数据库SQL调优的几种方式汇总_数据库_开发者

char vs varchar

1、如果文本字段始终是固定长度的（例如，US 邮编，其始终具有“XXXXX-XXXX”形式的规范表示），那么推荐使用char。varchar 类型的长度是可变的，而 char 类型是一个定长的字段，以 char(10) 为例，不管真实的存储内容多大或者是占了多少空间，都会消耗掉 10 个字符的空间，通俗来讲，当定义为 char(10) 时，即使插入的内容是 'abc' 3 个字符，它依然会占用 10 个字节，其中包含了 7 个空字节。

2、CHAR 在快速、随机访问时效率很高。使用 VARCHAR，如果你想读取下一个字符串，不得不先读取到当前字符串的末尾，查找效率比较低。

3、char 长度最大为 255 个字符，varchar 长度最大为 65535 个字符

为什么varchar(255)而不是varchar(258),varchar(257)呢？

使用255是因为它是8位数字可以计算的最大字符数。它最大限度地利用了8位计数，而不需要另一个整字节来计算255以上的字符。

开启慢查询日志来定位查询慢的语句

启动慢查询日志，看哪些语句慢。默认是禁用慢查询日志的，--slow_query_log[={0|1}] 不指定或者为1，将启用日志。如果参数为0，此选项将禁用日志。--slow_query_log_file=file_name 来改变慢查询日志名称。

先找到慢查询的原因：

1、打开数据库慢查询日志，定义超时时间，比如超过2S就是慢查询

2、定位执行效率低的慢查询

show processlist

3、也可以通过explain来分析执行计划，explain得到的信息要主要关注：type字段，

possible_keys字段，key字段，key_len字段，rows，extra字段等

一般情况下慢查询的原因有以下这些：

没用索引或者索引失效

用了索引但是走了全表扫描

慢查询如何优化

索引+sql语句+架构优化+数据库结构优化

索引：避免索引失效

sql语句：优化insert语句：多条插入写一条，数据有序的插入；分页优化：通过子查询优化，比如查询2w起后面10条数据，先通过子查询拿到20000的id,然后通过主键索引，通过B+树定位到拿到的id对应的行数据，然后再向后取10条数据；

架构优化：数据库读写分离，主库写，从库读；

数据库结构优化：将字段比较多的表分解成多个表，www.devze.com将字段使用频率高的和字段使用频率低的分开，对于一些要进行联合查询的表，可以考虑建立中间表

合理使用关键字

比如mysql还有其他更危险的关键字，应该谨慎使用。其中包括INSERT DELAYED，它告诉MySQL立即插入数据并不重要（例如，在日志记录情况下）。问题是，在高负载情况下，插入可能会无限期延迟，导致插入队列停滞。

优化查询缓存

查询缓存相关的服务器变量：

query_cache_min_res_unit：查询缓存中内存块的最小分配单位，默认4k，较小值会减少浪费，但会导致更频繁的内存分配操作，较大值会带来浪费，会导致碎片过多，内存不足
query_cache_limit：单个查询结果能缓存的最大值，单javascript位字节，默认为1M，对于查询结果过大而无法缓存的语句，建议使用SQL_NO_CACHE
query_cache_size：查询缓存总共可用的内存空间；单位字节，必须是1024的整数倍，最小值40KB，低于此值有警报
query_cache_wlock_invalidate：如果某表被其它的会话锁定，是否仍然可以从查询缓存中返回结果，默认值为OFF，表示可以在表被其它会话锁定的场景中继续从缓存返回数据；ON则表示不允许
query_cache_type：是否开启缓存功能，取值为ON, OFF, DEMAND

查询缓存相关的状态变量：
show gloable status like 'Qcache%' ;

innodb_buffer_pool_size：这是任何使用innodb的安装都要考虑的#1设置。缓冲池是缓存数据和索引的地方：使其尽可能大将确保大多数读取操作使用内存而不是磁盘。典型值为5-6GB（8GB RAM）、20-25GB（32GB RAM）、100-120GB（128GB RAM）。
innodb_log_file_size:这是重做日志的大小。重做日志用于确保写入速度和持久性，以及在崩溃恢复期间。在MySQL 5.1之前，很难进行调整，因为您既需要大的重做日志来获得良好的性能，也需要小的重做日志来实现快速的崩溃恢复。幸运的是，自MySQL 5.5以来，崩溃恢复性能有了很大提高，因此您现在可以拥有良好的写性能和快速的崩溃恢复。在MySQL 5.5之前，重做日志的总大小限制为4GB（默认为有2个日志文件）。这在MySQL 5.6中得到了提升。

max_connections:如果经常遇到“连接数过多”错误，则最大连接数太低。由于应用程序无法正确关闭与数据库的连接，因此经常需要比默认的151个连接多得多的连接。

查询缓存的优化路线

数据库SQL调优的几种方式汇总

在早期版本mysql均支持缓存，但是随着Redis等内存型高性能的缓存技术兴起，mysql已经抛弃自己的缓存功能，mysql8.0以后不再支持缓存功能。

适当使用索引

每个索引都需要与表中的行数成比例的空间，因此太多的索引最终会占用更多内存。由于每次写入都需要更新相应的索引，因此写入操作的性能也会受到影响。通过分析代码，可以发现一个平衡点。这因系统和实施而异。

