先簡單梳理下Mysql的基本概念，然后分創建時和查詢時這兩個階段的優化展開。

1 基本概念簡述

1.1 邏輯架構

• 第一層：客戶端通過連接服務，將要執行的sql指令傳輸過來
• 第二層：服務器解析并優化sql，生成最終的執行計劃并執行
• 第三層：存儲引擎，負責數據的儲存和提取

1.2 鎖

數據庫通過鎖機制來解決并發場景-共享鎖（讀鎖）和排他鎖（寫鎖）。讀鎖是不阻塞的，多個客戶端可以在同一時刻讀取同一個資源。寫鎖是排他的，并且會阻塞其他的讀鎖和寫鎖。簡單提下樂觀鎖和悲觀鎖。

• 樂觀鎖，通常用于數據競爭不激烈的場景，多讀少寫，通過版本號和時間戳實現。
• 悲觀鎖，通常用于數據競爭激烈的場景，每次操作都會鎖定數據。

要鎖定數據需要一定的鎖策略來配合。

• 表鎖，鎖定整張表，開銷最小，但是會加劇鎖競爭。
• 行鎖，鎖定行級別，開銷最大，但是可以最大程度的支持并發。

但是MySql的存儲引擎的真實實現不是簡單的行級鎖，一般都是實現了多版本并發控制（MVCC）。MVCC是行級鎖的變種，多數情況下避免了加鎖操作，開銷更低。MVCC是通過保存數據的某個時間點快照實現的。

1.3 事務

事務保證一組原子性的操作，要么全部成功，要么全部失敗。一旦失敗，回滾之前的所有操作。MySql采用自動提交，如果不是顯式的開啟一個事務，則每個查詢都作為一個事務。

隔離級別控制了一個事務中的修改，哪些在事務內和事務間是可見的。四種常見的隔離級別：

• 未提交讀（Read UnCommitted），事務中的修改，即使沒提交對其他事務也是可見的。事務可能讀取未提交的數據，造成臟讀。
• 提交讀（Read Committed），一個事務開始時，只能看見已提交的事務所做的修改。事務未提交之前，所做的修改對其他事務是不可見的。也叫不可重復讀，同一個事務多次讀取同樣記錄可能不同。
• 可重復讀（RepeatTable Read），同一個事務中多次讀取同樣的記錄結果時結果相同。
• 可串行化（Serializable），最高隔離級別，強制事務串行執行。

1.4 存儲引擎

InnoDB引擎，最重要，使用最廣泛的存儲引擎。被用來設計處理大量短期事務，具有高性能和自動崩潰恢復的特性。

MyISAM引擎，不支持事務和行級鎖，崩潰后無法安全恢復。

2 創建時優化

2.1 Schema和數據類型優化

整數

TinyInt,SmallInt,MediumInt,Int,BigInt 使用的存儲8,16,24,32,64位存儲空間。使用Unsigned表示不允許負數，可以使正數的上線提高一倍。

實數

• Float,Double , 支持近似的浮點運算。
• Decimal，用于存儲精確的小數。

字符串

• VarChar，存儲變長的字符串。需要1或2個額外的字節記錄字符串的長度。
• Char，定長，適合存儲固定長度的字符串，如MD5值。
• Blob，Text 為了存儲很大的數據而設計的。分別采用二進制和字符的方式。

時間類型

• DateTime，保存大范圍的值，占8個字節。
• TimeStamp，推薦，與UNIX時間戳相同，占4個字節。

優化建議點

• 盡量使用對應的數據類型。比如，不要用字符串類型保存時間，用整型保存IP。
• 選擇更小的數據類型。能用TinyInt不用Int。
• 標識列（identifier column），建議使用整型，不推薦字符串類型，占用更多空間，而且計算速度比整型慢。
• 不推薦ORM系統自動生成的Schema，通常具有不注重數據類型，使用很大的VarChar類型，索引利用不合理等問題。
• 真實場景混用范式和反范式。冗余高查詢效率高，插入更新效率低；冗余低插入更新效率高，查詢效率低。
• 創建完全的獨立的匯總表緩存表，定時生成數據，用于用戶耗時時間長的操作。對于精確度要求高的匯總操作，可以采用 歷史結果+最新記錄的結果 來達到快速查詢的目的。
• 數據遷移，表升級的過程中可以使用影子表的方式，通過修改原表的表名，達到保存歷史數據，同時不影響新表使用的目的。

