官网访问 mysql 官网：https://www.mysql.com/
DOCUMENTATION -> MySQL Reference Manual
优化：Optimization
参数： MySQL Server Administration / The MySQL Server
什么是mysql优化 mysql优化在软件开发的整个周期中。
1.mysql安装前的主机选购(CPU、内存、磁盘、带宽)，mysql安装时的参数配置
2.使用存储引擎、表、字段
3.监控、压测(CPU、内存、磁盘、带宽)（sql响应时间）
mysql配置参数的优化
sql优化
mysql参数 show variables like ‘%xxx%’
列一些参数，不全
general
参数名
说明
datadir=/var/lib/mysql
数据文件存放的目录
socket=/var/lib/mysql/mysql.sock
mysql.socket表示server和client在同一台服务器，并且使用localhost进行连接，就会使用socket进行连接
pid_file=/var/lib/mysql/mysql.pid
存储mysql的pid
port=3306
mysql服务的端口号
default_storage_engine=InnoDB
mysql默认存储引擎
skip-grant-tables
当忘记mysql的用户名密码的时候，可以在mysql配置文件中配置该参数，跳过权限表验证，不需要密码即可登录mysql
character
参数名
说明
character_set_client
客户端数据的字符集
character_set_connection
mysql处理客户端发来的信息时，会把这些数据转换成连接的字符集格式
character_set_results
mysql发送给客户端的结果集所用的字符集
character_set_database
数据库默认的字符集
character_set_server
mysql server的默认字符集
connection
参数名
说明
max_connections
mysql的最大连接数，如果数据库的并发连接请求比较大，应该调高该值
max_user_connections
限制每个用户的连接个数
back_log
mysql能够暂存的连接数量，当mysql的线程在一个很短时间内得到非常多的连接请求时，就会起作用，如果mysql的连接数量达到max_connections时，新的请求会被存储在堆栈中，以等待某一个连接释放资源，如果等待连接的数量超过back_log,则不再接受连接资源
wait_timeout
mysql在关闭一个非交互的连接之前需要等待的时长
interactive_timeout
关闭一个交互连接之前需要等待的秒数
log
参数名
说明
log_error
指定错误日志文件名称，用于记录当mysqld启动和停止时，以及服务器在运行中发生任何严重错误时的相关信息
log_bin
指定二进制日志文件名称，用于记录对数据造成更改的所有查询语句
binlog_do_db
指定将更新记录到二进制日志的数据库，其他所有没有显式指定的数据库更新将忽略，不记录在日志中
binlog_ignore_db
指定不将更新记录到二进制日志的数据库
sync_binlog
指定多少次写日志后同步磁盘
general_log
是否开启查询日志记录
general_log_file
指定查询日志文件名，用于记录所有的查询语句
slow_query_log
是否开启慢查询日志记录
slow_query_log_file
指定慢查询日志文件名称，用于记录耗时比较长的查询语句
long_query_time
设置慢查询的时间，超过这个时间的查询语句才会记录日志
log_slow_admin_statements
是否将管理语句写入慢查询日志
cache
参数名
说明
key_buffer_size
索引缓存区的大小（只对myisam表起作用）
query cache
query_cache_size
查询缓存的大小，未来版本被删除
show status like ‘%Qcache%’;查看缓存的相关属性
Qcache_free_blocks：缓存中相邻内存块的个数，如果值比较大，那么查询缓存中碎片比较多
Qcache_free_memory：查询缓存中剩余的内存大小
Qcache_hits：表示有多少此命中缓存
Qcache_inserts：表示多少次未命中而插入
Qcache_lowmen_prunes：多少条query因为内存不足而被移除cache
Qcache_queries_in_cache：当前cache中缓存的query数量
Qcache_total_blocks：当前cache中block的数量
query_cache_limit
超出此大小的查询将不被缓存
query_cache_min_res_unit
缓存块最小大小
query_cache_type
缓存类型，决定缓存什么样的查询
sort_buffer_size
每个需要排序的线程分派该大小的缓冲区
max_allowed_packet=32M
限制server接受的数据包大小
join_buffer_size=2M
表示关联缓存的大小
thread_cache_size
Threads_cached：代表当前此时此刻线程缓存中有多少空闲线程
INNODB
参数名
说明
innodb_buffer_pool_size=
该参数指定大小的内存来缓冲数据和索引，最大可以设置为物理内存的80%
innodb_flush_log_at_trx_commit
主要控制innodb将log buffer中的数据写入日志文件并flush磁盘的时间点，值分别为0，1，2
innodb_thread_concurrency
设置innodb线程的并发数，默认为0表示不受限制，如果要设置建议跟服务器的cpu核心数一致或者是cpu核心数的两倍
innodb_log_buffer_size
此参数确定日志文件所用的内存大小，以M为单位
innodb_log_file_size
此参数确定数据日志文件的大小，以M为单位
innodb_log_files_in_group
以循环方式将日志文件写到多个文件中
read_buffer_size
mysql读入缓冲区大小，对表进行顺序扫描的请求将分配到一个读入缓冲区
read_rnd_buffer_size
mysql随机读的缓冲区大小
innodb_file_per_table
此参数确定为每张表分配一个新的文件
存储引擎对比
聚簇索引：主键索引节点上有对应的一行数据。
非聚簇索引：主键索引节点上只有地址。
字符集的选择 字符集直接决定了数据在MySQL中的存储编码方式，由于同样的内容使用不同字符集表示所占用的空间大小会有较大的差异，所以通过使用合适的字符集，可以帮助我们尽可能减少数据量，进而减少IO操作次数。
1.纯拉丁字符能表示的内容，没必要选择 latin1 之外的其他字符编码，因为这会节省大量的存储空间。
2.如果我们可以确定不需要存放多种语言，就没必要非得使用UTF8或者其他UNICODE字符类型，这回造成大量的存储空间浪费。
3.MySQL的数据类型可以精确到字段，所以当我们需要大型数据库中存放多字节数据的时候，可以通过对不同表不同字段使用不同的数据类型来较大程度减小数据存储量，进而降低 IO 操作次数并提高缓存命中率。
主键的选择 自增主键：
与业务无关的，无意义的数字序列。
业务主键：
事物属性中的自然唯一标识。
推荐使用自增主键：
它们不与业务耦合，因此更容易维护
一个大多数表，最好是全部表，通用的键策略能够减少需要编写的源码数量，减少系统的总体拥有成本。(ID生成器)
性能：自增主键一般是顺序插入。
存储：一般是数字，存储空间小。
范式与反范式 第一范式：每个列都不可以再拆分。
地址：河北省保定市 省：河北省 市：保定市
第二范式：在第一范式的基础上，非主键列完全依赖于主键，而不能是依赖于主键的一部分。
确保 表中 的 每列 和 主键 相关。
学生表：id、学号，姓，名，班级号，学生在班级号中的序号，性别，班主任名称，年龄，是否成年，身份证号。
这里班主任名称和id无关。
第三范式：在第二范式的基础上，非主键列只依赖于主键，不依赖于其他非主键。
学生表：id、学号，姓，名，班级号，学生在班级号中的序号，性别，班主任名称，年龄，是否成年，身份证号。
这里”是否成年”字段依赖”年龄”字段
范式 优点：
1.范式化的更新通常比反范式要快；
2.当数据较好的范式化后，很少或者没有重复的数据；
3.范式化的数据比较小，可以放在内存中，操作比较快；
缺点：
通常需要进行关联
反范式 优点：
1.所有的数据都在同一张表中，可以避免关联；
2.可以设计有效的索引；
缺点：
表格内的冗余较多，删除数据时候会造成表有些有用的信息丢失
在企业中很好能做到严格意义上的范式或者反范式，一般需要混合使用：
1.在一个网站实例中，这个网站，允许用户发送消息，并且一些用户是付费用户。现在想查看付费用户最近的10条信息。 在user表和message表中都存储用户类型(account_type)而不用完全的反范式化。这避免了完全反范式化的插入和删除问题，因为即使没有消息的时候也绝不会丢失用户的信息。这样也不会把user_message表搞得太大，有利于高效地获取数据。
2.另一个从父表冗余一些数据到子表的理由是排序的需要。
3.缓存衍生值也是有用的。如果需要显示每个用户发了多少消息（类似论坛的），可以每次执行一个昂贵的自查询来计算并显示它；也可以在user表中建一个num_messages列，每当用户发新消息时更新这个值。
适当拆分 当我们的表中存在类似于 TEXT 或者是很大的 VARCHAR类型的大字段的时候，如果我们大部分访问这张表的时候都不需要这个字段，我们就该义无反顾的将其拆分到另外的独立表中，以减少常用数据所占用的存储空间。这样做的一个明显好处就是每个数据块中可以存储的数据条数可以大大增加，既减少物理 IO 次数，也能大大提高内存中的缓存命中率。
大表也可以拆成小表。
适当冗余 1.被频繁引用且只能通过 Join 2张(或者更多)大表的方式才能得到的独立小字段。
2.这样的场景由于每次Join仅仅只是为了取得某个小字段的值，Join到的记录又大，会造成大量不必要的 IO，完全可以通过空间换取时间的方式来优化。不过，冗余的同时需要确保数据的一致性不会遭到破坏，确保更新的同时冗余字段也被更新。
字段类型的选择 更小的通常更好 应该尽量使用可以正确存储数据的最小数据类型，更小的数据类型通常更快，因为它们占用更少的磁盘、内存和CPU缓存，并且处理时需要的CPU周期更少，但是要确保没有低估需要存储的值的范围，如果无法确认哪个数据类型，就选择你认为不会超过范围的最小类型。
测试：
简单就好 简单数据类型的操作通常需要更少的CPU周期，例如，
人们经常使用varchar(15)来存储ip地址，然而，它的本质是32位无符号整数不是字符串，可以使用INET_ATON()和INET_NTOA函数在这两种表示方法之间转换
测试：
尽量避免null 如果查询中包含可为NULL的列，对mysql来说很难优化，因为可为null的列使得索引、索引统计和值比较都更加复杂，坦白来说，通常情况下null的列改为not null带来的性能提升比较小，所有没有必要将所有的表的schema进行修改，但是应该尽量避免设计成可为null的列
整数类型 可以使用的几种整数类型：TINYINT，SMALLINT，MEDIUMINT，INT，BIGINT分别使用8，16，24，32，64位存储空间。
