MySQL 数据库表设计和优化

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 复制代码

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 复制代码

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 复制代码

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 复制代码

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 复制代码

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)
);