语句优化

#(1) mysql 执行流程

客户端:

发送链接请求,然后发送sql语句

服务端:1.连接层: 提供和客户端链接的服务

show processlist;查看所有登录到mysql的用户2.服务器:

(1)提供各种用户使用的接口(增删改查)

(2)提供sql优化器(mysql query optimizer)

(发现sql语句执行效率非常慢,会经过优化器优化,然后把优化的结果进行执行)3.存储引擎:

把得到的数据进行保存,

innodb : 支持事务处理,支持行锁,支持高并发

myisam : 支持表锁,不支持并发.

把数据存储在文件或者内存当中"""create table ceshi_table(

id int primary key auto_increment,

name varchar(255)

)engine = myisam auto_increment=2 charset = utf8;"""

4.文件和日志

产生日志文件 binlog 二进制文件#(2) sql 卡顿原因

硬盘读写数据,io延迟高,sql语句性能低,索引失效,导致sql执行时间长

编写过程:

select ..from.. join on where .. group by .. having .. order by limit

解析过程:from.. join on where group by having select distinct order by limit ..#(3) 索引

#索引(index)概念:

是一个树状的数据结构,即(B树结构,分支节点>2)

相当于字典的目录,功效是加快查询速度;

常用树: B树(balance-tree) , 二叉树,红黑树,hash树#树节点:

根节点(最顶级节点)

分支节点(父节点,子节点)

叶子节点(最后一层存储数据的节点)

树的高度(树的层级,理想是三层)

[b+] : 在相邻的叶子节点上,加入了双向链表(指针),当前叶子节点不但保存当前值,还保存了下一个叶子节点的地址[小范围数据,查询速度很快]

[b*] : 在相恋的分支节点上,加入了双向链表(指针),当前分支节点不但保存当前值,还保存了下一个分支节点的地址[在大范围里,找数据速度加快]#(4) innodb 和 myisam 的索引结构

(1) 聚集索引(聚簇索引) [innodb存储引擎的特点,myisam没有]

如果有主键,自动以主键作为聚集索引列(字段)

如果没有主键,选择唯一键

都没有,自动生成隐藏聚集索引,该字段是6个字节,类型为长整型;

分支节点是存储下一层节点的最小值,用来划分范围,追求的矮胖的数据结构

在数据量变大的时候,尽量在树层级高度不变的情况下,横向发展,好处:可以减少io次数,提升查询效率

真实的数据,直接在叶子节点上存储,所以速度快.

(2) 辅助索引(非聚簇索引,二级索引,普通索引)

对这一列的数据先排序,划分区间,把索引值分布到叶子节点上

辅助索引存储的是加了索引的字段值和对应映射的主键id(primary key=>pk),没有存储真实的数据

通过找出这个主键id,再去聚集索引树状结构中查询真实数据;

辅助索引辅助聚集索引找数据的,辅助索引叶子节点重复值过多,会导致回表的次数增多,随机产生的io减慢查询效率

如果想要解决重复问题,使用联合索引,更加精确找出对应唯一的那个id.

(3) 两者区别:

myisam 和 innodb 使用的索引数据结构都是B+树,但是在叶子节点上存储的数据不同

innodb的文件结构中只有.frm 和 .ibd , 直接把数据存在了叶子节点上

myisam的文件结构中有.frm .myd .myi , 叶子节点上存储的索引列,通过索引列映射对应的地址,在去通过这个地址找到实际的数据

innodb 一个表只有一个聚集索引,和多个辅助索引,排序速度更快

myisam 只能有多个辅助索引,没有聚集索引

(4) 性能优化:

利用索引查询时,速度很快,相反,增删改速度会变慢,会改变树状结构;

追求:让每一个分支节点存储的数据尽量小,减少树状结构纵向值高度上的增加#### part2 : 索引#1.常用索引种类:

普通索引(index)-提高查询的效率

唯一索引:-主键索引 primary key : 在创建主键约束的同时,创建索引(不为空,唯一)-唯一索引 unique : 在创建唯一约束的同时,创建索引(允许为空,唯一)

联合索引:-primary key() : 联合主键索引-unique() : 联合唯一索引-index() : 联合普通索引#2.常用索引的应用场景

编号int,

姓名varchar(255),

身份证号char(18),

电话char(11),

住址varchar(255),

备注信息: text,

姓:char(10)

