1.插入数据
1.1insert
如果我们需要一次性往数据库表中插入多条记录，可以从以下三个方面进行优化。
insert into tb_test values(1,'tom'); insert into tb_test values(2,'cat'); insert into tb_test values(3,'jerry');
1). 优化方案一
批量插入数据
Insert into tb_test values(1,'Tom'),(2,'Cat'),(3,'Jerry');
2). 优化方案二
手动控制事务
start transaction; insert into tb_test values(1,'Tom'),(2,'Cat'),(3,'Jerry'); insert into tb_test values(4,'Tom'),(5,'Cat'),(6,'Jerry'); insert into tb_test values(7,'Tom'),(8,'Cat'),(9,'Jerry'); commit;
3). 优化方案三
主键顺序插入，性能要高于乱序插入。
主键乱序插入 : 8 1 9 21 88 2 4 15 89 5 7 3 主键顺序插入 : 1 2 3 4 5 7 8 9 15 21 88 89
1.2大批量插入数据
如果一次性需要插入大批量数据 ( 比如 : 几百万的记录 ) ，使用 insert 语句插入性能较低，此时可以使
用 MySQL 数据库提供的 load 指令进行插入。操作如下：
可以执行如下指令，将数据脚本文件中的数据加载到表结构中：
-- 客户端连接服务端时，加上参数 -–local-infile mysql –-local-infile -u root -p -- 设置全局参数local_infile为1，开启从本地加载文件导入数据的开关 set global local_infile = 1; -- 执行load指令将准备好的数据，加载到表结构中 load data local infile '/root/sql1.log' into table tb_user fields terminated by ',' lines terminated by '\n' ;
主键顺序插入性能高于乱序插入
示例演示 :
A. 创建表结构
CREATE TABLE `tb_user` ( `id` INT(11) NOT NULL AUTO_INCREMENT, `username` VARCHAR(50) NOT NULL, `password` VARCHAR(50) NOT NULL, `name` VARCHAR(20) NOT NULL, `birthday` DATE DEFAULT NULL, `sex` CHAR(1) DEFAULT NULL, PRIMARY KEY (`id`), UNIQUE KEY `unique_user_username` (`username`) ) ENGINE=INNODB DEFAULT CHARSET=utf8 ;
B. 设置参数
-- 客户端连接服务端时，加上参数 -–local-infile mysql –-local-infile -u root -p -- 设置全局参数local_infile为1，开启从本地加载文件导入数据的开关 set global local_infile = 1;
C. load 加载数据
load data local infile '/root/load_user_100w_sort.sql' into table tb_user fields terminated by ',' lines terminated by '\n' ;
我们看到，插入 100w 的记录， 17s 就完成了，性能很好。
在 load 时，主键顺序插入性能高于乱序插入
2.主键优化
在上一小节，我们提到，主键顺序插入的性能是要高于乱序插入的。 这一小节，就来介绍一下具
体的原因，然后再分析一下主键又该如何设计。
1). 数据组织方式
在 InnoDB 存储引擎中，表数据都是根据主键顺序组织存放的，这种存储方式的表称为索引组织表
(index organized table IOT) 。
行数据，都是存储在聚集索引的叶子节点上的。而我们之前也讲解过 InnoDB 的逻辑结构图：
在 InnoDB 引擎中，数据行是记录在逻辑结构 page 页中的，而每一个页的大小是固定的，默认
16K 。
那也就意味着， 一个页中所存储的行也是有限的，如果插入的数据行 row 在该页存储不小，将会存
储到下一个页中，页与页之间会通过指针连接。
2). 页分裂
页可以为空，也可以填充一半，也可以填充 100% 。每个页包含了 2-N 行数据 ( 如果一行数据过大，
会行溢出) ，根据主键排列。
A. 主键顺序插入效果
① . 从磁盘中申请页， 主键顺序插入
② . 第一个页没有满，继续往第一页插入
③ . 当第一个也写满之后，再写入第二个页，页与页之间会通过指针连接
④ . 当第二页写满了，再往第三页写入
B. 主键乱序插入效果
① . 加入 1#,2# 页都已经写满了，存放了如图所示的数据
② . 此时再插入 id 为 50 的记录，我们来看看会发生什么现象
会再次开启一个页，写入新的页中吗？
不会。因为，索引结构的叶子节点是有顺序的。按照顺序，应该存储在 47 之后。
但是 47 所在的 1# 页，已经写满了，存储不了 50 对应的数据了。 那么此时会开辟一个新的页 3# 。
