一、概述
1. 为什么要优化
- 一个应用吞吐量瓶颈往往出现在数据库的处理速度上
- 随着应用程序的使用，数据库数据逐渐增多,数据库处理压力逐渐增大
- 关系型数据库的数据是存放在磁盘上的，读写速度较慢(与内存中的数据相比)
2. 如何优化
- 表、字段的设计阶段,考量更优的存储和计算
- 数据库自身提供的优化功能，如索引
- 横向扩展，主从复制、读写分离、负载均衡和高可用
- 典型SQL语句优化(收效甚微)
二、字段设计
1. 典型方案
①. 对精度有要求
- decimal
- 小数转整数
②. 尽量使用整数表示字符串（IP）
inet_ aton("ip‘ )inet_ ntoa(num)
③. 尽可能使用not null
- nuI数值的计算逻辑比较复杂
④. 定长和非定长的选择
- 较长的数字数据可以使用decimal
- char为定长(超过长度的内容将被截掉)， varchar为非定长，text对内容 长度的保存额外保存而varchar对长度的保存占用数据空间
⑤. 字段数不要过多字段注释是必要的、字段命名见名思意、可以预留字段以备扩展
2. 范式
①. 第一范式：段原子性(关系型数据库有列的念，默认就符合了)
②. 第二范式：消除对主键的部分依赖(因为主键可能不止一个)；使用一 个与业务无关的字段作为主键
③. 第三范式：消除对主键的传递依赖；高内聚, 如商品表可分为商品简略信息表和商品详情表两张表
三、存储引擎的选择（MyISAM和Innodb）
1. 功能差异
Innodb支持事务、 行级锁定、外健
2. 存储差异
①. 存储方式：MyISAM的数据和索弓 |是分开存储的(.MYI.MYD) ， 而Innodb是存在一起的(.frm)
②. 表可移动性：可以通过移动表对应的MYI和MYD能够实现表的移动，而Innodb还有 额外的关联文件
③. 碎片空间：MyISAM删除数据时会产生碎片空间(占用表文件空间)，需要定期通过optimizetable table-name手动优化。而Innodb不会。
④. 有序存储：Innodb插入数据时按照主键有序来插入。因此表中数据默认按主键有序(耗费写入时间，因为需要在b+ tree中查找插入点，但查找效率高)
3. 选择差异
①. 读多写少用MyISAM：新闻、博客网站
②. 读多写也多用Innodb：
- 支持事务/外键，保证数据-致性、完整性
- 并发能力强(行锁)
四、索引
1. 什么是索引
从数据中提取的具有标识性的关键字，并且有到对应数据的映射关系
2. 类型
①. 主键索引primary key：要求关键字唯一且不为null
②. 普通索引key：符合索引仅按照第一字段有序
③. 唯一索引unique key：要求关键字唯一
④. 全文索引fulltext key (不支持中文)
3. 索引管理语法
①. 查看索引
- show create table student
- desc student
②. 建立索引
- 创建时指定，如first. name varchar(1 6),last name(1 6) , key name(first name,last name)
- 更改表结构：alter table student add key/unique key/primary key/ultext key key. name(first name,last name)
③. 删除索引
- alter table student drop key key_ name
- 如果删除的是主键索引，并且主键自增长，则需要alter modify先取消自增长再删除
4. 执行计划explain
分析SQL执行是否用到了索引，用到了什么索引
5. 索引使用的场景
- where：如果查找字段都建立了索引，则会索引覆盖
- order by：如果排序字段建立了索引，而索引又是有序排列的，直接根据索引拿对应数据即可，与读取查询出来的所有数据再排序相比效率很高
- join：如果join on的条件字段建立了索引，查找会变得高效
- 索引覆盖：直接对索引做查找，而不去读取数据
6. 语法细节
即使建立了索引，有些场景也不一定使用
- where id+1 = ?建议写成where id = ?-1，即保证索弓|字段的独立出现
- like语句不要在关键字前模糊匹配，即"%keyword不会使用索引，而"keyword% 会使用索引
- or关键两边条件字段都建立索引时才会使用索引，只要有一边不是就会做全表扫描
- 状态值。像性别这样的状态值，-个关键字对应很多条数据，会认为使用索引比全表扫描效率还低
7. 索引的存储结构
- btree：搜索多叉树：结点内关键字有序排列，关键字之间有一个指针,查找效率log(nodeSize,N)，其中nodeSize指一 个结点内关键字数量 (这取决于关键字长度和结点大小)
- b+ tree：由btree升级而来，数据和关键字存在一块空间，省去了由关键字到数据的映射找数据存放地的时间
五、查询缓存
1. 将select查询结果缓存起来，key为SQL语句,value为查询结果
如果SQL功能一样，但只是多个空格或略微改动都会导致key的不匹配
2. 客户端开启
query. cache. _type- 0-不开启
- 1-开启，默认缓存每条select,针对某个sq不缓存: select sql-no-cache
- 2-开启，默认都不缓存,通过select sql-cache制定缓存哪-个条
3. 客户端设置缓存大小
query_ cache .size4. 重蛋缓存
reset query cache5. 缓存失效
日对数据表的改动会导致基 于该数据表的所有缓存失效(表层面的管理)
六、分区
1. 默认情况下一张表对应一组存储文件，但当数据量较大时(通常千万条级别)需要将数据分到多组存储文件，保证单个文件的处理效率
2. partition by分区函数(分区字段)(分区逻辑)
- hash-分区字段为整型
- key-分区字段为字符串
- range-基于比较，只支持less than
- list-基于状态值
3. 分区管理
- 创建时分区：create table article0 partition by key(title) partitions 10
