---

• 💂 个人网站: IT知识小屋
• 🤟 版权: 本文由【IT学习日记】原创、需要转载请联系博主
• 💬 如果文章对你有帮助、欢迎关注、点赞、收藏(一键三连)和订阅专栏哦

前言

  上一篇介绍了4种进行MySQL性能优化排查的小技巧，本篇就通过从增、删、改、查的语法中如何进行优化，帮助大家更好理解MySQL语法，进行性能优化。

性能优化技巧

  学习完如何使用调优工具定位需要优化的SQL后，下面就来认识SQL的增、删、查、改进行优化技巧吧。

一、插入数据优化

  插入数据的优化点：主要在于最大程度上利用每一次数据库连接，避免频繁创建数据连接，因此，常见的优化方式如下：

• 批量插入(单条插入需要每次都与数据创建链接，存在比较大消耗)

• 手动管理事务(可以将批量多个批量插入放在一个事务中，减少开启、关闭事务次数)

• 数据按照主键顺序插入(避免页分裂和重新指针指向，下面会具体介绍这两者的概念)

• 大数据量时使用load指令(如初始化时需要几百甚至上千万数据(百万数据十几秒)，此时则使用load命令来进行插入数据，mysql原生支持大数据量插入，性能非常高)

  load命令的使用：

• 如果是命令行连接，需要指定客户端需要执行本地文件，在连接中添加:--local-infile

• 服务端开启load指令支持：set grobal local_infile=1

• 语法：load data local infile '文件路径' into table '表名' fields teminated by '字段分割符号' lines teminated by '行分割符号'

主键优化

  数据组织方式:

  在MySQL的InnoDB引擎中，表数据都是根据主键顺序组织存放的，这种存储方式的表称为索引组织表(Index Organized Table IOT)，相关概念如下：

  页(Page)： 存放的就是具体的行数据

  特点： 页可以为空、也可以填充一半，或者填充100%。每个页包含了2-N行数据(如果一行数据太大，会行溢出)，页中数据根据主键排序【InnoDB中规则每个页中至少大于2行，如果只有一行，证明形成了链表，在innodb中是允许的】。页与也之间存在指针相互指向。

  页分裂：

  如果插入数据是数据的主键时乱序插入，因为InnoDB中数据是按照主键的顺序存放在页中的，它会找到本应该插入的数据页50%的位置(该数据页因为乱序插入已经满了)，然后将之后的元素以及新插入的元素放到新申请的页中。然后指针重新指向的现象。

  页合并：

  注意： 在InnoDB中，当删除一个记录时，实际上记录并没有被物理删除，知识记录被标记(flaged)为删除，并且它的空间变得允许被其他记录声明使用。

  定义： 当页中数据被删除到MERGE_THRESHOLD(默认是页的50%)，InnoDB会开始寻找最靠近的页(前或后)看看是否可以将两个页合并以优化空间使用。

  MERGE_THRESHOLD参数在创建表或者索引时可以进行指定，默认就是页的一半。

  主键设计原则：

• 满足业务需求情况下，尽量降低主键的长度(因为二级索引叶子节点存储的是主键值，主键值越长，占用的空间越大，在搜索时需要耗费磁盘IO的次数就越多)

• 插入数据时，尽量顺序插入，选择使用AUTO_INCREMENT自增主键(乱序插入可能导致页分裂，消耗性能)

• 尽量不要使用UUID做主键或者其他自然主键如身份证(因为它们是无序的，还是会存在页分裂，同时因为它们的长度也较长，在检索时会耗费大量的磁盘IO)

• 业务操作时，尽量避免对逐渐的修改(修改了主键，需要重新维护对应的索引数据结构)

二、查询优化

1、Order by优化

  使用explain关键字查看SQL语句的执行计划，注意：出现Using index的前提时走了覆盖索引，多字段排序时，也遵循最左前缀法则。

  1、Using filesort: 通过表的索引或全表扫描，读取满足条件的数据行，然后在排序缓存区sort buffer中完成排序操作。所有不是通过索引直接返回排序结果的排序都叫Filesort排序。