查询（SELECT、GROUP BY、ORDER BY、JOIN）的列如果用了索引会更快
索引通常表示为自平衡的 B 树，可以保持数据有序，并允许在对数时间内进行搜索，顺序访问，插入，删除操作
设置索引，会将数据存在内存中，占用了更多内存空间
写入操作会变慢，因为索引需要被更新
加载大量数据时，禁用索引再加载数据，然后重建索引，这样也许会更快

索引何时会失效？

索引 (Index) 是帮助 MySQL 高效获取数据的数据结构。我们可以简单理解为：快速查找排好序的一种数据结构。

当索引不起作用时，会引起全表查询，索引就会失效，引起慢查询，有以下几种情况：

模糊查询，比如以%开头的like查询。
在索引列上操作or, not in , !=,<>,等操作
如果查询条件有or,并且or的前后条件中有一个列没有索引，则涉及的索引都不会用到

1、避免索引失效，减少%like这种索引失效语句

2、合理创建索引

3、分页查询优化，可以通过子查询，关联查询优化，比如要查询从10000行开始的10行数据，看似只返回了10条数据，但是数据库引擎需要查询10010数据，然后将前面的10000条数据丢弃，性能可想而知，针对这种情况，我们可以先定位到上次分页的id,然后对id做条件索引查询；或者将原有的sql拆成2步，首先查询出一页数据中的最小id,然后通过索引树，定位到最小id索引树节点位置，通过偏移量来读取后面的10条数据

4、避免使用select *

select *的查询过程：先在字段的二级索引B+树上，查出对应的主键id列表

然后进行回表操作，在主键索引中查询id对应的行数据

5.通过explain来分析SQL执行计划，看是否用到了索引

explain得到的字段key（使用到的索引）,rows（MYSQL估计为了查找目标行而需要读取的行数：）,possible_keys（查询可能会使用的索引）等主要关注type

Type:以怎样的方式查找表中的行的方式（性能逐渐变好）

All: 全表扫描

Index: 根据索引的次序进行全表扫描，若在extra出现using index表示使用覆盖索引，而非全表扫描

Range: 根据索引实现的范围扫描

Ref: 根据索引返回表中匹配某单个值的所有行

Eq_ref: 仅返回一个行，但需要和某个参考值作比较

Const,system: 根据具有唯一性的索引（比如主键）查找时，返回的是一行

NULL：类似于覆盖查询

Id:当前查询中，每个Select语句的编号

复杂类型的查询三种：

简单子查询：
用于from中的子查询
联合查询，union

注意：union查询的分析结果中会出现一个额外的匿名临时表

Select_type:

简单查询为simple

复杂查询：

Subquery:简单子查询

Derived:用于from中的子查询

Union:用于union第一个之后的select语句

possible_keys: 查询可能会使用的索引

Key: 使用到的索引

Key_len: 索引中使用的字节数，比如索引有70个字节数，只是用了20个

ref: 在利用key所表示的索引完成查询时，所用的列或某常量值

rows: MYSQL估计为了查找目标行而需要读取的行数：

Extra:额外信息

Using index:会使用覆盖索引，以避免访问表

Using where:服务器将在存储引擎检索后，再进行一次过滤

Using temporary:对结果排序时会使用临时表

Using filesort:对结果使用一个外部索引排序

例如：

mariadb [testdb]> explain select sname,age from stu union select tname,age from teacher\G;

*************************** 1. row ***************************

           id: 1
  select_type: PRIMARY
        table: stu
         type: ALL
possible_keys: NULL
          key: NULL
      key_len: NULL
          ref: NULL
         rows: 7
        Extra:

*************************** 2. row ***************************

           id: 2
  select_type: UNION
        table: teacher
         type: ALL
poss开发者_数据库ible_keandroidys: NULL
          key: NULL
      key_len: NULL
          ref: NULL
         rows: 3
        Extra:

*************************** 3. row ***************************

           id: NULL   联合前两个表   匿名临时表
  select_type: UNION RESULT
        table: <union1,2>
         type: ALL
possible_keys: NULL
          key: NULL
      key_len: NULL
          ref: NULL
         rows: NULL
        Extra:
3 rows in set (0.00 sec)
ERROR: No query specified

分割数据表

将热点数据拆分到单独的数据表中，可以有助于缓存

例如，在博客上，可能会在许多地方显示条目标题（例如，最近发布的文章列表）. 经常访问的数据保存在一个表中，而不经常访问的数据保存在另一个表中。由于数据现在已分区，因此不经常访问的数据占用的内存更少。

非规范化的方式

非规范化: 非规范化是一种用于先前规范化数据库以提高性能的策略。在计算中，非规范化是指通过添加数据的冗余副本或对数据进行分组，以牺牲某些写入性能为代价，尝试提高数据库的读取性能的过程。

这通常是由需要执行大量读取操作的关系数据库软件的性能或可扩展性引起的。一般情况下，只需要在性能需要的地方进行非规范化。

参考：

system-design-primer/READoXFdiAME-zh-Hans.md at master · donnemartin/system-design-primer · github
MySQL查询缓www.devze.com存优化_Tomorrow Is Forever的技术博客