1、创建索引
一定要记得创建索引，创建索引，创建索引
重要的事说三遍！
执行没有索引的 SQL 语句，肯定要走全表扫描，慢是肯定的。
这种查询毫无疑问是一个慢 SQL 查询。
那么问题来了，是不是要收集所有的 where 查询条件，然后针对所有的组合都创建索引呢？
答案肯定是否定的。
MySQL 为了提升数据查询速率，采用 B+ 树结构，通过空间换时间 设计思想。另外每次对表数据做更新操作时，都要调整对应的 索引树 ，执行效率肯定会受影响。
本着二八原则，互联网请求读多写少的特点，我们一定要找到一个平衡点。
阿里巴巴的开发者手册建议，单表索引数量控制在5个以内，组合索引字段数不允许超过5个
其他建议：
-
禁止给表中的每一列都建立单独的索引
-
每个Innodb表必须有个主键
-
要注意组合索引的字段的顺序
-
优先考虑覆盖索引
-
避免使用外键约束
2、避免索引失效
不要以为有了索引，就万事大吉。
殊不知，索引失效 也是慢查询的主要原因之一。
常见的索引失效的场景有哪些？
-
以 % 开头的 LIKE 查询
-
创建了组合索引，但查询条件不满足 '左匹配原则'。如：创建索引 idx_type_status_uid（type,status,uid），但是使用 status 和 uid 作为查询条件。
-
查询条件中使用 or，且 or 的前后条件中有一个列没有索引，涉及的索引都不会被使用到
-
在索引列上的操作，函数 upper()等，or、！= （<>）,not in 等
3、锁粒度
MySQL 的存储引擎分为两大类：MyISAM 和 InnoDB 。
MyISAM 支持表锁；InnoDB 支持行锁和表锁
更新操作时，为了保证表数据的准确性，通常会加锁，为了提高系统的高并发能力，我们通常建议采用 行锁，减少锁冲突、锁等待 的时间。所以，存储引擎通常会选择 InnoDB
行锁可能会升级为表锁，有哪些场景呢？
-
如果一个表批量更新，大量使用行锁，可能导致其他事务长时间等待，严重影响事务的执行效率。此时，MySQL会将
行锁升级为表锁 -
行锁是针对索引加的锁，如果
条件索引失效，那么行锁也会升级为表锁
注意：行锁将锁的粒度缩小了，进而提高了系统的并发能力。但是也有个弊端，可能会产生死锁，需要特别关注。
4、分页查询优化
如果要开发一个列表展示页面并支持翻页时，我们通常会这样写 SQL
select * from 表 limit #{start}, #{pageSize};
随着翻页的深度加大， start 值越来越大，比如：limit 10000 ，10
看似只返回了 10 条数据，但数据库引擎需要查询 10010 条记录，然后将前面的 10000 条丢弃，终只返回后的 10 条记录，性能可想而知
针对这个问题，我们通常有另一种解决方案：
先定位到上一次分页的大 id，然后对 id 做条件索引查询。由于数据库的索引采用 B+ 树结构，这样可以一步到位
select * from 表 where id > #{id} limit #{pageSize};
任何事情，有利就有弊
这种翻页方式只支持 上一页、下一页 ，不支持跨越式直梯翻页
上图是淘宝的商品搜索列表，为了用户体验更好，采用的也是 直梯式翻页。
为了避免翻页过深，影响性能，产品交互上做了一些取舍，对总页数做了限制，多支持 100 页。
方案二：采用子查询
select * from 表 where id > ( select id from 表 order by id limit 10000 1) limit 20;
将原来的单 SQL 查询拆成两步：
-
首先，查询出 一页数据中的小 id
-
然后，通过 B+ 树，定位到
小id的索引树节点位置，通过偏移量读取后面的 20条 数据
5、避免 select *
反面案例：
select * from 表 where buyer_id = #{buyer_id}
我们知道，MySQL 创建表后，具体的行数据存储在主键索引（属于聚簇索引）的叶子节点。
二级索引属于非聚簇索引，其叶子节点存储的是主键值
select * 的查询过程：
-
先在
buyer_id的二级索引 B+ 树，查出对应的 主键 id 列表 -
然后进行
回表操作，在 主键索引中 查询 id 对应的行数据
所以，我们需要罗列清楚必须的查询字段，且字段尽量在 覆盖索引 中，从而减少 回表 操作。
6、EXPLAIN 分析 SQL 执行计划
授人以鱼不如授人以渔
除了知晓常见的不规范 SQL 写法，在开发过程中，避免踩坑
我们还应知道，出现了慢 SQL 该如何排查、优化
实验安排起来
创建表
CREATE TABLE `user` (
`id` bigint(20) unsigned NOT NULL AUTO_INCREMENT COMMENT '自增主键',
