在互联网公司MySQL的使用非常广泛，大家经常会有MySQL性能优化方面的需求。整理了一些在MySQL优化方面的实用技巧。
Schema与数据类型优化
-
整数通常是标识列最好的选择，因为它们很快并且可以使用
AUTO_INCREMENT -
完全“随机”的字符串（如：
MD5()、SHA1()或者UUID()等产生的字符串）会任意分布在很大的空间内，会导致INSERT以及一些SELECT语句变的很慢 -
如果希望查询执行得快速且并发性好，单个查询最好不要做太多的关联查询（互联网公司非常忌讳关联查询），利用程序来完成关联操作
-
如果需要对一张比较大的表做表结构变更（
ALTER TABLE操作增加一列），建议先拷贝一张与原表结构一样的表，再将数据复制进去，最后通过重命名将新表的表名称修改为原表的表名称。因为在变更表结构的时候很有可能会锁住整个表，并且可能会有长时间的不可用 -
避免多表关联的时候可以适当考虑一些反范式的建表方案，增加一些冗余字段
InnoDB索引优化
-
如果不是按照索引的最左列开始查找，则无法使用索引
-
所有的非聚簇索引都需要先通过索引定位到对应的主键，然后在到聚簇索引查找数据，所以在定义主键索引的时候一定要谨慎
-
只有当索引的列顺序和
ORDER BY子句的顺序完全一致，并且所有列的排序方向（倒序或者正序）都一样时，MySQL才能够使用索引来对结果做排序。有一种情况下ORDER BY子句可以不满足索引的最左前缀的要求，就是前导列为常量的时候。 -
在使用
like来匹配字符串类型的字段的值时，尽可能的使用前缀匹配like ‘XX%’，避免使用like ‘%XX’ -
哈希索引是基于哈希表实现的，只有精确匹配索引所有列的查询才有效，也不遵循索引的最左匹配原则
-
当服务器需要对多个索引做联合操作时（通常有多个
OR条件），建议修改成UNION的方式，这样方便命中索引 -
对于如何选择索引的列顺序有一个经验法则：将选择性最高的列放到索引最前列
-
尽可能多的使用覆盖索引（如果一个索引包含或者说覆盖所有需要查询的字段的值，我们就称之为覆盖索引），通过
EXPLAIN的Extra列可以看到“Using index”信息 -
当ID为主键时，创建索引(A)，相当于创建了(A)和(A, ID)两个索引
-
表中的索引越多对
SELECT、UPDATE和DELETE操作速度变慢，同时占用的内存也会比较多 -
InnoDB在二级索引上使用共享锁，但是访问主键索引需要排他锁
-
尽可能的使用
WHERE IN和WHERE BETWEEN AND的方式来进行范围查询 -
LIMIT的偏移量越大性能越慢 -
编写查询语句时应该避免单行查找、尽可能的使用数据原生顺序从而避免额外的排序操作，并尽可能使用索引覆盖查询
查询性能优化
-
对于低效的查询，通常从两个方面来分析：
- 确认应用程序是否在检索大量超过需要的数据。这通常意味着访问了太多的行，但有时候可能是访问了太多的列
- 确认MySQL服务器层是否在分析大量超过需要的数据行
-
一般MySQL能够使用以下三种方式应用
WHERE条件，从好到坏依次为：- 在索引中使用WHERE条件俩过滤不匹配的记录
- 使用索引覆盖扫描来返回记录
- 从数据表中返回数据，然后过滤不满足条件的记录
-
MySQL从设计上让连接和断开连接都很轻量级，在返回一个小的查询结果方面很高效。在一个通用服务器上，也能够运行每秒超过10万的查询，一个千兆网卡也能轻松满足每秒超过2000次的查询，MySQL内部每秒能够扫描内存中上百万行数据
-
在删除大量数据时，建议每次删除一小批量数据后，暂停一会儿再做下一次的删除
-
无论如何排序都是一个成本很高的操作，所以从性能角度考虑，应尽可能避免排序或者尽可能避免对大量数据进行排序
-
COUNT()函数有两种不同的作用：它可以统计某个列值的数量，也可以统计行数。最简单的就是通过COUNT(*)来统计行数 -
关联查询的时候要确保关联的字段上有索引
-
在数据量很大并且历史数据需要定期删除的情况下，可以考虑使用分区表
-
如果定了的索引列和分区列不匹配，会导致查询无法进行分区过滤
-
外键约束尽可能避免，通常通过程序来实现，心中要有外键
-
触发器、存储过程、自定义函数等最好不要使用
-
尽可能的利用查询缓存，如果在写查询语句的时候有一些不确定的数据（
NOW()或者CURRENT_DATE()等）时，则不会被缓存 -
用多个小表代替一个大表对查询缓存有好处
-
批量写入时只需要做一次缓存失效，所以相比单条写入（每写入一次，缓存就失效）效率更好，对于写密集型的应用，直接禁用查询缓存
-
如果缓存的空间太大，在过期操作的时候可能会导致服务器僵死
以上是个人在工作中的经验总结，如果有描述错误的地方希望大家可以帮忙指出，一起交流学习！
文章来源: 博客园
- 还没有人评论，欢迎说说您的想法！
客服