名:char(10)

编号int, 主键

姓名varchar,可以使用普通索引

身份证号char, 唯一索引unique

电话char,唯一索引

备注信息:text 全文索引 , 可使用fulltext(全文索引) 多数情况下使用第三方软件Sphinx来运行

姓和名 ,通过来说一起查询,可以使用联合索引#3.常用的索引数据结构 hash树 与 B-Tree

hash类型的索引: 数据在内存中,通过键来获取值,查询单条数据最快,一个范围的数据慢

B-Tree类型的索引: b+数(理想层级三级),三层B树,理论上存放的数据量可以支撑百万条数据;#不同的存储引擎支持的索引种类

innodb : 支持事务,行级锁, 支持 B-Tree ,fulltext ,不支持hash类型索引结构

myisam : 支持表级锁,不支持事务 支持 B-Tree , fulltext ,不支持hash类型索引结构

memory : 不支持事务,支持表级锁 支持 B-Tree ,hash类型 ,不支持fulltext索引结构#4.建立索引#(1) 方法1,建表的时候,创建索引 index 索引名(索引字段)

create table t1(

id int primary key,

name char(100),

index index_name(name)

);#(2) 方法2.建表之后,创建索引 create index 索引名 on 表名(索引字段)

create table t2(

id int primary key,

name char(100)

);

create index index_name on t2(name);#(3) 方法3.建表之后,创建索引 alter table 表名 add index 索引名(索引字段)

create table t3(

id int primary key,

email char(100)

);

alter table t3 add index index_email(email)#(4) 删除索引

drop index index_email on t3#5.正确使用索引

alter table s1 add index index_id(id) /create index index_id on s1(id)

select count(*) from s1 where id = 5;#发现加了索引和不加索引时间差距较大#注意加了索引之后,ibd文件会表达

#(1) 把频繁作为搜索条件的字段作为索引,查单条数据,如果查询的是一个范围内的数据,不能命中索引#范围小的数据 表达范围的符号: id > < >= <= != like "xboy" between and in...

#(2) 选一个字段作为索引,这个列(字段)必须是区分度较高的字段

"""这个字段对应的值,如果出现了大量重复,在通过辅助索引查询的时候,会出现大量的随机id,增加聚集索引中的查询量,影响速度"""

"""区分度高的字段,推荐加上索引 ,必须系统会自动给primary key 和 unique 两个约束自动加索引"""create index index_name on s1(name);

select count(*) from s1 where name = "xxxx"select count(*) from s1 where name = "xboyww" #不推荐使用区分度不高的字段加索引

#(3) 条件中,不能让索引字段参与计算,不能命中索引

select * from s1 where id = 1000select* from s1 where id*3 = 3000

#(4) 条件中含有and , sql语句会经过优化器优化.#1.如果有and 相连,找到第一个有索引的并且树的高度最矮的字段进行优化

select count(*) from s1 where email = "xboyww1000@oldboy"select count(*) from s1 where email = "xboyww1000@oldboy" and id = 1000select count(*) from s1 where name = "xboyww" and email = "xboyww1000@oldboy" and id = 1000

#2.如果有or相连,没有优化,所有语句从左到右执行,索引会失去意义

select count(*) from s1 where id = 1000 or email = "xboyww1000@oldboy";#(5) 联合索引 最左前缀原则 index(字段1,字段2 .... )

drop index index_id on s1;

drop index index_name on s1;

create index union_index on s1(first_name,last_name);

select count(*) from s1 where first_name="王6" and last_name="文6" #命中索引

select count(*) from s1 where last_name="文6" and first_name="王6" #命中索引#select count(*) from s1 where last_name="文6"; 不会命中索引,被标记的first_name不存在

select count(*) from s1 where first_name="王6" and gender = "man";

select count(*) from s1 where first_name="王6" and gender = "man" and name = "xboyw11w";#最左前缀原则: 被标记的MUL这个字段存在,就命中索引

first_name + name + gender +... (该字段存在即可)#(6) 其他

使用了函数不能命中索引

select count(*) from s1 where reverse(first_name) = "文2";

类型不匹配不能命中索引

select count(*) from s1 where first_name = 90;