字符和字符串类型 1、char长度固定，即每条数据占用等长字节空间；最大长度是255个字符，适合用在身份证号、手机号等定长字符串
varchar varchar根据实际内容长度保存数据。
1、使用最小的符合需求的长度。
2、varchar(n) n小于等于255使用额外一个字节保存长度，n>255使用额外两个字节保存长度。
3、varchar(5)与varchar(255)保存同样的内容，硬盘存储空间相同，但内存空间占用不同，是指定的大小 。
4、varchar在mysql5.6之前变更长度，或者从255一下变更到255以上时时，都会导致锁表。
应用场景：
1、存储长度波动较大的数据，如：文章，有的会很短有的会很长
2、字符串很少更新的场景，每次更新后都会重算并使用额外存储空间保存长度
3、适合保存多字节字符，如：汉字，特殊字符等
char char固定长度的字符串
1、最大长度：255
2、会自动删除末尾的空格
3、检索效率、写效率 会比varchar高，以空间换时间
应用场景:
1、存储长度波动不大的数据，如：md5摘要
2、存储短字符串、经常更新的字符串
BLOB和TEXT类型 MySQL 把每个 BLOB 和 TEXT 值当作一个独立的对象处理。
不推荐使用。使用时放到单独的表中。
datetime和timestamp 1、不要使用字符串类型来存储日期时间数据
datetime 占用8个字节
与时区无关，数据库底层时区配置，对datetime无效
可保存到毫秒
可保存时间范围大
不要使用字符串存储日期类型，占用空间大，损失日期类型函数的便捷性
timestamp 占用4个字节 如果使用毫秒占用7个字节
时间范围：1970-01-01到2038-01-19
精确到秒 可支持毫秒
采用整形存储
依赖数据库设置的时区
自动更新timestamp列的值
date 占用的字节数比使用字符串、datetime、int存储要少，使用date类型只需要3个字节
使用date类型还可以利用日期时间函数进行日期之间的计算
date类型用于保存1000-01-01到9999-12-31之间的日期
datetime和timestamp选择：
时区可以用前端或后端处理
timestamp如果没有显示的指定时区，timestamp会调用操作系统底层函数__tz_convert()做交互。这个函数每次交互的时候，他会加锁，那么高并发情况下，会有性能抖动问题。
存储上7个字节与8个字节差别不大。
选择datetime。
使用枚举代替字符串类型 有时可以使用枚举类代替常用的字符串类型，mysql存储枚举类型会非常紧凑，会根据列表值的数据压缩到一个或两个字节中，mysql在内部会将每个值在列表中的位置保存为整数，并且在表的.frm文件中保存“数字-字符串”映射关系的查找表
select性能查看 show profile SQL Statements
SHOW Statements
SHOW PROFILE Statement
使用show profile查询剖析工具，可以指定具体的type
此工具默认是禁用的，可以通过服务器变量在会话级别动态的修改set profiling=1; select * from emp; show profiles; show profile for query 1;
type：
type
语法
all：显示所有性能信息
show profile all for query n
block io：显示块io操作的次数
show profile block io for query n
context switches：显示上下文切换次数，被动和主动
show profile context switches for query n
cpu：显示用户cpu时间、系统cpu时间
show profile cpu for query n
IPC：显示发送和接受的消息数量
show profile ipc for query n
Memory：暂未实现
page faults：显示页错误数量
show profile page faults for query n
source：显示源码中的函数名称与位置
show profile source for query n
swaps：显示swap的次数
show profile swaps for query n
分析信息也可从 INFORMATION_SCHEMA PROFILING第 26.3.24 节，“INFORMATION_SCHEMA PROFILING 表” 。例如，以下查询是等效的：
1 2 3 4 5 SHOW PROFILE FOR QUERY 2 ;SELECT STATE, FORMAT(DURATION, 6 ) AS DURATIONFROM INFORMATION_SCHEMA.PROFILINGWHERE QUERY_ID = 2 ORDER BY SEQ;
MySQL的performance schema 用于监控MySQL server在一个较低级别的运行过程中的资源消耗、资源等待等情况 。
特点如下：
1、提供了一种在数据库运行时实时检查server的内部执行情况的方法。performance_schema 数据库中的表使用performance_schema存储引擎。该数据库主要关注数据库运行过程中的性能相关的数据，与information_schema不同，information_schema主要关注server运行过程中的元数据信息
2、performance_schema通过监视server的事件来实现监视server内部运行情况， “事件”就是server内部活动中所做的任何事情以及对应的时间消耗，利用这些信息来判断server中的相关资源消耗在了哪里？一般来说，事件可以是函数调用、操作系统的等待、SQL语句执行的阶段（如sql语句执行过程中的parsing 或 sorting阶段）或者整个SQL语句与SQL语句集合。事件的采集可以方便的提供server中的相关存储引擎对磁盘文件、表I/O、表锁等资源的同步调用信息。
在mysql的5.7版本中，性能模式是默认开启的，如果想要显式的关闭的话需要修改配置文件，不能直接进行修改，会报错Variable ‘performance_schema’ is a read only variable。
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 28 29 30 > SHOW VARIABLES LIKE 'performance_schema' ;+ | Variable_name | Value | + | performance_schema | ON | + 1 row in set (0.01 sec)= ON show tables;> show create table setup_consumers;+ | Table | Create Table + | setup_consumers | CREATE TABLE `setup_consumers` (varchar (64 ) NOT NULL , 'YES' ,'NO' ) NOT NULL = PERFORMANCE_SCHEMA DEFAULT CHARSET= utf8 | + 1 row in set (0.00 sec)
想要搞明白后续的内容，同学们需要理解两个基本概念：
instruments: 生产者，用于采集mysql中各种各样的操作产生的事件信息，对应配置表中的配置项我们可以称为监控采集配置项。
consumers:消费者，对应的消费者表用于存储来自instruments采集的数据，对应配置表中的配置项我们可以称为消费存储配置项。
performance_schema库下的表可以按照监视不同的纬度就行分组。
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 show tables like '%statement%' ;show tables like '%wait%' ;show tables like '%stage%' ;show tables like '%transaction%' ;show tables like '%file%' ;show tables like '%memory%' ;show tables like '%setup%' ;
数据库刚刚初始化并启动时，并非所有instruments(事件采集项，在采集项的配置表中每一项都有一个开关字段，或为YES，或为NO)和consumers(与采集项类似，也有一个对应的事件类型保存表配置项，为YES就表示对应的表保存性能数据，为NO就表示对应的表不保存性能数据)都启用了，所以默认不会收集所有的事件，可能你需要检测的事件并没有打开，需要进行设置，可以使用如下两个语句打开对应的instruments和consumers（行计数可能会因MySQL版本而异)。
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 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50 51 52 53 UPDATE setup_instruments SET ENABLED = 'YES' , TIMED = 'YES' where name like 'wait%' ;UPDATE setup_consumers SET ENABLED = 'YES' where name like '%wait%' ;select * from events_waits_current\G* * * * * * * * * * * * * * * * * * * * * * * * * * * 1. row * * * * * * * * * * * * * * * * * * * * * * * * * * * 11 570 570 / synch/ mutex/ innodb/ buf_dblwr_mutex4508505105239280 4508505105270160 30880 NULL NULL NULL NULL NULL 67918392 NULL NULL NULL NULL select thread_id,event_id,event_name,timer_wait from events_waits_history order by thread_id limit 21 ;SELECT EVENT_NAME,COUNT_STAR FROM events_waits_summary_global_by_event_name ORDER BY COUNT_STAR DESC LIMIT 10 ;select * from file_instances limit 20 ;
常用配置项的参数说明 1、启动选项
