1、索引优化

索引可以显著加速查询操作，但过多或不适当的索引也会带来负面影响（如增加写入开销）。因此，选择合适的索引至关重要。

创建索引：

为经常用于WHERE子句、JOIN条件和ORDER BY排序的列创建索引。

CREATE INDEX idx_last_name ON employees (last_name);

复合索引：

如果多个列经常一起出现在查询条件中，考虑创建复合索引。

first_name, last_name复合索引，即使 where first_name 也会走复合索引，但是where last_name不行

CREATE INDEX idx_composite ON orders (customer_id, order_date);

覆盖索引：

确保索引包含所有需要返回的数据列，从而避免回表查找。

意思是索引里面是你需要查询的字段，比如product_name

CREATE INDEX idx_covering ON products (category_id, price, product_name);

索引`first_name`, `last_name`

即使last_name不是索引第一个，但是查询里面有last_name，所以走索引
如果查询字段存在索引里面没有的字段（不包括主键）则不会走索引
SELECT last_name FROM `123`.`Employees` WHERE last_name=''

索引维护：

定期分析和优化索引，删除不再使用的索引以减少不必要的开销。

2、查询优化

优化SQL查询可以帮助减少执行时间和资源使用。

避免全表扫描：

尽量使用索引来限制扫描范围，避免对大表进行全表扫描。

EXPLAIN  SELECT birth_date,first_name FROM Employees WHERE last_name=''

减少结果集大小：

只选择需要的字段，而不是使用SELECT *。

优化连接（JOIN）：

确保参与连接的列上有适当的索引，并且尽可能缩小连接前的结果集。

SELECT o.order_id, c.customer_name 
FROM orders o JOIN customers c ON o.customer_id = c.customer_id 
WHERE o.status = 'shipped';

预过滤：在执行连接之前，尽可能地减少每个表中的行数。你可以通过添加更严格的WHERE子句条件来实现这一点。比如，如果只需要特定日期范围的数据，就在连接之前用WHERE子句限定日期范围。

示例：

场景描述：

在一个电子商务系统中，有orders（订单表）和products（商品表）。我们想要获取在过去一个月内购买了特定类别商品的所有订单详情。如果不进行预过滤，这将涉及到两个大表之间的全表扫描和连接。

SELECT
    o.order_id,
    p.product_name,
    o.order_date 
FROM
    orders o
    JOIN order_items oi ON o.order_id = oi.order_id
    JOIN products p ON oi.product_id = p.product_id 
WHERE
    o.order_date >= '2024-11-01' 
    AND p.category = 'Electronics';

首先对products表按照商品类别进行预过滤，然后再执行连接操作。这样可以大大减少需要连接的数据量。

-- 用一个临时表做中间数据
WITH FilteredProducts AS (
    SELECT
        product_id,
        product_name 
    FROM
        products 
    WHERE
        category = 'Electronics'
)

SELECT
    o.order_id,
    fp.product_name,
    o.order_date 
FROM
    orders o
    JOIN order_items oi ON o.order_id = oi.order_id
    JOIN FilteredProducts fp ON oi.product_id = fp.product_id 
WHERE
    o.order_date >= '2024-11-01';

分页：对于大型结果集，考虑使用分页技术来限制每次查询返回的行数。这对于前端展示大量数据尤其有用。

聚合：如果可能的话，在连接之前对数据进行聚合。这意味着可以在连接前就计算出统计信息，如SUM、COUNT等，从而减少连接操作的数据量。

示例：

场景描述：

假设有一个电子商务平台，其中有两个表——orders（订单表）和order_items（订单详情表）。orders表存储了每个订单的基本信息，而order_items表则记录了每个订单中购买的商品详情以及单价等信息。现在想要获取每个用户的总消费金额。

SELECT
    o.user_id,
    SUM( oi.quantity * oi.price ) AS total_spent 
FROM
    orders o
    JOIN order_items oi ON o.order_id = oi.order_id 
GROUP BY
    o.user_id;

首先在order_items表上根据order_id聚合出每个订单的总金额，然后再与orders表连接，并最终按用户ID分组计算总消费额：

WITH OrderTotals AS (
    SELECT
        order_id,
        SUM( quantity * price ) AS order_total 
    FROM
        order_items 
    GROUP BY
        order_id
)


SELECT
    o.user_id,
    SUM( ot.order_total ) AS total_spent 
FROM
    orders o
    JOIN OrderTotals ot ON o.order_id = ot.order_id 
GROUP BY
    o.user_id;

临时表或CTE（Common Table Expressions）：有时将中间结果存储在临时表或使用公用表表达式（CTE）可以简化查询逻辑，并且允许你更早地应用过滤条件。

使用EXPLAIN分析查询计划：

通过EXPLAIN关键字查看MySQL如何执行查询，识别潜在问题。

EXPLAIN SELECT * FROM orders WHERE order_date > '2024-01-01';

3、缓存

大部分没有应用场景，命中率不高，消耗内存

利用缓存机制可以减少重复查询数据库的次数，降低负载。

查询缓存（Query Cache）：

虽然MySQL 8.0版本之后官方已经移除了内置查询缓存功能，但在某些场景下仍可以通过第三方工具实现类似效果。

应用级缓存：

在应用程序层面使用Redis、Memcached等内存存储来缓存频繁访问的数据。

4、硬件优化

硬件升级可以直接影响数据库性能。

**增加内存：**更多的RAM意味着更大的缓冲池（InnoDB Buffer Pool），从而减少磁盘I/O。

**SSD硬盘：**相比于传统HDD，固态硬盘（SSD）提供更快的读写速度，尤其适合随机访问模式。

**多核CPU：**对于高并发工作负载，多核心处理器能够更好地处理并发请求。

5、数据库参数调整

根据具体的使用场景调整MySQL配置参数，可以进一步提升性能。

innodb_buffer_pool_size：

设置InnoDB存储引擎使用的缓存大小，默认值通常是物理内存的70%-80%。

query_cache_size：

配置查询缓存（Query Cache）大小的参数，虽然MySQL 8.0后不再支持，但对于老版本，可以根据实际情况设置查询缓存大小。

max_connections：

根据预期的最大并发连接数调整最大连接数限制。

thread_cache_size：

设置线程缓存大小，以快速响应新连接。