1. Toy模板网首页
  2. > Toy博客

Mysql 索引调优

9月前 作者：大能嘚吧嘚 分类：Toy博客 阅读(27) 违法举报

这篇具有很好参考价值的文章主要介绍了Mysql 索引调优。希望对大家有所帮助。如果存在错误或未考虑完全的地方，请大家不吝赐教，您也可以点击"举报违法"按钮提交疑问。

前言

硬件层面：使用固态硬盘、扩大内存、加大带宽等等
架构层面：主从复制实现读写分离【一主一从 或 双主双从】
表结构层面：对含有大字段的表结构进行垂直拆分、对大数据量的表进行水平分表、分库分表
索引层面：索引是帮助MySQL高效获取数据的数据结构，优化索引的本质就是通过减少IO量和IO次数来提高查询效率

MySQL数据类型

在业务允许范围内，数据类型所占用的存储空间越少越好

数值类型

Mysql 索引调优

例如：decimal(m,d)
m是数字的最大位数，范围是1-65
d是小数点后的位数，范围是0-30，并且不能大于m
如果m被省略了，m的值默认为10
如果d被省略了，d的值默认为0

字符和字符串类型

建议对含有大文本类型的字段进行垂直拆分，把大文本字段拆分到子表
Mysql 索引调优

日期类型

Mysql 索引调优

MySQL索引的数据结构

在线演示

Hash

hash表本质是一个数组，每一个下标下挂载一个数据桶，以链表的方式实现数据的存储
Mysql 索引调优

对hash的算法要求比较高，否则会导致数据散列不均，浪费存储空间
查询数据的时候，需要将全量的数据加载到内存，数据量大的情况下非常耗内存
适合做等值查询，如果按照范围查询则非常慢

二叉树

Mysql 索引调优
Mysql 索引调优

  • 特点
左子节点值小于自身
右子节点值大于自身
中序遍历是递增有序

二叉树添加、删除、查询数据的时间复杂度为O ( log2N )
如果添加的数据是递减或递增时，则会出现左倾和右倾，最终退化成链表，添加、删除、查询数据的时间复杂度为O(N)

AVL - 平衡二叉树

为了解决二叉树左倾和右倾的问题，平衡二叉树中要求左子树和右子树的高度差不能超过1，如果超过1则会触发左旋或右旋来保持树的平衡。查找数据的最坏时间复杂度也为O(log2N)，频繁插入/删除时会触发旋转使得AVL的性能大打折扣

下面以连续添加1、2、3、4、5的数据为例：

  • 添加数据1
    Mysql 索引调优
  • 添加数据2
    Mysql 索引调优
  • 添加数据3（触发左旋）
    Mysql 索引调优
  • 添加数据4
    Mysql 索引调优
  • 添加数据5（触发左旋）
    Mysql 索引调优

红黑树

  • 红黑树的5个特性
性质1. 根节点是黑色
性质2. 节点是红色或黑色
性质3. 叶节点(NIL节点，空节点)是黑色
性质4. 每个红色节点的两个子节点都是黑色。(从每个叶子到根的所有路径上不能有两个连续的红色节点)
性质5. 从任一节点到其每个叶子的所有路径都包含相同数目的黑色节点

性质4和5保证了：从根到叶子的最长路径不能超过最短路径的2倍长，保证了这个树大致上是平衡的

红黑树和AVL树类似，都是在进行插入和删除操作时通过特定操作保持二叉查找树的平衡，从而获得较高的查找性能
红黑树是每个节点都带有颜色（红色或黑色）属性的平衡二叉树，通过牺牲平衡性(相对平衡)，换取插入/删除时少量的旋转操作，整体性能优于AVL

下面以连续添加 1、2、3、4、5、6、7、8、9 为例：

  • 添加数据1【左边是平衡二叉树、右边是红黑树】
    Mysql 索引调优
  • 添加数据2
    Mysql 索引调优
  • 添加数据3
    Mysql 索引调优
  • 添加数据4
    Mysql 索引调优
  • 添加数据5
    Mysql 索引调优
    Mysql 索引调优
  • 添加数据6
    Mysql 索引调优
    Mysql 索引调优
  • 添加数据7
    Mysql 索引调优
    Mysql 索引调优
  • 添加数据8
    Mysql 索引调优
    Mysql 索引调优
  • 添加数据9
    Mysql 索引调优
    Mysql 索引调优