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 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 performance_schema_consumer_events_statements_current= TRUE UPDATE 语句进行动态更新setup_consumers配置表中的events_statements_current配置项，默认值为TRUE = TRUE TRUE = FALSE FALSE = TRUE UPDATE 语句进行动态更新全局配置项TRUE = TRUE UPDATE 语句进行动态更新digest配置项TRUE = TRUE UPDATE 语句进行动态更新线程配置项TRUE = name]- value 模式，还支持% 号进行通配等，如下:= name]可以指定为具体的Instruments名称（但是这样如果有多个需要指定的时候，就需要使用该选项多次），也可以使用通配符，可以指定instruments相同的前缀+ 通配符，也可以使用% 代表所有的instruments= ON 。另外，这些启动选项虽然无法使用show variables语句查看，但我们可以通过setup_instruments和setup_consumers表查询这些选项指定的值。
2、系统变量
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 28 29 30 31 32 33 34 35 show variables like '%performance_schema%' ;= ON = 10000 = 10000 = 10 = 1024 = 1024
重要配置表的相关说明 配置表之间存在相互关联关系，按照配置影响的先后顺序，可添加为
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 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50 51 52 53 54 55 56 57 58 59 60 61 62 63 64 65 66 67 68 69 70 71 72 73 74 75 76 77 78 select * from performance_timers;select * from setup_timers;select * from setup_consumers;SELECT * FROM setup_instruments;SELECT * FROM setup_actors;SELECT * FROM setup_objects;select * from threads
注意：在performance_schema库中还包含了很多其他的库和表，能对数据库的性能做完整的监控，大家需要参考官网详细了解。
基本了解了表的相关信息之后，可以通过这些表进行实际的查询操作来进行实际的分析。
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 28 SELECT DIGEST_TEXT,COUNT_STAR,FIRST_SEEN,LAST_SEEN FROM events_statements_summary_by_digest ORDER BY COUNT_STAR DESC SELECT DIGEST_TEXT,AVG_TIMER_WAIT FROM events_statements_summary_by_digest ORDER BY COUNT_STAR DESC SELECT DIGEST_TEXT,SUM_SORT_ROWS FROM events_statements_summary_by_digest ORDER BY COUNT_STAR DESC SELECT DIGEST_TEXT,SUM_ROWS_EXAMINED FROM events_statements_summary_by_digest ORDER BY COUNT_STAR DESC SELECT DIGEST_TEXT,SUM_CREATED_TMP_TABLES,SUM_CREATED_TMP_DISK_TABLES FROM events_statements_summary_by_digest ORDER BY COUNT_STAR DESC SELECT DIGEST_TEXT,SUM_ROWS_SENT FROM events_statements_summary_by_digest ORDER BY COUNT_STAR DESC SELECT file_name,event_name,SUM_NUMBER_OF_BYTES_READ,SUM_NUMBER_OF_BYTES_WRITE FROM file_summary_by_instance ORDER BY SUM_NUMBER_OF_BYTES_READ + SUM_NUMBER_OF_BYTES_WRITE DESC SELECT object_name,COUNT_READ,COUNT_WRITE,COUNT_FETCH,SUM_TIMER_WAIT FROM table_io_waits_summary_by_table ORDER BY sum_timer_wait DESC SELECT OBJECT_NAME,INDEX_NAME,COUNT_FETCH,COUNT_INSERT,COUNT_UPDATE,COUNT_DELETE FROM table_io_waits_summary_by_index_usage ORDER BY SUM_TIMER_WAIT DESC SELECT OBJECT_SCHEMA,OBJECT_NAME,INDEX_NAME FROM table_io_waits_summary_by_index_usage WHERE INDEX_NAME IS NOT NULL AND COUNT_STAR = 0 AND OBJECT_SCHEMA <> 'mysql' ORDER BY OBJECT_SCHEMA,OBJECT_NAME;SELECT EVENT_NAME,COUNT_STAR,SUM_TIMER_WAIT,AVG_TIMER_WAIT FROM events_waits_summary_global_by_event_name WHERE event_name != 'idle' ORDER BY SUM_TIMER_WAIT DESC SELECT EVENT_ID,sql_text FROM events_statements_history WHERE sql_text LIKE '%count(*)%' ;SELECT event_id,EVENT_NAME,SOURCE,TIMER_END - TIMER_START FROM events_stages_history_long WHERE NESTING_EVENT_ID = 1553 ;SELECT event_id,event_name,source,timer_wait,object_name,index_name,operation,nesting_event_id FROM events_waits_history_longWHERE nesting_event_id = 1553 ;
SHOW PROCESSLIST SHOW PROCESSLISTprocesslistSHOW PROCESSLIST第 27.12.21.5 节，“进程列表表” 。
字段
字段说明
id
表示session id
user
表示操作的用户
host
表示操作的主机
db
表示操作的数据库
command
表示当前状态
sleep：线程正在等待客户端发送新的请求
query：线程正在执行查询或正在将结果发送给客户端
locked：在mysql的服务层，该线程正在等待表锁
analyzing and statistics：线程正在收集存储引擎的统计信息，并生成查询的执行计划
Copying to tmp table：线程正在执行查询，并且将其结果集都复制到一个临时表中
sorting result：线程正在对结果集进行排序
sending data：线程可能在多个状态之间传送数据，或者在生成结果集或者向客户端返回数据
info
表示详细的sql语句
time
表示相应命令执行时间
state
表示命令执行状态
mysql 执行计划 在企业的应用场景中，为了知道优化SQL语句的执行，需要查看SQL语句的具体执行过程，以加快SQL语句的执行效率。
可以使用explain+SQL语句来模拟优化器执行SQL查询语句，从而知道mysql是如何处理sql语句的。
官网地址： https://dev.mysql.com/doc/refman/5.5/en/explain-output.html
执行计划中包含的信息
Column
Meaning
id
The SELECT identifier
select_type
The SELECT type
table
The table for the output row
partitions
The matching partitions
type
The join type
possible_keys
The possible indexes to choose
key
The index actually chosen
key_len
The length of the chosen key
ref
The columns compared to the index
rows
Estimate of rows to be examined
filtered
Percentage of rows filtered by table condition
extra
Additional information
id
select查询的序列号，包含一组数字，表示查询中执行select子句或者操作表的顺序
id号分为三种情况：
1、如果id相同，那么执行顺序从上到下
1 explain select * from emp e join dept d on e.deptno = d.deptno join salgrade sg on e.sal between sg.losal and sg.hisal;
2、如果id不同，如果是子查询，id的序号会递增，id值越大优先级越高，越先被执行
1 explain select * from emp e where e.deptno in (select d.deptno from dept d where d.dname = 'SALES' );
3、id相同和不同的，同时存在：相同的可以认为是一组，从上往下顺序执行，在所有组中，id值越大，优先级越高，越先执行
1 explain select * from emp e join dept d on e.deptno = d.deptno join salgrade sg on e.sal between sg.losal and sg.hisal where e.deptno in (select d.deptno from dept d where d.dname = 'SALES' );
select_type
主要用来分辨查询的类型，是普通查询还是联合查询还是子查询
select_type ValueMeaning
SIMPLE
Simple SELECT (not using UNION or subqueries)
PRIMARY
Outermost SELECT
UNION
Second or later SELECT statement in a UNION
DEPENDENT UNION
Second or later SELECT statement in a UNION, dependent on outer query
UNION RESULT
Result of a UNION.
