赞
踩
目录
1.2、单表delete或者update语句,加个limit
1.5、SQL命令行修改数据,养成begin + commit 事务的习惯
3.2、避免使用TEXT、BLOB数据类型,最常见的TEXT类型可以存储64k的数据
3.5、使用TIMESTAMP(4个字节)或DATETIME类型(8个字节)存储时间
5.7、禁止使用order by rand() 进行随机排序
5.8、在明显不会有重复值时使用UNION ALL而不是UNION
5.10、超100万行的批量写(UPDATE、DELETE、INSERT)操作,要分批多次进行操作
5.11、对于大表使用pt-online-schema-change修改表结构
EXPLAIN 或者 DESC 命令获取 MySQL 如何执行 SELECT 语句的信息,包括在 SELECT 语句执行
过程中表如何连接和连接的顺序
语法:EXPLAIN/DESC SELECT 字段列表 FROM 表名 WHERE 条件 ;
Explain 执行计划中各个字段的含义:
字段 | 含义 |
id | select查询的序列号,表示查询中执行select子句或者是操作表的顺序(id相同,执行顺序从上到下;id不同,值越大,越先执行)。 |
select_type | 表示 SELECT 的类型,常见的取值有 SIMPLE(简单表,即不使用表连接或者子查询)、PRIMARY(主查询,即外层的查询)、UNION(UNION 中的第二个或者后面的查询语句)、SUBQUERY(SELECT/WHERE之后包含了子查询)等 |
type | 表示连接类型,性能由好到差的连接类型为NULL、system、const、eq_ref、ref、range、 index、all |
possible_key | 显示可能应用在这张表上的索引,一个或多个 |
key | 实际使用的索引,如果为NULL,则没有使用索引 |
key_len | 表示索引中使用的字节数, 该值为索引字段最大可能长度,并非实际使用长度,在不损失精确性的前提下, 长度越短越好 |
rows | MySQL认为必须要执行查询的行数,在innodb引擎的表中,是一个估计值,可能并不总是准确的 |
filtered | 表示返回结果的行数占需读取行数的百分比, filtered 的值越大越好 |
好处:
order by
使用binlog
找回语法:delete from user_login where id >6 limit 200;
where后的条件不加单引号时,是字符串跟数字的比较,它们类型不匹配,MySQL会做隐式的类型转换,把它们转换为浮点数再做比较,最后导致索引失效
指定字段查询可能会使用到联合索引,减少回表查询几率,降低消耗的CPU和IO以网络带宽资源
回表查询: 先到二级索引中查找数据,找到主键值,然后再到聚集索引中根据主键值,获取
数据的方式,就称之为回表查询
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,才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:
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
对列进行函数转换或计算时会导致无法使用索引
不推荐:where date(create_time)='20190101'
推荐:where create_time >= '20190101' and create_time < '20190102'
1、所有数据库对象名称必须使用小写字母并用下划线分割
2、所有数据库对象名称禁止使用mysql保留关键字(如果表名中包含关键字查询时,需要将其用单引号括起来)
3、数据库对象的命名要能做到见名识意,并且最后不要超过32个字符
4、临时库表必须以tmp_
为前缀并以日期为后缀,备份表必须以bak_
为前缀并以日期(时间戳)为后缀
5、所有存储相同数据的列名和列类型必须一致(一般作为关联列,如果查询时关联列类型不一致会自动进行数据类型隐式转换,会造成列上的索引失效,导致查询效率降低)
没有特殊要求(即Innodb无法满足的功能如:列存储,存储空间数据等)的情况下,所有表必须使用Innodb存储引擎(mysql5.5之前默认使用Myisam,5.6以后默认的为Innodb)Innodb 支持事务,支持行级锁,更好的恢复性,高并发下性能更好
兼容性更好,统一字符集可以避免由于字符集转换产生的乱码,不同的字符集进行比较前需要进行转换会造成索引失效
使用comment从句添加表和列的备注 从一开始就进行数据字典的维护,不加注释比名称错别字都可怕(>人<;)
500万并不是MySQL数据库的限制,过大会造成修改表结构,备份,恢复都会有很大的问题
可以用历史数据归档(应用于日志数据),分库分表(应用于业务数据)等手段来控制数据量大小
以垂直分表为例:
垂直分表的好处:
分区表在物理上表现为多个文件,在逻辑上表现为一个表 谨慎选择分区键,跨分区查询效率可能更低 建议采用物理分表的方式管理大数据
MySQL限制每个表最多存储4096列,并且每一行数据的大小不能超过65535字节 减少磁盘IO,保证热数据的内存缓存命中率(表越宽,把表装载进内存缓冲池时所占用的内存也就越大,也会消耗更多的IO) 更有效的利用缓存,避免读入无用的冷数据 经常一起使用的列放到一个表中(避免更多的关联操作)
预留字段的命名很难做到见名识义 预留字段无法确认存储的数据类型,所以无法选择合适的类型 对预留字段类型的修改,会对表进行锁定
通常文件很大,会短时间内造成数据量快速增长,数据库进行数据库读取时,通常会进行大量的随机IO操作,文件很大时,IO操作很耗时 通常存储于文件服务器,数据库只存储文件地址信息
原因:
列的字段越大,建立索引时所需要的空间也就越大,这样一页中所能存储的索引节点的数量也就越少也越少,在遍历时所需要的IO次数也就越多, 索引的性能也就越差
方法:
1)将字符串转换成数字类型存储,如:将IP地址转换成整形数据
mysql提供了两个方法来处理ip地址:
1、inet_aton
把ip转为无符号整型(4-8位)
2、inet_ntoa
把整型的ip转为地址
插入数据前,先用inet_aton把ip地址转为整型,可以节省空间。显示数据时,使用inet_ntoa把整型的ip地址转为地址显示即可
2)对于非负型的数据(如自增ID、整型IP)来说,要优先使用无符号整型来存储
因为:无符号相对于有符号可以多出一倍的存储空间
SIGNED INT
-2147483648~2147483647
UNSIGNED INT
0~4294967295
3) VARCHAR(N)中的N代表的是字符数,而不是字节数
使用UTF8存储255个汉字 Varchar(255)=765个字节。过大的长度会消耗更多的内存
