MySQL索引和优化

存储引擎

MySQL体系结构

MySQL体系结构分为四层：

• 连接层：主要完成一些类似于连接处理、授权认证、及相关的安全方案。
• 服务层：主要是如SQL接口，并完成缓存的查询，SQL的分析和优化，部分内置函数的执行等。
• 引擎层：负责MySQL中数据的存储和提取，数据库中的索引是在存储引擎层实现的。
• 存储层：主要是将数据(如: redolog、undolog、数据、索引、二进制日志、错误日志、查询日志、慢查询日志等)存储在文件系统之上，并完成与存储引擎的交互。

存储引擎介绍

建表时指定存储引擎：

CREATE TABLE 表名(
字段1 字段1类型 [ COMMENT 字段1注释 ] ,
......
字段n 字段n类型 [COMMENT 字段n注释 ]
) ENGINE = INNODB [ COMMENT 表注释 ] ;

查询当前数据库支持的存储引擎：

show engines;

查询建表语句：

show create table account;

总结：MySQL支持InnoDB、MyISAM、MEMORY、CSV、BlACKHOLE等存储引擎，MySQL5.5版本之前默认存储引擎为MyISM，之后为InnoDB。

存储引擎的特点

InnoDB

InnoDB是一种兼顾高可靠性和高性能的通用存储引擎，在 MySQL 5.5 之后，InnoDB是默认的 MySQL 存储引擎。

特点：

• 支持事务，确保数据库操作的原子性、一致性、持久性和隔离性。

• 支持行级锁，提高并发访问性能。

• 支持外键约束，保证数据库的完整性和正确性。

文件：table.ibd：table代表的是表名，innoDB引擎的每张表都会对应这样一个表空间文件，存储该表的表结 构（frm-早期的 、sdi-新版的）、数据和索引（该文件存储在MySQL数据文件磁盘上）。

逻辑结构：

• 表空间：InnoDB存储引擎逻辑结构的最高层，ibd文件其实就是表空间文件，在表空间中可以 包含多个Segment段。
• 段：表空间是由各个段组成的， 常见的段有数据段、索引段、回滚段等。InnoDB中对于段的管理，都是引擎自身完成，不需要人为对其控制，一个段中包含多个区。
• 区：区是表空间的单元结构，每个区的大小为1M。 默认情况下， InnoDB存储引擎页大小为 16K， 即一个区中一共有64个连续的页。
• 页：页是组成区的最小单元，页也是InnoDB 存储引擎磁盘管理的最小单元，每个页的大小默认为 16KB。为了保证页的连续性，InnoDB 存储引擎每次从磁盘申请 4-5 个区。
• 行：InnoDB 存储引擎是面向行的，也就是说数据是按行进行存放的，在每一行中除了定义表时 所指定的字段以外，还包含两个隐藏字段。

MyISM

MyISAM是MySQL早期的默认存储引擎。

特点：

• 不支持事务，不支持外键。
• 支持表锁，不支持行锁。
• 访问速度快。

文件：

• table.sdi：存储表结构信息
• table.MYD: 存储数据
• table.MYI: 存储索引

Memory

Memory引擎的表数据时存储在内存中的，由于受到硬件问题、或断电问题的影响，只能将这些表作为 临时表或缓存使用。

特点：

• 内存存放
• Hash索引（默认）

文件：

• table.sdi：存储表结构信息

面试题： InnoDB引擎与MyISAM引擎的区别 ?

①. InnoDB引擎, 支持事务, 而MyISAM不支持。

②. InnoDB引擎, 支持行锁和表锁, 而MyISAM仅支持表锁, 不支持行锁。

③. InnoDB引擎, 支持外键, 而MyISAM是不支持的。

存储引擎的选择

在选择存储引擎时，应该根据应用系统的特点选择合适的存储引擎。对于复杂的应用系统，还可以根据实际情况选择多种存储引擎进行组合。

• InnoDB: 是Mysql的默认存储引擎，支持事务、外键。如果应用对事务的完整性有比较高的要求，在并发条件下要求数据的一致性，数据操作除了插入和查询之外，还包含很多的更新、删除操作，那么InnoDB存储引擎是比较合适的选择。
• MyISAM ： 如果应用是以读操作和插入操作为主，只有很少的更新和删除操作，并且对事务的完 整性、并发性要求不是很高，那么选择这个存储引擎是非常合适的，比如日志表、评论表以及足迹表等（目前一般用mangoDB）。
• MEMORY：将所有数据保存在内存中，访问速度快，通常用于临时表及缓存。MEMORY的缺陷就是对表的大小有限制，太大的表无法缓存在内存中，而且无法保障数据的安全性（目前一般用Redis）。

