随着我们的时间的推移，相关的数据表会变得越来越大；与此同时的数据库查询也会性能下降；执行时间变长…
可能出现的问题：
- 数据过多
– 这个我们得将数据进行分库分表
- 关联了太多的表，太多join查询
– 需要进行SQL优化
- 没有充分利用到索引
– 索引建立==（1:mysql会自动创建主键索引；2:需要根据实际情况，创建索引）==
- 服务器调优及各个参数设置
– 调整my.cnf配置文件
身为程序员，我们工作上能够接触的可能也就是我们写的sql语句，对sql语句的优化可以说是相当必要的，优化得当效果是非常客观的，尤其是现在的大数据时代；
利用索引来优化我们的sql语句
索引是什么
- 1：MySQL官方对索引的定义为：索引（Index）是帮助MySQL高效获取数据的数据结构。
可以得到索引的本质：索引是数据结构。
- 1.1: 数据本身之外，数据库还维护着一个满足特定查找算法的数据结构，这些数据结构以某种方式指向数据，这样就可以在这些数据结构的基础上实现高级查找算法，这种数据结构就是索引。
- 1.2: 索引的目的在于提高查询效率，可以类比字典， 我们只要在字典的相关拼音就能查询到某个字的具体页数；我们可以简单理解为“排好序的快速查找数据结构”。
- 2:一般来说索引本身也很大，不可能全部存储在内存中，因此索引往往以索引文件的形式存储的磁盘上
索引的优势
- 类似大学图书馆建书目索引，提高数据检索的效率，降低数据库的IO成本
- 通过索引列对数据进行排序，降低数据排序的成本，降低了CPU的消耗
索引的劣势
- 虽然索引大大提高了查询速度，同时却会降低更新表的速度，如对表进行INSERT、UPDATE和DELETE；因为更新表时，MySQL不仅要保存数据，还要保存一下索引文件每次更新添加了索引列的字段，都会调整因为更新所带来的键值变化后的索引信息
- 实际上索引也是一张表，该表保存了主键与索引字段，并指向实体表的记录，所以索引列也是要占用空间的
mysql索引结构
- 平衡树B+tree和bBree mysql使用的是B+tree：
可以看到B+tree只有数据和向下的指针
- 而Btree结构
Btree 的结构有数据和向下的指针和指向数据的指针；
- 在同等内存的情况下比较，加载B+tree比加载Btree能多三分之一；多三分之一的话缺页率也会降低；因为内存有限，这些索引的磁盘块不是全部都加载进来的；多三分之一可以减少缺页率也就是减少I/O的次数；
- 简单来说B+tree的优势是：
-
- B+树的磁盘读写代价更低 ：B+树的内部结点并没有指向关键字具体信息的指针。因此其内部结点相对B 树更小。如果把所有同一内部结点的关键字存放在同一盘块中，那么盘块所能容纳的关键字数量也越多。一次性读入内存中的需要查找的关键字也就越多。相对来说IO读写次数也就降低了。
-
- B+树的查询效率更加稳定：
由于非终结点并不是最终指向文件内容的结点，而只是叶子结点中关键字的索引。所以任何关键字的查找必须走一条从根结点到叶子结点的路。所有关键字查询的路径长度相同，导致每一个数据的查询效率相当。
索引的分类和基本语法：
基本语法
创建
- == CREATE [UNIQUE ] INDEX [indexName] ON table_name(column)) ==
删除
- DROP INDEX [indexName] ON mytable;
查看
- SHOW INDEX FROM table_name\G
使用ALTER命令
- ALTER TABLE tbl_name ADD PRIMARY KEY (column_list): 该语句添加一个主键，这意味着索引值必须是唯一的，且不能为NULL。
- ALTER TABLE tbl_name ADD UNIQUE index_name (column_list): 这条语句创建索引的值必须是唯一的（除了NULL外，NULL可能会出现多次）。
- ALTER TABLE tbl_name ADD INDEX index_name (column_list): 添加普通索引，索引值可出现多次。
- ALTER TABLE tbl_name ADD FULLTEXT index_name (column_list):该语句指定了索引为 FULLTEXT ，用于全文索引。