但是并不会直接将 50 存入 3# 页，而是会将 1# 页后一半的数据，移动到 3# 页，然后在 3# 页，插入
50 。
移动数据，并插入 id 为 50 的数据之后，那么此时，这三个页之间的数据顺序是有问题的。 1# 的下
一个页，应该是3# ， 3# 的下一个页是 2# 。 所以，此时，需要重新设置链表指针。
上述的这种现象，称之为 " 页分裂 " ，是比较耗费性能的操作。
3). 页合并
目前表中已有数据的索引结构 ( 叶子节点 ) 如下：
当我们对已有数据进行删除时，具体的效果如下 :
当删除一行记录时，实际上记录并没有被物理删除，只是记录被标记（ flaged ）为删除并且它的空
间变得允许被其他记录声明使用。
当我们继续删除2#的数据记录
当页中删除的记录达到 MERGE_THRESHOLD （默认为页的 50% ）， InnoDB 会开始寻找最靠近的
页（前或后）看看是否可以将两个页合并以优化空间使用。
删除数据，并将页合并之后，再次插入新的数据21，则直接插入3#页
这个里面所发生的合并页的这个现象，就称之为 "页合并"。
知识小贴士：
MERGE_THRESHOLD ：合并页的阈值，可以自己设置，在创建表或者创建索引时指定。
4). 索引设计原则
满足业务需求的情况下，尽量降低主键的长度。
插入数据时，尽量选择顺序插入，选择使用 AUTO_INCREMENT 自增主键。 尽量不要使用 UUID 做
主键或者是其他自然主键，如身份证号。
业务操作时，避免对主键的修改。
3.order by优化
MySQL 的排序，有两种方式：
Using filesort : 通过表的索引或全表扫描，读取满足条件的数据行，然后在排序缓冲区 sort
buffer 中完成排序操作，所有不是通过索引直接返回排序结果的排序都叫 FileSort 排序。
Using index : 通过有序索引顺序扫描直接返回有序数据，这种情况即为 using index ，不需要
额外排序，操作效率高。
对于以上的两种排序方式， Using index 的性能高，而 Using filesort 的性能低，我们在优化排序
操作时，尽量要优化为 Using index 。
接下来，我们来做一个测试：
A. 数据准备
把之前测试时，为 tb_user 表所建立的部分索引直接删除掉
drop index idx_user_phone on tb_user; drop index idx_user_phone_name on tb_user; drop index idx_user_name on tb_user;
B. 执行排序SQL
explain select id,age,phone from tb_user order by age ;
explain select id,age,phone from tb_user order by age, phone ;
由于 age, phone 都没有索引，所以此时再排序时，出现 Using filesort ， 排序性能较低。
C. 创建索引
-- 创建索引 create index idx_user_age_phone_aa on tb_user(age,phone);
D. 创建索引后，根据 age, phone 进行升序排序
explain select id,age,phone from tb_user order by age; 1
explain select id,age,phone from tb_user order by age , phone; 1
建立索引之后，再次进行排序查询，就由原来的 Using filesort ， 变为了 Using index ，性能
就是比较高的了。
E. 创建索引后，根据 age, phone 进行降序排序
explain select id,age,phone from tb_user order by age desc , phone desc ;
也出现 Using index ， 但是此时 Extra 中出现了 Backward index scan ，这个代表反向扫描索
引，因为在 MySQL 中我们创建的索引，默认索引的叶子节点是从小到大排序的，而此时我们查询
排序时，是从大到小，所以，在扫描时，就是反向扫描，就会出现 Backward index scan 。 在
MySQL8 版本中，支持降序索引，我们也可以创建降序索引。
F. 根据 phone ， age 进行升序排序， phone 在前， age 在后。
explain select id,age,phone from tb_user order by phone , age;
排序时 , 也需要满足最左前缀法则 , 否则也会出现 filesort 。因为在创建索引的时候， age 是第一个
字段， phone 是第二个字段，所以排序时，也就该按照这个顺序来，否则就会出现 Using filesort。
F. 根据 age, phone 进行降序一个升序，一个降序
explain select id,age,phone from tb_user order by age asc , phone desc ;
因为创建索引时，如果未指定顺序，默认都是按照升序排序的，而查询时，一个升序，一个降序，
此时就会出现Using filesort 。
为了解决上述的问题，我们可以创建一个索引，这个联合索引中 age 升序排序， phone 倒序排
序。
G. 创建联合索引 (age 升序排序， phone 倒序排序 )
create index idx_user_age_phone_ad on tb_user(age asc ,phone desc);