索引

索引概述

索引（index）是帮助MySQL高效获取数据的数据结构(有序)。

无索引的情况：

• 执行以下SQL会导致全表扫描：

select * from user where age = 45;

• 因为数据库必须全表扫描一遍，才能获取表中所有age = 45的结果集。

有索引情况：

• 如果针对该表的age字段建立了索引，假设索引结构为二叉树。
• 查询时只需要扫描log2n次就可以找到数据了，极大的提高的查询的效率。

使用索引的优势 ：

• 提高数据检索的效率，降低数据库的IO成本。
• 通过索引列对数据进行排序，降低数据排序的成本，降低CPU的消耗。

使用索引的劣势：

• 索引列也是要占用空间的。
• 索引大大提高了查询效率，同时却也降低更新表的速度，如对表进行INSERT、UPDATE、DELETE时，效率降低。

索引结构

概述

MySQL的索引是在存储引擎层实现的，不同的存储引擎有不同的索引结构，主要包含以下几种：

• B+Tree索引：最常见的索引类型，大部分引擎都支持 B+ 树索引。
• Hash索引：底层数据结构是用哈希表实现的, 只有精确匹配索引列的查询才有效, 不支持范围查询。
• R-tree(空间索引）：空间索引是MyISAM引擎的一个特殊索引类型，主要用于地理空间数据类型，通常使用较少。
• Full-text(全文索引)：是一种通过建立倒排索引，快速匹配文档的方式。类似于 Lucene、Solr、ES。

不同的存储引擎对于索引结构的支持：

索引	InnoDB	MyISAM	Memory
B+tree	支持	支持	支持
Hash	不支持	不支持	支持
R-tree	不支持	支持	不支持
Full-text	5.6版本之后支持	支持	不支持

二叉树

假如说MySQL的索引结构采用二叉树的数据结构：

• 在理想的情况下，会形成一颗平衡二叉树。
• 但如果主键是顺序插入的，则会形成一个单向链表。

缺点：

• 顺序插入时，会形成一个链表，查询性能大大降低。
• 大数据量情况下，层级较深，检索速度慢。

拓展：假设我们选择红黑树，红黑树是一颗自平衡二叉树，那这样即使是顺序插入数据，最终形成的数据结构也是一颗平衡的二叉树。

缺点：由于红黑树也是一颗二叉树，大数据量情况下，层级较深，检索速度慢。

B-Tree

B-Tree，B树是一种多叉路衡查找树，相对于二叉树，B树每个节点可以有多个分支，即多叉。

以一颗最大度数（max-degree）为5(5阶)的b-tree为例，那这个B树每个节点最多存储4个key，5 个指针。

特点：

• 5阶的B树，每一个节点最多存储4个key，对应5个指针。
• 一旦节点存储的key数量到达5，就会裂变，中间元素向上分裂。
• 在B树中，非叶子节点和叶子节点都会存放数据。

B+Tree

B+Tree是B-Tree的变种，区别在于：

• 非叶子节点仅仅起到索引数据的作用，不存储数据。
• 只在叶子节点中存储具体的数据，并且所有索引值都会在叶子结点。
• 叶子节点形成一个单向链表。

MySQL索引数据结构对经典的B+Tree进行了优化。在原B+Tree的基础上，增加一个指向相邻叶子节点的链表指针（即双向链表），就形成了带有顺序指针的B+Tree，提高区间访问的性能，利于排序。