BTree 数据结构

不论什么类型的二叉树，随着数据的增加，树的深度会增加，那么IO的查询次数也会随之增加

B树中有一个叫做度的概念，默认度为3，表示该节点做多可以存储2个key（每个key对应一个data数据区）和3个节点的应用，当节点存储的key超过2时就会触发自动分裂

B树查找的时间复杂度为O(h * lgn)，h为树高，n为每个节点存储key的数量，在数据量相同的情况下，B数据的高度要低于平衡二叉树，减少了IO查询次数

InnoDB存储引擎默认读取单位为页（16kb），而B树的key都会挂载一个data数据区，就会导致每页读取的key数量变少，当存储的数据量很大时，树的高度会更深，查询的IO次数会变多

下面以连续添加 1、2、3、4、5、6、7、8、9 为例：

  • 添加数据1（左平衡二叉树，右B树）
    Mysql 索引调优
  • 添加数据2
    Mysql 索引调优
  • 添加数据3
    Mysql 索引调优
  • 添加数据4
    Mysql 索引调优
  • 添加数据5
    Mysql 索引调优
  • 添加数据6
    Mysql 索引调优
  • 添加数据7
    Mysql 索引调优
  • 添加数据8
    Mysql 索引调优
  • 添加数据9
    Mysql 索引调优

B+Tree 数据结构

B+树中的根节点和支节点存储的是（关键字和节点引用），相比于B树，单位节点要存储更多的关键字，数据量相同的情况下，B+树的高度要小于B树

B+树的叶子节点存储的是（关键字和数据区），叶子节点是顺序排列的并且相邻叶子节点具有相互引用的关系，非常适合排序

下面以连续添加 1、2、3、4、5、6、7、8、9 为例：

  • 添加数据1
    Mysql 索引调优
  • 添加数据2
    Mysql 索引调优
  • 添加数据3
    Mysql 索引调优
  • 添加数据4
    Mysql 索引调优
  • 添加数据5
    Mysql 索引调优
  • 添加数据6
    Mysql 索引调优
  • 添加数据7
    Mysql 索引调优
  • 添加数据8
    Mysql 索引调优
  • 添加数据9
    Mysql 索引调优

MySQL索引

满足业务情况下，创建索引的原则

建议使用自增长作为主键
索引列的数据不建议为空，为空反而会消耗更多的存储空间
索引列的数据类型占用存储空间越少越好，因为索引本身也是占用磁盘空间的
索引列的数据重复率不要超过80%，否则索引会失效。针对重复率高的字段可以使用枚举类型
频繁更新的列不要创建索引

  • 普通索引
    普通索引是最基本的索引，仅用于加速查询，没有任何限制：可以为空、可以重复

  • 唯一索引
    唯一索引与普通索引类似，但索引列的值必须唯一

  • 主键索引
    主键索引是一种特殊的唯一索引，一个表只能有一个主键，不允许有空值

  • 组合索引（复合索引）
    组合索引是多列值组成的一个索引，专门用于组合搜索，使用组合索引时遵循最左前缀原则

  • 全文索引
    全文索引主要用来查找文本中的关键字，而不是直接与索引中的值相比较，目前只有char、varchar，text 列上可以创建全文索引

MySQL存储引擎

存储引擎 MyISAM InnoDB
支持事务 否 是
支持行锁 否 是
支持外键 否 是
支持表锁 是 是
支持全文索引 是 5.6+支持
适合的操作类型 大量查询 大量的添加、删除、修改
MySQL默认存储引擎为InnoDB，可以通过修改配置文件的方式来指定MyISAM

MyISAM

Mysql 索引调优

该数据引擎中只有非聚簇索引，非聚簇索引的key和data是分开存储的】
MyISAM使用B+Tree作为索引结构时，叶节点的data域存放的是数据记录的内存地址

InnoDB

MySQL 默认数据引擎 InnoDB 中，数据在进行添加时必须和某一个索引列进行绑定，绑定优先级如下：
1、如果有主键，则和主键进行绑定
2、如果没有主键，则和唯一键进行绑定
3、如果没有唯一键，则根据系统生成的6字节rowid进行绑定
结论：和数据进行绑定的索引称之为聚簇索引，反之为非聚簇索引。一张表中只能有一个聚簇索引，非聚簇索引可以有多个