H. 然后再次执行如下SQL
explain select id,age,phone from tb_user order by age asc , phone desc ;
升序/降序联合索引结构图示:
由上述的测试 , 我们得出 order by 优化原则 :
A. 根据排序字段建立合适的索引，多字段排序时，也遵循最左前缀法则。
B. 尽量使用覆盖索引。
C. 多字段排序 , 一个升序一个降序，此时需要注意联合索引在创建时的规则（ ASC/DESC ）。
D. 如果不可避免的出现 filesort ，大数据量排序时，可以适当增大排序缓冲区大小
sort_buffer_size( 默认 256k) 。
4.group by优化
分组操作，我们主要来看看索引对于分组操作的影响。
首先我们先将 tb_user 表的索引全部删除掉 。
drop index idx_user_pro_age_sta on tb_user; drop index idx_email_5 on tb_user; drop index idx_user_age_phone_aa on tb_user; drop index idx_user_age_phone_ad on tb_user;
接下来，在没有索引的情况下，执行如下 SQL ，查询执行计划：
explain select profession , count(*) from tb_user group by profession ;
然后，我们在针对于 profession ， age ， status 创建一个联合索引。
create index idx_user_pro_age_sta on tb_user(profession , age , status);
紧接着，再执行前面相同的 SQL 查看执行计划。
explain select profession , count(*) from tb_user group by profession ;
再执行如下的分组查询 SQL ，查看执行计划：
我们发现，如果仅仅根据 age 分组，就会出现 Using temporary ；而如果是 根据
profession,age 两个字段同时分组，则不会出现 Using temporary 。原因是因为对于分组操作，
在联合索引中，也是符合最左前缀法则的。
所以，在分组操作中，我们需要通过以下两点进行优化，以提升性能：
A. 在分组操作时，可以通过索引来提高效率。
B. 分组操作时，索引的使用也是满足最左前缀法则的。
5.limit优化
在数据量比较大时，如果进行 limit 分页查询，在查询时，越往后，分页查询效率越低。
我们一起来看看执行limit 分页查询耗时对比：
通过测试我们会看到，越往后，分页查询效率越低，这就是分页查询的问题所在。
因为，当在进行分页查询时，如果执行 limit 2000000,10 ，此时需要 MySQL 排序前 2000010 记
录，仅仅返回 2000000 - 2000010 的记录，其他记录丢弃，查询排序的代价非常大 。
优化思路 : 一般分页查询时，通过创建 覆盖索引 能够比较好地提高性能，可以通过覆盖索引加子查
询形式进行优化。
explain select * from tb_sku t , (select id from tb_sku order by id limit 2000000,10) a where t.id = a.id;
6.count优化
6.1概述
select count(*) from tb_user ;
在之前的测试中，我们发现，如果数据量很大，在执行 count 操作时，是非常耗时的。
MyISAM 引擎把一个表的总行数存在了磁盘上，因此执行 count(*) 的时候会直接返回这个
数，效率很高； 但是如果是带条件的 count ， MyISAM 也慢。
InnoDB 引擎就麻烦了，它执行 count(*) 的时候，需要把数据一行一行地从引擎里面读出
来，然后累积计数。
如果说要大幅度提升 InnoDB 表的 count 效率，主要的优化思路：自己计数 ( 可以借助于 redis 这样的
数据库进行, 但是如果是带条件的 count 又比较麻烦了 ) 。
6.2count用法
count() 是一个聚合函数，对于返回的结果集，一行行地判断，如果 count 函数的参数不是
NULL ，累计值就加 1 ，否则不加，最后返回累计值。
用法： count （ * ）、 count （主键）、 count （字段）、 count （数字）
按照效率排序的话， count( 字段 ) < count( 主键 id) < count(1) ≈ count(*) ，所以尽
量使用 count(*) 。
7.update优化
我们主要需要注意一下 update 语句执行时的注意事项。
update course set name = 'javaEE' where id = 1 ; 1
当我们在执行删除的 SQL 语句时，会锁定 id 为 1 这一行的数据，然后事务提交之后，行锁释放。
但是当我们在执行如下 SQL 时。
update course set name = 'SpringBoot' where name = 'PHP' ;
当我们开启多个事务，在执行上述的 SQL 时，我们发现行锁升级为了表锁。 导致该 update 语句的
性能大大降低
InnoDB 的行锁是针对索引加的锁，不是针对记录加的锁 , 并且该索引不能失效，否则会从行锁升级为表锁 。