Hash

哈希索引就是采用一定的hash算法，将键值换算成新的hash值，映射到对应的槽位上，然后存储在hash表中。

如果两个(或多个)键值，映射到一个相同的槽位上，他们就产生了hash冲突（也称为hash碰撞），可以通过链表来解决。

特点：

• Hash索引只能用于对等比较(=，in)，不支持范围查询（between，>，< ，…）。
• 无法利用索引完成排序操作。
• 查询效率高，通常(不存在hash冲突的情况)只需要一次检索就可以了，效率通常要高于B+tree索引。

存储引擎支持：在MySQL中，支持hash索引的是Memory存储引擎。 而InnoDB中具有自适应hash功能，hash索引是 InnoDB存储引擎根据B+Tree索引在指定条件下自动构建的。

思考题： 为什么InnoDB存储引擎选择使用B+tree索引结构?

• 相对于二叉树，层级更少，搜索效率高；
• 对于B-tree，无论是叶子节点还是非叶子节点，都会保存数据，这样导致一页中存储的键值减少，指针跟着减少，要同样保存大量数据，只能增加树的高度，导致性能降低；
• 相对Hash索引，B+tree支持范围匹配及排序操作；

索引分类

分类

在MySQL数据库，将索引的具体类型主要分为以下几类：主键索引、唯一索引、常规索引、全文索引。

分类	含义	特点	关键字
主键索引	针对于表中主键创建的索引	默认自动创建, 只能 有一个	PRIMARY
唯一索引	避免同一个表中某数据列中的值重复	可以有多个	UNIQUE
常规索引	快速定位特定数据	可以有多个
全文索引	全文索引查找的是文本中的关键词，而不是比 较索引中的值	可以有多个	FULLTEXT

聚集索引和二级索引

在InnoDB存储引擎中，根据索引的存储形式，又可以分为以下两种：

分类	含义	特点
聚集索引	将数据存储与索引放到了一块，索引结构的叶子节点保存了行数据	必须有，而且只 有一个
二级索引	将数据与索引分开存储，索引结构的叶子节点关联的是对应的主键	可以存在多个

聚集索引选取规则：

• 如果存在主键，主键索引就是聚集索引。
• 如果不存在主键，将使用第一个唯一（UNIQUE）索引作为聚集索引。
• 如果表没有主键，或没有合适的唯一索引，则InnoDB会自动生成一个rowid作为隐藏的聚集索引。

回表查询： 先到二级索引中查找数据，找到主键值，然后再到聚集索引中根据主键值，获取整行数据的方式，就称之为回表查询。

思考题： 以下两条SQL语句，那个执行效率高?

• select * from user where id = 10 ;
• select * from user where name = ‘Arm’ ;

备注：id为主键，name字段创建的有索引；

解答： A 语句的执行性能要高于B 语句。 因为A语句直接走聚集索引，直接返回数据。 而B语句需要先查询name字段的二级索引，然后再查询聚集索引，也就是需要进行回表查询。

索引语法

创建索引：

CREATE [ UNIQUE | FULLTEXT ] INDEX index_name ON table_name(index_col_name,...);

查看索引：

SHOW INDEX FROM table_name;

删除索引：

DROP INDEX index_name ON table_name;

联合索引：给表中多个字段同时建立索引。

SQL性能分析

SQL执行频率

MySQL 通过如下指令，可以查看当前数据库的INSERT、UPDATE、DELETE、SELECT的访问频次：

-- session 是查看当前会话
-- global 是查询全局数据
SHOW GLOBAL STATUS LIKE 'Com_______';

通过上述指令，可以分析出当前数据库是以查询为主，还是以增删改为主，从而为数据库优化提供参考依据。如果是以查询为主，那么就要考虑对数据库的索引进行优化了。

慢查询日志

慢查询日志记录了所有执行时间超过指定参数（long_query_time，单位：秒，默认10秒）的所有SQL语句的日志。可以定位出慢查询语句，针对性优化。

查看MySQL 慢查询日志是否开启：show variables like ‘slow_query_log’;

