一、插入数据时的优化。
1、批量插入。
insert into tb_test values(1,'Tom'),(2,'Cat'),(3,'Jerry');2、手动提交事务。
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;3、主键顺序插入。
主键乱序插入：8,1,9,21,88,2,4,15,89,5,7,3
主键顺序插入：1,2,3,4,5,7,8,9,15,21,88,894、大批量数据插入。
如果一次需要茶凉大批量数据，使用inset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。
操作过程如下
#客户端链接服务端时，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/sql.log' into table 'tb_user' fields teminated by ',' lines teminated by '\n';是否允许load插入数据，0不能，1可以。
耗时16秒
查看所有：ll
查看一共多少行：
查看前十行：
二、主键优化。
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（IOT）。
1、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。
主键顺序插入
主键乱序插入
2、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。
当页中所删除的记录达到MERGE_THRESHOLD(默认为页的50%），InnoDB会开始寻找最靠近的页（前或后）看看是否可以将两个页合并以优化空间使用。
3、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。
插入数据时，尽量选择顺序插入，选择使用AUTO_INCREMENT自增主键（页分裂）。
尽量不要使用UUID做主键或者是其他自然主键，如身份证号（页分裂）。
业务操作时，避免对主键的修改（修改主键需要修改对应的索引结构）。
三、order by优化。
1、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。
2、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using index，不需要额外排序，操作效率高。
倒叙扫描索引
默认升序排列，如果倒叙，需要额外排序，性能降低。
优化：单独创建升序和降序排列索引。
collection：升序排列还是降序排列
已经被优化
都是升序，性能最优
都是升序排序
一个升序一个降序
order by 总结
1、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。
2、尽量使用覆盖索引。
3、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（ACC/DESC）。
4、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。
优化前，性能较低。
创建联合索引进行优化后，性能提升。
最左前缀法则，性能提升。
满足最左前缀法则，查询专业为软件工程的用户，并对其根据年龄进行分组。
总结：
在分组操作时，可以通过索引来提高效率。
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。
一个常见又非常头疼的问题就是limit2000000,10，此时需要MySQL排序前2000000-2000010的记录，其他记录丢弃，查询排序的代价非常大。
优化前耗时19秒
优化方法：覆盖索引＋子查询的方式进行优化
多表联查优化后，耗时11.46
六、count优化。
explain select count（*） from tb_user;
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。
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。
优化思路：自己计数。
count的几种用法
1、count（）是一个聚合函数，对于返回的结果集，一行行地判断，如果count函数的参数不是null，累积值就加1，否则不加，最后返回累计值。
2、count用法：count（*）、count（主键）、count（字段）、count（1）。
count（主键）
InnoDB引擎会遍历整张表，把每一行的主键id值都取出来，返回给服务层。服务层拿到主键后，直接按行进行累加（主键不可能为null）。
count（字段，有值加1，没有值不加）
a.没有not null约束：InnoDB引擎会遍历整张表，把每一行的字段值都取出来，返回给服务层，服务层判断是都为null，不为null，计数累加。
b.有not null约束：InnoDB引擎会遍历整张表，把每一行的字段值都取出来，返回给服务层，直接按行进行累加。
count（数字）
InnoDB引擎会遍历整张表，但不取值。服务层对于返回的每一行，放一个数字“1”进去，直接按行进行累加。
count（*）
InnoDB引擎并不会把全部字段取出来，而是专门做了优化，不取值，服务层直接按行进行累加。
按照效率排序：count（字段）<count（主键）<count（1）=count（*）,所以尽量使用count（*）。
七、update优化。
行锁变成了表锁，因为没有索引，创建完索引后可以提交。
需要根据索引字段进行更新，否则行锁就会变成表锁。
InnoDB的行锁是针对索引加的锁，不是针对记录加的锁，并且该索引不能失效，否则会从行锁升级为表锁。
