1、插入数据

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。

1、批量插入数据

Insert into student
values (5, '小明',20011019),
    (6, '小红',19991019),
    (7, '小绿',20001019);

2、手动控制事务

start transaction;
Insert into student
values (5, '小明', 20011019),
(6, '小红', 19991019),
(7, '小绿', 20001019);
Insert into student
values (8, '小明', 20011019),
(9, '小红', 19991019),
(10, '小绿', 20001019);
Insert into student
values (11, '小明', 20011019),
(12, '小红', 19991019),
(13, '小绿', 20001019);
commit;

3、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

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：

1 、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;

2、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; 

3、load加载数据,记得先切换到相关数据库下

load data local infile 'C:/Users/jie/Desktop/load_user_100w_sort.sql' into table tb_user fields terminated by ',' lines terminated by '\n';

我这小破电脑跑得还行，不知道大家的电脑跑起来怎么样。

注：在load时，主键顺序插入性能高于乱序插入

2、主键优化

2.1 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)。

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。

2.2 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。

1、主键顺序插入效果

从磁盘中申请页，主键顺序插入，当第一页数据写满之后,再写入第二个页，页和页之间通过指针连接，第二页写满之后，再往第三页写入，以此类推。

2、主键乱序插入效果
第一页和第二页都写满了数据。

此时再插入id为50的记录的话，因为索引的叶子节点是有顺序的。按照顺序，应该存储再47之后，所以不会写入到新的页中。
但是！47所在的第一页它已经满了呀，那么这个时候就会开辟新的一页，来存储50，但是并不会直接将50存入第三页，而是将第一页后一半的数据，移动到3页，然后才在第三页插入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。 第一页的下一个页，应该是第三页， 第三页的数据的下一个页是第二页。 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。

2.3 页合并

现在有三页数据。

我们现在对第二页删除4条数据。

注：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。

像这样当页总删除的记录达到 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。
这个时候才物理删除数据，再将页进行合并，如果这时候插入新的数据。则直接写入第三页。

这个里面所发生的合并页的这个现象，就称之为 "页合并"。

注：

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。

2.4 主键设计原则

1. 满足业务需求的情况下，尽量降低主键的长度。
2. 插入数据时，尽量选择顺序插入，选择使用AUTO_INCREMENT自增主键。
3. 尽量不要使用UUID做主键或者是其他自然主键，如身份证号。
4. 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sortbuffer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。

测试：

我现在就用上面导入了百万数据的tb_user做测试。

先来执行以下SQL：

explain select id,birthday ,sex from tb_user order by sex,birthday ;

由于 sex, birthday都没有索引，所以此时再排序时，出现Using filesort， 排序性能较低。那我们就给它们创建联合索引。

create index idx_user_sex_birthday_aa on tb_user(sex,birthday);

创建完索引之后，我们再执行一次explain 语句。

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。

我们现在试试将降序排序。

explain select id,birthday ,sex from tb_user order by sex desc ,birthday 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。

create index idx_user_sex_birthday_ab on tb_user(sex desc ,birthday desc );

创建完成后，我们再降序排序查询一次。

此时就会是 Using index。

还有一种情况的查询就是根据sex, birthday进行降序一个升序，一个降序

explain select id,birthday ,sex from tb_user order by sex asc ,birthday 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。
这个时候我们可以根据排序再创建一个索引。

create index idx_user_sex_birthday_ac on tb_user(sex asc ,birthday desc );

然后再执行SQL语句查询。

这不就又是 Using index。

由上述的测试,我们得出order by优化原则:

1. 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。
2. 尽量使用覆盖索引。
3. 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）。
4. 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

首先我先把tb_user 表索引全部删除先。

drop index idx_user_sex_birthday_aa on tb_user;

drop index idx_user_sex_birthday_ab on tb_user;

drop index idx_user_sex_birthday_ac 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 sex , count(*) from tb_user group by sex ;

然后，我们在针对于 sex， name， birthday创建一个联合索引。

create index idx_user_sex_name_birthday on tb_user(sex , name , birthday);

紧接着，再执行前面相同的SQL查看执行计划。

再执行如下的分组查询SQL，查看执行计划

explain select sex , count(*) from tb_user group by name,birthday ;

explain select sex , count(*) from tb_user group by name ;

我们发现，如果仅仅根据name分组，就会出现 Using temporary ；而如果是根据 sex,name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：

1. 在分组操作时，可以通过索引来提高效率。
2. 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。

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，也可以通过覆盖索引加子查询形式进行优化。

explain select * from tb_user t , (select id from tb_user order by id limit 999999,10) a where t.id = a.id;

6、count 优化

• 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这样非关系型的数据库进行,但是如果是带条件的count又比较麻烦了。

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。

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(*)。