如果要开启慢查询日志，需要在MySQL的配置文件（/etc/my.cnf）中配置如下信息，重启MySQL：

# 开启MySQL慢日志查询开关
slow_query_log=1
# 设置慢日志的时间为2秒，SQL语句执行时间超过2秒，就会视为慢查询，记录慢查询日志
long_query_time=2

慢查询日志中，只会记录执行时间超多我们预设时间（2s）的SQL，执行较快的SQL不会记录。会生成localhost-slow.log慢查询日志文件。

检查慢查询日志 ：

# 实时查看最后的日志更新信息
tail -f localhost-slow.log

profile详情

show profiles 能够在做SQL优化时帮助我们了解时间都耗费到哪里去了。

-- 检查是否支持profile操作
SELECT @@have_profiling;

-- 查看是否开启profiles
SELECT @@profiling;

-- 开启profiles
SET profiling = 1;

-- 查看每一条SQL的耗时基本情况
show profiles;

-- 查看指定query_id的SQL语句各个阶段的耗时情况
show profile for query query_id;

-- 查看指定query_id的SQL语句CPU的使用情况
show profile cpu for query query_id;

Explain

EXPLAIN 或者 DESC命令获取 MySQL 如何执行 SELECT 语句的信息，包括在 SELECT 语句执行过程中表如何连接和连接的顺序。

Explain 执行计划中各个字段的含义：

字段	含义
id	select查询的序列号，表示查询中执行select子句或者是操作表的顺序 (id相同，执行顺序从上到下；id不同，值越大，越先执行)。
select_type	表示 SELECT 的类型，常见的取值有 SIMPLE（简单表，即不使用表连接 或者子查询）、PRIMARY（主查询，即外层的查询）、 UNION（UNION 中的第二个或者后面的查询语句）、 SUBQUERY（SELECT/WHERE之后包含了子查询）等。
type	表示连接类型，性能由好到差的连接类型为NULL、system、const、 eq_ref、ref、range、 index、all 。
possible_key	可能应用在这张表上的索引，一个或多个。
key	实际使用的索引，如果为NULL，则没有使用索引。
key_len	表示索引中使用的字节数， 该值为索引字段最大可能长度，并非实际使用长 度，在不损失精确性的前提下，长度越短越好 。
rows	MySQL认为必须要执行查询的行数，在innodb引擎的表中，是一个估计值， 可能并不总是准确的。
filtered	表示返回结果的行数占需读取行数的百分比， filtered 的值越大越好。

type字段值的含义：

• NULL：没有查询任何表。
• system：查询MySQL系统表。
• const：走了主键索引或者唯一索引。
• ref：走了普通索引。
• range：走了索引的范围查询。
• index：走了索引查询全表数据。
• all：全表扫描。

索引的使用

MySQL索引是用于提高数据库查询性能的重要工具。索引是一种数据结构，它允许数据库管理系统快速查找表中的数据行，而不必扫描整个表。在正确使用索引的情况下，可以显著提高查询速度。

最左前缀法则

如果索引了多列（联合索引），要遵守最左前缀法则。最左前缀法则指的是查询从索引的最左列开始， 并且不跳过索引中的列。如果跳跃某一列，索引将会部分失效(后面的字段索引失效)。

验证联合索引的有效性可以使用explain关键字查看，key真实走的索引名，以及len索引的长度，也可以验证联合索引不同字段的索引长度。

注意 ： 最左前缀法则中指的最左边的列，是指在查询时，联合索引的最左边的字段(即是 第一个字段)必须存在，与我们编写SQL时，条件编写的先后顺序无关。

范围查询

联合索引中，出现范围查询(>,<)，范围查询右侧的列索引失效。可以使用explain关键字验证。

在业务允许的情况下，尽可能的使用类似于 >= 或 <= 这类的范围查询，而避免使用 > 或 < ，因为它会导致联合索引失效。

索引失效情况

索引列运算

不要在索引列上进行运算操作， 索引将失效。

我们对sys_user表中的phonenumber建立了普通索引，当对phonenumber字段进行列运算时，会导致索引失效。

explain select * from sys_user where substring(phonenumber,10,2) = '15'

字符串不加引号

字符串类型字段使用时，不加引号，索引将失效。

我们对sys_user表中的phonenumber（char类型）建立了普通索引，当where中对phonenumber比较没加引号，会导致索引失效。

explain select * from sys_user where phonenumber = 17666666666;