Mysql 索引调优

InnoDB引擎使用B+Tree作为索引结构时，聚簇索引中叶子节点的data域存放的是完整的数据记录

Mysql 索引调优

InnoDB引擎使用B+Tree作为索引结构时，非聚簇索引中叶子节点的data域存放的是主键，通过非聚簇索引搜索时需要通过主键来回查

MySQL执行计划 - explain

  • 测试数据
SET NAMES utf8mb4;
SET FOREIGN_KEY_CHECKS = 0;

-- ----------------------------
-- Table structure for demo_department
-- ----------------------------
DROP TABLE IF EXISTS `demo_department`;
CREATE TABLE `demo_department`  (
  `id` int(11) NOT NULL AUTO_INCREMENT COMMENT '主键',
  `code` varchar(10) CHARACTER SET utf8 COLLATE utf8_general_ci NOT NULL COMMENT '编号',
  `name` varchar(10) CHARACTER SET utf8 COLLATE utf8_general_ci NOT NULL COMMENT '名称',
  `remark` varchar(255) CHARACTER SET utf8 COLLATE utf8_general_ci NOT NULL DEFAULT '' COMMENT '介绍',
  PRIMARY KEY (`id`) USING BTREE,
  UNIQUE INDEX `index_code`(`code`) USING BTREE,
  INDEX `index_name`(`name`) USING BTREE,
  FULLTEXT INDEX `index_remark`(`remark`)
) ENGINE = InnoDB AUTO_INCREMENT = 79 CHARACTER SET = utf8 COLLATE = utf8_general_ci COMMENT = '部门表' ROW_FORMAT = Dynamic;

-- ----------------------------
-- Table structure for demo_staff
-- ----------------------------
DROP TABLE IF EXISTS `demo_staff`;
CREATE TABLE `demo_staff`  (
  `id` int(11) NOT NULL AUTO_INCREMENT COMMENT '主键',
  `department_code` varchar(10) CHARACTER SET utf8 COLLATE utf8_general_ci NULL DEFAULT NULL COMMENT '部门编号',
  `code` varchar(10) CHARACTER SET utf8 COLLATE utf8_general_ci NOT NULL COMMENT '编号',
  `position` varchar(225) CHARACTER SET utf8 COLLATE utf8_general_ci NOT NULL COMMENT '职位',
  `name` varchar(225) CHARACTER SET utf8 COLLATE utf8_general_ci NOT NULL COMMENT '名称',
  `age` tinyint(3) NOT NULL COMMENT '年龄',
  `sex` enum('男','女') CHARACTER SET utf8 COLLATE utf8_general_ci NOT NULL DEFAULT '男' COMMENT '性别',
  `remark` varchar(255) CHARACTER SET utf8 COLLATE utf8_general_ci NOT NULL DEFAULT '' COMMENT '介绍',
  PRIMARY KEY (`id`) USING BTREE,
  INDEX `index_department_code`(`department_code`) USING BTREE
  UNIQUE INDEX `index_code`(`code`) USING BTREE,
  INDEX `index_position_name_age`(`position`, `name`, `age`) USING BTREE,
) ENGINE = InnoDB AUTO_INCREMENT = 1380 CHARACTER SET = utf8 COLLATE = utf8_general_ci COMMENT = '员工表' ROW_FORMAT = Dynamic;

-- ----------------------------
-- Table structure for demo_wages
-- ----------------------------
DROP TABLE IF EXISTS `demo_wages`;
CREATE TABLE `demo_wages`  (
  `id` int(11) NOT NULL AUTO_INCREMENT COMMENT '主键',
  `staff_code` varchar(10) CHARACTER SET utf8 COLLATE utf8_general_ci NOT NULL COMMENT '员工编号',
  `foundation_score` smallint(11) NOT NULL DEFAULT 0 COMMENT '基础工资',
  `performance_score` decimal(10, 2) NOT NULL DEFAULT 0.00 COMMENT '绩效工资',
  PRIMARY KEY (`id`) USING BTREE,
  UNIQUE INDEX `index_staff_code`(`staff_code`) USING BTREE,
  INDEX `index_foundation_performance`(`foundation_score`, `performance_score`) USING BTREE
) ENGINE = InnoDB AUTO_INCREMENT = 2029 CHARACTER SET = utf8 COLLATE = utf8_general_ci COMMENT = '工资表' ROW_FORMAT = Dynamic;

