- 插入数据
批量插入：因为一条条插入时，每一条数据的插入都要与数据库建立连接，并且关闭连接
手动提交事物：
主键顺序插入
- 大批量数据插入
如果一次性需要插入大批量数据，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。操作如下·
- 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local指令，将准备好的数据加载到表结构中
local data local infile ‘/xx/yy/sql.log’ into table 表名 fields terminated by ‘,’ lines terminated by ‘\n’;
- 主键优化
主键设计原则：
- 满足业务需求的情况下，尽量降低主键的长度
二级索引下，二级索引的也字节点中挂的是主键，如果主键较长，二级索引比较多，
将会占用大量的磁盘空间，在搜索时将会耗费大量的磁盘IO
- 插入数据时，尽量选择顺序插入，选择使用AUTO_INCREMENT自增主键
顺序插入时，当一个page写完后才会写另一个page，而乱序插入可能会引起页分裂现象
最后变成：
- 尽量不要使用UUID作为做主键或者其他自然主键，如身份证号
主键较长，二级索引比较多，将会占用大量的磁盘空间，在搜索时将会耗费大量的 磁盘IO
- 业务操作时，避免对主键的修改
- order by优化
排序字段加上索引
两个排序字段，一正一倒呢？
所以我们优化时就是尽可能将using filesort给优化点
可以通过创建索引来解决
优化后的结果为：
排序字段不加索引：
总结：
4、group by优化
主要是针对索引进行优化。验证下加索引与不加索引时 分组的效率
加上索引后，效率会得到提升
关于索引的使用
5、limit优化
需要时间较久，如果有1000万条数据，时间大概会在10s级别
可以通过覆盖索引+子查询的方式优化
6、count优化
count的用法：
用法截图如下：
效率：
7、update优化
行锁还是表锁
两个事物，当都修改id（有索引）对应的信息时
update course set name = ‘kafka’ where id=4
update course set name = ‘java’ where id=1
两个事物的修改操作都能成功，因为此时锁的是行级锁
两个事物，当都修改name（无索引）对应的信息时
update course set name = ‘kafka’ where name=’java’
update course set name = ‘java’ where name=’mysql’
第一个事物回马上修改成功，但是第二个事物的修改会等第一个事物提交后才能修改成功，因为name没有索引，此时锁的是表级锁
为name加上索引后，两个事物都修改name对应的信息时
两个事物的修改操作都能成功，因为此时锁的是行级锁
