经常使用sql优化

优化Group By语句

默认状况下，MySQL 排序全部GROUP BY col1，col2，....。查询的方法如同在查询中指定ORDER BY col1，col2，...。若是显式包括一个包含相同的列的ORDER BY子句，MySQL 能够绝不减速地对它进行优化，尽管仍然进行排序。若是查询包括GROUP BY 但你想要避免排序结果的消耗，你能够指定ORDER BY NULL禁止排序。

 

优化Order by语句

在某些状况中，MySQL 可使用一个索引来知足ORDER BY 子句，而不须要额外的排序。where 条件和order by 使用相同的索引，而且order by 的顺序和索引顺序相同，而且order by 的字段都是升序或者都是降序。

 

优化insert语句

若是你同时从同一客户插入不少行，使用多个值表的INSERT 语句。这比使用分开 INSERT 语句快(在一些状况中几倍)。Insert into test values(1,2),(1,3),(1,4)…

 

若是你从不一样客户插入不少行，能经过使用INSERT DELAYED 语句获得更高的速度。Delayed 的含义是让insert 语句立刻执行，其实数据都被放在内存的队列中，并无真正的写入磁盘；这比每条语句都分别插入要快的多；LOW_PRIORITY恰好相反，在全部其余用 户对表的读写完成后才进行插入。

 

将索引文件和数据文件分在不一样的磁盘上存放（利用建表中的选项）；

若是进行批量插入，能够增长bulk_insert_buffer_size 变量值的方法来提升速度，可是，这只能对myisam表使用

 

当从一个文本文件装载一个表时，使用LOAD DATA INFILE。这一般比使用不少INSERT语句快20倍；

根据应用状况使用replace 语句代替insert；

根据应用状况使用ignore 关键字忽略重复记录。

 

大批量插入数据

1. 对于Myisam 类型的表，能够经过如下方式快速的导入大量的数据。

ALTER TABLE tblname DISABLE KEYS;
loading the dataALTER TABLE tblname ENABLE KEYS;

这两个命令用来打开或者关闭Myisam 表非惟一索引的更新。在导入大量的数据到一个非空的Myisam 表时，经过设置这两个命令，能够提升导入的效率。对于导入大量数据到一个空的Myisam 表，默认就是先导入数据而后才建立索引的，因此不用进行设置。

 

2. 而对于Innodb 类型的表，这种方式并不能提升导入数据的效率。对于Innodb 类型的表，咱们有如下几种方式能够提升导入的效率：

a. 由于Innodb 类型的表是按照主键的顺序保存的，因此将导入的数据按照主键的顺序排列，能够有效的提升导入数据的效率。若是Innodb 表没有主键，那么系统会默认建立一个内部列做为主键，因此若是能够给表建立一个主键，将能够利用这个优点提升导入数据的效率。
 

b. 在导入数据前执行SET UNIQUE_CHECKS=0，关闭惟一性校验，在导入结束后执行SETUNIQUE_CHECKS=1，恢复惟一性校验，能够提升导入的效率。

c. 若是应用使用自动提交的方式，建议在导入前执行SET AUTOCOMMIT=0，关闭自动提交，导入结束后再执行SET AUTOCOMMIT=1，打开自动提交，也能够提升导入的效率。

 

查询的优化

读为主能够设置low_priority_updates=1，写的优先级调低，告诉MYSQL尽可能先处理读求

 

 

为查询缓存优化你的查询

大多数的MySQL服务器都开启了查询缓存。这是提升性最有效的方法之一，并且这是被MySQL的数据库引擎处理的。当有不少相同的查询被执行了屡次的时候，这些查询结果会被放到一个缓存中，这样，后续的相同的查询就不用操做表而直接访问缓存结果了。

这里最主要的问题是，对于程序员来讲，这个事情是很容易被忽略的。由于，咱们某些查询语句会让MySQL不使用缓存。请看下面的示例：

// 查询缓存不开启 
$r = mysql_query("SELECT username FROM user WHERE signup_date >= CURDATE()"); 
 
