQL 中，对于同一个 SQL 多关联（join）一个表，就会多分配一个关联缓存，
如果在一个 SQL 中关联的表越多，所占用的内存也就越大。
如果程序中大量的使用了多表关联的操作，同时 join_buffer_size 设置的也不合理的情况下，
就容易造成服务器内存溢出的情况，影响到服务器数据库性能的稳定性
8：对应同一列进行 or 判断时，使用 in 代替 or
in 的值不要超过 500 个，in 操作可以更有效的利用索引，or 大多数情况下很少能利用到索引。
9：禁止使用 order by rand() 进行随机排序
order by rand() 会把表中所有符合条件的数据装载到内存中；
然后在内存中对所有数据根据随机生成的值进行排序，并且可能会对每一行都生成一个随机值，
如果满足条件的数据集非常大，就会消耗大量的 CPU 和 IO 及内存资源。
10： WHERE 从句中禁止对列进行函数转换和计算
不推荐：
where date(create_time)='20210101'
推荐：
where create_time >= '20210101' and create_time < '20210102'
11：在明显不会有重复值时使用 UNION ALL 而不是 UNION
UNION 会把两个结果集的所有数据放到临时表中后再进行去重操作
UNION ALL 不会再对结果集进行去重操作
12：拆分复杂的大 SQL 为多个小 SQL
1：大 SQL 逻辑上比较复杂，需要占用大量 CPU 进行计算的 SQL；
2：MySQL 中，一个 SQL 只能使用一个 CPU 进行计算SQL，拆分后可以通过并行执行来提高处理效率；
3：数据库操作行为规范
1：超 100 万行的批量写 (UPDATE,DELETE,INSERT) 操作,要分批多次进行操作
1：大批量操作可能会造成严重的主从延迟
主从环境中,大批量操作可能会造成严重的主从延迟，大批量的写操作一般都需要执行一定长的时间；
而只有当主库上执行完成后，才会在其他从库上执行；
2：binlog 日志为 row 格式时会产生大量的日志
大批量写操作会产生大量日志，对于 row 格式二进制数据而言；
由于在 row 格式中会记录每一行数据的修改，我们一次修改的数据越多，产生的日志量也就会越多，日志的传输和恢复所需要的时间也就越长，这也是造成主从延迟的一个原因
3：避免产生大事务操作
大批量修改数据，一定是在一个事务中进行的，这就会造成表中大批量数据进行锁定，从而导致大量的阻塞，阻塞会对 MySQL 的性能产生非常大的影响。
特别是长时间的阻塞会占满所有数据库的可用连接，这会使生产环境中的其他应用无法连接到数据库；
2：对于大表使用 pt-online-schema-change 修改表结构
避免大表修改产生的主从延迟
避免在对表字段进行修改时进行锁表
对大表数据结构的修改一定要谨慎，会造成严重的锁表操作，尤其是生产环境，是不能容忍的。
pt-online-schema-change 它会首先建立一个与原表结构相同的新表，并且在新表上进行表结构的修改，然后再把原表中的数据复制到新表中，并在原表中增加一些触发器。
把原表中新增的数据也复制到新表中，在行所有数据复制完成之后，把新表命名成原表，并把原来的表删除掉。
把原来一个 DDL 操作，分解成多个小的批次进行。
3： 禁止为程序使用的账号赋予 super 权限
当达到最大连接数限制时，还运行 1 个有 super 权限的用户连接
super 权限只能留给 DBA 处理问题的账号使用
4：对于程序连接数据库账号,遵循权限最小原则
程序使用数据库账号只能在一个 DB 下使用，不准跨库
程序使用的账号原则上不准有 drop 权限
