MySQL大数据查询性能优化的示例

这篇文章将为大家详细讲解有关MySQL大数据查询性能优化的示例，小编觉得挺实用的，因此分享给大家做个参考，希望大家阅读完这篇文章后可以有所收获。

MySQL性能优化包括表的优化与列类型选择，表的优化可以细分为什么？  1、定长与变长分离；2、常用字段与不常用字段要分离；  3、在1对多，需要关联统计的字段上添加冗余字段。

一、表的优化与列类型选择

表的优化：

1、定长与变长分离

如 id int,占4个字节，char(4)占4个字符长度，也是定长，time即每一单元值占的字节是固定的。

核心且常用字段，宜建成定长，放在一张表。

而varchar,text,blob这种变长字段，适合单放一张表，用主键与核心表关联起来。

2、常用字段与不常用字段要分离

需要结合网站具体的业务来分析，分析字段的查询场景，查询频率低的字段，单拆出来。

3、在1对多，需要关联统计的字段上添加冗余字段。

看如下的效果：

每个版块里，有N条帖子，在首页显示了版块信息和版块下的帖子数。

这是如何做的

如果board表只有前2列，则需要取出版块后，

再查post表，select count(*) from post group by board_id，得出每个版块的帖子数。

二、列类型选择

  1、字段类型优先级

整型>date

time>enum

char>varchar>blob,text

整型：定长，没有国家/地区之分，没有字符集的差异。比如：

tinyint 1,2,3,4,5 <--> char(1) a,b,c,d,e

从空间上，都占1个字节，但是 order by 排序，前者快。原因，或者需要考虑字符集与校对集（就是排序规则）；

time定长，运算快，节省空间。考虑时区，写sql时不方便 where > `2018-08-08`;

enum,能起到约束的目的，内部用整型来存储，但与cahr联查时，内部要经历串与值的转化；

char定长，考虑字符集和（排序）校对集；

varchar不定长，要考虑字符集的转换与排序时的校对集，速度慢；

text/blob 无法使用内存临时表（排序等操作只能在磁盘上进行）

附：关于date/time的选择，大师的明确意见，直接选 int unsgined not null,存储时间戳。

例如：

性别：以utf8为例

char(1) ,3个字长字节

enum('男','女')； 内部转成数字来存，多一个转换过程

tinyint()， 定长1个字节

  2、够用就行，不要慷慨（如 smallint varchar(N)）

原因：大的字节浪费内存，影响速度。

以年龄为例 tinyint unsigned not null，可以存储255岁，足够。用int浪费了3个字节；

以varchar(10),varchar(300)存储的内容相同，但在表联查时varchar(300)要花更多内存。

3、尽量避免用NULL()

原因：NULL不利于索引，要用特殊的字符来标注。

在磁盘上占据的空间其实更大（MySQL5.5已对null做的改进，但查询仍是不便）

三、索引优化策略

1、索引类型

1.1 B-tree索引

名叫btree索引，大的方面看，都用的平衡树，但具体的实现上，各引擎稍有不同，比如，严格的说，NDB引擎，使用的是T-tree.

但抽象一下 B-tree系统，可理解为“排好序的快速查询结构”。

1.2 hash索引

在memory表里默认是hash索引，hash的理论查询时间复杂度为O(1)。

疑问：既然hash的查找如此高效，为什么不都用hash索引？

回答：

1、hash函数计算后的结果，是随机的，如果是在磁盘上放置数据，以主键为id为例，那么随着id的增长，id对应的行，在磁盘上随机放置。

2、无法对范围查询进行优化。

3、无法利用前缀索引，比如在btree中，field列的值“helloworld”,并加索引查询 x=helloworld自然可以利用索引，x=hello也可以利用索引（左前缀索引）。

4、排序也无法优化。

5、必须回行，就是说通过索引拿到数据位置，必须回到表中取数据。

2、btree索引的常见误区

2.1 在where条件常用的列上加索引，例如：

where cat_id = 3 and price>100;查询第三个栏目，100元以上的商品。

误区：cat_id 上和price上都加上索引。

错：只能用上cat_id 或 price索引，因为是独立的索引，同时只能用一个。

2.2 在多列上建立索引后（联合索引），查询哪个列，索引都会将发挥作用

误区：多列索引上，索引发挥作用，需要满足左前缀要求。

以 index(a,b,c) 为例，（注意和顺序有关）

四、索引实验

例如：select * from t4 where c1=3 and c2 = 4 and c4>5 and c3=2;

用到了哪些索引：

explain select * from t4 where c1=3 and c2 = 4 and c4>5 and c3=2 \G

如下：

注：（key_len : 4 ）

五、聚簇索引与非聚簇索引

Myisam与innodb引擎，索引文件的异同

Myisam：由news.myd和new.myi两个文件，索引文件和数据文件是分开的，叫非聚簇索引。主索引和次索引都指向物理行（磁盘的位置）

innodb：索引和数据是聚在一起的，所以是聚簇索引。innodb的主索引文件上直接存放该行数据，次索引指向对主键索引的引用。

注意：innodb来说：

1、主键索引 即存放索引值，又在叶子中存储行的数据。

2、如果没有主键（primary key），则会unique key做主键。

3、如果没有unique，则系统生成一个内部的rowid做主键。

4、像innodb中，主键的索引结构中，即存储了主键值又存储了行数据，这种结构称为聚簇索引。

聚簇索引

优势：根据主键查询条目比较少时，不用回行（数据就在主键节点下）

劣势：如果碰到不规则数据插入时，造成频繁的页分裂

关于“MySQL大数据查询性能优化的示例”这篇文章就分享到这里了，希望以上内容可以对大家有一定的帮助，使各位可以学到更多知识，如果觉得文章不错，请把它分享出去让更多的人看到。