数据库优化sql的方案

news2024/11/26 5:45:07

一：插入数据的优化

1.insert

如果我们需要一次性往数据库表中插入多条记录，可以从以下三个方面进行优化

优化方案一
批量插入数据
Insert into tb_test values(1,'Tom'),(2,'Cat'),(3,'Jerry'); 
优化方案二
start transaction;
insert into tb_test values(1,'Tom'),(2,'Cat'),(3,'Jerry');
insert into tb_test values(4,'Tom'),(5,'Cat'),(6,'Jerry');
insert into tb_test values(7,'Tom'),(8,'Cat'),(9,'Jerry');
commit;
优化方案三

主键顺序插入，性能要高于乱序插入，由于B+树的原因，可以减轻检索重量，减低检索速度

主键乱序插入 : 8 1 9 21 88 2 4 15 89 5 7 3

主键顺序插入 : 1 2 3 4 5 7 8 9 15 21 88 89

2 大批量插入数据

一次性需要插入大批量数据(比如: 几百万的记录)，使用insert语句插入性能较低，此时可以使用MySQL数据库提供的load指令进行插入
-- 客户端连接服务端时，加上参数 -–local-infile
mysql –-local-infile -u root -p
-- 设置全局参数local_infile为1，开启从本地加载文件导入数据的开关
set global local_infile = 1;
-- 执行load指令将准备好的数据，加载到表结构中
load data local infile '/root/sql1.log' into table tb_user fields terminated by ',' lines terminated by '\n' ;

二：主键优化

在load时，主键顺序插入性能高于乱序插入

1. 数据组织方式

在InnoDB存储引擎中，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

2. 页分裂

页可以为空，也可以填充一半，也可以填充100%，每个页包含了2-N行数据(如果一行数据过大，会行溢出)，根据主键排列

顺序插入：没有也分裂的现象

乱序插入：出现页分裂

过程：当乱序插入，该页已经满了，但是我们还要插入数据的时候，将50%的数据移动到新页取，将数据插入以后，再建立新的连接

3. 页合并

当删除一行记录时,实际上记录并没有被物理删除,只是记录被标记(flaged)为删除并且它的空间变得允许被其他记录声明使用

过程：删除数据达到阈值的时候会进行合并页

4. 索引设计原则

满足业务需求的情况下，尽量降低主键的长度

插入数据时，尽量选择顺序插入，选择使用AUTO_INCREMENT自增主键

尽量不要使用UUID做主键或者是其他自然主键，如身份证号

业务操作时，避免对主键的修改

三： order by优化

Using filesort:

通过表的索引或全表扫描,读取满足条件的数据行,,然后在排序缓冲区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

Using index:

通过有序索引顺序扫描直接返回有序数据,这种情况即为usingindex,不需要额外排序,操作效率高

A. 根据排序字段建立合适的索引，多字段排序时，也遵循最左前缀法则

B. 尽量使用覆盖索引，否则造成回表查询降低了查询速度

C. 多字段排序, 一个升序一个降序，此时需要注意联合索引在创建时的规则（ASC/DESC）

D. 如果不可避免的出现filesort，大数据量排序时，可以适当增大排序缓冲区大小 sort_buffer_size(默认256k)

四：group by优化

A. 在分组操作时，可以通过索引来提高效率

B. 分组操作时，索引的使用也是满足最左前缀法则的

五：limit优化

在数据量比较大时，如果进行limit分页查询，在查询时，越往后，分页查询效率越低。

优化思路:

一般分页查询时，通过创建覆盖索引能够比较好地提高性能，可以通过覆盖索引加子查询形式进行优化
explain select * from tb_sku t , (select id from tb_sku order by id
limit 2000000,10) a where t.id = a.id;

六：count优化

MyISAM 引擎把一个表的总行数存在了磁盘上，因此执行 count(*) 的时候会直接返回这个数，效率很高；但是如果是带条件的count，MyISAM也慢。

InnoDB 引擎就麻烦了，它执行 count(*) 的时候，需要把数据一行一行地从引擎里面读出来，然后累积计数

如果说要大幅度提升InnoDB表的count效率，主要的优化思路：自己计数(可以借助于redis这样的数据库进行,但是如果是带条件的count又比较麻烦了)