vlambda博客
学习文章列表

    数据库优化不管是在面试还是工作当中都是不可缺少的技能，首先数据库优化又分软件优化,硬件优化,架构优化。

目录

• 软件优化

• 正确使用MyISAM和InnoDB存储引擎

• 正确使用索引

• 避免使用select *

• 字段尽可能设置为NOT NULL

• SQL慢查询分析

• EXPLAIN性能分析
  

• 硬件优化

•  增加物理内存
  

•  增加应用缓存

•  用固态硬盘代替机械硬盘

• 架构优化

• 分表

• 分库    

• 读写分离

• 活跃数据分离

  ---

  
  

  
  

  
  

• 正确使用MyISAM和InnoDB存储引擎

• MyISAM基于ISAM (索引顺序访问方法)，支持全文索引，但并非是事务安全，不支持外键，使用表级锁。每个MyISAM表存有3个文件: FRM文件存放表结构，MYD文件存数据，MYI存放索引。

• InnoDB是事务型存储引擎，其支持行锁，InnoDB 表的行锁也不是绝对的，如果它在执一个更新的语句时没法确定更新的范围，也会锁表，例如执行语句update table set age= 3 where name like *%jeff%o",在这个更新语句就会锁表。InnoDB 支持回滚、崩溃恢复、ACID 事务控noDB存储它的表和索引在一张表空间，表空间可以包含多个文件.

  
  

• 

• 正确使用索引

• 在经常使用在 WHERE 子句中的列上面创建索引，加快条件的判断速度。

• 在经常需要排序的列上创建索引，因为索引已经排序，这样查询可以利用索引的排序，加快排序查询 时间

• 在经常用在连接的列上，这些列主要是一些外键，可以加快连接的速度.

• 频繁更新的字段不适合创建索引，因为每次更新不单单是更新记录，还会更新索引，保存索引文件；

• 表记录太少，经常增删改的表,数据重复且分布平均的字段不需要创建索引；

• 避免使用select *

• “select *”从数据库中返回的结果更多，降低了查询的速度。.过多的返回结果会增大服务器返回给前端的数据的传输量。非常影响性能过大的传输量很容易造成请求的失效。

• 字段尽可能设置为NOT NULL

• 不要以为null值不需要空间，其实null值是需要占用额外的空间的，并且在查询比较的时候，程序会得更复杂。null值给程序带来了额外的开发成本。例如，字符串的字段允许null值，那就意味着程序员要处理字符串类型为空和null两种情况，客户端程序员的工作量就大了。

• SQL慢查询分析

• SQL慢查询是指执行超过一定时间的SQL查询语句，把这些SQL语句记录到慢查询日志，方便开发人员找出有性能问题的SQL，针对这些SQL语句进行分析调优。

• EXPLAIN性能分析

• 使用EXPLAIN关键字，可以查看SQL的执行顺序，是否用到索引，是否用到临时表等信息，以便来调整我们的SQL.

  
  

• 

• 增加物理内存

• MySQL读写数据最大的性能瓶颈就是磁盘IO,从减少磁盘IO方面提高性能是个重要的方向。通过加大物理内存可以采取提升文件系统性能，减少磁盘 IO.Linux内核在内存中开辟了缓存(系统缓存和应用缓存)来存放数据。.当写文件的时候，通过文件延迟写入机制，先把文件保存在缓存，(缓存达到多少的百分比或者接到了sync) ，才真正写入硬盘。当读文件的时候，会把读出的文件放入缓存当下次需要读取同样的文件时:缓存中取，如果缓存没有，再从硬盘中读取。

•  增加应用缓存

• 本地缓存：把数据放在服务器的内存或文件中。

• 分布式缓存：通过redis或memcache可以缓存海量数据。

• 用固态硬盘代替机械硬盘

• 固态硬盘称为SSD硬盘，有点像平时的U盘,只是电路板更复杂，没有像机械硬盘那样的马达及存储碟盘，主要以半导体固体作为数据存储介质。其优点是速度快、稳定、寿命长，但价格比较高。

• 传统的硬盘中数据是存储在盘片，通过磁头移动和盘片转动的操作读取数据，但这造成了磁盘读写速度慢，越是不连续的文件，读写速度就越慢。对不连续的文件进行读写的操作称之为随机读写，实际上在日常使用中绝大多数硬盘读写操作都是随机类型，而SSD与传统硬盘的最大差异就在于随机读写速度，这就是由SSD的基本构造决定的。

• SSD硬盘最主要改变了数据存储和读取的方式，SSD硬盘中数据存储在闪存芯片中，其是一种非 易失性内存芯片，通过充电、放电的方式写入和擦除数据，速度相当快。读写操作中通过电路传输信号，因此也不会有传统硬盘的移动磁头和转动磁盘等操作，大大减少了处理时间。

• 机械硬盘的读取速度大概在100MB/s 左右，而一般的SSD读取速度可达400MB/s甚至600MB/s以上，有些专业的SSD读取速度可达4000MB/s。  

• 分表

• 当项目上线后，随着用户的增长，有些数据表的规模会以TB增长，当数据达到一定规模后查询读取性能就下降很多，这时开发人员就要考虑分表。更新表数据时会更新索引，当单表数据量很大时这个过程比较耗时，这就是为什么对大表进行写操作会比较慢的原因，并且更新表数据会引起表锁或者行锁，这也会导致其他操作等待。
  如果将大表拆分为多个子表，那么在更新或者查询数据的时候，压力会分散到不同的表上。由于分表之后每张表的数据较小，不管是查询还是更新的提高都得到极大的提升，即使出现最环的“锁表”的情况，其他表还是可以继续使用。

• 分库

• 数据库垂直拆分 指的是按照业务对数据库中的表进行分组，同组的放到一个新的数据库（逻辑上，并非实例）中。需要从实际业务出发将大业务分割成小业务。比如商城的整个业务中的 用户相关表，订单相关表，物流相关表 各自独立分类形成 用户系统数据库，订单系统数据库，物流系统数据库。

  

  

• 读写分离
• 大多数互联网数据操作往往都是读多写少，随着数据的增长，数据库的 “读” 会首先成为瓶颈。如果我们希望能线性地提升数据库的读性能和写性能，就需要让读写尽可能的不相互影响，各自为政。在使用读写分离之前我们应该考虑使用缓存能不能解决问题。然后再考虑对数据库按照 “读” 和 “写” 进行分组

• 活跃数据分离

• 一个数据量很大的表，只有一小部分数据是活跃数据，经常被查询，更多的数据则是惰性数据，偶尔被调用一下。那么我们可以用２个表来保存，第一个表是活跃数据保存，第二个表是惰性数据保存。这样子可以有效提高效率。