这篇文章给大家分享的是有关MySQL数据库优化方法的内容。小编觉得挺实用的，因此分享给大家学习。如下资料是关于MySQL数据库优化的内容。

一、概述

1. 为什么要优化

一个应用吞吐量瓶颈往往出现在数据库的处理速度上随着应用程序的使用，数据库数据逐渐增多,数据库处理压力逐渐增大关系型数据库的数据是存放在磁盘上的，读写速度较慢(与内存中的数据相比)

2. 如何优化

表、字段的设计阶段,考量更优的存储和计算数据库自身提供的优化功能，如索引横向扩展，主从复制、读写分离、负载均衡和高可用典型SQL语句优化(收效甚微)二、字段设计

1. 典型方案

①. 对精度有要求

decimal小数转整数

②. 尽量使用整数表示字符串（IP）

inet_ aton("ip' )inet_ ntoa(num)

③. 尽可能使用not null

nuI数值的计算逻辑比较复杂

④. 定长和非定长的选择

较长的数字数据可以使用decimalchar为定长(超过长度的内容将被截掉)， varchar为非定长，text对内容 长度的保存额外保存而varchar对长度的保存占用数据空间

⑤. 字段数不要过多字段注释是必要的、字段命名见名思意、可以预留字段以备扩展

2. 范式

①. 第一范式：段原子性(关系型数据库有列的念，默认就符合了)

②. 第二范式：消除对主键的部分依赖(因为主键可能不止一个)；使用一 个与业务无关的字段作为主键

③. 第三范式：消除对主键的传递依赖；高内聚, 如商品表可分为商品简略信息表和商品详情表两张表

三、存储引擎的选择（MyISAM和Innodb）

1. 功能差异

Innodb支持事务、 行级锁定、外健

2. 存储差异

①. 存储方式：MyISAM的数据和索弓 |是分开存储的(.MYI.MYD) ， 而Innodb是存在一起的(.frm)

②. 表可移动性：可以通过移动表对应的MYI和MYD能够实现表的移动，而Innodb还有 额外的关联文件

③. 碎片空间：MyISAM删除数据时会产生碎片空间(占用表文件空间)，需要定期通过optimizetable table-name手动优化。而Innodb不会。

④. 有序存储：Innodb插入数据时按照主键有序来插入。因此表中数据默认按主键有序(耗费写入时间，因为需要在b+ tree中查找插入点，但查找效率高)

3. 选择差异

①. 读多写少用MyISAM：新闻、博客网站

②. 读多写也多用Innodb：

支持事务/外键，保证数据-致性、完整性并发能力强(行锁)四、索引

1. 什么是索引

从数据中提取的具有标识性的关键字，并且有到对应数据的映射关系

2. 类型

①. 主键索引primary key：要求关键字唯一且不为null

②. 普通索引key：符合索引仅按照第一字段有序

③. 唯一索引unique key：要求关键字唯一

④. 全文索引fulltext key (不支持中文)

3. 索引管理语法

①. 查看索引

show create table studentdesc student

②. 建立索引

创建时指定，如first. name varchar(1 6),last name(1 6) , key name(first name,last name)更改表结构：alter table student add key/unique key/primary key/ultext key key. name(first name,last name)

③. 删除索引

alter table student drop key key_ name如果删除的是主键索引，并且主键自增长，则需要alter modify先取消自增长再删除

4. 执行计划explain

分析SQL执行是否用到了索引，用到了什么索引

5. 索引使用的场景

where：如果查找字段都建立了索引，则会索引覆盖order by：如果排序字段建立了索引，而索引又是有序排列的，直接根据索引拿对应数据即可，与读取查询出来的所有数据再排序相比效率很高join：如果join on的条件字段建立了索引，查找会变得高效索引覆盖：直接对索引做查找，而不去读取数据

6. 语法细节

即使建立了索引，有些场景也不一定使用

where id+1 = ?建议写成where id = ?-1，即保证索弓|字段的独立出现like语句不要在关键字前模糊匹配，即"%keyword不会使用索引，而"keyword% 会使用索引or关键两边条件字段都建立索引时才会使用索引，只要有一边不是就会做全表扫描状态值。像性别这样的状态值，-个关键字对应很多条数据，会认为使用索引比全表扫描效率还低

7. 索引的存储结构

btree：搜索多叉树：结点内关键字有序排列，关键字之间有一个指针,查找效率log(nodeSize,N)，其中nodeSize指一 个结点内关键字数量 (这取决于关键字长度和结点大小)

b+ tree：由btree升级而来，数据和关键字存在一块空间，省去了由关键字到数据的映射找数据存放地的时间五、查询缓存

1. 将select查询结果缓存起来，key为SQL语句,value为查询结果

如果SQL功能一样，但只是多个空格或略微改动都会导致key的不匹配

2. 客户端开启

query. cache. _type0-不开启1-开启，默认缓存每条select,针对某个sq不缓存: select sql-no-cache2-开启，默认都不缓存,通过select sql-cache制定缓存哪-个条

3. 客户端设置缓存大小

query_ cache .size

4. 重蛋缓存

reset query cache

5. 缓存失效

日对数据表的改动会导致基 于该数据表的所有缓存失效(表层面的管理)

