使用微信掃一掃
掃一掃關注官方微信 Mysql優化思路
- 來源：縱橫數據
- 作者：中橫科技
- 時間：2020/4/28 15:18:37
- 類別：新聞資訊
首先構建腳本觀察查詢數，連接數等數據，確定環境原因以及內部SQL執行原因，然后根據具體原因做具體處理。
二、構建腳本觀察狀態
1 |
|
該命令可獲取當前查詢數量等信息，定時輪詢并將結果重定向到文本中，然后處理成圖表。
三、處理對策
1.若是規律性出現查詢慢，考慮緩存雪崩問題。
對于該問題只需將緩存的失效時間處理成不要相近時間同時失效，失效時間盡量離散化，或者集中到午夜失效。
2.若非規律性查詢緩慢，考慮設計缺乏優化
處理方法：
a：開啟profiling記錄查詢操作，并獲取語句執行詳細信息
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 |
|
b：使用explain 查看語句執行情況，索引使用，掃描范圍等等
1 2 3 4 5 6 7 8 9 10 11 12 13 14 |
|
c：相關優化手法
表的優化與列類型選擇
列選擇原則：
1：字段類型優先級 整型 > date,time > char,varchar > blob
原因：整型,time運算快，節省空間
char/varchar要考慮字符集的轉換與排序時的校對集，速度慢
blob無法使用內存臨時表
2：夠用就行，不要慷慨(如 smallint,varchar(N))
原因：大的字段浪費內存，影響速度
以varchar(10), varchar(300)存儲的內容相同，但在表聯查時，varchar(300)要花更多內存
3：盡量避免使用NULL
原因：NULL不利于索引，要用特殊的字節來標注.
在磁盤上占據的空間其實更大
索引優化策略
1.索引類型
1.1 B-tree索引(排好序的快速查找結構)
注：Myisam,innodb中，默認用的是B-tree索引
1.2 hash索引
在memory表里，默認是hash索引，hash的理論查詢時間復查度為O（1）
疑問：既然hash索引如此高效，為何不都用他？
a.hash函數計算后的結果是隨機的，如果是在磁盤上放置數據，以主鍵為id為例，那么隨著id的增長，id對應的行，在磁盤上隨機放置。
b.無法對范圍查詢進行優化
c.無法利用前綴索引，比如在b-tree中，field列的值為“helloworld”，索引查詢xx=hello/xx=helloworld都可以利用索引（左前綴索引），但hash索引無法做到，因為hash(hello)與hash(helloworld)并無關聯關系。
d.排序也無法優化
e.必須回行，通過索引拿到數據位置，必須回到表中取數據.
2.b-tree索引的常見誤區
2.1 在where條件常用的列上都加上索引
例：where cat_id=3 and price>100； //查詢第3個欄目，100元以上的商品
誤：cat_id和price上都加上索引。其實只能用上一個索引，他們都是獨立索引.
2.2 在多列上建立索引后，查詢哪個列，索引都將發揮作用
2.2 在多列上建立索引后，查詢哪個列，索引都將發揮作用
正解：多列索引上，索引發揮作用，需要滿足左前綴要求（層層索引）
以index(a,b,c)為例：
1 2 3 4 5 6 7 |
|
高性能索引策略
1.對于innodb而言，因為節點下有數據文件，因此節點的分裂將會變得比較慢，對于innodb的主鍵，盡量用整型，而且是遞增的整型。
2.索引的長度直接影響索引文件的大小，影響增刪改的速度，并間接影響查詢速度（占用內存多）。
3.針對列中的值，從左往右截取部分來建索引。
a.截的越短，重復度越高，區分越小，索引效果越不好
b.截的越長，雖然區分度提高，但索引文件變大影響速度
所以盡量在長度上找到一個平衡點使性能最大化，慣用手法：截取不同長度來測試索引區分度
區分度測試：
1 |
|
測試完成后可以按測試得出的最優長度建立索引
1 |
|
理想的索引
1.查詢頻繁
2.區分度高
3.長度小
4.盡量覆蓋常用查詢字段
縱橫數據新上的美國站群服務器8C 現貨
限量特價 速定! cn2限量一人3臺
E5 16G 1T 8C 232IP
E5*2 32G 1T 8C 232IP
E5*2 32G 2T 8C 232IP
E5*2 32G 3T 8C 232IP
美國站群服務器 美國高防御服務器 歡迎在線客服
