慢查询判定

1.开启慢查询日志记录执行时间超过long_query_time 秒的sql语句

2.通过show processlist命令查看线程执行状态

3.通过explain解析sql了解执行状态

慢查询优化

是否向服务器请求列不必要的数据

查询不需要的记录(limit)，多表关联返回全部列，总是取出全部列和重复io等

是否走索引

建立索引的原则：

最左前缀匹配原则，mysql会一直向右匹配直到遇到范围查询(>、 3 and d = 4 如果建立(a,b,c,d)顺序的索引，d是用不到索引的，如果建立(a,b,d,c)的索引则都可以用到，a,b,d的顺序可以任意调整

等值查询(=和in)可以乱序，比如a = 1 and b = 2 and c = 3 建立(a,b,c)索引可以任意顺序，mysql查询优化器会优化成索引为可识别的形式

模糊匹配like，“%”不能在第一个位置

选择区分度高的列作为索引，区分度的公式是count(distinct col)/count(*)，表示字段不重复的比例，比例越大扫描的记录数越少，唯一键的区分度是1

索引列不能是表达式的一部分或者是函数的参数

尽量的扩展索引，不要新建索引。比如表中已经有a的索引，现在要加(a,b)的索引，那么只需要修改原来的索引即可

避免在where子句中对字段进行NULL值判断，否则将导致引擎放弃使用索引而进行全表扫描

or改写成in：or的效率是n级别，in的效率是log(n)级别，in的个数建议控制在200以内

尽量避免在where子句中使用!=或<>操作符，否则将引擎放弃使用索引而进行全表扫描

对于连续数值，使用between不用in

查询sql是否合理

切分查询

分解关联查询

将一个大的查询分解为多个小查询是很有必要的。很多高性能的应用都会对关联查询进行分解，就是可以对每一个表进行一次单表查询，然后将查询结果在应用程序中进行关联，很多场景下这样会更高效

表结构优化

对于需要经常联合查询的表，可以建立中间表以提高查询效率

水平拆分

分区表

分库分表

垂直拆分，将单个表字段分解为多个表字段(根据模块的耦合度，拆分为分布式系统)

查询执行路径

客户端/服务器通信

半双工模式---- 任意时刻数据只能单向传输

查询优化器

mysql查询优化器会通过某种策略自动生成最优的执行计划

重新定义关联表的顺序

数据表的关联顺序并不总是按照在查询中指定的顺序执行

将外连接转化为内连接

并不是所有的OUTER JOIN操作都必须以外连接的方式执行

使用等价变换规则

mysql会使用一些等价变换规则来优化表达式

优化COUNT()

MyISAM维护一个变量存放表的行数, MIN() -- 查询列对应B+树索引最左端记录 ,MAX() -- 查询列对应B+树索引最右端记录

预估并转化为常数表达式

覆盖索引扫描

当索引中的列包含列所有查询需要返回的列时，mysql会自动使用覆盖索引扫描而无需查询对应的数据行

子查询优化

提前终止查询，如Limit

等值传播

列表IN()的比较

在很多数据库系统中，IN()完全等同于多个OR条件的子句，但是mysql会先将IN()列表中的数据进行排序，然后通过二分查找来确定列表中的值是否满足条件，O(log(n))复杂度操作，而如果转换为OR则复杂度为O(n)

SQL执行顺序

FROM—>ON—>JOIN—>WHERE—>GROUP BY—>SUM(聚合函数)—>HAVING—>SELECT—>DISTINCT—>UNION—>ORDER BY—>LIMIT

优化特定类型查询

优化子查询

MySql的子查询实现非常糟糕，特别是where条件中包含IN()的子查询性能通常会比较差，如

select * from film where film_id in (

select film_id from film_actor where film.film_id = 1

);

MySql查询优化器会将上面的查询通过Exists改写

select * from film where exists(

select * from film_actor where film.film_id = 1

and film.film_id = film_actor.film_id);

IN比较通过在内存中遍历，而exists走数据库索引，所以当子查询中表的数据量比较大时exists效率优于in

优化子查询最常见的建议就是尽可能使用关联查询代替

select film.* from film inner join film_actor using (film_id) where actor_id = 1;

优化COUNT()

