一、總體優化思路 首先構建腳本觀察查詢數，連接數等數據，確定環境原因以及內部SQL執行原因，然後根據具體原因做具體處理。 二、構建腳本觀察狀態 mysqladmin -uroot -p ext \G 該命令可獲取當前查詢數量等信息，定時輪詢並將結果重定向到文本中，然後處理成圖表。 三、處理對策 1. ...
一、總體優化思路
首先構建腳本觀察查詢數，連接數等數據，確定環境原因以及內部SQL執行原因，然後根據具體原因做具體處理。
二、構建腳本觀察狀態
mysqladmin -uroot -p ext \G
該命令可獲取當前查詢數量等信息，定時輪詢並將結果重定向到文本中，然後處理成圖表。
三、處理對策
1.若是規律性出現查詢慢，考慮緩存雪崩問題。
對於該問題只需將緩存的失效時間處理成不要相近時間同時失效，失效時間儘量離散化，或者集中到午夜失效。
2.若非規律性查詢緩慢，考慮設計缺乏優化
處理方法：
a：開啟profiling記錄查詢操作，並獲取語句執行詳細信息
show variables like '%profiling%'; set profiling=on; select count(*) from user; show profiles; show profile for query 1; >>> +--------------------------------+----------+ | Status | Duration | +--------------------------------+----------+ | starting | 0.000060 | | Executing hook on transaction | 0.000004 | | starting | 0.000049 | | checking permissions | 0.000007 | | Opening tables | 0.000192 | | init | 0.000006 | | System lock | 0.000009 | | optimizing | 0.000005 | | statistics | 0.000014 | | preparing | 0.000017 | | executing | 0.001111 | | end | 0.000006 | | query end | 0.000003 | | waiting for handler commit | 0.000015 | | closing tables | 0.000011 | | freeing items | 0.000085 | | cleaning up | 0.000008 | +--------------------------------+----------+
b：使用explain 查看語句執行情況，索引使用，掃描範圍等等
mysql> explain select count(*) from goods \G *************************** 1. row *************************** id: 1 select_type: SIMPLE table: goods partitions: NULL type: index possible_keys: NULL key: gid key_len: 5 ref: NULL rows: 3 filtered: 100.00 Extra: Using index
c：相關優化手法
表的優化與列類型選擇
列選擇原則：
1：欄位類型優先順序 整型 > date,time > char,varchar > blob
原因：整型,time運算快，節省空間
char/varchar要考慮字元集的轉換與排序時的校對集，速度慢
blob無法使用記憶體臨時表
2：夠用就行，不要慷慨(如 smallint,varchar(N))
原因：大的欄位浪費記憶體，影響速度
以varchar(10), varchar(300)存儲的內容相同，但在表聯查時，varchar(300)要花更多記憶體
3：儘量避免使用NULL
原因：NULL不利於索引，要用特殊的位元組來標註.
在磁碟上占據的空間其實更大
索引優化策略
1.索引類型
1.1 B-tree索引(排好序的快速查找結構)
註：Myisam,innodb中，預設用的是B-tree索引
1.2 hash索引
在memory表裡，預設是hash索引，hash的理論查詢時間複查度為O（1）
疑問：既然hash索引如此高效，為何不都用他？
a.hash函數計算後的結果是隨機的，如果是在磁碟上放置數據，以主鍵為id為例，那麼隨著id的增長，id對應的行，在磁碟上隨機放置。
b.無法對範圍查詢進行優化
c.無法利用首碼索引，比如在b-tree中，field列的值為“helloworld”，索引查詢xx=hello/xx=helloworld都可以利用索引（左首碼索引），但hash索引無法做到，因為hash(hello)與hash(helloworld)並無關聯關係。
d.排序也無法優化
e.必須回行，通過索引拿到數據位置，必須回到表中取數據.
2.b-tree索引的常見誤區
2.1 在where條件常用的列上都加上索引
例：where cat_id=3 and price>100； //查詢第3個欄目，100元以上的商品
誤：cat_id和price上都加上索引。其實只能用上一個索引，他們都是獨立索引.
2.2 在多列上建立索引後，查詢哪個列，索引都將發揮作用
2.2 在多列上建立索引後，查詢哪個列，索引都將發揮作用
正解：多列索引上，索引發揮作用，需要滿足左首碼要求（層層索引）
以index(a,b,c)為例：
語句 索引是否發揮作用
where a=3 是
where a=3 and b=5 是
where a=3 and b=5 and c=4 是
where b=3 or where c=4 否
where a=3 and c=4 a列能發揮索引作用，c列不能
where a=3 and b>10 and c=7 a,b能發揮索引作用，c列不能
高性能索引策略
1.對於innodb而言，因為節點下有數據文件，因此節點的分裂將會變得比較慢，對於innodb的主鍵，儘量用整型，而且是遞增的整型。
2.索引的長度直接影響索引文件的大小，影響增刪改的速度，並間接影響查詢速度（占用記憶體多）。
3.針對列中的值，從左往右截取部分來建索引。
a.截的越短，重覆度越高，區分越小，索引效果越不好
b.截的越長，雖然區分度提高，但索引文件變大影響速度
所以儘量在長度上找到一個平衡點使性能最大化，慣用手法：截取不同長度來測試索引區分度
區分度測試： select count(distinct left(word, 1)) / count(*) from table;
測試完成後可以按測試得出的最優長度建立索引 alter table table_name add index word(word(4));
理想的索引
1.查詢頻繁
2.區分度高
3.長度小
4.儘量覆蓋常用查詢欄位