// 开启查询缓存 
$today = date("Y-m-d"); 
$r = mysql_query("SELECT username FROM user WHERE signup_date >= '$today'");

 

拆分大的 DELETE 或 INSERT 语句

若是你须要在一个在线的网站上去执行一个大的 DELETE 或 INSERT 查询，你须要很是当心，要避免你的操做让你的整个网站中止相应。由于这两个操做是会锁表的，表一锁住了，别的操做都进不来了。

Apache 会有不少的子进程或线程。因此，其工做起来至关有效率，而咱们的服务器也不但愿有太多的子进程，线程和数据库连接，这是极大的占服务器资源的事情，尤为是内存。

若是你把你的表锁上一段时间，好比30秒钟，那么对于一个有很高访问量的站点来讲，这30秒所积累的访问进程/线程，数据库连接，打开的文件数，可能不只仅会让你泊WEB服务Crash，还可能会让你的整台服务器立刻掛了。

因此，若是你有一个大的处理，你定你必定把其拆分，使用 LIMIT 条件是一个好的方法。下面是一个示例：

while (1) { 
    //每次只作1000条 
    mysql_query("DELETE FROM logs WHERE log_date <= '2009-11-01' LIMIT 1000"); 
    if (mysql_affected_rows() == 0) { 
        // 没得可删了，退出！ 
        break; 
    } 
    // 每次都要休息一下子 
    usleep(50000); 
}

 

where语句的优化

1.尽可能避免在 where 子句中对字段进行表达式操做
select id from uinfo_jifen  where jifen/60 > 10000;
优化后:
Select id from uinfo_jifen where jifen>600000;

2.应尽可能避免在where子句中对字段进行函数操做，这将致使mysql放弃使用索引

select uid from imid where datediff(create_time,'2011-11-22')=0
优化后
select uid from imid where create_time> ='2011-11-21‘ and create_time<‘2011-11-23’;

 

索引的优化

MySQL只有对如下操做符才使用索引：<，<=，=，>，>=，BETWEEN，IN，以及某些时候的LIKE。

尽可能不要写!=或者<>的sql，用between或> and <代替，不然可能用不到索引

Order by 、Group by 、Distinct 最好在须要这个列上创建索引，利于索引排序

尽可能利用mysql索引排序

没办法的状况下，使用强制索引Force index(index_name)

尽可能避勉innodb用很是大尺寸的字段做为主键

较频繁的做为查询条件的字段应该建立索引;

选择性高的字段比较适合建立索引;

做为表关联字段通常都须要创索引.

更新很是频繁的字段不适合建立索引;

不会出如今 WHERE 子句中的字段不应建立索引.

选择性过低的字段不适合单首创建索引

 

尽可能不要用子查询

mysql> explain select uid_,count(*) from smember_6 where uid_ in (select uid_ from alluid) group by uid_;| id | select_type | table | type | possible_keys | key | key_len | ref | rows | Extra |+----+--------------------+-----------+-------+---------------+---------+---------+------+----------+--------------------------+| 1 | PRIMARY | smember_6 | index | NULL | PRIMARY | 8 | NULL | 53431264 | Using where; Using index | | 2 | DEPENDENT SUBQUERY | alluid | ALL | NULL | NULL | NULL | NULL | 2448 | Using where |--优化后| mysql> explain select a.uid_,count(*) from smember_6 a,alluid b where a.uid_=b.uid_ group by uid_;+----+-------------+-------+------+---------------+---------+---------+------------+------+---------------------------------+| id | select_type | table | type | possible_keys | key | key_len | ref | rows | Extra |+----+-------------+-------+------+---------------+---------+---------+------------+------+---------------------------------+| 1 | SIMPLE | b | ALL | NULL | NULL | NULL | NULL | 2671 | Using temporary; Using filesort | | 1 | SIMPLE | a | ref | PRIMARY | PRIMARY | 4 | ssc.b.uid_ | 1 | Using index

