博客
关于我
mysql基本知识点梳理和查询优化
阅读量:805 次
发布时间:2023-02-12

本文共 1703 字,大约阅读时间需要 5 分钟。

MySQL数据库优化指南

一、索引相关

索引是数据库查询性能的重要因素,但并非所有情况都适合使用。索引的基数是数据列中不同值的数量,基数越高,索引越有用。例如,包含多个不同年龄值的字段,索引会显著提升查询效率。而性别字段(如仅有“M”和“F”)由于值重复率高,索引的帮助不大,甚至可能引发全表扫描。

索引失效原因

  • 运算类型不支持:对索引列进行运算如加、减、乘、除、逻辑运算、模运算等,索引会失效。
  • 类型不匹配:将varchar字段用于number类型的where条件,索引会被忽略。
  • 函数应用:对索引字段应用函数(如ROUND()),需要建立基于函数的索引。MySQL 8.0支持直接索引函数字段,5.7可通过虚拟列实现。
  • OR条件优化:OR条件即使有索引,也可能无法使用。建议避免OR条件,若必须使用,需为每个列建立索引。
  • 字符串类型:未使用引号的字符串字段索引失效。
  • 位图索引is nullis not null索引会失效。
  • 组合索引:遵循最左原则,确保索引字段顺序与查询条件一致。
  • 二、EXPLAIN分析

    基本用法

    • 使用DESCEXPLAIN分析SQL语句。
    • 使用EXPLAIN extended查看实际执行计划,分析查询性能。

    性能优化特性

  • 覆盖索引:查询数据已在索引中找到,避免回表访问。
  • Index Condition Pushdown (ICP):部分where条件可下推到存储引擎,提升查询效率。
  • 索引合并:多个索引分别查询,合并结果以提高效率。
  • 临时表和文件排序:使用临时表优化排序和分组查询。
  • 查询状态
    • Using index:覆盖索引。
    • Using filesort:MySQL无法利用索引排序。
    • Using temporary:查询涉及排序操作。
    • impossible wherewhere条件总是错误,无法获取数据。
    • select optimized away:优化了MIN/MAXCOUNT(*)操作。
    • distinct:优化distinct操作,早止重复值查找。
    • type
      • system:系统表,常见于const类型。
      • const:主键或唯一索引扫描。
      • eq_ref:唯一性索引扫描。
      • ref:非唯一性索引扫描。
      • range:基于范围条件的扫描。
      • index:全表索引扫描。
      • all:全表扫描。
  • 三、字段类型和编码

    字段类型

    • 字符串编码
      • utf8:最大支持3个字节,不支持emoji,需使用utf8mb4
      • utf8mb4:支持emoji,需在配置文件中指定客户端字符集,并在连接池中设置初始化SQL。
    • 排序规则
      • utf8_general_ci:大小写不敏感。
      • utf8_bin:区分大小写,常用于区分大小写敏感的场景。

    四、SQL语句总结

    常用但容易忘的语句

  • 插入忽略冲突INSERT IGNORE INTO
  • 更新或插入INSERT ... ON DUPLICATE KEY UPDATE
  • 替代插入REPLACE INTO
  • 备份表CREATE TABLE ... SELECT ...
  • 复制表结构CREATE TABLE ... LIKE ...
  • 锁相关
    • 共享锁:LOCK IN SHARE MODE
    • 排它锁:FOR UPDATE
  • 强制索引FORCE INDEX
  • 禁用缓存SQL_NO_CACHE
  • 查询优化

    • 延迟关联:避免回表操作,适用于分页。
    • 避免多表join:尽量少于3个表关联。

    注意事项

    • where顺序:从右到左解析条件,优先使用where而非having
    • distinct性能:通过group by优化。
    • 连表查询:避免复杂的join操作。

    五、踩坑

  • 自增列处理truncate会重置自增基数。
  • 聚合函数滤空SUM(NULL)返回NULL而非0。
  • NULL处理a = null永远为false,正确写法为a is null
  • 在线修改:大表修改需使用pt-online-schema-change工具。
  • 通过以上优化,数据库性能将得到显著提升,建议结合实际业务场景,合理设计索引和查询策略,避免常见问题。

    转载地址:http://phbfk.baihongyu.com/

    你可能感兴趣的文章
    numpy 数组 dtype 在 Windows 10 64 位机器中默认为 int32
    查看>>
    numpy 数组与矩阵的乘法理解
    查看>>
    NumPy 数组拼接方法-ChatGPT4o作答
    查看>>
    numpy 用法
    查看>>
    Numpy 科学计算库详解
    查看>>
    Numpy.fft.fft和numpy.fft.fftfreq有什么不同
    查看>>
    numpy.linalg.norm(求范数)
    查看>>
    Numpy.ndarray对象不可调用
    查看>>
    Numpy.VisibleDeproationWarning:从不整齐的嵌套序列创建ndarray
    查看>>
    Numpy:按多个条件过滤行?
    查看>>
    Numpy:条件总和
    查看>>
    numpy、cv2等操作图片基本操作
    查看>>
    numpy中的argsort的用法
    查看>>
    NumPy中的精度:比较数字时的问题
    查看>>
    numpy判断对应位置是否相等,all、any的使用
    查看>>
    Numpy多项式.Polynomial.fit()给出的系数与多项式.Polyfit()不同
    查看>>
    Numpy如何使用np.umprod重写range函数中i的python
    查看>>
    numpy学习笔记3-array切片
    查看>>
    numpy数组替换其中的值(如1替换为255)
    查看>>
    numpy数组索引-ChatGPT4o作答
    查看>>