COUNT函数用于统计某个列值的数量或者行数，统计列值时要求列值非空(不统计NULL)

优化关联查询

确保ON或者USING子句的列上有索引。只需在关联顺序的第二个表上建立索引即可，如当表A和表B用列c关联的时候，如果优化器的优化顺序为B，A，那么就不需要在表B上建立索引

确保任何的GROUP BY或者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GROUP BY和DISTINCT

当无法使用索引时，GROUP BY会通过临时表或者文件排序做排序

优化limit分页

limit操作在偏移量非常大的情况，mysql会扫描大量不需要的行然后抛弃掉导致效率降低

1.延迟关联：在关联查询中使用覆盖索引扫描，获取关联字段后再根据关联列回表查询需要的所有列

SELECT film_id, description FROM film

INNER JOIN (

SELECT film_id

FROM film ORDER BY title LIMIT 10000, 10

) AS tmp USING (film_id);

2.取上次分页查询操作返回的主键ID作为下一次分页查询起始位置

SELECT film_id, description FROM film WHERE film_id > 10000 ORDER BY title LIMIT 10;

NULL值

空值是不占空间的，NULL是占空间的

聚合函数,如COUNT(),MIN(),SUM()在进行查询时会忽略掉null值

查询列不为NULL应使用IS NOT NULL进行查询

条件查询<>会过滤掉NULL值和空值

Explain

id:执行编号，标识select所属的行。如果在语句中没子查询或关联查询，只有唯一的select，每行都将显示1。否则，内层的select语句一般会顺序编号，对应于其在原始语句中的位置

select_type: 显示本行是简单或复杂select。如果查询有任何复杂的子查询，则最外层标记为PRIMARY(DERIVED、UNION、UNION RESUlT)

table: 访问引用哪个表(引用某个查询，如“derived3”)

type: 数据访问读取操作类型(ALL、index、range、ref、eq_ref、const/system、NULL)

possible_keys: 揭示哪一些索引可能有利于高效的查找

key: 显示mysql决定采用哪个索引来优化查询

key_len: 显示mysql在索引里使用的字节数

ref: 显示了之前的表在key列记录的索引中查找值所用的列或常量

rows: 为了找到所需的行而需要读取的行数，估算值，不精确。通过把所有rows列值相乘，可粗略估算整个查询会检查的行数

Extra: 额外信息，如using index、filesort等

select_type(查询类型)

simple:简单查询，不包含子查询和union

primary:查询包含子查询和union，最外层部分标记为primary

derived:派生表，该临时表是从子查询中派生出来，位于from中的子查询

union:union中第二个及以后的select，第一个union标记为primary

union result:从匿名临时表中检索结果的select操作

dependent union:union中第二个或后面的select语句，取决于外层查询

subquery:子查询中第一个select

dependent subquery:子查询中的第一个select，取决于外层查询

type(访问类型)

all:全表扫描

index:和全表扫描一样，只是扫描表的顺序是按照索引的顺序，优点是避免排序，但是开销仍然非常大

range:范围扫描，key列显示使用哪个索引。当使用如=,<>,>,>=,

ref:索引访问，返回所有匹配的记录，当使用非唯一索引或者唯一索引非唯一前缀

eq_ref:最多只返回1条符合条件的记录，使用唯一索引或者主键索引时

const/system:mysql能对查询的某部分进行优化并将其转化为一个常量

null:mysql能在优化阶段分解查询语句，在执行时不需访问表或者索引

Extra

Using filesort: mysql会对结果使用外部索引排序，而不是按索引次序从表读取行

Using temporary: mysql在对查询结果排序时使用临时表，常见于排序和分组查询

Using index: 使用覆盖索引扫描，直接从索引中过滤不需要的记录并返回命中结果。这是在mysql服务器层完成的，但无需再回表查询记录

Using index condition:

Using where: mysql服务器将在存储引擎检索行后再进行过滤

distinct: 优化distinct操作，在找到第一匹配的元组后即停止找同样值的动作

复制

主从复制

1.在主库把数据更改记录到二进制文件中(Binary Log)

2.从库将主库上的日志复制到自己的中继日志(Relay Log)上

3.从库读取中继日志的事件，将其重放到从库数据中