一、总体优化思路

首先构建脚本观察查询数，连接数等数据，确定环境原因以及内部SQL执行原因，然后根据具体原因做具体处理。

二、构建脚本观察状态

mysqladmin -uroot -p ext \G

该命令可获取当前查询数量等信息，定时轮询并将结果重定向到文本中，然后处理成图表。

三、处理对策

1.若是规律性出现查询慢，考虑缓存雪崩问题。

对于该问题只需将缓存的失效时间处理成不要相近时间同时失效，失效时间尽量离散化，或者集中到午夜失效。

2.若非规律性查询缓慢，考虑设计缺乏优化

处理方法：

a：开启profiling记录查询操作，并获取语句执行详细信息

show variables like '%profiling%';

set profiling=on;select count(*) from user;

show profiles;

show profilefor query 1;>>>

+--------------------------------+----------+

| Status | Duration |

+--------------------------------+----------+

| starting | 0.000060 |

| Executing hook on transaction | 0.000004 |

| starting | 0.000049 |

| checking permissions | 0.000007 |

| Opening tables | 0.000192 |

| init | 0.000006 |

| System lock | 0.000009 |

| optimizing | 0.000005 |

| statistics | 0.000014 |

| preparing | 0.000017 |

| executing | 0.001111 |

| end | 0.000006 |

| query end | 0.000003 |

| waiting for handler commit | 0.000015 |

| closing tables | 0.000011 |

| freeing items | 0.000085 |

| cleaning up | 0.000008 |

+--------------------------------+----------+

b：使用explain 查看语句执行情况，索引使用，扫描范围等等

mysql> explain select count(*) from goods \G*************************** 1. row ***************************

id: 1select_type: SIMPLE

table: goods

partitions: NULL

type: index

possible_keys: NULL

key: gid

key_len:5ref: NULL

rows:3filtered:100.00Extra: Using index

c：相关优化手法

表的优化与列类型选择

列选择原则：

1：字段类型优先级 整型 > date,time > char,varchar > blob

原因：整型,time运算快，节省空间

char/varchar要考虑字符集的转换与排序时的校对集，速度慢

blob无法使用内存临时表

2：够用就行，不要慷慨(如 smallint,varchar(N))

原因：大的字段浪费内存，影响速度

以varchar(10), varchar(300)存储的内容相同，但在表联查时，varchar(300)要花更多内存

3：尽量避免使用NULL

原因：NULL不利于索引，要用特殊的字节来标注.

在磁盘上占据的空间其实更大

索引优化策略

1.索引类型

1.1 B-tree索引(排好序的快速查找结构)

注：Myisam,innodb中，默认用的是B-tree索引

1.2 hash索引

在memory表里，默认是hash索引，hash的理论查询时间复查度为O(1)

疑问：既然hash索引如此高效，为何不都用他？

a.hash函数计算后的结果是随机的，如果是在磁盘上放置数据，以主键为id为例，那么随着id的增长，id对应的行，在磁盘上随机放置。

b.无法对范围查询进行优化

c.无法利用前缀索引，比如在b-tree中，field列的值为“helloworld”，索引查询xx=hello/xx=helloworld都可以利用索引(左前缀索引)，但hash索引无法做到，因为hash(hello)与hash(helloworld)并无关联关系。

d.排序也无法优化

e.必须回行，通过索引拿到数据位置，必须回到表中取数据.

2.b-tree索引的常见误区

2.1 在where条件常用的列上都加上索引

例：where cat_id=3 and price>100； //查询第3个栏目，100元以上的商品

误：cat_id和price上都加上索引。其实只能用上一个索引，他们都是独立索引.

2.2 在多列上建立索引后，查询哪个列，索引都将发挥作用

2.2 在多列上建立索引后，查询哪个列，索引都将发挥作用

正解：多列索引上，索引发挥作用，需要满足左前缀要求(层层索引)

以index(a,b,c)为例：

语句 索引是否发挥作用

where a=3 是

where a=3 and b=5 是

where a=3 and b=5 and c=4 是

where b=3 or where c=4 否

where a=3 and c=4 a列能发挥索引作用，c列不能

where a=3 and b>10 and c=7 a,b能发挥索引作用，c列不能

高性能索引策略

1.对于innodb而言，因为节点下有数据文件，因此节点的分裂将会变得比较慢，对于innodb的主键，尽量用整型，而且是递增的整型。

2.索引的长度直接影响索引文件的大小，影响增删改的速度，并间接影响查询速度(占用内存多)。

3.针对列中的值，从左往右截取部分来建索引。

a.截的越短，重复度越高，区分越小，索引效果越不好

b.截的越长，虽然区分度提高，但索引文件变大影响速度

所以尽量在长度上找到一个平衡点使性能最大化，惯用手法：截取不同长度来测试索引区分度

区分度测试： select count(distinct left(word, 1)) / count(*) from table;

测试完成后可以按测试得出的最优长度建立索引 alter table table_name add index word(word(4));

理想的索引

1.查询频繁

2.区分度高

3.长度小

4.尽量覆盖常用查询字段