 

Join的优化

若是你的应用程序有不少 JOIN 查询，你应该确认两个表中Join的字段是被建过索引的。这样，MySQL内部会启动为你优化Join的SQL语句的机制。
并且，这些被用来Join的字段，应该是相同的类型的。例如：若是你要把 DECIMAL 字段和一个 INT 字段Join在一块儿，MySQL就没法使用它们的索引。对于那些STRING类型，还须要有相同的字符集才行。（两个表的字符集有可能不同）

 

表的优化

尽量的使用 NOT NULL
除非你有一个很特别的缘由去使用 NULL 值，你应该老是让你的字段保持 NOT NULL。
不要觉得 NULL 不须要空间，其须要额外的空间，而且，在你进行比较的时候，你的程序会更复杂。
固然，这里并非说你就不能使用NULL了，现实状况是很复杂的，依然会有些状况下，你须要使用NULL值。
下面摘自MySQL本身的文档：
“NULL columns require additional space in the row to record whether their values are NULL. For MyISAM tables, each NULL column takes one bit extra, rounded up to the nearest byte.”

 

固定长度的表会更快

若是表中的全部字段都是“固定长度”的，整个表会被认为是 “static” 或 “fixed-length”。 例如，表中没有以下类型的字段： VARCHAR，TEXT，BLOB。只要你包括了其中一个这些字段，那么这个表就不是“固定长度静态表”了，这样，MySQL 引擎会用另外一种方法来处理。
固定长度的表会提升性能，由于MySQL搜寻得会更快一些，由于这些固定的长度是很容易计算下一个数据的偏移量的，因此读取的天然也会很快。而若是字段不是定长的，那么，每一次要找下一条的话，须要程序找到主键。
而且，固定长度的表也更容易被缓存和重建。不过，惟一的反作用是，固定长度的字段会浪费一些空间，由于定长的字段不管你用不用，他都是要分配那么多的空间。

 

垂直分割

"垂直分割"是一种把数据库中的表按列变成几张表的方法，这样能够下降表的复杂度和字段的数目，从而达到优化的目的。（之前，在银行作过项目，见过一张表有100多个字段，很恐怖）

示例一：在Users表中有一个字段是家庭地址，这个字段是可选字段，相比起，并且你在数据库操做的时候除了我的信息外，你并不须要常常读取或是改 写这个字段。那么，为何不把他放到另一张表中呢？ 这样会让你的表有更好的性能，你们想一想是否是，大量的时候，我对于用户表来讲，只有用户ID，用户名，口令，用户角色等会被常用。小一点的表老是会有 好的性能。

示例二： 你有一个叫 “last_login” 的字段，它会在每次用户登陆时被更新。可是，每次更新时会致使该表的查询缓存被清空。因此，你能够把这个字段放到另外一个表中，这样就不会影响你对用户 ID，用户名，用户角色的不停地读取了，由于查询缓存会帮你增长不少性能。

另外，你须要注意的是，这些被分出去的字段所造成的表，你不会常常性地去Join他们，否则的话，这样的性能会比不分割时还要差，并且，会是极数级的降低。

 

越小的列会越快

对于大多数的数据库引擎来讲，硬盘操做多是最重大的瓶颈。因此，把你的数据变得紧凑会对这种状况很是有帮助，由于这减小了对硬盘的访问。

参看 MySQL 的文档 Storage Requirements 查看全部的数据类型。

若是一个表只会有几列罢了（好比说字典表，配置表），那么，咱们就没有理由使用 INT 来作主键，使用 MEDIUMINT, SMALLINT 或是更小的 TINYINT 会更经济一些。若是你不须要记录时间，使用 DATE 要比 DATETIME 好得多。

固然，你也须要留够足够的扩展空间，否则，你往后来干这个事，你会死的很难看，参看Slashdot的例子（2009年11月06日），一个简单的ALTER TABLE语句花了3个多小时，由于里面有一千六百万条数据。