执行计划相关字段说明

Mysql 索引调优

id【表示查询中执行select子句或操作表的顺序】

select_type【查询类型】
	sample: 简单查询，不包含子查询和union
	primary: 查询中包含任何复杂的子查询，则最外层的查询将被标记为Primary
	union: 若第二个select出现在union之后，则被标记为union
	dependent union: 与union类似，此处表示 union 或 union all 联合而成的结果会受外部表影响
	union result: 从 union 表获取结果的select
	subquery: 在select或where列表中包含子查询
	dependent subquery: subquery的子查询要受到外部表查询的影响
	derived: from子句中出现的子查询

type【访问类型】，访问效率从高到低以此为：一般情况下，查询至少达到range级别，最好能达到ref级别
	system > 
	const > 该表至多有一个匹配行
	eq_ret > 利用唯一索引进行数据查找
	ref > 利用非唯一索引进行数据查找
	ref_or_null > 
	index_merge > 查询过程中，需要多个索引来组合使用
	unique_subquery > 利用唯一索引来关联子查询
	index_subquery > 利用索引来关联子查询
	range > 利用索引查询的时候限制了范围
	index > 全索引扫描
	all 全表扫描

possible_keys【查询时可能用到的索引】
key【查询时实际使用到的索引】
key_len【索引中使用的字节数】
ref【显示索引的哪一列被使用了】
rows【找出所需记录需要读取的行】

extra【额外信息】
	using filesort: 无法利用索引进行排序，只能利用排序算法进行排序
	using temporary: 建立临时表来保存中间结果，查询完成后把临时表删除
	using index: 使用了覆盖索引，索引被用来读取数据，而非真正的查找。如果与using where同时出现，表明索引被用来执行索引键值的查找
	using where: 使用where进行条件过滤
	using join buffer: 使用连接缓存

回表查询

非聚簇索引的叶子节点上存储的是主键ID，在使用非聚簇索引查询时返回的是主键ID，再根据主键ID去聚簇索引上查找最终的数据
Mysql 索引调优

覆盖索引

当查询字段（select列）和 查询条件字段（where子句）全都包含在一个索引 （普通索引、唯一索引、联合索引）中时，可以直接使用索引查询而不需要回表
Mysql 索引调优

组合索引 - 最左匹配原则

EXPLAIN
SELECT * FROM demo_staff WHERE position = '职位名称<63>';

EXPLAIN 
SELECT * FROM demo_staff WHERE position = '职位名称<63>' AND `name` = '员工姓名<995765511>' AND age = '58';

EXPLAIN -- 优化器会自动优化 name 和 age 的顺序
SELECT * FROM demo_staff WHERE position = '职位名称<63>' AND age = '58' AND `name` = '员工姓名<995765511>';

Mysql 索引调优

模糊搜索 - like

EXPLAIN
SELECT * FROM demo_staff WHERE position like'职位名称<6%';

Mysql 索引调优

文本索引

EXPLAIN 
SELECT * FROM demo_department WHERE MATCH ( remark ) against ( 'JVM' );

Mysql 索引调优

隐式转化 - 数据类型不匹配

Mysql 索引调优

对查询条件进行计算或使用函数

注意：mysql8.0开始，通过函数索引可以避免索引字段使用函数时失效的情况

or（不推荐）

Mysql 索引调优
注意1：or两边的字段不同时，两边的索引都要生效才行
Mysql 索引调优
Mysql 索引调优
注意2：or连接的字段相同时，or 条件很多的情况下，可以使用in来优化

is null（不推荐）

注意：null 数据超过80%时索引会失效，不建议使用，建议使用默认值代替
Mysql 索引调优

is not null（不推荐）

注意：is not null 数据超过80%时索引会失效，不建议使用，建议使用默认值代替
Mysql 索引调优

in 和 exists

select * from A where id in (select id from B)
# in里面的B表先执行，适合外表A大而内表B小

select * from A where exists(select * from B where B.id=A.id)
# exists以外层A表为驱动表，适合外表A小而内表B大

not in（不推荐）

– 优化方案：左连接，条件：至少需要2个查询条件命中索引

select user_id from order_count where user_id not in ('1649123035720','1649123035724');

select 
	temp1.*,
	temp2.user_id as userId 
from order_count temp1 
	left join (select user_id from order_count where user_id in ('1649123035720','1649123035724')) temp2 
	on temp1.user_id = temp2.user_id 
where temp1.user_id = '1649123035728' and temp2.user_id is null;

limit 优化

对于 limit m,n 分页查询，越往后面翻页（即m越大的情况下）SQL的耗时会越来越长。当检索数据为 limit m,n 时，则需要排序前 m+n 条记录，最终只返回 m和m+n 间的 n 条数据，其他数据丢弃

