一、数据结构设计
正确的数据结构设计对数据库的性能是非常重要的。 在设计数据表时,尽量遵循一下几点:
- 将数据分解为合适的表,每个表都应该有清晰定义的目的,避免将过多的数据存储在单个表中。
- 使用适当的数据类型来存储数据,避免使用过大或不必要的数据类型,以节省空间并提高读写效率。
- 避免使用过多的NULL值,尽量设计出不含NULL值的表结构,有助于节省存储空间并提高查询效率。
1.1 创建数据表示例
用户数据表
sql
create table users (
id int auto_increment primary key,
username varchar(50) not null,
email varchar(100) not null,
balance int,
created_at timestamp default current_timestamp
);
二、索引的使用
2.1 什么是索引
首先我们要了解什么是索引、它是干嘛?
索引是一种用于提高数据库查询性能的数据结构。你可以把它想象成一本书的目录,可以提高查询的速度。也就是说,当你在表的列上创建索引时,数据库会根据这些列的数值快速定位到具体的行,不需要整表的扫描。
2.2 常见的索引类型
- 普通索引:不要求被索引的列的值是唯一的。
- 唯一索引:要求被索引的列的值是唯一的。
- 主键索引:要求被索引的列的值是唯一的,且不允许为空。
- 全文索引:在本文数据中进行全文搜索, 比如在某一段文章中查找出特定的关键字。
在使用索引时,尽量遵循这几点:
- 根据实际需求创建合适的索引,通常对经常用于查询条件的列进行索引。
- 避免在过多的列上使用索引,这会增加写操作的开销,还会占用额外的存储空间。
- 定期检查删除不再使用的索引。
2.3 索引示例
添加索引
sql
create index idx_username on users (username);
三、增加查询语句效率
我们在编写查询语句时,尽量遵循以下几点:
- 尽量不去使用 select * ,而是明确列出需要的字段,避免读取不必要的数据。
- 谨慎使用子查询,尽量优化为连接查询以及其他方式。
- 合理使用join,多表连接可能会引发性能为题,使用合适的连接类型来优化查询效率。
3.1 优化查询示例
优化查询语句
sql
select id, username from users where username = 'zhangsan' limit 1;
四、正确使用事务
4.1 什么是事务?
它是一组sql查询的集合,这些查询要么全部成功执行,要么全部失败回滚。事务可以确保数据的完整性和唯一性。
4.2 事务的特性
事务具有以下特性:
- 原子性:事务中所有操作要么全部成功执行,要么全部失败回滚。
- 一致性:事务开始之前和结束之后,数据库的完整性约束没有被破坏,数据始终保持一致状态。
- 隔离性:多个事物并发执行时,每个事物都应当与其他事物相互隔离。
- 持久性:一旦事务进行提交,它所做的修改会永久的保存在数据库中。
事务的使用尽量遵循一点:
合理设置事务的范围,避免事务持有锁时间过长导致性能问题。
4.3 事务的示例
使用事务
start transaction; 开始一个事务,后续sql将视为一个整体,要么全部执行,要么全部失败。
commit; 提交事务,如果前面的所有操作都执行成功,那这些操作都将保存到数据库中。
sql
start transaction;
insert into orders (user_id, total_amount) values (1, 100);
update users set balance = balance - 100 where id = 1;
commit;
五、分区表
5.1 什么是分区表
通过对数据表进行分区,可以提高查询性能。
也就是说当我们有一个很庞大的数据进行处理时,通过分区表可以减少查询所需的数据量,减缓查询时间。
创建分区表尽量遵循一点:
- 根据数据的时间范围进行分区,可以加快查询速度,针对历史性数据的查询。
5.2 分区表示例
创建分区表
partition by range (year(log_time)) 表示按照log_time字段进行分区。
partition p0 values less than(2022) 表示创建一个名为p0的分区,用于存储log_time 小于2022的数据。
sql
create table logs (
id int auto_increment,
log_time timestamp,
message text,
primary key(id, log_time)
) partition by range (year(log_time)) (
partition p0 values less than (2022),
partition p1 values less than (2023),
partition p2 values less than (2024)
);