建议把BLOB或是TEXT列分离到单独的扩展表中
Mysql内存临时表不支持TEXT、BLOB这样的大数据类型,如果查询中包含这样的数据,在排序等操作时,就不能使用内存临时表,必须使用磁盘临时表进行。
而且对于这种数据,Mysql还是要进行二次查询,会使sql性能变得很差,但是不是说一定不能使用这样的数据类型。
如果一定要使用,建议把BLOB或是TEXT列分离到单独的扩展表中,查询时一定不要使用select * 而只需要取出必要的列,不需要TEXT列的数据时不要对该列进行查询。
TEXT或BLOB类型只能使用前缀索引
因为MySQL对索引字段长度是有限制的,所以TEXT类型只能使用前缀索引,并且TEXT列上是不能有默认值的
1、修改ENUM值需要使用ALTER语句
2、ENUM类型的ORDER BY操作效率低,需要额外操作
3、禁止使用数值作为ENUM的枚举值
原因:
1、索引NULL列需要额外的空间来保存,所以要占用更多的空间
2、进行比较和计算时要对NULL值做特别的处理
TIMESTAMP 存储的时间范围 1970-01-01 00:00:01 ~ 2038-01-19-03:14:07
TIMESTAMP 占用4字节和INT相同,但比INT可读性高,超出TIMESTAMP取值范围的使用DATETIME类型存储
经常会有人用字符串存储日期型的数据(不正确的做法)缺点:
1、无法用日期函数进行计算和比较
2、用字符串存储日期要占用更多的空间
1、非精准浮点:float
,double
2、精准浮点:decimal
Decimal类型为精准浮点数,在计算时不会丢失精度。占用空间由定义的宽度决定,每4个字节可以存储9位数字,并且小数点要占用一个字节。可用于存储比bigint更大的整型数据
索引并不是越多越好!索引可以提高效率同样可以降低效率
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
5.6版本之前,一个sql只能使用到一个表中的一个索引,5.6以后,虽然有了合并索引的优化方式,但是还是远远没有使用一个联合索引的查询方式好
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
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、多表join的关联列
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
建立索引的目的是:希望通过索引进行数据查找,减少随机IO,增加查询性能 ,索引能过滤出越少的数据,则从磁盘中读入的数据也就越少
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)
因为这样会增加查询优化器生成执行计划的时间
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
对于频繁的查询优先考虑使用覆盖索引,覆盖索引的好处:
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
尽量避免使用外键约束:
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
有个好的书写格式会随着业务量变多的时候,还你一个好的阅读环境
反例:
正例:
1、执行变更SQL语句的时候,先在测试环境执行自测,避免有错误放在生产环境
2、当有依赖关系时,先修改表结构,再执行数据
3、执行修改或删除重要文件前,备份先
1、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)
2、一个SQL只能利用到复合索引中的一列进行范围查询,如:有 a,b,c列的联合索引,在查询条件中有a列的范围查询,则在b,c列上的索引将不会被用到,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。
3、使用left join或 not exists来优化not in操作,因为not in 也通常会使用索引失效
对于Mysql来说,是存在关联缓存的,缓存的大小可以由join_buffer_size参数进行设置
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,就会影响到服务器数据库性能的稳定性
同时对于关联操作来说,会产生临时表操作,影响查询效率Mysql最多允许关联61个表,建议不超过5个
数据库更适合处理批量操作 合并多个相同的操作到一起,可以提高处理效率
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
推荐在程序中获取一个随机值,然后从数据库中获取数据的方式
1、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
2、UNION ALL不会再对结果集进行去重操作
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:一个SQL只能使用一个CPU进行计算
3、SQL拆分后可以通过并行执行来提高处理效率
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,所以会造成主库与从库长时间的延迟情况
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,特别是对于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,因此一定要注意大批量写操作要进行分批。
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
好处:
1、避免大表修改产生的主从延迟
2、避免在对表字段进行修改时进行锁表
对象 | 年龄区间 | 类型 | 字节 | 表示范围 |
人 | 150 岁之内 | tinyint unsigned | 1 | 无符号值:0 到 255 |
龟 | 数百岁 | smallint unsigned | 2 | 无符号值:0 到 65535 |
恐龙化石 | 数千万年 | int unsigned | 4 | 无符号值:0 到约 43 亿 |
太阳 | 约 50 亿年 | bigint unsigned | 8 | 无符号值:0 到约 10 的 19 次方 |
ISNULL(column)
是一个整体,简洁易懂。从性能数据上分析,ISNULL(column)
执行效率更快一些。Copyright © 2003-2013 www.wpsshop.cn 版权所有,并保留所有权利。