使用索引覆盖 + 子查询优化

因为有主键 id，并且在上面建了索引，所以可以先在索引树中找到开始位置的 id 值，再根据找到的 id 值查询行数据

select id,name from table_name where id > (select id from table_name order by id limit 866612, 1)

起始位置重定义（效率最高）

可以取前一页的最大行数的id（将上次遍历到的最末尾的数据ID传给数据库，然后直接定位到该ID处，再往后面遍历数据），然后根据这个最大的id来限制下一页的起点。比如此列中，上一页最大的id是866612

select id,name from table_name where id > 866612 limit 20

join 连表优化

连表查询最好不要超过三张表，连表时需要join的字段类型必须一致，否则会造成慢查询
可通过 EXPLANIN 查看SQL语句的执行计划，EXPLANIN分析的第一行的表即是驱动表

连接类型

  • 内连接：INNER JOIN【求两个表的交集】【自动选择数据量小的表作为驱动表，大表作为被驱动表】
  • 左连接：LEFT JOIN【求两个表的交集外加左表剩下的数据】【左边为驱动表，右边为被驱动表】
  • 右连接：RIGHT JOIN【求两个表的交集外加右表剩下的数据】【右边为驱动表，左边为被驱动表】

连表算法 - 嵌套循环连接【Nested-Loop Join】

Mysql 索引调优

  • Simpe Nested-Loop Join
    外层循环遍历a表，内层循环则遍历b表，如果满足连接条件，则组合两个表的列输出，最终生成连接后的临时表

  • Index Nested-Loop Join
    通过外层表的匹配列的值直接与内层表匹配列的索引进行匹配，再遍历匹配上的记录进行匹配、合并、输出

  • Block Nested-Loop Join
    通过缓存外层表的多条数据到Join Buffer里（通常是HASH表），然后批量与内层表的数据进行匹配、合并、输出。当内层表的匹配列不存在索引时可以使用Block Nested Loop Join

连表算法 - 排序合并连接【SORT MERGE JOIN】

排序合并连接SORT MERGE JOIN 也是嵌套循环连接 NESTED LOOP JOIN 的一种变体。 该算法要求连接中的两个数据集有序，如果数据集尚未排序，则需要先对它们进行排序
Mysql 索引调优

MySQL性能监控工具 - Performance Schema

Performance Schema 默认是开启的，如果需要关闭，必须通过修改 /etc/my.cnf 文件，一般不建议关闭

查看具体配置项的开启情况

select * from setup_instruments;
select * from setup_consumers;

Mysql 索引调优

update setup_instruments set ENABLED = 'YES',TIMED = 'YES' where `NAME` like 'wait%';
update setup_consumers set ENABLED = 'YES' where `NAME` like 'wait%';

监控数据库的连接情况

show processlist;

Mysql 索引调优文章来源地址https://www.toymoban.com/news/detail-480907.html

常用统计sql

--1、哪类的 SQL 执行最多？
SELECT DIGEST_TEXT, COUNT_STAR, FIRST_SEEN,LAST_SEEN FROM events_statements_summary_by_digest ORDER BY COUNT_STAR DESC;

--2、哪类 SQL 的平均响应时间最多？
SELECT DIGEST_TEXT,AVG_TIMER_WAIT FROM events_statements_summary_by_digest ORDER BY COUNT_STAR DESC;

--3、哪类 SQL 排序记录数最多？
SELECT DIGEST_TEXT, SUM_SORT_ROWS FROM events_statements_summary_by_digest ORDER BY COUNT_STAR DESC;

--4、哪类 SQL 扫描记录数最多？
SELECT DIGEST_TEXT,SUM_ROWS_EXAMINED FROM events_statements_summary_by_digest ORDER BY COUNT_STAR DESC;

--5、哪类 SQL 使用临时表最多？
SELECT DIGEST_TEXT,SUM_CREATED_TMP_TABLES,SUM_CREATED_TMP_DISK_TABLES FROM events_statements_summary_by_digest 
ORDER BY COUNT_STAR DESC;