索引的分类
- 单值索引：即一个索引只包含单个列，一个表可以有多个单列索引
– CREATE INDEX idx_customer_name ON customer(customer_name);
- 唯一索引：索引列的值必须唯一，但允许有空值
– CREATE UNIQUEINDEX idx_customer_no ON customer(customer_no);
- 主键索引：设定为主键后数据库会自动建立索引，innodb为聚簇索引
– ALTER TABLE customer
add PRIMARY KEY customer(customer_no);
- 复合索引：即一个索引包含多个列
– CREATE INDEX idx_no_name ON customer(customer_no,customer_name);
哪些情况需要创建索引呢？
- 主键自动建立唯一索引
- 频繁作为查询条件的字段应该创建索引
- 查询中与其它表关联的字段，外键关系建立索引
- 单键/组合索引的选择问题， 组合索引性价比更高
- 查询中排序的字段，排序字段若通过索引去访问将大大提高排序速度
- 查询中统计或者分组字段（order和groud by ：groud by 比较慢 groud by 包含order by ，先order by）
哪些情况需要创建索引呢？
表记录太少
经常增删改的表或者字段
Where条件里用不到的字段不创建索引
过滤性不好的不适合建索引（比如说性别，建了效果也不好）
Mysql对sql的性能分析工具Explain
使用EXPLAIN关键字可以模拟优化器执行SQL查询语句，从而知道MySQL是如何处理你的SQL语句的。分析你的查询语句或是表结构的性能瓶颈
能干嘛
- 表的读取顺序（id的顺序）
- 哪些索引可以使用
- 数据读取操作的操作类型
- 哪些索引被实际使用
- 表之间的引用
- 每张表有多少行被物理查询
使用方法：
Explain + SQL语句；
执行后出来的信息比如查看个查询语句sql：
- 可以看到查询出来的有相关字段，首先我们得明白相关的字段：
- id：id是select查询的***,包含一组数字，表示查询中执行select子句或操作表的顺序
– 三种情况：id相同，执行顺序由上至下；id不同，如果是子查询，id的序号会递增，id值越大优先级越高，越先被执行；id相同不同，同时存在
– 注意：id号每个号码，表示一趟独立的查询。一个sql 的查询趟数越少越好。
- select_type：查询的类型，主要是用于区别
普通查询、联合查询、子查询等的复杂查询
- table:显示这一行的数据是关于哪张表的
- partitions:代表分区表中的命中情况，非分区表，该项为null
-
type:显示查询使用了何种类型，
从最好到最差依次是：
system>const>eq_ref>ref>range>index>ALL
- possible_keys:显示可能应用在这张表中的索引，一个或多个。
查询涉及到的字段上若存在索引，则该索引将被列出，但不一定被查询实际使用
- key:实际使用的索引。如果为NULL，则没有使用索引,查询中若使用了覆盖索引，则该索引和查询的select字段重叠
- key_len: 表示索引中使用的字节数，可通过该列计算查询中使用(命中)的索引的长度。 key_len字段能够帮你检查是否充分的利用上了索引，越大代表命中越多，查询效率就越高
- ref:显示索引的哪一列被使用了，如果可能的话，是一个常数。哪些列或常量被用于查找索引列上的值
- ==rows:rows列显示MySQL认为它执行查询时必须检查的行数。==越少越好，因为是实际对物理表的查询
- filtered：这个字段表示存储引擎返回的数据在server层过滤后，剩下多少满足查询的记录数量的比例，注意是百分比，不是具体记录数
-
Extra（主要是看order by或者groud by，和关联查询有没有用上查询）：包含不适合在其他列中显示但十分重要的额外信息
- 红色代表是效率底下，需要被优化；
这些字段是对我们分析性能是十分的重要
相关文章：