SQL优化原则是什么呀

解决pycharm中文输入问题 登录

doubel_山里娃 关注 SQL优化原则 原创 2020-11-23 08:39:42

doubel_山里娃

码龄11年

关注 当多个单列索引建立时候，然后SQLwhere条件后面分别用这几列作为条件，那么此时只有一个索引有效；

SQL查询事件有两部分组成：查询本身的计算时间和查询前的等待时间。经常索引影响的是前者，而锁机制影响的就是后者;Myisam:采用的是表级别的的锁定，即在有多个查询时候不进行锁定，一旦有更新操作，就进行操作。因此适合查询次数很多，但是更新比较少的应用系统。

尽量使用查询缓存。当有很多相同的查询被执行多次的时候，这些数据就会放到缓存里面，但是需要注意的是这些数据没有被修改过，如果这条数据的某一个字段一旦被修改，那么这条缓存就会失效;

逻辑上对表进行分割，把常修改的数据和不常修改的数据分别放在不同的表里面。这样好处是可以减少一个表里面的字段个数，因为当字段多的时候，一条记录会存放在不同的页表里面，操作查询的复杂;第二个是 如果字段多，那么其中一个字段发生了修改操作，就会是查询缓存失效,也就不能有效的利用查询缓存;

使用explain执行计划，来查看SQL是否执行了索引操作;

当一条数据的时候使用limit.1；

使用procedure analyse 会给你出某列需要设置那种合适的索引结构;

减少IO次数：IO永远是数据库最容易瓶颈的地方，这是由数据库的职责所决定的，大部分数据库操作中超过90%的时间都是 IO 操作所占用的，减少 IO 次数是 SQL 优化中需要第一优先考虑，当然，也是收效最明显的优化手段。

降低CPU计算：除了 IO 瓶颈之外，SQL优化中需要考虑的就是 CPU 运算量的优化了。order by, group by,distinct … 都是消耗 CPU 的大户(这些操作基本上都是 CPU 处理内存中的数据比较运算)。当我们的 IO 优化做到一定阶段之后，降低 CPU 计算也就成为了我们 SQL 优化的重要目标；

区分in和exist:select * from 表A where id in (select id from 表B) 这句相当于 select * from 表A where exists(select * from 表B where 表B.id=表A.id) 对于表A的每一条数据,都执行select * from 表B where 表B.id=表A.id的存在性判断,如果表B中存在表A当前行相同的id,则exists为真,该行显示,否则不显示 区分in和exists主要是造成了驱动顺序的改变（这是性能变化的关键），如果是exists，那么以外层表为驱动表，先被访问，如果是IN，那么先执行子查询。所以IN适合于外表大而内表小的情况；EXISTS适合于外表小而内表大的情况；

复杂多表尽量使用Join：MySQL 的优势在于简单，但这在某些方面其实也是其劣势。MySQL 优化器效率高，但是由于其统计信息的量有限，优化器工作过程出现偏差的可能性也就更多。对于复杂的多表 Join，一方面由于其优化器受限，再者在 Join 这方面所下的功夫还不够，所以性能表现离 Oracle 等关系型数据库前辈还是有一定距离。但如果是简单的单表查询，这一差距就会极小甚至在有些场景下要优于这些数据库前辈。

尽量JOIN代替子查询：虽然 Join 性能并不佳，但是和 MySQL 的子查询比起来还是有非常大的性能优势。MySQL需要为内层查询语句的查询结果建立一个临时表。然后外层查询语句在临时表中查询记录。查询完毕后，MySQL需要插销这些临时表。所以在MySQL中可以使用连接查询来代替子查询。连接查询不需要建立临时表，其速度比子查询要快；

尽量少排序：排序操作会消耗较多的 CPU 资源，所以减少排序可以在缓存命中率高等 IO 能力足够的场景下会较大影响 SQL 的响应时间。对于MySQL来说，减少排序有多种办法，比如： 上面误区中提到的通过利用索引来排序的方式进行优化 减少参与排序的记录条数 非必要不对数据进行排序；

尽量避免select *：大多数关系型数据库都是按照行(row)的方式存储，而数据存取操作都是以一个固定大小的IO单元(被称作 block 或者 page)为单位，一般为4KB，8KB… 大多数时候，每个IO单元中存储了多行，每行都是存储了该行的所有字段(lob等特殊类型字段除外)。所以，我们是取一个字段还是多个字段，实际上数据库在表中需要访问的数据量其实是一样的。也有例外情况，那就是我们的这个查询在索引中就可以完成，也就是说当只取 a,b两个字段的时候，不需要回表，而c这个字段不在使用的索引中，需要回表取得其数据。在这样的情况下，二者的IO量会有较大差异。

尽量早过滤：在 SQL 编写中同样可以使用这一原则来优化一些 Join 的 SQL。比如我们在多个表进行分页数据查询的时候，我们最好是能够在一个表上先过滤好数据分好页，然后再用分好页的结果集与另外的表 Join，这样可以尽可能多的减少不必要的 IO 操作，大大节省 IO 操作所消耗的时间。

避免类型转换：这里所说的“类型转换”是指 where 子句中出现 column 字段的类型和传入的参数类型不一致的时候发生的类型转换：人为在column_name 上通过转换函数进行转换直接导致 MySQL(实际上其他数据库也会有同样的问题)无法使用索引，最终全表扫描，如果非要转换，应该在传入的参数上进行转换，由数据库自己进行转换，如果我们传入的数据类型和字段类型不一致，同时我们又没有做任何类型转换处理，MySQL 可能会自己对我们的数据进行类型转换操作，也可能不进行处理而交由存储引擎去处理，这样一来，就会出现索引无法使用的情况而造成执行计划问题。

优先优化高并发的 SQL，而不是执行频率低某些“大”SQL：这个很关键，对于破坏性来说，高并发的 SQL 总是会比低频率的来得大，因为高并发的 SQL 一旦出现问题，甚至不会给我们任何喘息的机会就会将系统压跨。而对于一些虽然需要消耗大量 IO 而且响应很慢的 SQL，由于频率低，即使遇到，最多就是让整个系统响应慢一点，但至少可能撑一会儿，让我们有缓冲的机会。高并发的SQL一旦慢的化，单个SQL可能较快，但是并发量上来之后，就会整体拖垮数据库；

避免在where中使用!=, >, <操作符：否则引擎放弃使用索引，进行全表扫描。

in和not in关键词慎用，容易导致全表扫面：对连续的数值尽量用between；

避免在where中使用or：