SUBQUERY
First SELECT in subquery
DEPENDENT SUBQUERY
First SELECT in subquery, dependent on outer query
DERIVED
Derived table
UNCACHEABLE SUBQUERY
A subquery for which the result cannot be cached and must be re-evaluated for each row of the outer query
UNCACHEABLE UNION
The second or later select in a UNION that belongs to an uncacheable subquery (see UNCACHEABLE SUBQUERY)
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 28 select * from emp;select staname,ename supname from (select ename staname,mgr from emp) t join emp on t.mgr= emp.empno ;select * from emp where deptno = 10 union select * from emp where sal > 2000 ;select * from emp e where e.empno in ( select empno from emp where deptno = 10 union select empno from emp where sal > 2000 )select * from emp where deptno = 10 union select * from emp where sal > 2000 ;select * from emp where sal > (select avg (sal) from emp) ;select * from emp e where e.deptno in (select distinct deptno from dept);select staname,ename supname from (select ename staname,mgr from emp) t join emp on t.mgr= emp.empno ;select * from emp where empno = (select empno from emp where deptno= @@sort_buffer_size );
table
对应行正在访问哪一个表，表名或者别名，可能是临时表或者union合并结果集
2、表名是derivedN的形式，表示使用了id为N的查询产生的衍生表
3、当有union result的时候，表名是union n1,n2等的形式，n1,n2表示参与union的id
type
type显示的是访问类型，访问类型表示我是以何种方式去访问我们的数据，最容易想的是全表扫描，直接暴力的遍历一张表去寻找需要的数据，效率非常低下，访问的类型有很多，效率从最好到最坏依次是：
system > const > eq_ref > ref > fulltext > ref_or_null > index_merge > unique_subquery > index_subquery > range > index > ALL
一般情况下，得保证查询至少达到range级别，最好能达到ref
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 28 29 30 31 select * from emp;select empno from emp;select * from emp where empno between 7000 and 7500 ;select * from emp where emp.job in (select job from t_job);select * from emp e where e.deptno in (select distinct deptno from dept);select * from emp e where e.mgr is null or e.mgr= 7369 ;create index idx_3 on emp(deptno);select * from emp e,dept d where e.deptno = d.deptno;select * from emp,emp2 where emp.empno = emp2.empno;select * from emp where empno = 7369 ;
possible_keys
显示可能应用在这张表中的索引，一个或多个，查询涉及到的字段上若存在索引，则该索引将被列出，但不一定被查询实际使用
1 explain select * from emp,dept where emp.deptno = dept.deptno and emp.deptno = 10 ;
key
实际使用的索引，如果为null，则没有使用索引，查询中若使用了覆盖索引，则该索引和查询的select字段重叠。
1 explain select * from emp,dept where emp.deptno = dept.deptno and emp.deptno = 10 ;
key_len
表示索引中使用的字节数，可以通过key_len计算查询中使用的索引长度，在不损失精度的情况下长度越短越好。
1 explain select * from emp,dept where emp.deptno = dept.deptno and emp.deptno = 10 ;
ref
显示索引的哪一列被使用了，如果可能的话，是一个常数
1 explain select * from emp,dept where emp.deptno = dept.deptno and emp.deptno = 10 ;
rows
根据表的统计信息及索引使用情况，大致估算出找出所需记录需要读取的行数，此参数很重要，直接反应的sql找了多少数据，在完成目的的情况下越少越好
1 explain select * from emp;
extra
包含额外的信息。
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 select * from emp order by sal;select ename,count (* ) from emp where deptno = 10 group by ename;select deptno,count (* ) from emp group by deptno limit 10 ;select * from t_user where id = 1 ;select * from emp where empno = 7469 ;
查询优化 查询慢的原因 网络
CPU
IO
上下文切换
系统调用
生成统计信息
锁等待时间
优化数据访问 查询性能低下的主要原因是访问的数据太多，某些查询不可避免的需要筛选大量的数据，我们可以通过减少访问数据量的方式进行优化 1.确认应用程序是否在检索大量超过需要的数据
2.确认mysql服务器层是否在分析大量超过需要的数据行
是否向数据库请求了不需要的数据： 查询不需要的记录： 我们常常会误以为mysql会只返回需要的数据，实际上mysql却是先返回全部结果再进行计算，在日常的开发习惯中，经常是先用select语句查询大量的结果，然后获取前面的N行后关闭结果集。
优化方式是在查询后面添加limit
多表关联时返回全部列 1 2 3 4 5 6 select * from actor inner join film_actor using (actor_id) inner join film using (film_id) where film.title= 'Academy Dinosaur' ;select actor.* from actor...;
总是取出全部列 在公司的企业需求中，禁止使用select *,虽然这种方式能够简化开发，但是会影响查询的性能，所以尽量不要使用
重复查询相同的数据 如果需要不断的重复执行相同的查询，且每次返回完全相同的数据，因此，基于这样的应用场景，我们可以将这部分数据缓存起来，这样的话能够提高查询效率
执行过程的优化 查询缓存 在解析一个查询语句之前，如果查询缓存是打开的，那么mysql会优先检查这个查询是否命中查询缓存中的数据，如果查询恰好命中了查询缓存，那么会在返回结果之前会检查用户权限，如果权限没有问题，那么mysql会跳过所有的阶段，就直接从缓存中拿到结果并返回给客户端
查询优化处理 mysql查询完缓存之后会经过以下几个步骤：分析器、优化SQL执行计划，这几个步骤出现任何的错误，都可能会终止查询
分析器 mysql通过关键字将SQL语句进行解析，并生成一颗解析树，mysql分析器将使用mysql语法规则验证和解析查询，例如验证使用使用了错误的关键字或者顺序是否正确等等，分析器会进一步检查解析树是否合法，例如表名和列名是否存在，是否有歧义，还会验证权限等等
优化器 当语法树没有问题之后，相应的要由优化器将其转成执行计划，一条查询语句可以使用非常多的执行方式，最后都可以得到对应的结果，但是不同的执行方式带来的效率是不同的，优化器的最主要目的就是要选择最有效的执行计划
mysql使用的是基于成本的优化器，在优化的时候会尝试预测一个查询使用某种查询计划时候的成本，并选择其中成本最小的一个。
select count(*) from film_actor;
每个表或者索引的页面个数；
索引的基数；
索引和数据行的长度；
索引的分布情况；
在很多情况下mysql会选择错误的执行计划，原因如下： 1.统计信息不准确：
InnoDB因为其mvcc的架构，并不能维护一个数据表的行数的精确统计信息
2.执行计划的成本估算不等同于实际执行的成本：
有时候某个执行计划虽然需要读取更多的页面，但是他的成本却更小，因为如果这些页面都是顺序读或者这些页面都已经在内存中的话，那么它的访问成本将很小，mysql层面并不知道哪些页面在内存中，哪些在磁盘，所以查询之际执行过程中到底需要多少次IO是无法得知的
3.mysql的最优可能跟你想的不一样：
mysql的优化是基于成本模型的优化，但是有可能不是最快的优化。
4.mysql不考虑其他并发执行的查询：
5.mysql不会考虑不受其控制的操作成本：
执行存储过程或者用户自定义函数的成本。
优化器的优化策略 静态优化：
直接对解析树进行分析，并完成优化。
动态优化：
动态优化与查询的上下文有关，也可能跟取值、索引对应的行数有关
mysql对查询的静态优化只需要一次，但对动态优化在每次执行时都需要重新评估
优化器的优化类型 1.重新定义关联表的顺序：
数据表的关联并不总是按照在查询中指定的顺序进行，决定关联顺序时优化器很重要的功能
2.将外连接转化成内连接，内连接的效率要高于外连接；
3.使用等价变换规则，mysql可以使用一些等价变化来简化并规划表达式
4.优化count(),min(),max()
索引和列是否可以为空通常可以帮助mysql优化这类表达式：例如，要找到某一列的最小值，只需要查询索引的最左端的记录即可，不需要全文扫描比较
5.预估并转化为常数表达式，当mysql检测到一个表达式可以转化为常数的时候，就会一直把该表达式作为常数进行处理
explain select film.film_id,film_actor.actor_id from film inner join film_actor using(film_id) where film.film_id = 1
6.索引覆盖扫描，当索引中的列包含所有查询中需要使用的列的时候，可以使用覆盖索引
7.子查询优化
mysql在某些情况下可以将子查询转换一种效率更高的形式，从而减少多个查询多次对数据进行访问，例如将经常查询的数据放入到缓存中
8.等值传播
如果两个列的值通过等式关联，那么mysql能够把其中一个列的where条件传递到另一个上：
1 2 3 explain select film.film_id from film inner join film_actor using (film_id) where film.film_id > 500 ;
这里使用film_id字段进行等值关联，film_id这个列不仅适用于film表而且适用于film_actor表
1 explain select film.film_id from film inner join film_actor using (film_id) where film.film_id > 500 and film_actor.film_id > 500 ;
关联查询 join的实现方式原理
Simple Nested-Loop Join：
Index Nested-Loop Join:
Block Nested-Loop Join:
（1）Join Buffer会缓存所有参与查询的列而不是只有Join的列。
show variables like ‘%optimizer_switch%’
查看不同的顺序执行方式对查询性能的影响：
