【MySQL | 第九篇】SQL优化

目录

一、插入数据

1.insert优化

2.大批量插入数据

二、主键优化

[三、order by优化](#三、order by优化)

[四、group by优化](#四、group by优化)

五、limit优化

六、count优化

七、update优化


一、插入数据

1.insert优化

批量插入:

sql 复制代码
insert into tb_test values(1, 'TOM'),(2, 'CAT'), (3, 'Jerry');

手动提交事务:

sql 复制代码
start transaction;
insert into tb_test values(1,'Tom'),(2,'Cat'),(3,'Jery');
insert into tb_test values(4,'Tom'),(5,'Cat'),(6,'Jerry');
insert into tb_test values(7,'Tom'),(8,'Cat'),(9,'Jerry');
commit;

主键顺序插入:

2.大批量插入数据

如果一次性需要插入大批量数据,使用insert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。

语法:

sql 复制代码
#客户端连接服务端时,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/sql1.log' into table 'tb_user'
fields terminated by ','
lines terminated by '\n';

二、主键优化

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(如果一行数据多大,会行溢出),根据主键排列。


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。


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。
  • 尽量不要使用UUID做主键或者是其他自然主键,如身份证号。
  • 业务操作时,避免对主键的修改。

三、order by优化

1.Usingfilesort: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 bufer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.Usingindex:通过有序索引顺序扫描直接返回有序数据,这种情况即为usingindex,不需要额外排序,操作效率高。

sql 复制代码
#根据age,phone进行降序一个升序,一个降序
explain select id, age, phone from tb_user order by age asc, phone desc;

#创建索引
create index idx_user_age_phone_ad on tb_user(age asc, phone desc);

#根据age,phone进行降序一个升序,一个降序
explain select id, age, phone from tb_user order by age asc, phone desc;

设计原则:

  • 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。
  • 尽量使用覆盖索引
  • 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(ASC/DESC)。
  • 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

五、limit优化

一个常见又非常头疼的问题就是limit 2000000,10,此时需要MySQL排序前2000010记录,仅仅返回2000000-2000010的记录,其他记录丢弃,查询排序的代价非常大。

优化思路:

一般分页查询时,通过创建覆盖索引能够比较好地提高性能,可以通过覆盖索引加子查询形式进行优化。
优化前:

sql 复制代码
select * from tb_sku limit 9000000,10;

优化后:

sql 复制代码
select s.*
from tb_sku as s, (select id from tb_sku order by id limit 9000000, 10) as a 
where s.id = a.id;

六、count优化

count的几种用法:

count(主键)
InnoDB 引擎会遍历整张表,把每一行的主键d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nul)。
count(字段)
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,服务层判断是否为nul,不为nul,计数累加。
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(1)
InnoDB引擎遍历整张表,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。

count(主键)以及count(字段)都需要取值而且count(字段)还需要进行null的判断,效率较低;而count(1)和count(*)则不取值直接进行累加,因此效率最高

七、update优化

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

相关推荐
91刘仁德11 小时前
MYSQL 事务原理及使用
android·mysql·adb
wxwx_bscxy32211 小时前
NodeJS 高校学业预警系统10551
mysql·node.js·vue·高校学业预警
袋鼠云数栈12 小时前
实时湖仓如何真正做到“数据够新”?
大数据·数据库·人工智能·数据治理
ACP广源盛1392462567312 小时前
M6/M5 Pro Mac mini 端侧 AI 落地@ACP#YLB3116 中端多盘存储扩展在 AI 服务中的机会与应用场景
大数据·网络·数据库·人工智能·嵌入式硬件·macos
ACP广源盛1392462567313 小时前
M6/M5 Pro Mac mini 端侧 AI 新形态@ACP#GSV5800 Serdes 长距离视频传输在 AI 服务中的机会与落地场景
大数据·网络·数据库·人工智能·嵌入式硬件·macos·音视频
倔强的石头_14 小时前
事务边界与批量写入:避免长事务、锁等待和日志压力
数据库
努力努力再努力wz15 小时前
【Redis入门系列】从 KEYS 到 SCAN:渐进式遍历、Cursor 与位反转原理
数据库·redis·缓存
坐吃山猪15 小时前
【多线程】Lock与Condition
大数据·数据库
Lightpwd16 小时前
Spring Boot 多数据源落地:AbstractRoutingDataSource + 注解切面(附源码)
数据库·后端
LabVIEW开发16 小时前
LabVIEW 64位安装的位深陷阱:工具包、内存与工程兼容
数据库·labview·labview知识·labview功能·labview程序