使用 Explain 进行分析
Explain 用来分析 SELECT 查询语句，开发人员可以通过分析 Explain 结果来优化查询语句。
比较重要的字段有:
-
select_type : 查询类型，有简单查询、联合查询、子查询等
-
key : 使用的索引
-
rows : 扫描的行数
-
type ：访问类型排列结果值:(最好到最差) system > const > eq_ref > ref > range > index > ALL
优化数据访问
-
减少请求的数据量
-
只返回必要的列: 最好不要使用 SELECT * 语句。
-
只返回必要的行: 使用 LIMIT 语句来限制返回的数据。
-
缓存重复查询的数据: 使用缓存可以避免在数据库中进行查询，特别在要查询的数据经常被重复查询时，缓存带来的查询性能提升将会是非常明显的。
-
减少服务器端扫描的行数
-
最有效的方式是使用索引来覆盖查询。
重构查询方式
-
切分大查询
一个大查询如果一次性执行的话，可能一次锁住很多数据、占满整个事务日志、耗尽系统资源、阻塞很多小的但重要的查询。
DELEFT FROM messages WHEREcreate< DATE_SUB(NOW(),INTERVAL3MONTH);
rows_affected =0do { rows_affected = do_query("DELETE FROM messages WHERE create < DATE_SUB(NOW(), INTERVAL 3 MONTH) LIMIT 10000") } while rows_affected 0-
分解大连接查询
将一个大连接查询分解成对每一个表进行一次单表查询，然后将结果在应用程序中进行关联，这样做的好处有:
-
让缓存更高效。对于连接查询，如果其中一个表发生变化，那么整个查询缓存就无法使用。而分解后的多个查询，即使其中一个表发生变化，对其它表的查询缓存依然可以使用。
-
分解成多个单表查询，这些单表查询的缓存结果更可能被其它查询使用到，从而减少冗余记录的查询。
-
减少锁竞争；
-
在应用层进行连接，可以更容易对数据库进行拆分，从而更容易做到高性能和可伸缩。
-
查询本身效率也可能会有所提升。例如下面的例子中，使用 IN() 代替连接查询，可以让 MySQL 按照 ID 顺序进行查询，这可能比随机的连接要更高效。
SELECT*FROM tab JOIN tag_post ON tag_post.tag_id=tag.id JOIN post ON tag_post.post_id=post.id WHERE tag.tag='mysql';
SELECT*FROM tag WHERE tag='mysql';SELECT*FROM tag_post WHERE tag_id=1234;SELECT*FROM post WHERE post.id IN(123,456,567,9098,8904);慢SQL优化方案
冷热隔离
参考优易，冷热数据隔离，几乎不会再更新的数据和操作频繁的订单数据分开
代码复杂度高，影响范围广
标签表-横表
orderId-tag1-tag2
字段较多，索引建不完
数据维护复杂度上升
标签表-纵表
orderId-tag1
orderId-tag2
多个标签与或非查询条件sql比较难写，性能也不太好评估
数据维护复杂度上升
订单表加索引
重新梳理一份索引
用工具导数据，然后停机，重建索引
强制限制走某个索引
历史数据
归档，目前1年
分库分表
店铺ID、仓库ID
尽可能查询需要的数据
懒加载、需要的时候查询、前端冗余查询
列式数据库
ck
参考：
explain分析sql语句性能详解_explain sql-CSDN博客
MySQL索引原理及慢查询优化