2.2 索引

索引包含一個或多個列的值。MySql只能高效的利用索引的最左前綴列。索引的優勢：

• 減少查詢掃描的數據量
• 避免排序和零時表
• 將隨機IO變為順序IO （順序IO的效率高于隨機IO）

B-Tree

使用最多的索引類型。采用B-Tree數據結構來存儲數據（每個葉子節點都包含指向下一個葉子節點的指針，從而方便葉子節點的遍歷）。B-Tree索引適用于全鍵值，鍵值范圍，鍵前綴查找，支持排序。

B-Tree索引限制：

• 如果不是按照索引的最左列開始查詢，則無法使用索引。
• 不能跳過索引中的列。如果使用第一列和第三列索引，則只能使用第一列索引。
• 如果查詢中有個范圍查詢，則其右邊的所有列都無法使用索引優化查詢。

哈希索引

只有精確匹配索引的所有列，查詢才有效。存儲引擎會對所有的索引列計算一個哈希碼，哈希索引將所有的哈希碼存儲在索引中，并保存指向每個數據行的指針。

哈希索引限制：

• 無法用于排序
• 不支持部分匹配
• 只支持等值查詢如=，IN（），不支持 < >

優化建議點

• 注意每種索引的適用范圍和適用限制。
• 索引的列如果是表達式的一部分或者是函數的參數，則失效。
• 針對特別長的字符串，可以使用前綴索引，根據索引的選擇性選擇合適的前綴長度。
• 使用多列索引的時候，可以通過 AND 和 OR 語法連接。
• 重復索引沒必要，如（A，B）和（A）重復。
• 索引在where條件查詢和group by語法查詢的時候特別有效。
• 將范圍查詢放在條件查詢的最后，防止范圍查詢導致的右邊索引失效的問題。
• 索引最好不要選擇過長的字符串，而且索引列也不宜為null。

3 查詢時優化

3.1 查詢質量的三個重要指標

• 響應時間 （服務時間，排隊時間）
• 掃描的行
• 返回的行

3.2 查詢優化點

• 避免查詢無關的列，如使用Select * 返回所有的列。
• 避免查詢無關的行
• 切分查詢。將一個對服務器壓力較大的任務，分解到一個較長的時間中，并分多次執行。如要刪除一萬條數據，可以分10次執行，每次執行完成后暫停一段時間，再繼續執行。過程中可以釋放服務器資源給其他任務。
• 分解關聯查詢。將多表關聯查詢的一次查詢，分解成對單表的多次查詢。可以減少鎖競爭，查詢本身的查詢效率也比較高。因為MySql的連接和斷開都是輕量級的操作，不會由于查詢拆分為多次，造成效率問題。
• 注意count的操作只能統計不為null的列，所以統計總的行數使用count（*）。
• group by 按照標識列分組效率高，分組結果不宜出行分組列之外的列。
• 關聯查詢延遲關聯，可以根據查詢條件先縮小各自要查詢的范圍，再關聯。
• Limit分頁優化。可以根據索引覆蓋掃描，再根據索引列關聯自身查詢其他列。如

• Union查詢默認去重，如果不是業務必須，建議使用效率更高的Union All

---

補充內容

來自大神-小寶

1.條件中的字段類型和表結構類型不一致，mysql會自動加轉換函數，導致索引作為函數中的參數失效。

2.like查詢前面部分未輸入，以%開頭無法命中索引。

3.補充2個5.7版本的新特性：

generated column，就是數據庫中這一列由其他列計算而得

支持JSON格式數據，并提供相關內置函數

來自JVM專家-達

關注explain在性能分析中的使用

EXPLAIN SELECT settleId FROM Settle WHERE settleId = "3679"

• select_type，有幾種值：simple（表示簡單的select，沒有union和子查詢），primary（有子查詢，最外面的select查詢就是primary），union（union中的第二個或隨后的select查詢，不依賴外部查詢結果），dependent union（union中的第二個或隨后的select查詢，依賴外部查詢結果）
• type，有幾種值：system（表僅有一行（=系統表），這是const連接類型的一個特例），const（常量查詢）, ref(非唯一索引訪問，只有普通索引)，eq_ref（使用唯一索引或組件查詢），all（全表查詢），index（根據索引查詢全表），range（范圍查詢）
• possible_keys: 表中可能幫助查詢的索引
• key，選擇使用的索引
• key_len，使用的索引長度
• rows，掃描的行數，越大越不好
• extra，有幾種值：Only index（信息從索引中檢索出，比掃描表快），where used（使用where限制），Using filesort （可能在內存或磁盤排序），Using temporary（對查詢結果排序時使用臨時表）

總結

以上是生活随笔為你收集整理的sql长整型_SQL 性能优化梳理的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。