头部模糊匹配查询

如果仅仅是尾部模糊匹配，索引不会失效。如果头部有模糊匹配，索引会失效。

explain select * from sys_user where phonenumber like '176%';  -- 走idx_phone索引
explain select * from sys_user where phonenumber like '%0000';  -- 索引失效

or连接条件

用or分割开的条件， 如果or前的条件中的列有索引，而后面的列中没有索引，那么涉及的索引都不会被用到。

phonenumber有普通索引，而username字段没有索引，在进行or连接时候查询会导致索引失效。

explain select * from sys_user where phonenumber = '17666666666' or username = 'admin';

数据分布影响

如果MySQL评估使用索引比全表更慢，则不使用索引。

当MySQL在查询时，会评估使用索引的效率与走全表扫描的效率，如果走全表扫描更快，则放弃索引，走全表扫描。 因为索引是用来索引少量数据的，如果通过索引查询返回大批量的数据，则还不如走全表扫描来的快，此时索引就会失效。 接下来，我们再来看看 is null 与 is not null 操作是否。

当数据库字段 email 为 null 的数据多与 not null 的数据，则会全表扫描，反之走索引。

explain select * from sys_user where email is null;

SQL提示

SQL提示，是优化数据库的一个重要手段，就是在SQL语句中加入一些人为的提示来达到优化操作的目的。

当查询条件可以有多个索引选择时候，可以人为干预SQL使用那个索引。

SQL提示的三种使用方式：

• use index ： 建议MySQL使用哪一个索引完成此次查询（仅仅是建议，mysql内部还会再次进行评估）。

explain select * from sys_user use index(idx_phone) where phonenumber = '17666666666'

• ignore index ： 忽略指定的索引。

explain select * from sys_user ignore index(idx_phone) where phonenumber = '17666666666'

• force index ： 强制使用索引。

explain select * from sys_user force index(idx_phone) where phonenumber = '17666666666'

覆盖索引

尽量使用覆盖索引，减少select *。 那么什么是覆盖索引呢？ 覆盖索引是指查询使用了索引，并且需要返回的列，在该索引中已经全部能够找到 。

可以通过explain执行计划的extra字段的内容了解到是否走了覆盖索引。

Extra	含义
Using where; Using Index	查找使用了索引，需要的数据都在索引列中能找到，所以不需要回表查询数据
Using index condition	查找使用了索引，但是需要回表查询数据

我们要减少使用select * ，如果一直使用select * 查询返回所有字段值，很容易就会造成回表查询（除非是根据主键查询，此时只会扫描聚集索引）。

为什么不建议使用select *：

• 性能问题：SELECT *会检索表中的所有列，包括那些您可能不需要的列。这会导致不必要的数据传输和处理，从而浪费带宽和数据库资源。如果表中有大量列或大量数据行，这会显著降低查询性能。
• 网络开销：从数据库检索大量不必要的数据会导致网络传输开销增加。这对于远程数据库连接来说尤为重要，因为网络延迟会导致查询的响应时间变得很长。
• 缓存问题：数据库通常具有查询结果缓存，它存储了最近查询的结果以提高性能。使用SELECT *会导致缓存利用率降低，因为每次查询返回的结果都不同。
• 不明确性：SELECT *不明确地指示您要检索哪些列，这可能使代码更难以理解和维护。在代码中显式列出要检索的列可以提高代码的可读性。

前缀索引

当字段类型为字符串（varchar，text，longtext等）时，需要索引很长的字符串，这会让索引变得很大，查询时，浪费大量的磁盘IO， 影响查询效率。此时可以只将字符串的一部分前缀，建立索引，这样可以大大节约索引空间，从而提高索引效率。

语法：

create index idx_xxxx on table_name(column(n));  -- n代表取该字段的前n

前缀长度选择：

可以根据索引的选择性来决定，而选择性是指不重复的索引值（基数）和数据表的记录总数的比值， 索引选择性越高则查询效率越高， 唯一索引的选择性是1，这是最好的索引选择性，性能也是最好的。

select count(distinct email) / count(*) from tb_user;
select count(distinct substring(email,1,5)) / count(*) from tb_user;