1 2 3 4 5 6 7 explain select film.film_id,film.title,film.release_year,actor.actor_id,actor.first_name,actor.last_name from film inner join film_actor using (film_id) inner join actor using (actor_id);show status like 'last_query_cost' ; select straight_join film.film_id,film.title,film.release_year,actor.actor_id,actor.first_name,actor.last_name from film inner join film_actor using (film_id) inner join actor using (actor_id);show status like 'last_query_cost' ;
排序优化 无论如何排序都是一个成本很高的操作，所以从性能的角度出发，应该尽可能避免排序或者尽可能避免对大量数据进行排序。
排序的算法：
两次传输排序:
第一次数据读取是将需要排序的字段读取出来，然后进行排序，第二次是将排好序的结果按照需要去读取数据行。
单次传输排序
先读取查询所需要的所有列，然后再根据给定列进行排序，最后直接返回排序结果，此方式只需要一次顺序IO读取所有的数据，而无须任何的随机IO，问题在于查询的列特别多的时候，会占用大量的存储空间，无法存储大量的数据
当需要排序的列的总大小超过max_length_for_sort_data定义的字节，mysql会选择双次排序，反之使用单次排序，当然，用户可以设置此参数的值来选择排序的方式。
优化特定类型的查询 优化count()查询 count()是特殊的函数，有两种不同的作用，一种是某个列值的数量，也可以统计行数。
1.总有人认为myisam的count函数比较快，这是有前提条件的，只有没有任何where条件的count(*)才是比较快的
2.使用近似值：
在某些应用场景中，不需要完全精确的值，可以参考使用近似值来代替，比如可以使用explain来获取近似的值
3.更复杂的优化
一般情况下，count()需要扫描大量的行才能获取精确的数据，其实很难优化，在实际操作的时候可以考虑使用索引覆盖扫描，或者增加汇总表，或者增加外部缓存系统。
测试：
深分页问题
select id,name from test where create_time >= ‘2022-07-09 00:00:00’ limit 0, 10
select id,name from test where create_time >= ‘2022-07-09 00:00:00’ limit 100000, 10
子查询优化
1 2 3 4 select id,name from test where id >= select id from test where create_time >= '2022-07-09 00:00:00' limit 1 ) order by id10
偏移法
1 2 3 select id,name from test where id >= 100000 order by id10
优化关联查询 1.确保on或者using子句中的列上有索引，在创建索引的时候就要考虑到关联的顺序。
当表A和表B使用列C关联的时候，如果优化器的关联顺序是B、A，那么就不需要再B表的对应列上建上索引，没有用到的索引只会带来额外的负担，一般情况下来说，只需要在关联顺序中的第二个表的相应列上创建索引
2.确保任何的groupby和order by中的表达式只涉及到一个表中的列，这样mysql才有可能使用索引来优化这个过程
优化子查询 子查询的优化最重要的优化建议是尽可能使用关联查询代替
优化limit分页 在很多应用场景中我们需要将数据进行分页，一般会使用limit加上偏移量的方法实现，同时加上合适的orderby 的子句，如果这种方式有索引的帮助，效率通常不错，否则的化需要进行大量的文件排序操作，还有一种情况，当偏移量非常大的时候，前面的大部分数据都会被抛弃，这样的代价太高。
1 2 3 4 5 6 select film_id,description from film order by title limit 50 ,5 select film.film_id,film.description from film inner join (select film_id from film order by title limit 50 ,5 ) as lim using (film_id);
优化union查询 除非确实需要服务器消除重复的行，否则一定要使用union all，因此没有all关键字，mysql会在查询的时候给临时表加上distinct的关键字，这个操作的代价很高
推荐使用用户自定义变量 用户自定义变量是一个容易被遗忘的mysql特性，但是如果能够用好，在某些场景下可以写出非常高效的查询语句，在查询中混合使用过程化和关系化逻辑的时候，自定义变量会非常有用。
自定义变量的使用 set @one :=1
set @min_actor :=(select min(actor_id) from actor)
set @last_week :=current_date-interval 1 week;
自定义变量的限制 1、无法使用查询缓存
2、不能在使用常量或者标识符的地方使用自定义变量，例如表名、列名或者limit子句
3、用户自定义变量的生命周期是在一个连接中有效，所以不能用它们来做连接间的通信
4、不能显式地声明自定义变量地类型
5、mysql优化器在某些场景下可能会将这些变量优化掉，这可能导致代码不按预想地方式运行
6、赋值符号：=的优先级非常低，所以在使用赋值表达式的时候应该明确的使用括号
7、使用未定义变量不会产生任何语法错误
自定义变量的使用案例 优化排名语句
1、在给一个变量赋值的同时使用这个变量
1 select actor_id,@rownum := @rownum + 1 as rownum from actor limit 10 ;
2、查询获取演过最多电影的前10名演员，然后根据出演电影次数做一个排名
1 select actor_id,count (* ) as cnt from film_actor group by actor_id order by cnt desc limit 10 ;
避免重新查询刚刚更新的数据 当需要高效的更新一条记录的时间戳，同时希望查询当前记录中存放的时间戳是什么。
1 2 3 4 5 update t1 set lastUpdated= now() where id = 1 ;select lastUpdated from t1 where id = 1 ;update t1 set lastupdated = now() where id = 1 and @now := now();select @now ;
确定取值的顺序 在赋值和读取变量的时候可能是在查询的不同阶段
1 2 3 4 5 6 7 8 9 10 11 set @rownum := 0 ;select actor_id,@rownum := @rownum + 1 as cnt from actor where @rownum <= 1 ;where 和select 在查询的不同阶段执行，所以看到查询到两条记录，这不符合预期set @rownum := 0 ;select actor_id,@rownum := @rownum + 1 as cnt from actor where @rownum <= 1 order by first_nameorder by 之后，发现打印出了全部结果，这是因为order by 引入了文件排序，而where 条件是在文件排序操作之前取值的 set @rownum := 0 ;select actor_id,@rownum as cnt from actor where (@rownum := @rownum + 1 )<= 1 ;
通过索引进行优化 索引基本知识 索引的优点 1、大大减少了服务器需要扫描的数据量
2、帮助服务器避免排序和临时表
3、将随机io变成顺序io
索引的用处 1、快速查找匹配WHERE子句的行
2、从consideration中消除行,如果可以在多个索引之间进行选择，mysql通常会使用找到最少行的索引
3、如果表具有多列索引，则优化器可以使用索引的任何最左前缀来查找行
4、当有表连接的时候，从其他表检索行数据
5、查找特定索引列的min或max值
6、如果排序或分组时在可用索引的最左前缀上完成的，则对表进行排序和分组
7、在某些情况下，可以优化查询以检索值而无需查询数据行
索引的分类 主键索引
唯一索引
普通索引
全文索引
组合索引
索引特性 覆盖索引
最左匹配
索引下推
索引采用的数据结构 哈希表
B+树
索引匹配方式 全值匹配：全值匹配指的是和索引中的所有列进行匹配
1 explain select * from staffs where name = 'July' and age = '23' and pos = 'dev' ;
匹配最左前缀:只匹配前面的几列
1 2 explain select * from staffs where name = 'July' and age = '23' ;select * from staffs where name = 'July' ;
匹配列前缀:可以匹配某一列的值的开头部分
1 2 3 explain select * from staffs where name like 'J%' ;select * from staffs where name like '%y' ;
匹配范围值:可以查找某一个范围的数据
1 explain select * from staffs where name > 'Mary' ;
精确匹配某一列并范围匹配另外一列:
1 2 select * from staffs where name = 'July' and age > 25 ;
只访问索引的查询:
1 2 select name,age,pos from staffs where name = 'July' and age = 25 and pos = 'dev' ;
哈希索引 基于哈希表的实现，只有精确匹配索引所有列的查询才有效
在mysql中，只有memory的存储引擎显式支持哈希索引
哈希索引自身只需存储对应的hash值，所以索引的结构十分紧凑，这让哈希索引查找的速度非常快
哈希索引的限制 1、哈希索引只包含哈希值和行指针，而不存储字段值，索引不能使用索引中的值来避免读取行
2、哈希索引数据并不是按照索引值顺序存储的，所以无法进行排序
3、哈希索引不支持部分列匹配查找，哈希索引是使用索引列的全部内容来计算哈希值
4、哈希索引支持等值比较查询，也不支持任何范围查询
5、访问哈希索引的数据非常快，除非有很多哈希冲突，当出现哈希冲突的时候，存储引擎必须遍历链表中的所有行指针，逐行进行比较，直到找到所有符合条件的行
6、哈希冲突比较多的话，维护的代价也会很高
测试 当需要存储大量的URL，并且根据URL进行搜索查找，如果使用B+树，存储的内容就会很大
组合索引 当包含多个列作为索引，需要注意的是正确的顺序依赖于该索引的查询，同时需要考虑如何更好的满足排序和分组的需要
测试 建立组合索引a,b,c
不同SQL语句使用索引情况
聚簇索引与非聚簇索引 聚簇索引 不是单独的索引类型，而是一种数据存储方式，指的是数据行跟相邻的键值紧凑的存储在一起
优点：
1、可以把相关数据保存在一起
2、数据访问更快，因为索引和数据保存在同一个树中
3、使用覆盖索引扫描的查询可以直接使用页节点中的主键值
缺点：
1、聚簇数据最大限度地提高了IO密集型应用的性能，如果数据全部在内存，那么聚簇索引就没有什么优势
2、插入速度严重依赖于插入顺序，按照主键的顺序插入是最快的方式
3、更新聚簇索引列的代价很高，因为会强制将每个被更新的行移动到新的位置
4、基于聚簇索引的表在插入新行，或者主键被更新导致需要移动行的时候，可能面临页分裂的问题
5、聚簇索引可能导致全表扫描变慢，尤其是行比较稀疏，或者由于页分裂导致数据存储不连续的时候
非聚簇索引 数据文件跟索引文件分开存放
覆盖索引 基本介绍 1、如果一个索引包含所有需要查询的字段的值，我们称之为覆盖索引
2、不是所有类型的索引都可以称为覆盖索引，覆盖索引必须要存储索引列的值
3、不同的存储实现覆盖索引的方式不同，不是所有的引擎都支持覆盖索引，memory不支持覆盖索引
优势 1、索引条目通常远小于数据行大小，如果只需要读取索引，那么mysql就会极大的较少数据访问量
2、因为索引是按照列值顺序存储的，所以对于IO密集型的范围查询会比随机从磁盘读取每一行数据的IO要少的多
3、一些存储引擎如MYISAM在内存中只缓存索引，数据则依赖于操作系统来缓存，因此要访问数据需要一次系统调用，这可能会导致严重的性能问题
4、由于INNODB的聚簇索引，覆盖索引对INNODB表特别有用
测试 1、当发起一个被索引覆盖的查询时，在explain的extra列可以看到using index的信息，此时就使用了覆盖索引
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 mysql> explain select store_id,film_id from inventory\G* * * * * * * * * * * * * * * * * * * * * * * * * * * 1. row * * * * * * * * * * * * * * * * * * * * * * * * * * * 1 table : inventoryNULL NULL 3 ref : NULL rows : 4581 100.00 Using index1 row in set , 1 warning (0.01 sec)
