数据库优化：MySQL索引与查询优化

数据库优化：MySQL索引与查询优化

大家好，我是欧阳瑞（Rich Own）。今天想和大家聊聊数据库优化这个重要话题。作为一个全栈开发者，数据库性能是应用性能的关键。今天就来分享一下MySQL索引和查询优化的实战经验。

为什么需要数据库优化？

问题	影响
慢查询	响应延迟增加
高IO	服务器负载过高
锁竞争	并发性能下降
资源浪费	成本增加

索引基础

什么是索引？

索引是一种数据结构，用于加速数据库查询。它就像一本书的目录，可以快速定位到需要的数据。

索引类型

类型	说明
B-Tree	默认索引类型
Hash	等值查询快
Full-Text	全文搜索
Spatial	空间数据

创建索引

-- 创建单列索引
CREATE INDEX idx_name ON users(name);

-- 创建复合索引
CREATE INDEX idx_name_age ON users(name, age);

-- 创建唯一索引
CREATE UNIQUE INDEX idx_email ON users(email);

-- 创建全文索引
CREATE FULLTEXT INDEX idx_content ON articles(content);

索引失效场景

-- 1. 使用函数
SELECT * FROM users WHERE YEAR(create_time) = 2023; -- 索引失效

-- 2. 使用OR
SELECT * FROM users WHERE name = 'Alice' OR age = 30; -- 可能失效

-- 3. 类型转换
SELECT * FROM users WHERE id = '123'; -- 索引失效

-- 4. LIKE以%开头
SELECT * FROM users WHERE name LIKE '%Alice'; -- 索引失效

-- 5. 范围查询后使用其他列
SELECT * FROM users WHERE age > 30 AND name = 'Alice'; -- name索引失效

查询优化

慢查询日志

-- 开启慢查询日志
SET GLOBAL slow_query_log = ON;
SET GLOBAL slow_query_log_file = '/var/log/mysql/slow.log';
SET GLOBAL long_query_time = 2; -- 超过2秒的查询记录

-- 查看慢查询日志
SHOW PROCESSLIST;

EXPLAIN分析

EXPLAIN SELECT * FROM users WHERE name = 'Alice';

-- 输出解读
-- type: ALL < index < range < ref < eq_ref < const
-- key: 使用的索引
-- rows: 预计扫描行数
-- Extra: Using index, Using where, Using filesort

查询优化技巧

-- 1. 避免SELECT *
SELECT name, age FROM users WHERE id = 1; -- 好

-- 2. 使用覆盖索引
SELECT id, name FROM users WHERE name = 'Alice'; -- 使用idx_name索引

-- 3. 优化JOIN
SELECT u.name, o.amount 
FROM users u
JOIN orders o ON u.id = o.user_id
WHERE u.id = 1;

-- 4. 子查询优化
-- 不好
SELECT * FROM users WHERE id IN (SELECT user_id FROM orders);

-- 好
SELECT u.* FROM users u
JOIN orders o ON u.id = o.user_id;

表结构优化

数据类型选择

类型	场景
INT	整数ID
VARCHAR	可变长度字符串
DATE/DATETIME	日期时间
DECIMAL	精确小数
ENUM	枚举值

范式与反范式

-- 范式化
CREATE TABLE users (
    id INT PRIMARY KEY,
    name VARCHAR(100)
);

CREATE TABLE orders (
    id INT PRIMARY KEY,
    user_id INT,
    amount DECIMAL(10,2),
    FOREIGN KEY (user_id) REFERENCES users(id)
);

-- 反范式化（性能优化）
CREATE TABLE orders (
    id INT PRIMARY KEY,
    user_id INT,
    user_name VARCHAR(100), -- 冗余字段
    amount DECIMAL(10,2)
);

分区表

-- 按时间分区
CREATE TABLE logs (
    id INT,
    log_time DATETIME,
    content TEXT
)
PARTITION BY RANGE (TO_DAYS(log_time)) (
    PARTITION p202301 VALUES LESS THAN (TO_DAYS('2023-02-01')),
    PARTITION p202302 VALUES LESS THAN (TO_DAYS('2023-03-01')),
    PARTITION p202303 VALUES LESS THAN (TO_DAYS('2023-04-01'))
);

实战案例

优化前

-- 慢查询
SELECT * FROM orders 
WHERE status = 'completed' 
AND create_time > '2023-01-01'
ORDER BY amount DESC
LIMIT 100;

-- EXPLAIN结果
-- type: ALL
-- rows: 1000000
-- Extra: Using where; Using filesort

优化后

-- 创建复合索引
CREATE INDEX idx_status_create_time_amount ON orders(status, create_time, amount);

-- 查询
SELECT id, user_id, amount FROM orders 
WHERE status = 'completed' 
AND create_time > '2023-01-01'
ORDER BY amount DESC
LIMIT 100;

-- EXPLAIN结果
-- type: range
-- key: idx_status_create_time_amount
-- rows: 100
-- Extra: Using where; Backward index scan

最佳实践

1. 定期分析表

ANALYZE TABLE users;
ANALYZE TABLE orders;

2. 重建索引

ALTER TABLE users ENGINE=InnoDB; -- 重建所有索引

3. 使用缓存

import redis

r = redis.Redis(host='localhost', port=6379)

def get_user(user_id):
    cache_key = f'user:{user_id}'
    cached = r.get(cache_key)
    
    if cached:
        return json.loads(cached)
    
    user = db.query("SELECT * FROM users WHERE id = %s", user_id)
    r.setex(cache_key, 3600, json.dumps(user))
    
    return user

总结

数据库优化是一个持续的过程。通过合理的索引设计、查询优化和表结构设计，可以显著提升数据库性能。

我的鬃狮蜥Hash对数据库优化也有自己的理解------它总是记住蟋蟀经常出现的位置，这也许就是自然界的"索引"吧！

如果你对数据库优化感兴趣，欢迎留言交流！我是欧阳瑞，极客之路，永无止境！

---

技术栈：MySQL · 索引优化 · 查询优化