  2、Using index: 通过有序索引顺序扫描直接返回有序数据，这种情况称为using index，它不需要额外排序，操作效率高。

  3、Backward index scan;Using index: 没有进行额外排序，但是进行了反向扫描索引。

  4、Using index;Using filesort: 没有直接通过索引返回有序数据，需要走过sort buff进行排序，效率也是较低。

  Using filesort优化方式：

• 给对应的字段创建联合索引(注意要根据排序的顺序或者倒叙指定索引的顺序)

• 如果不可避免出现filesort，在对大数据量排序时，可以释放增加排序缓冲区大小sort_buffer_size(默认是256K)，查询方式:show variables like 'sort_buffer_size'。

• 如果排序缓冲区被占满，则会在磁盘进行排序操作，性能会降低

2、group by优化

  分组操作中，主要是索引起了优化效果。使用explain关键字查看SQL语句的执行计划分组情况如下：

• Using temporary: 使用了临时表，性能较低

• Using index: 走了索引，性能提高(案例：group by 和where中字段满足最左前缀法则)

• Using index;Using temporary：案例如不遵循最左前缀法则，但是命中索引覆盖时，可能出现这个值

  优化技巧： 通过索引来提高效率，注意是否满足最左前缀法则

3、Limit优化

  现象： 在大数量时分页时，越往后的数据，需要耗时越大，效率越大

  优化： 子查询(多表关联) + 覆盖索引

  方式： 先查询到需要筛选数据的主键，然后再进行数据子查询或者表关联查询到需要的具体数据

​

4、Count优化

  这个话题已经是老生常谈了，但是总有人争论不休，其实，最优权威的是官方的说法，官方是推荐使用count(*)而不是其他，下面来认识各种count用法的一个区别。

  MyISAM引擎会把一个表中的总行数存储到磁盘中，在执行count(*)不带where条件时，可以直接拿到该数据，效率很高。

  InnoDB在count时，需要将数据一行行从引擎读取出来，然后累计计数(大数量的情况下是比较耗时的，主要是由存储引擎决定的)。

  优化思路：借助内存数据库手动维护总条数，插入时加1，删除时减1等

  count的用法：

• count(*): 对返回的数据进行计数。逻辑：引擎做了专门优化，不取值，服务层直接按行进行累加。

• count(主键)：主键不可能为NULL,InnoDB会遍历全表、将每行的主键ID取出来，返回给服务层进行累计操作，无需判断是否为NULL。

• count(1)：对返回的每条数据都置1，然后进行累计。逻辑：引擎遍历全表，但是不取值，服务层对返回的每一行都放一个数字"1"进去，直接进行累加操作。

• count(列)：统计字段值不为NULL的条数。统计逻辑：没有not null约束，idb引擎会遍历全表的每一行的字段值取出来，返回给服务层，服务层会判断是否为null，不为null则进行累加。如果有not null约束，则引擎会遍历全表返回每一行的字段值，返回给服务层，服务层直接进行累加操作。

  推荐使用：count(*)

Update语句优化

  更新数据时where条件一定要使用索引字段，否则就会从行锁升级为表锁，并发情况下，性能降低。

删除语句优化

  跟插入语句类似，要利用批量删除的方式，最大程度减少数据库连接，事务提交的消耗。

写在最后

  道理千遍，不如实践。性能优化更多的是结合理论的基础上进行亲自实践，这样才能够在众多的方式中找到符合的方式，希望本篇文章能够给大家一些启发，如果文章对你有帮助，欢迎给博主点赞、关注。

  博主最近开源了一个名为“轮子之王”的项目，其中集成了开发中常用的各项功能(现已集成有：csv、excel、ftp、文件服务器等导入导出轮子)，有兴趣的小伙伴可以通过下面的地址跳转看看，希望能够帮助大家提高开发效率。

  Gitee地址： 轮子之王

  Github地址： 轮子之王