2、在大多数存储引擎中，覆盖索引只能覆盖那些只访问索引中部分列的查询。不过，可以进一步的进行优化，可以使用innodb的二级索引来覆盖查询。
例如：actor使用innodb存储引擎，并在last_name字段又二级索引，虽然该索引的列不包括主键actor_id，但也能够用于对actor_id做覆盖查询
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 mysql> explain select actor_id,last_name from actor where last_name= 'HOPPER' \G* * * * * * * * * * * * * * * * * * * * * * * * * * * 1. row * * * * * * * * * * * * * * * * * * * * * * * * * * * 1 table : actorNULL ref 137 ref : constrows : 2 100.00 Using index1 row in set , 1 warning (0.00 sec)
优化小细节 1.当使用索引列进行查询的时候尽量不要使用表达式，把计算放到业务层而不是数据库层
1 2 3 select actor_id from actor where actor_id= 4 ;select actor_id from actor where actor_id+ 1 = 5 ;
2.尽量使用主键查询，而不是其他索引，因此主键查询不会触发回表查询
3.使用前缀索引
有时候需要索引很长的字符串，这会让索引变的大且慢，通常情况下可以使用某个列开始的部分字符串，这样大大的节约索引空间，从而提高索引效率，但这会降低索引的选择性，索引的选择性是指不重复的索引值和数据表记录总数的比值，范围从1/#T到1之间。索引的选择性越高则查询效率越高，因为选择性更高的索引可以让mysql在查找的时候过滤掉更多的行。
一般情况下某个列前缀的选择性也是足够高的，足以满足查询的性能，但是对应BLOB,TEXT,VARCHAR类型的列，必须要使用前缀索引，因为mysql不允许索引这些列的完整长度，使用该方法的诀窍在于要选择足够长的前缀以保证较高的选择性，通过又不能太长。
测试：
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 28 29 30 31 create table citydemo(city varchar (50 ) not null );insert into citydemo(city) select city from city;insert into citydemo(city) select city from citydemo;update citydemo set city= (select city from city order by rand() limit 1 );select count (* ) as cnt,city from citydemo group by city order by cnt desc limit 10 ;select count (* ) as cnt,left (city,3 ) as pref from citydemo group by pref order by cnt desc limit 10 ;select count (* ) as cnt,left (city,7 ) as pref from citydemo group by pref order by cnt desc limit 10 ;select count (distinct left (city,3 ))/ count (* ) as sel3,count (distinct left (city,4 ))/ count (* ) as sel4,count (distinct left (city,5 ))/ count (* ) as sel5,count (distinct left (city,6 ))/ count (* ) as sel6,count (distinct left (city,7 ))/ count (* ) as sel7,count (distinct left (city,8 ))/ count (* ) as sel8 from citydemo;alter table citydemo add key(city(7 ));
4.使用索引扫描来排序
ysql有两种方式可以生成有序的结果：通过排序操作或者按索引顺序扫描，如果explain出来的type列的值为index,则说明mysql使用了索引扫描来做排序
扫描索引本身是很快的，因为只需要从一条索引记录移动到紧接着的下一条记录。但如果索引不能覆盖查询所需的全部列，那么就不得不每扫描一条索引记录就得回表查询一次对应的行，这基本都是随机IO，因此按索引顺序读取数据的速度通常要比顺序地全表扫描慢
mysql可以使用同一个索引即满足排序，又用于查找行，如果可能的话，设计索引时应该尽可能地同时满足这两种任务。
只有当索引的列顺序和order by子句的顺序完全一致，并且所有列的排序方式都一样时，mysql才能够使用索引来对结果进行排序，如果查询需要关联多张表，则只有当orderby子句引用的字段全部为第一张表时，才能使用索引做排序。order by子句和查找型查询的限制是一样的，需要满足索引的最左前缀的要求，否则，mysql都需要执行顺序操作，而无法利用索引排序
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 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50 51 52 53 54 55 56 57 58 59 60 61 62 63 64 65 66 67 68 69 70 71 72 73 74 75 76 77 78 79 80 81 82 83 84 85 select rental_id,staff_id from rental where rental_date= '2005-05-25' order by inventory_id,customer_id\G* * * * * * * * * * * * * * * * * * * * * * * * * * * 1. row * * * * * * * * * * * * * * * * * * * * * * * * * * * 1 table : rentalNULL ref 5 ref : constrows : 1 100.00 Using index condition 1 row in set , 1 warning (0.00 sec)select rental_id,staff_id from rental where rental_date= '2005-05-25' order by inventory_id desc \G* * * * * * * * * * * * * * * * * * * * * * * * * * * 1. row * * * * * * * * * * * * * * * * * * * * * * * * * * * 1 table : rentalNULL ref 5 ref : constrows : 1 100.00 Using where 1 row in set , 1 warning (0.00 sec)select rental_id,staff_id from rental where rental_date> '2005-05-25' order by rental_date,inventory_id\G* * * * * * * * * * * * * * * * * * * * * * * * * * * 1. row * * * * * * * * * * * * * * * * * * * * * * * * * * * 1 table : rentalNULL ALL NULL NULL ref : NULL rows : 16005 50.00 Using where ; Using filesortselect rental_id,staff_id from rental where rental_date> '2005-05-25' order by inventory_id desc ,customer_id asc \G* * * * * * * * * * * * * * * * * * * * * * * * * * * 1. row * * * * * * * * * * * * * * * * * * * * * * * * * * * 1 table : rentalNULL ALL NULL NULL ref : NULL rows : 16005 50.00 Using where ; Using filesort1 row in set , 1 warning (0.00 sec)select rental_id,staff_id from rental where rental_date> '2005-05-25' order by inventory_id,staff_id\G* * * * * * * * * * * * * * * * * * * * * * * * * * * 1. row * * * * * * * * * * * * * * * * * * * * * * * * * * * 1 table : rentalNULL ALL NULL NULL ref : NULL rows : 16005 50.00 Using where ; Using filesort1 row in set , 1 warning (0.00 sec)
5.union all,in,or都能够使用索引，但是推荐使用in
1 2 3 4 5 explain select * from actor where actor_id = 1 union all select * from actor where actor_id = 2 ;select * from actor where actor_id in (1 ,2 );select * from actor where actor_id = 1 or actor_id = 2 ;
6.范围列可以用到索引
范围条件是：<、>
范围列可以用到索引，但是范围列后面的列无法用到索引，索引最多用于一个范围列
7.强制类型转换会全表扫描
1 2 3 4 5 6 7 8 9 create table user (id int ,name varchar (10 ),phone varchar (11 ));alter table user add index idx_1(phone);select * from user where phone= 13800001234 ;select * from user where phone= '13800001234' ;
8.更新十分频繁，数据区分度不高的字段上不宜建立索引
更新会变更B+树，更新频繁的字段建议索引会大大降低数据库性能
类似于性别这类区分不大的属性，建立索引是没有意义的，不能有效的过滤数据，
一般区分度在80%以上的时候就可以建立索引，区分度可以使用 count(distinct(列名))/count(*) 来计算
9.创建索引的列，不允许为null，可能会得到不符合预期的结果
10.当需要进行表连接的时候，最好不要超过三张表，因为需要join的字段，数据类型必须一致
11.能使用limit的时候尽量使用limit
12.单表索引建议控制在5个以内
13.单索引字段数不允许超过5个（组合索引）
14.创建索引的时候应该避免以下错误概念
索引越多越好
过早优化，在不了解系统的情况下进行优化
索引监控 1 show status like 'Handler_read%' ;
参数解释:
Handler_read_first：读取索引第一个条目的次数
Handler_read_key：通过index获取数据的次数
Handler_read_last：读取索引最后一个条目的次数
Handler_read_next：通过索引读取下一条数据的次数
Handler_read_prev：通过索引读取上一条数据的次数
Handler_read_rnd：从固定位置读取数据的次数
Handler_read_rnd_next：从数据节点读取下一条数据的次数
索引优化测试 预先准备好数据
