内容简介:一打开科技类论坛,最常看到的文章主题就是MySQL性能优化了,为什么要优化呢?因为:就是咱们说的“性能问题”,程序员一遇到它总是焦头烂额!
一打开科技类论坛,最常看到的文章主题就是 MySQL 性能优化了,为什么要优化呢?
因为:
- 数据库出现瓶颈,系统的吞吐量出现访问速度慢
- 随着应用程序的运行,数据库的中的数据会越来越多,处理时间变长
- 数据读写速度缓慢
就是咱们说的“性能问题”,程序员一遇到它总是焦头烂额!
今天小编对MySQL优化总结了一些心得,希望在大家之后的工作中能有所有帮助!
like 前导符优化
like模糊查询形如'%AAA%'和'%AAA'将不会使用索引,但是业务上不可避免可能又需要使用到这种形式。
通常的方法有两种:
- 优化方案一:使用覆盖索引,即查询出的列只是用索引就可以获取,而无须查询表记录,这样也走了索引;
- 优化方案二:使用locate函数或者position函数代替like查询:如table.field like '%AAA%'可以改为locate('AAA', table.field) > 0或POSITION('AAA' IN table.field)>0
in 和 exist
如果查询的两个表大小相当,那么用in和exists差别不大。 如果两个表中一个较小,一个是大表,则子查询表大的用exists,子查询表小的用in: 例如:表A(小表),表B(大表)
示例一:
示例二:
not in 和 not exist
如果查询语句使用了not in 那么内外表都进行全表扫描,没有用到索引;而not exist 的子查询依然能用到表上的索引。所以无论哪个表大,用not exists都比not in要快!
子查询优化
- MySQL 5.6 之前的版本对子查询处理:不会将查询的结果集计算出来用作与其他表做join,outer表每扫描一条数据,子查询都会被重新执行一遍。
- MySQL 5.6 对子查询的处理 :将子查询的结果集 cache 到临时表里,临时表索引主要用来移除重复记录,并且随后也可能用于做join查询,这种技术在 5.6 中叫做物化的子查询,物化子查询可以看到select_type字段为subquery,而在 5.5 里为DEPENDENT SUBQUERY。
- 子查询一般都可以改成表的关联查询,子查询会有临时表的创建、销毁,效率低下。
straight_join
mysql hint:
Mysql 优化器在处理多表的关联的时候,很有可能会选择错误的驱动表进行关联,导致了关联次数的增加,从而使得 sql 语句执行变得非常的缓慢。
这个时候需要有经验的DBA进行判断,选择正确的驱动表,这个时候 straightjoin 就起了作用了,下面我们来看一看使用straight_join进行优化的案例:
尝试采用user表做驱动表,使用straight_join强制连接顺序:
高效分页
传统分页:
select * from table limit 10000,10
limit原理:
- Limit 10000,10
- 偏移量越大则越慢
推荐分页:
复杂关联SQL的优化
- 首先查询返回的结果集,通常查询返回的结果集很少,是有优化的空间的。
- 通过查看执行计划,查看优化器选择的驱动表,从执行计划的rows可以大致反应出问题的所在。
- 搞清各表的关联关系,查看关联字段是否有合适的索引。
- 使用straight_join关键词来强制调整驱动表的选择,对优化的想法进行验证。
- 如果条件允许,对复杂的SQL进行拆分。尽可能越简单越好。
force index
有时优化器可能由于统计信息不准确等原因,没有选择最优的执行计划,可以人为改变mysql的执行计划,例如:
count的优化
按照效率 排序 的话,count(字段)
总结
MySQL 性能优化 最主要是理解 innodb 的索引原理及结构及 SQL 的执行计划,在不断累积经验的基础上熟能生巧。
以上就是本文的全部内容,希望对大家的学习有所帮助,也希望大家多多支持 码农网
猜你喜欢:本站部分资源来源于网络,本站转载出于传递更多信息之目的,版权归原作者或者来源机构所有,如转载稿涉及版权问题,请联系我们。
Learn Python the Hard Way
Zed Shaw / Example Product Manufacturer / 2011
This is a very beginner book for people who want to learn to code. If you can already code then the book will probably drive you insane. It's intended for people who have no coding chops to build up t......一起来看看 《Learn Python the Hard Way》 这本书的介绍吧!