六、分区

1. 默认情况下一张表对应一组存储文件，但当数据量较大时(通常千万条级别)需要将数据分到多组存储文件，保证单个文件的处理效率

2. partition by分区函数(分区字段)(分区逻辑)

hash-分区字段为整型key-分区字段为字符串range-基于比较，只支持less thanlist-基于状态值

3. 分区管理

创建时分区：create table article0 partition by key(title) partitions 10修改表结构：alter table article add partition(分区逻辑)

4. 分区字段应选择常用的检素字段，否则分区意义不大

七、水平分割和垂直分割

1. 水平

多张结构相同的表存储同一类型数据

单独一张表保证id唯一性

2. 垂直

分割字段到多张表，这些表记录是一对应关系

八、集群

1. 主从复制

①. 首先手动将slave和master同步一下

stop slavemaster导出数据到slave执行一遍show master status with read lock记录File和Position到slave.上change master to

②. start slave查看Slave IO Running和Slave SQL _Running,必须都为YES

③. master可读可写，但slave只能读，否则主从复制会失效需要重新手动同步

④. mysqlreplicate快速配置主从复制

2. 读写分离(基于主从复制)

①. 使用原stcConecton

WriteDatabase提供写连接

ReadDatabase提供读连接

②. 借助Sping AOP和Aspec实现数据源动态切换

RoutingDataSourcelmpl extends AbstractRoutingDataSource,重写determineDatasource,注入到SqISessionFactory, 配置defaultTargetDatasource和targetDatasource (根据determineDatasource的返回值选择 具体数据源value-ref)

DatasourceAspect切面组件，配置切入点@Pointcut aspect0 (所有DAO类的所有方法)，配置前置增强@Before(" aspect0") before(Joinpoint point)， 通过point.getSignature.getName获取方法名，与METHOD TYPE MAP的前缀集合比对，将write/read设置到当前线程上(也是接下来要执行DAO方法的线程，前置增强将其拦截下来了)

DatasourceHandler,使用ThreadLocal在前置通知中将方法要使用的数据源绑定到执行该方法的线程上，执行方法要获取数据源时再根据当前线程获取

3. 负载均衡

算法

轮询加权轮询依据负载情况

4. 高可用

为单机服务提供一个冗余机

心跳检测虚IP主从复制九、典型SQL

1. 线上DDL

为了避免长时间表级锁定

copy策略,逐行复制，记录复制期间旧表SQL日志重新执行mysq|5.6 online ddl,大大缩短锁定时间

2. 批量导入

①. 先禁用索引和约束,导入之后统一建立

②. 避免逐条事务

innodb为了保证一致性，默认为每条SQL加事务(也是要耗费时间的)，批量导入前应手动建立事务，导入完毕后手动提交事务。

3. limit offset,rows

避兔较大的offset (较大页码数)

offset用来跳过数据，完全可以用过滤筛选数据，而不是查出来之后再通过offset跳过

4. select *

尽量查询所需字段,减少网络传输延时(影响不大)

5. order by rand（）

会为每条数据生成一个随机数最后根据随机数排序，可以使用应用程序生成随机主键代替

6. limit 1

如果确定了仅仅检索一条数据，建议都加上limit 1

十、慢查询日志

1. 定位查询效率较低的SQL,针对性地做优化

2. 配置项

开启slow_ query. log临界时间long_ query. time

3. 慢查询日志会自己记录超过临界时间的SQL，并保存在datadir下的xxx-slow.log中

十一、Profile

1. 自动记录每条SQL的执行时间和具体某个SQL的详细步骤花费的时间

2. 配置项日

开启profiling

3. 查看日志信息show profiles

4. 查看具体SQL的详细步骤花费的时间日

show profiles for query Query_ ID十二、典型的服务器配置

1. max_ connections, 最大客户端连接数

2. table open cache, 表文件缓存句柄数，加快表文件的读写

3. key_ buffer. _size, 索引缓存大小

4. innodb_ buffer. pool size, innodb的缓冲池大小，实现innodb各种功能的前提

5. innodb file per_ table,每个表一个ibd文件， 否则innodb共享 表空间

十三、压测工具MySQLSlap

1. 自动生成sq|并执行来测试性能

myqslap -a-to-generate sql -root -root

2. 并发测试

mysqlslap --auto-generate-sql --concurrency= 100 -uroot -proot,模拟100个客户端执行sql

3. 多轮测试，反应平均情况

mysqlslap --auto-generate-sql --concurrency= 100 --interations=3 -uroot -proot,模拟100个客户端执行sql.执行3轮

4. 存储引擎测试

--engine=innodb：mysqlslap --auto-generate-sql --concurrency= 100 --interations=3 -- engine-innodb -uroot -proot,模拟100个客户端执行sql.执行3轮，innodb的处理性能

-- engine= myisam：mysqlslap -- auto-generate-sql --concurrency= 100 --interations=3 --engine-innodb -uroot -proot,模拟100个客户端执行sql.执行3轮，myisam的处理性能看完这篇文章，你们学会MySQL数据库优化方法了吗？如果还想学到更多技能或想了解更多相关内容，欢迎关注亿速云行业资讯频道，感谢各位的阅读。