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 SET FOREIGN_KEY_CHECKS= 0 ;DROP TABLE IF EXISTS `itdragon_order_list`;CREATE TABLE `itdragon_order_list` (bigint (11 ) NOT NULL AUTO_INCREMENT COMMENT '主键id，默认自增长' ,varchar (150 ) DEFAULT NULL COMMENT '交易号' ,double DEFAULT NULL COMMENT '毛收入(RMB)' ,double DEFAULT NULL COMMENT '净收入(RMB)' ,int (11 ) DEFAULT NULL COMMENT '发货仓库' ,int (11 ) DEFAULT NULL COMMENT '订单状态' ,varchar (255 ) DEFAULT NULL COMMENT '客服备注' ,varchar (255 ) DEFAULT NULL COMMENT '财务备注' ,varchar (100 ) DEFAULT NULL COMMENT '创建类型' ,int (11 ) DEFAULT NULL COMMENT '订单级别' ,varchar (20 ) DEFAULT NULL COMMENT '录入人' ,varchar (20 ) DEFAULT NULL COMMENT '录入时间' ,PRIMARY KEY (`id`)= InnoDB AUTO_INCREMENT= 10003 DEFAULT CHARSET= utf8;INSERT INTO itdragon_order_list VALUES ('10000' , '81X97310V32236260E' , '6.6' , '6.13' , '1' , '10' , 'ok' , 'ok' , 'auto' , '1' , 'itdragon' , '2017-08-28 17:01:49' );INSERT INTO itdragon_order_list VALUES ('10001' , '61525478BB371361Q' , '18.88' , '18.79' , '1' , '10' , 'ok' , 'ok' , 'auto' , '1' , 'itdragon' , '2017-08-18 17:01:50' );INSERT INTO itdragon_order_list VALUES ('10002' , '5RT64180WE555861V' , '20.18' , '20.17' , '1' , '10' , 'ok' , 'ok' , 'auto' , '1' , 'itdragon' , '2017-09-08 17:01:49' );
逐步开始进行优化：
第一个案例：
1 2 3 4 5 6 7 8 9 10 11 select * from itdragon_order_list where transaction_id = "81X97310V32236260E";select * from itdragon_order_list where transaction_id = "81X97310V32236260E";create unique index idx_order_transaID on itdragon_order_list (transaction_id);select * from itdragon_order_list where transaction_id = "81X97310V32236260E";select transaction_id from itdragon_order_list where transaction_id = "81X97310V32236260E";
第二个案例
1 2 3 4 5 6 7 8 9 10 create index idx_order_levelDate on itdragon_order_list (order_level,input_date);select * from itdragon_order_list order by order_level,input_date;select * from itdragon_order_list force index(idx_order_levelDate) order by order_level,input_date;select * from itdragon_order_list where order_level= 3 order by input_date;
分区表 分区表的应用场景 1.表非常大以至于无法全部都放在内存中，或者只在表的最后部分有热点数据，其他均是历史数据
2.分区表的数据更容易维护：
批量删除大量数据可以使用清除整个分区的方式
对一个独立分区进行优化、检查、修复等操作
3.分区表的数据可以分布在不同的物理设备上，从而高效地利用多个硬件设备
4.可以使用分区表来避免某些特殊的瓶颈
innodb的单个索引的互斥访问
ext3文件系统的inode锁竞争
5.可以备份和恢复独立的分区
分区表的限制 一个表最多只能有1024个分区，在5.7版本的时候可以支持8196个分区
在早期的mysql中，分区表达式必须是整数或者是返回整数的表达式，在mysql5.5中，某些场景可以直接使用列来进行分区
如果分区字段中有主键或者唯一索引的列，那么所有主键列和唯一索引列都必须包含进来
分区表无法使用外键约束
分区表的原理 分区表由多个相关的底层表实现，这个底层表也是由句柄对象标识，我们可以直接访问各个分区。存储引擎管理分区的各个底层表和管理普通表一样（所有的底层表都必须使用相同的存储引擎），分区表的索引知识在各个底层表上各自加上一个完全相同的索引。从存储引擎的角度来看，底层表和普通表没有任何不同，存储引擎也无须知道这是一个普通表还是一个分区表的一部分。
分区表的操作按照以下的操作逻辑进行：
select查询
当查询一个分区表的时候，分区层先打开并锁住所有的底层表，优化器先判断是否可以过滤部分分区，然后再调用对应的存储引擎接口访问各个分区的数据
insert操作
当写入一条记录的时候，分区层先打开并锁住所有的底层表，然后确定哪个分区接受这条记录，再将记录写入对应底层表
delete操作
当删除一条记录时，分区层先打开并锁住所有的底层表，然后确定数据对应的分区，最后对相应底层表进行删除操作
update操作
当更新一条记录时，分区层先打开并锁住所有的底层表，mysql先确定需要更新的记录再哪个分区，然后取出数据并更新，再判断更新后的数据应该再哪个分区，最后对底层表进行写入操作，并对源数据所在的底层表进行删除操作
有些操作时支持过滤的，例如，当删除一条记录时，MySQL需要先找到这条记录，如果where条件恰好和分区表达式匹配，就可以将所有不包含这条记录的分区都过滤掉，这对update同样有效。如果是insert操作，则本身就是只命中一个分区，其他分区都会被过滤掉。mysql先确定这条记录属于哪个分区，再将记录写入对应得曾分区表，无须对任何其他分区进行操作
虽然每个操作都会“先打开并锁住所有的底层表”，但这并不是说分区表在处理过程中是锁住全表的，如果存储引擎能够自己实现行级锁，例如innodb，则会在分区层释放对应表锁。
分区表的类型 范围分区:
根据列值在给定范围内将行分配给分区
范围分区表的分区方式是：每个分区都包含行数据且分区的表达式在给定的范围内，分区的范围应该是连续的且不能重叠，可以使用values less than运算符来定义。
1、创建普通的表
1 2 3 4 5 6 7 8 9 CREATE TABLE employees (INT NOT NULL ,VARCHAR (30 ),VARCHAR (30 ),DATE NOT NULL DEFAULT '1970-01-01' ,DATE NOT NULL DEFAULT '9999-12-31' ,INT NOT NULL ,INT NOT NULL
2、创建带分区的表，下面建表的语句是按照store_id来进行分区的，指定了4个分区
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 CREATE TABLE employees (INT NOT NULL ,VARCHAR (30 ),VARCHAR (30 ),DATE NOT NULL DEFAULT '1970-01-01' ,DATE NOT NULL DEFAULT '9999-12-31' ,INT NOT NULL ,INT NOT NULL PARTITION BY RANGE (store_id) (PARTITION p0 VALUES LESS THAN (6 ),PARTITION p1 VALUES LESS THAN (11 ),PARTITION p2 VALUES LESS THAN (16 ),PARTITION p3 VALUES LESS THAN (21 )
3、可以使用less than maxvalue来避免此种情况
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 CREATE TABLE employees (INT NOT NULL ,VARCHAR (30 ),VARCHAR (30 ),DATE NOT NULL DEFAULT '1970-01-01' ,DATE NOT NULL DEFAULT '9999-12-31' ,INT NOT NULL ,INT NOT NULL PARTITION BY RANGE (store_id) (PARTITION p0 VALUES LESS THAN (6 ),PARTITION p1 VALUES LESS THAN (11 ),PARTITION p2 VALUES LESS THAN (16 ),PARTITION p3 VALUES LESS THAN MAXVALUE
4、可以使用相同的方式根据员工的职务代码对表进行分区
1 2 3 4 5 6 7 8 9 10 11 12 13 14 CREATE TABLE employees (INT NOT NULL ,VARCHAR (30 ),VARCHAR (30 ),DATE NOT NULL DEFAULT '1970-01-01' ,DATE NOT NULL DEFAULT '9999-12-31' ,INT NOT NULL ,INT NOT NULL PARTITION BY RANGE (job_code) (PARTITION p0 VALUES LESS THAN (100 ),PARTITION p1 VALUES LESS THAN (1000 ),PARTITION p2 VALUES LESS THAN (10000 )
5、可以使用date类型进行分区：如虚妄根据每个员工离开公司的年份进行划分，如year(separated)
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 CREATE TABLE employees (INT NOT NULL ,VARCHAR (30 ),VARCHAR (30 ),DATE NOT NULL DEFAULT '1970-01-01' ,DATE NOT NULL DEFAULT '9999-12-31' ,INT ,INT PARTITION BY RANGE ( YEAR (separated) ) (PARTITION p0 VALUES LESS THAN (1991 ),PARTITION p1 VALUES LESS THAN (1996 ),PARTITION p2 VALUES LESS THAN (2001 ),PARTITION p3 VALUES LESS THAN MAXVALUE
6、可以使用函数根据range的值来对表进行分区，如timestampunix_timestamp()
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 CREATE TABLE quarterly_report_status (INT NOT NULL ,VARCHAR (20 ) NOT NULL ,TIMESTAMP NOT NULL DEFAULT CURRENT_TIMESTAMP ON UPDATE CURRENT_TIMESTAMP PARTITION BY RANGE ( UNIX_TIMESTAMP(report_updated) ) (PARTITION p0 VALUES LESS THAN ( UNIX_TIMESTAMP('2008-01-01 00:00:00' ) ),PARTITION p1 VALUES LESS THAN ( UNIX_TIMESTAMP('2008-04-01 00:00:00' ) ),PARTITION p2 VALUES LESS THAN ( UNIX_TIMESTAMP('2008-07-01 00:00:00' ) ),PARTITION p3 VALUES LESS THAN ( UNIX_TIMESTAMP('2008-10-01 00:00:00' ) ),PARTITION p4 VALUES LESS THAN ( UNIX_TIMESTAMP('2009-01-01 00:00:00' ) ),PARTITION p5 VALUES LESS THAN ( UNIX_TIMESTAMP('2009-04-01 00:00:00' ) ),PARTITION p6 VALUES LESS THAN ( UNIX_TIMESTAMP('2009-07-01 00:00:00' ) ),PARTITION p7 VALUES LESS THAN ( UNIX_TIMESTAMP('2009-10-01 00:00:00' ) ),PARTITION p8 VALUES LESS THAN ( UNIX_TIMESTAMP('2010-01-01 00:00:00' ) ),PARTITION p9 VALUES LESS THAN (MAXVALUE)