`income` bigint(20) NOT NULL COMMENT '收入',
`expend` bigint(20) NOT NULL COMMENT '支出',
PRIMARY KEY (`id`),
KEY `idx_income` (`income`)
) ENGINE=InnoDB AUTO_INCREMENT=1 DEFAULT CHARSET=utf8 COMMENT='用户表';
CREATE TABLE `biz_order` (
`id` bigint(20) unsigned NOT NULL AUTO_INCREMENT COMMENT '自增主键',
`user_id` bigint(20) NOT NULL COMMENT '用户id',
`money` bigint(20) NOT NULL COMMENT '金额',
PRIMARY KEY (`id`),
KEY `idx_user_id` (`user_id`)
) ENGINE=InnoDB AUTO_INCREMENT=1 DEFAULT CHARSET=utf8 COMMENT='订单表';
插入记录：
insert into user values(10,100,100);
insert into user values(20,200,200);
insert into user values(30,300,300);
insert into user values(40,400,400);
insert into biz_order values(1,10,30);
insert into biz_order values(2,10,40);
insert into biz_order values(3,10,50);
insert into biz_order values(4,20,10);
比如下面的语句，我们看是否使用了索引，可以通过 explain 分析相应的执行计划
explain select * from user where id<20;
接下来，我们来逐一来说明每个字段的含义
-
id：每一次 select 查询都会生成一个 id，值越大，优先级越高，会被优先执行
-
select_type：查询类型，SIMPLE（普通查询，即没有联合查询、子查询）、PRIMARY（主查询）、UNION（UNION 中后面的查询）、SUBQUERY（子查询）等
-
table：查询哪张表
-
partitions：分区，如果对应的表存在分区表，那么这里就会显示具体的分区信息
-
type：执行方式，是 SQL 优化中一个很重要的指标，结果值从好到差依次是：system > const > eq_ref > ref > range > index > ALL
system/const：表中只有一行数据匹配，此时根据索引查询一次就能找到对应的数据
eq_ref：使用索引扫描，常见于多表连接中使用主键和索引作为关联条件
ref：非索引扫描，还可见于索引左原则匹配扫描
range：索引范围扫描，比如，<，>，between 等操作
index：索引全表扫描，此时遍历整个索引树
ALL：表示全表扫描，需要遍历全表来找到对应的行 -
possible_keys：可能用到的索引
-
key：实际用到的索引
-
key_len：索引长度
-
ref：关联 id 等信息
-
rows：查找到记录所扫描的行数，SQL 优化重要指标，扫描的行数越少，性能越高
-
filtered：查找到所需记录占总扫描记录数的比例
-
Extra：额外的信息
explain select * from user u , biz_order b where u.id=b.user_id and u.id<20;
7、Show Profile 分析 SQL 执行性能
Show Profile 与 EXPLAIN 的区别是，前者主要是在外围分析；后者则是深入到 MySQL 内核，从执行线程的状态和时间来分析。
MySQL 是在 5.0.37 版本之后才支持 Show Profile ，select @@have_profiling 返回 YES 表示功能已开启。
mysql> show profiles;
Empty set, 1 warning (0.00 sec)
显示为空，说明profiles功能是关闭的。
通过下面命令开启
mysql> set profiling=1;
Query OK, 0 rows affected, 1 warning (0.00 sec)
获取 Query_ID 之后，通过 show profile for query ID ，查看 SQL 语句在执行过程中线程的每个状态所消耗的时间