标签：提高 update 信息 运动 键值对 参数配置 分库分表 操作 sql
SQL优化背景
开发项目上线初期，由于业务数据量相对较少，一些SQL的执行效率对程序运行效率的影响不太明显，而开发和运维人员也无法判断SQL对程序的运行效率有多大，故很少针对SQL进行专门的优化，而随着时间的积累，业务数据量的增多，SQL的执行效率对程序的运行效率的影响逐渐增大，此时对SQL的优化就很有必要。
- SQL优化发生在业务量达到一定规模的时候
- 目的是优化SQL的执行效率
慢查询：10s无返回结果，定义为慢查询
SHOW STATUS LIKE "slow_queries";SHOW VARIABLES LIKE "long_query_time";//可以显示当前慢查询时间
set long_query_time=1 ;//可以修改慢查询时间避免全表扫描（考虑在 where 及 order by 涉及的列上建立索引）
尽量避免在 where 子句中对字段进行 null 值判断，否则将导致引擎放弃使用索引而进行全表扫描
select id from t where num is null
可以在num上设置默认值0，确保表中num列没有null值，然后这样查询：
select id from t where num=0 应尽量避免在 where 子句中使用!=或<>操作符，否则将引擎放弃使用索引而进行全表扫描
应尽量避免在 where 子句中使用 or 来连接条件，否则将导致引擎放弃使用索引而进行全表扫描
select id from t where num=10 or num=20
可以这样查询：
select id from t where num=10
union all
select id from t where num=20 in 和 not in 也要慎用，否则会导致全表扫描
select id from t where num in(1,2,3)
对于连续的数值，能用 between 就不要用 in 了：
select id from t where num between 1 and 3 应尽量避免在 where 子句中对字段进行表达式操作，这将导致引擎放弃使用索引而进行全表扫描
select id from t where num/2=100
应改为:
select id from t where num=100*2 应尽量避免在where子句中对字段进行函数操作，这将导致引擎放弃使用索引而进行全表扫描
select id from t where substring(name,1,3)='abc'--name以abc开头的id
应改为:
select id from t where name like 'abc%' 很多时候用 exists 代替 in 是一个好的选择
select num from a where num in(select num from b)
用下面的语句替换：
select num from a where exists(select 1 from b where num=a.num) 索引并不是越多越好，索引固然可以提高相应的 select 的效率，但同时也降低了 insert 及 update 的效率(5)
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，这会降低查询和连接的性能，并会增加存储开销
尽可能的使用 varchar 代替 char ，因为首先变长字段存储空间小，可以节省存储空间
任何地方都不要使用 select * from t ，用具体的字段列表代替“*”，不要返回用不到的任何字段
尽量避免使用游标，因为游标的效率较差，如果游标操作的数据超过1万行，那么就应该考虑改写
索引是一种数据结构，具体表现在查找算法上。
索引分为主键索引和辅助索引，辅助索引又分为唯一性索引，普通索引，复合索引，覆盖索引。
索引的本质：以空间换时间。
提高查询效率
【类比字典和借书】
如果要查“mysql”这个单词，我们肯定需要定位到m字母，然后从下往下找到y字母，再找到剩下的sql。如果没有索引，那么你可能需要把所有单词看一遍才能找到你想要的。
去图书馆借书也是一样，如果你要借某一本书，一定是先找到对应的分类科目，再找到对应的编号，这是生活中活生生的例子，通用索引，可以加快查询速度，快速定位。
每个节点最多含有两个子树的树称为二叉树。
左子树的键值小于根的键值，右子树的键值大于根的键值。
在符合二叉查找树的条件下，还满足任何节点的两个子树的高度最大差为1。
BTree也称为平衡多路查找树
B-Tree是为磁盘等外存储设备设计的一种平衡查找树。
B+Tree是在B-Tree基础上的一种优化
----------------2019/10/9
参考《MySQL DBA工作笔记》中杨建荣老师举得一个非常形象的例子：
“比如某公司里面有一个开发小组，组长管理一些程序员，自己也参与开发工作”——B树
“扁平化管理，彼此之间都是平行的，换句话说就是指责分离，组长不再敲代码了，专注于管理”——B+树
B树的非叶子节点同样担任着存储信息的功能，而在B+树中只有叶子节点存储信息。
索引本身也很大，所以存储在磁盘中,需要加载到内存中执行。
故：索引结构优劣标准：磁盘I/O次数
BTree是为了充分利用磁盘预读功能而创建出来的一种数据结构。
局部性原理：当一个数据被用到，其附近的数据很可能会马上用到
磁盘预读：由于存储介质的特性，磁盘本身存取就比主存慢很多，再加上机械运动耗费，磁盘的存取速度往往是主存的几百分分之一，因此为了提高效率，要尽量减少磁盘I/O。为了达到这个目的，磁盘往往不是严格按需读取，而是每次都会预读，即使只需要一个字节，磁盘也会从这个位置开始，顺序向后读取一定长度的数据放入主存。
平衡二叉树也称为红黑数，在逻辑上是平衡二叉树，但是在物理存储上使用的是数组，逻辑上相近的节点可能在物理上相差很远。
将节点大小设为等于一个页，BTree新建节点时，也是按照页为单位申请，同时计算机存储分配也是按页对齐，那么一个节点只需一次IO就可以读取全部节点数据。
【如果节点大小和BTree大小不对齐，那么同一页节点可能需要两次IO读取】
综上所述，用B-Tree作为索引结构效率是非常高的。
BTree解决了磁盘IO的问题但没有解决元素遍历复杂的问题。
B+Tree的叶子节点用链指针相连，极大提高区间访问速度。【比如查询50到100的记录，查出50后，顺着指针遍历即可】
Hash索引本质上是Hash表，是一种KV键值对的存储结构。
无法提高区间访问速度。
可能是整行数据，也可能是主键的值。
前者被称为聚簇索引，后者称为非聚簇索引。
聚簇索引更快！！！
为什么？？？聚簇索引已经查到整行数据了，而非聚簇索引还可能根据主键值再进行查询一次。
例外：覆盖索引——数据直接从索引中取得。
标签：提高 update 信息 运动 键值对 参数配置 分库分表 操作 sql
原文地址：https://www.cnblogs.com/noneplus/p/11824589.html