基于时间间隔的分区方案，在mysql5.7中，可以基于范围或事件间隔实现分区方案，有两种选择
1、基于范围的分区，对于分区表达式，可以使用操作函数基于date、time、或者datatime列来返回一个整数值
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 28 29 30 31 32 CREATE TABLE members (VARCHAR (25 ) NOT NULL ,VARCHAR (25 ) NOT NULL ,VARCHAR (16 ) NOT NULL ,VARCHAR (35 ),DATE NOT NULL PARTITION BY RANGE ( YEAR (joined) ) (PARTITION p0 VALUES LESS THAN (1960 ),PARTITION p1 VALUES LESS THAN (1970 ),PARTITION p2 VALUES LESS THAN (1980 ),PARTITION p3 VALUES LESS THAN (1990 ),PARTITION p4 VALUES LESS THAN MAXVALUECREATE TABLE quarterly_report_status (INT NOT NULL ,VARCHAR (20 ) NOT NULL ,TIMESTAMP NOT NULL DEFAULT CURRENT_TIMESTAMP ON UPDATE CURRENT_TIMESTAMP PARTITION BY RANGE ( UNIX_TIMESTAMP(report_updated) ) (PARTITION p0 VALUES LESS THAN ( UNIX_TIMESTAMP('2008-01-01 00:00:00' ) ),PARTITION p1 VALUES LESS THAN ( UNIX_TIMESTAMP('2008-04-01 00:00:00' ) ),PARTITION p2 VALUES LESS THAN ( UNIX_TIMESTAMP('2008-07-01 00:00:00' ) ),PARTITION p3 VALUES LESS THAN ( UNIX_TIMESTAMP('2008-10-01 00:00:00' ) ),PARTITION p4 VALUES LESS THAN ( UNIX_TIMESTAMP('2009-01-01 00:00:00' ) ),PARTITION p5 VALUES LESS THAN ( UNIX_TIMESTAMP('2009-04-01 00:00:00' ) ),PARTITION p6 VALUES LESS THAN ( UNIX_TIMESTAMP('2009-07-01 00:00:00' ) ),PARTITION p7 VALUES LESS THAN ( UNIX_TIMESTAMP('2009-10-01 00:00:00' ) ),PARTITION p8 VALUES LESS THAN ( UNIX_TIMESTAMP('2010-01-01 00:00:00' ) ),PARTITION p9 VALUES LESS THAN (MAXVALUE)
2、基于范围列的分区，使用date或者datatime列作为分区列
1 2 3 4 5 6 7 8 9 10 11 12 13 14 CREATE TABLE members (VARCHAR (25 ) NOT NULL ,VARCHAR (25 ) NOT NULL ,VARCHAR (16 ) NOT NULL ,VARCHAR (35 ),DATE NOT NULL PARTITION BY RANGE COLUMNS(joined) (PARTITION p0 VALUES LESS THAN ('1960-01-01' ),PARTITION p1 VALUES LESS THAN ('1970-01-01' ),PARTITION p2 VALUES LESS THAN ('1980-01-01' ),PARTITION p3 VALUES LESS THAN ('1990-01-01' ),PARTITION p4 VALUES LESS THAN MAXVALUE
真实案例：
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 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50 51 52 53 54 55 56 57 58 59 #不分区的表CREATE TABLE no_part_tabINT DEFAULT NULL ,VARCHAR (50 ) DEFAULT NULL ,DATE DEFAULT NULL = MYISAM;CREATE TABLE part_tabINT DEFAULT NULL ,VARCHAR (50 ) DEFAULT NULL ,DATE DEFAULT NULL = MYISAMPARTITION BY RANGE (YEAR (d_date))(PARTITION p0 VALUES LESS THAN(1995 ),PARTITION p1 VALUES LESS THAN(1996 ),PARTITION p2 VALUES LESS THAN(1997 ),PARTITION p3 VALUES LESS THAN(1998 ),PARTITION p4 VALUES LESS THAN(1999 ),PARTITION p5 VALUES LESS THAN(2000 ),PARTITION p6 VALUES LESS THAN(2001 ),PARTITION p7 VALUES LESS THAN(2002 ),PARTITION p8 VALUES LESS THAN(2003 ),PARTITION p9 VALUES LESS THAN(2004 ),PARTITION p10 VALUES LESS THAN maxvalue);DROP PROCEDURE IF EXISTS no_load_part;/ / CREATE PROCEDURE no_load_part()BEGIN DECLARE i INT ;SET i = 1 ;< 80001 INSERT INTO no_part_tab VALUES (i,'no' ,ADDDATE('1995-01-01' ,(RAND(i)* 36520 ) MOD 3652 ));SET i= i+ 1 ;END WHILE;END / / CALL no_load_part;DROP PROCEDURE IF EXISTS load_part;&& CREATE PROCEDURE load_part()BEGIN DECLARE i INT ;SET i= 1 ;< 80001 INSERT INTO part_tab VALUES (i,'partition' ,ADDDATE('1995-01-01' ,(RAND(i)* 36520 ) MOD 3652 ));SET i= i+ 1 ;END WHILE;END && CALL load_part;
列表分区:
类似于按range分区，区别在于list分区是基于列值匹配一个离散值集合中的某个值来进行选择
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 CREATE TABLE employees (INT NOT NULL ,VARCHAR (30 ),VARCHAR (30 ),DATE NOT NULL DEFAULT '1970-01-01' ,DATE NOT NULL DEFAULT '9999-12-31' ,INT ,INT PARTITION BY LIST(store_id) (PARTITION pNorth VALUES IN (3 ,5 ,6 ,9 ,17 ),PARTITION pEast VALUES IN (1 ,2 ,10 ,11 ,19 ,20 ),PARTITION pWest VALUES IN (4 ,12 ,13 ,14 ,18 ),PARTITION pCentral VALUES IN (7 ,8 ,15 ,16 )
列分区:
mysql从5.5开始支持column分区，可以认为i是range和list的升级版，在5.5之后，可以使用column分区替代range和list，但是column分区只接受普通列不接受表达式
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 CREATE TABLE `list_c` (int (11 ) DEFAULT NULL ,int (11 ) DEFAULT NULL = InnoDB DEFAULT CHARSET= latin1CREATE TABLE `list_c` (int (11 ) DEFAULT NULL ,int (11 ) DEFAULT NULL ,char (20 ) DEFAULT NULL = InnoDB DEFAULT CHARSET= latin1CREATE TABLE `list_c` (int (11 ) DEFAULT NULL ,int (11 ) DEFAULT NULL ,char (20 ) DEFAULT NULL = InnoDB DEFAULT CHARSET= latin1
hash分区:
基于用户定义的表达式的返回值来进行选择的分区，该表达式使用将要插入到表中的这些行的列值进行计算。这个函数可以包含myql中有效的、产生非负整数值的任何表达式
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 CREATE TABLE employees (INT NOT NULL ,VARCHAR (30 ),VARCHAR (30 ),DATE NOT NULL DEFAULT '1970-01-01' ,DATE NOT NULL DEFAULT '9999-12-31' ,INT ,INT PARTITION BY HASH(store_id)4 ;CREATE TABLE employees (INT NOT NULL ,VARCHAR (30 ),VARCHAR (30 ),DATE NOT NULL DEFAULT '1970-01-01' ,DATE NOT NULL DEFAULT '9999-12-31' ,INT ,INT PARTITION BY LINEAR HASH(YEAR (hired))4 ;
key分区:
类似于hash分区，区别在于key分区只支持一列或多列，且mysql服务器提供其自身的哈希函数，必须有一列或多列包含整数值
1 2 3 4 5 6 7 CREATE TABLE tk (INT NOT NULL ,CHAR (5 ),DATE PARTITION BY LINEAR KEY (col1)3 ;
子分区:
在分区的基础之上，再进行分区后存储
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 CREATE TABLE `t_partition_by_subpart`INT AUTO_INCREMENT,VARCHAR (10 ) NOT NULL ,INT (2 ) UNSIGNED ZEROFILL NOT NULL ,VARCHAR (20 ) DEFAULT NULL ,INT (2 ) NOT NULL ,INT (8 ) DEFAULT NULL ,INT (1 ) UNSIGNED DEFAULT NULL ,PRIMARY KEY (`id`, `sGrade`)= INNODBPARTITION BY RANGE (id)BY HASH(sGrade) SUBPARTITIONS 2 PARTITION p0 VALUES LESS THAN(5 ),PARTITION p1 VALUES LESS THAN(10 ),PARTITION p2 VALUES LESS THAN(15 )
如何使用分区表 如果需要从非常大的表中查询出某一段时间的记录，而这张表中包含很多年的历史数据，数据是按照时间排序的，此时应该如何查询数据呢？
全量扫描数据，不要任何索引 使用简单的分区方式存放表，不要任何索引，根据分区规则大致定位需要的数据为止，通过使用where条件将需要的数据限制在少数分区中，这种策略适用于以正常的方式访问大量数据
索引数据，并分离热点 如果数据有明显的热点，而且除了这部分数据，其他数据很少被访问到，那么可以将这部分热点数据单独放在一个分区中，让这个分区的数据能够有机会都缓存在内存中，这样查询就可以只访问一个很小的分区表，能够使用索引，也能够有效的使用缓存
在使用分区表的时候需要注意的问题 null值会使分区过滤无效
分区列和索引列不匹配，会导致查询无法进行分区过滤
选择分区的成本可能很高
打开并锁住所有底层表的成本可能很高
维护分区的成本可能很高
集群化 主从复制
读写分离
分库分表