--6、哪类 SQL 返回结果集最多？
SELECT DIGEST_TEXT,SUM_ROWS_SENT FROM events_statements_summary_by_digest ORDER BY COUNT_STAR DESC;

--7、哪个表物理 IO 最多？
SELECT file_name, event_name, SUM_NUMBER_OF_BYTES_READ,SUM_NUMBER_OF_BYTES_WRITE FROM file_summary_by_instance 
ORDER BY SUM_NUMBER_OF_BYTES_READ + SUM_NUMBER_OF_BYTES_WRITE DESC;

--8、哪个表逻辑 IO 最多？
SELECT object_name,COUNT_READ, COUNT_WRITE, COUNT_FETCH,SUM_TIMER_WAIT FROM table_io_waits_summary_by_table 
ORDER BY sum_timer_wait DESC;

--9、哪个素引访问最多？
SELECT OBJECT_NAME, INDEX_NAME,COUNT_FETCH,COUNT_INSERT,COUNT_UPDATE,COUNT_DELETE FROM table_io_waits_summary_by_index_usage 
ORDER BY SUM_TIMER_WAIT DESC;

--10、哪个索引从来没有用过？
SELECT OBJECT_SCHEMA, OBJECT_NAME, INDEX_NAME FROM table_io_waits_summary_by_index_usage 
WHERE INDEX_NAME IS NOT NULL AND COUNT_STAR = 0 AND OBJECT_SCHEMA < 'mysal' 
ORDER BY OBJECT_SCHEMA,OBJECT_NAME;

--11、哪个等待事件消耗时间最多？
SELECT EVENT_NAME,COUNT_STAR,SUM_TIMER_WAIT,AVG_TIMER_WAIT FROM events_waits_summary_global_by_event_name 
WHERE event_name != 'idle'
ORDER BY SUM_TIMER_WAIT DESC;

--12-1、剖析某条 SQL 的执行情况，包括 statement 信息，stege 信息，wait 信息
SELECT EVENT_ID,sqL_text FROM events_statements_history WHERE sql_text LIKE '*%count(*)%';

--12-2、查看每个阶段的时间消耗
SELECT event_id, EVENT_NAME,SOURCE, TIMER_END - TIMER_START FROM events_stages_history_long WHERE NESTING_EVENT_ID = 1553;

--12-3、查看每个阶段的锁等待情况
SELECT event_id, event_name,source,timer_wait,object_name, index_name, operation,nesting_event_id FROM events_waits_history_long WHERE  nesting_event_id = 1553;

到了这里，关于Mysql 索引调优的文章就介绍完了。如果您还想了解更多内容，请在右上角搜索TOY模板网以前的文章或继续浏览下面的相关文章，希望大家以后多多支持TOY模板网！

本文来自互联网用户投稿，该文观点仅代表作者本人，不代表本站立场。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如若转载，请注明出处： 如若内容造成侵权/违法违规/事实不符，请点击违法举报进行投诉反馈，一经查实，立即删除！

分享到：
领支付宝红包 赞助服务器费用

相关文章

  • 【Linux】操作系统与冯诺依曼体系——深度解析（软硬件层面）

    【Linux】操作系统与冯诺依曼体系——深度解析（软硬件层面）

    ​ 前言 大家好吖，欢迎来到 YY 滴 Linux系列 ，热烈欢迎！ 本章主要内容面向接触过Linux的老铁，从软硬件层面向大家介绍操作系统与冯诺依曼体系， 主要内容含： 欢迎订阅 YY 滴Linux专栏！更多干货持续更新！以下是传送门！ 订阅专栏阅读： YY 的《Linux》系列 ❀❀❀❀❀ 【

    2024年02月13日
    浏览(36)
  • 万字长文带你走进MySql优化(系统层面优化、软件层面优化、SQL层面优化)

    万字长文带你走进MySql优化(系统层面优化、软件层面优化、SQL层面优化)

            MySQL 是一个关系型数据库管理系统，可以从不同的层面进行优化以提高系统的性能和效率。下面就是从 系统设计层面、软件层面、SQL层面的一些优化建议 。优化 MySql 可以从减轻数据库压力、提高配置、提高查询效率等方面入手。 采用分布式架构        如果单

    2024年01月22日
    浏览(49)