- 修改表结构：alter table article add partition(分区逻辑)
4. 分区字段应选择常用的检素字段，否则分区意义不大
七、水平分割和垂直分割
1. 水平
多张结构相同的表存储同一类型数据
单独一张表保证id唯一性
2. 垂直
分割字段到多张表，这些表记录是一对应关系
八、集群
1. 主从复制
①. 首先手动将slave和master同步一下
- stop slave
- master导出数据到slave执行一遍
- show master status with read lock记录File和Position
- 到slave.上change master to
②. start slave查看Slave IO Running和Slave SQL _Running,必须都为YES
③. master可读可写，但slave只能读，否则主从复制会失效需要重新手动同步
④. mysqlreplicate快速配置主从复制
2. 读写分离(基于主从复制)
①. 使用原stcConecton
WriteDatabase提供写连接
ReadDatabase提供读连接
②. 借助Sping AOP和Aspec实现数据源动态切换
- RoutingDataSourcelmpl extends AbstractRoutingDataSource,重写determineDatasource,注入到SqISessionFactory, 配置defaultTargetDatasource和targetDatasource (根据determineDatasource的返回值选择 具体数据源value-ref)
- DatasourceAspect切面组件，配置切入点@Pointcut aspect0 (所有DAO类的所有方法)，配置前置增强@Before(" aspect0") before(Joinpoint point)， 通过point.getSignature.getName获取方法名，与METHOD TYPE MAP的前缀集合比对，将write/read设置到当前线程上(也是接下来要执行DAO方法的线程，前置增强将其拦截下来了)
- DatasourceHandler,使用ThreadLocal在前置通知中将方法要使用的数据源绑定到执行该方法的线程上，执行方法要获取数据源时再根据当前线程获取
3. 负载均衡
算法
- 轮询
- 加权轮询
- 依据负载情况
4. 高可用
为单机服务提供一个冗余机
- 心跳检测
- 虚IP
- 主从复制
九、典型SQL
1. 线上DDL
为了避免长时间表级锁定
- copy策略,逐行复制，记录复制期间旧表SQL日志重新执行
- mysq|5.6 online ddl,大大缩短锁定时间
2. 批量导入
①. 先禁用索引和约束,导入之后统一建立
②. 避免逐条事务
innodb为了保证一致性，默认为每条SQL加事务(也是要耗费时间的)，批量导入前应手动建立事务，导入完毕后手动提交事务。
3. limit offset,rows
避兔较大的offset (较大页码数)
offset用来跳过数据，完全可以用过滤筛选数据，而不是查出来之后再通过offset跳过
4. select *
尽量查询所需字段,减少网络传输延时(影响不大)
5. order by rand（）
会为每条数据生成一个随机数最后根据随机数排序，可以使用应用程序生成随机主键代替
6. limit 1
如果确定了仅仅检索一条数据，建议都加上limit 1
十、慢查询日志
1. 定位查询效率较低的SQL,针对性地做优化
2. 配置项
- 开启slow_ query. log
- 临界时间long_ query. time
3. 慢查询日志会自己记录超过临界时间的SQL，并保存在datadir下的xxx-slow.log中
十一、Profile
1. 自动记录每条SQL的执行时间和具体某个SQL的详细步骤花费的时间
2. 配置项日
开启profiling
3. 查看日志信息show profiles
4. 查看具体SQL的详细步骤花费的时间日
show profiles for query Query_ ID十二、典型的服务器配置
1. max_ connections, 最大客户端连接数
2. table open cache, 表文件缓存句柄数，加快表文件的读写
3. key_ buffer. _size, 索引缓存大小
4. innodb_ buffer. pool size, innodb的缓冲池大小，实现innodb各种功能的前提
5. innodb file per_ table,每个表一个ibd文件， 否则innodb共享 表空间
十三、压测工具MySQLSlap
1. 自动生成sq|并执行来测试性能
myqslap -a-to-generate sql -root -root2. 并发测试
mysqlslap --auto-generate-sql --concurrency= 100 -uroot -proot,模拟100个客户端执行sql
3. 多轮测试，反应平均情况
mysqlslap --auto-generate-sql --concurrency= 100 --interations=3 -uroot -proot,模拟100个客户端执行sql.执行3轮
4. 存储引擎测试
- --engine=innodb：mysqlslap --auto-generate-sql --concurrency= 100 --interations=3 -- engine-innodb -uroot -proot,模拟100个客户端执行sql.执行3轮，innodb的处理性能
- -- engine= myisam：mysqlslap -- auto-generate-sql --concurrency= 100 --interations=3 --engine-innodb -uroot -proot,模拟100个客户端执行sql.执行3轮，myisam的处理性能
原文地址：https://blog.51cto.com/14637764/2466432