单列索引与联合索引

单列索引：即一个索引只包含单个列。

联合索引：即一个索引包含了多个列。

在业务场景中，如果存在多个查询条件，考虑针对于查询字段建立索引时，建议建立联合索引， 而非单列索引，从而避免回表查询。

索引设计原则

1). 针对于数据量较大，且查询比较频繁的表建立索引。

2). 针对于常作为查询条件（where）、排序（order by）、分组（group by）操作的字段建立索引。

3). 尽量选择区分度高的列作为索引，尽量建立唯一索引，区分度越高，使用索引的效率越高。

4). 如果是字符串类型的字段，字段的长度较长，可以针对于字段的特点，建立前缀索引。

5). 尽量使用联合索引，减少单列索引，查询时，联合索引很多时候可以覆盖索引，节省存储空间， 避免回表，提高查询效率。

6). 要控制索引的数量，索引并不是多多益善，索引越多，维护索引结构的代价也就越大，会影响增删改的效率。

7). 如果索引列不能存储NULL值，请在创建表时使用NOT NULL约束它。当优化器知道每列是否包含 NULL值时，它可以更好地确定哪个索引最有效地用于查询。

SQL优化

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：

• 批量插入数据：

Insert into tb_test values(1,'Tom'),(2,'Cat'),(3,'Jerry');

• 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;

• 主键顺序插入，性能要高于乱序插入。

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：

-- 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
-- fields terminated by ','：字段通过,分割
-- lines terminated by '\n'：每行通过\n分割
load data local infile '/root/sql.log' into table tb_user fields terminated by ',' lines terminated by '\n';

主键优化

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在该页存储不下，将会存储到下一个页中，页与页之间会通过指针连接。

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。

主键乱序插入的化会导致页分裂情况，页分裂是比较耗费性能的操作。

页合并：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。

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。

主键设计原则

• 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。

order by优化

MySQL的排序，有两种方式（explain执行计划的extra字段的值）：

• 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。

对于根据多个字段排序，需要建立联合索引，索引的排序方式默认为升序排列。

如果联合索引的字段排序都为升序或者都为降序，则为：Using index。如果不一致则不会走索引，需要按需求建立索引的排序。

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);

order by优化原则：

• 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。
• 尽量使用覆盖索引。
• 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）。
• 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)。

group by优化

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：

• 在分组操作时，可以通过索引来提高效率。
• 分组操作时，索引的使用也是满足最左前缀法则的。

limit优化

深分页问题：当数据量达到百万以上，如果进行limit分页查询，在查询时，越往后，分页查询效率越低。

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;

count优化

如果数据量很大，在执行count操作时，是非常耗时的。

不同存储引擎对比：

• 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。

count用法对比：

count用法	含义
count(主键)	InnoDB 引擎会遍历整张表，把每一行的 主键id 值都取出来，返回给服务层。 服务层拿到主键后，直接按行进行累加(主键不可能为null)
count(字段)	没有not null 约束 : InnoDB 引擎会遍历整张表把每一行的字段值都取出来，返回给服务层，服务层判断是否为null，不为null，计数累加。 有not null 约束：InnoDB 引擎会遍历整张表把每一行的字段值都取出来，返 回给服务层，直接按行进行累加。
count(数字)	InnoDB 引擎遍历整张表，但不取值。服务层对于返回的每一行，放一个数字“1” 进去，直接按行进行累加。
count(*)	InnoDB引擎并不会把全部字段取出来，而是专门做了优化，不取值，服务层直接 按行进行累加。

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(*)。

update优化

InnoDB引擎：当我们在执行删除和修改的SQL语句时，会锁定删除或修改的这一行的数据，然后事务提交之后，行锁释放，但是对于没有索引的行是会导致行锁升级为表锁。

执行以下SQL会锁住ID为1的行：

update course set name = 'javaEE' where id = 1;

name字段没有索引，当我们在执行以下SQL时，会使得行锁升级为了表锁：

update course set name = 'SpringBoot' where name = 'PHP';

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。