  • Mysql调优工具------profiling使用

    提示：MYSQL调优工具 0：表示为开启 1：表示开启 Set profiling=1； 此时profiling状态开启， 查看所有语句消耗的具体时间（Duration）和使用的查询（Query ） 语法： show profile for query query_id 查看具体的query_ID所经历的过程以及消耗的资源详细分析报告 cpu CPU_user：当前用户占用的 CP

    2024年02月17日
    浏览(28)
  • Kafka：硬件配置选择和调优

    Kafka：硬件配置选择和调优

    100 万日活，每人每天 100 条日志， 每天总共的日志条数是 100 万 * 100 条 = 1 亿条（中型公司偏小）。 1 亿 / 24 小时 / 60 分 / 60 秒  =  1150 条/每秒钟。 每条日志大小：0.5k - 2k（取 1k）（甚至更多根据实际情况）。 1150 条/每秒钟 * 1k ≈ 1m/s 。 高峰期（中午小高峰 下午 8 - 12）：

    2024年02月11日
    浏览(83)
  • PostgreSQL性能调优：优化查询和索引设计

    PostgreSQL性能调优：优化查询和索引设计

    随着数据量的增长和业务需求的变化，数据库性能成为了许多企业关注的焦点之一。在众多的数据库管理系统中，PostgreSQL因其稳定性和可靠性而备受青睐。然而，即使是最强大的系统也需要合适的调优，以确保其能够高效地处理大规模数据和复杂查询。 本文将介绍如何在P

    2024年02月07日
    浏览(53)

  • 4 深入理解搜索引擎索引与性能调优

    作者：禅与计算机程序设计艺术 在互联网中，信息检索一直是一个重要的课题，其中搜索引擎就是最常用的。搜索引擎的作用不仅是从海量数据中快速获取自己需要的信息，更是一种社会化交流工具，通过用户自然语言的输入，搜索引擎能够自动匹配到最相关的内容并呈现给

    2024年02月08日
    浏览(36)
  • MySql前言

    MySql前言

    🎥 个人主页：Dikz12 🔥个人专栏：MySql 📕格言：那些在暗处执拗生长的花，终有一日会馥郁传香 欢迎大家👍点赞✍评论⭐收藏 目录  数据库有哪些软件？？  Mysql  MySql数据存储 mysql安装 mysql重装                                                          Oracle: 数据

    2024年02月01日
    浏览(44)
  • MySQL强制使用索引的两种方式及优化索引，使用MySQL存储过程创建测试数据。

    MySQL强制使用索引的两种方式及优化索引，使用MySQL存储过程创建测试数据。

    一、MySQL强制使用索引的两种方式 1、使用 FORCE INDEX 语句： 使用 FORCE INDEX（索引名称）走索引： 2、使用 USE INDEX 语句： 使用 USE INDEX（索引名称）走索引： FORCE INDEX 或 USE INDEX 的区别？ FORCE INDEX ：这个语句指示MySQL强制查询使用特定的索引。它会忽略优化器的选择,无论索引

    2024年02月03日
    浏览(47)

  • MySQl有哪些索引（种类）？索引特点？为什么要使用索引？

    普通索引：仅加速查询 唯一索引：加速查询 + 列值 唯一（可以有null） 主键索引：加速查询 + 列值 唯一（不可以有null）+ 表中只有一个 组合索引： 多列值组成一个索引 ，专门用于组合搜索，其效率大于索引合并 全文索引：对文本的内容进行分词，进行搜索 索引合并：使用

    2024年02月07日
    浏览(69)
  • ⑩② 【MySQL索引】详解MySQL`索引`：结构、分类、性能分析、设计及使用规则。

    ⑩② 【MySQL索引】详解MySQL`索引`：结构、分类、性能分析、设计及使用规则。

    个人简介：Java领域新星创作者；阿里云技术博主、星级博主、专家博主；正在Java学习的路上摸爬滚打，记录学习的过程~ 个人主页：.29.的博客 学习社区：进去逛一逛~ 索引 ： 什么是索引(index) ? 索引(index)是帮助MySQL 高效获取数据的数据结构 (有序)：在数据之外，数据库系统

    2024年02月05日
    浏览(50)

觉得文章有用就打赏一下文章作者

支付宝扫一扫打赏

博客赞助

微信扫一扫打赏

请作者喝杯咖啡吧~博客赞助

支付宝扫一扫领取红包，优惠每天领

二维码1

领取红包

二维码2

领红包