mysql数据库如何优化，优化了哪些功能

一、数据库设计方面

• 合理设计表结构：

• 选择合适的数据类型，避免使用过大或不必要的数据类型。例如，对于整数类型，根据实际需求选择 tinyint、smallint、int 或 bigint 等。对于字符串类型，如果长度可以确定，尽量使用 char 类型而不是 varchar，因为 char 类型在存储和检索时效率更高。

• 规范化与反规范化的平衡。适度的规范化可以减少数据冗余，但过度规范化可能导致复杂的连接操作，降低查询性能。在某些情况下，可以适当进行反规范化，例如通过冗余存储一些常用的关联数据，减少连接操作。

• 建立合适的索引：

• 选择合适的列建立索引，通常是在经常用于查询条件、排序、分组的列上建立索引。例如，如果经常根据用户的 ID 进行查询，那么在用户表的 ID 列上建立索引可以大大提高查询速度。

• 避免过多的索引，因为每个索引都需要占用存储空间，并且在数据插入、更新和删除时会增加额外的开销。只在真正需要的列上建立索引，并且定期检查和优化索引的使用情况。




二、查询语句优化方面




• 优化查询条件：

• 尽量避免在查询条件中使用函数或表达式，因为这会导致数据库无法使用索引。例如，不要使用 WHERE DATE(column_name) = '2024-10-15'，而应该使用 WHERE column_name >= '2024-10-15 00:00:00' AND column_name <= '2024-10-15 23:59:59'，这样数据库可以利用索引进行快速查询。

• 使用合适的比较运算符，例如在数值比较时使用 =、<、> 等，在字符串比较时使用 LIKE 要注意避免在开头使用通配符 %，因为这会导致全表扫描。

• 限制返回结果集：

• 使用 LIMIT 语句限制返回的行数，避免查询不必要的大量数据。如果只需要查看前几条记录，可以使用 LIMIT n；如果需要分页查询，可以使用 LIMIT offset, n，其中 offset 表示起始位置，n 表示返回的行数。

• 只选择需要的列，避免使用 SELECT *，这样可以减少数据传输量和查询时间。




三、数据库配置方面




• 调整缓存设置：

• 合理设置缓冲池大小，缓冲池用于缓存数据页和索引页，提高数据的读取速度。可以根据服务器的内存大小和数据库的负载情况进行调整。

• 调整查询缓存，查询缓存可以缓存查询结果，对于相同的查询可以直接返回缓存结果，提高查询性能。但是，如果表经常被更新，查询缓存可能会带来额外的开销，此时可以考虑关闭查询缓存。

• 优化存储引擎参数：

• 如果使用 InnoDB 存储引擎，可以调整 innodb_buffer_pool_size、innodb_flush_log_at_trx_commit 等参数，以提高数据库的性能和可靠性。

• 根据实际情况调整存储引擎的其他参数，如 MyISAM 存储引擎的 key_buffer_size 等。




四、服务器硬件和环境方面




• 增加内存：

• 足够的内存可以让数据库缓存更多的数据和索引，减少磁盘 I/O 操作，提高查询性能。可以根据数据库的负载情况和服务器的硬件配置，适当增加服务器的内存容量。

• 使用固态硬盘：

• 固态硬盘具有更快的读写速度，可以大大提高数据库的磁盘 I/O 性能。如果条件允许，可以将数据库存储在固态硬盘上。

• 优化服务器配置：

• 合理分配服务器的资源，避免其他应用程序占用过多的资源，影响数据库的性能。可以调整服务器的内核参数、网络参数等，以提高数据库的性能。




五、定期维护方面




• 分析查询执行计划：

• 使用 EXPLAIN 语句分析查询的执行计划，了解数据库是如何执行查询的，找出潜在的性能问题。例如，可以查看是否使用了索引、是否进行了全表扫描等。

• 根据执行计划的分析结果，对查询进行优化，调整索引、查询条件等，以提高查询性能。

• 定期清理数据和优化表：

• 定期清理不再需要的数据，减少数据库的大小，提高查询性能。可以使用 DELETE 语句删除过期的数据，或者使用归档策略将历史数据转移到其他存储设备上。

• 定期使用 OPTIMIZE TABLE 语句优化表结构，消除表中的碎片，提高表的访问速度。




通过以上方法，可以有效地优化 MySQL 数据库的查询性能，提高数据库的响应速度和吞吐量。

在开始演示之前，我们先介绍下两个概念。

概念一，数据的可选择性基数，也就是常说的cardinality值。

查询优化器在生成各种执行计划之前，得先从统计信息中取得相关数据，这样才能估算每步操作所涉及到的记录数，而这个相关数据就是cardinality。简单来说，就是每个值在每个字段中的唯一值分布状态。

比如表t1有100行记录，其中一列为f1。f1中唯一值的个数可以是100个，也可以是1个，当然也可以是1到100之间的任何一个数字。这里唯一值越的多少，就是这个列的可选择基数。

那看到这里我们就明白了，为什么要在基数高的字段上建立索引，而基数低的的字段建立索引反而没有全表扫描来的快。当然这个只是一方面，至于更深入的探讨就不在我这篇探讨的范围了。

概念二，关于HINT的使用。

这里我来说下HINT是什么，在什么时候用。

HINT简单来说就是在某些特定的场景下人工协助MySQL优化器的工作，使她生成最优的执行计划。一般来说，优化器的执行计划都是最优化的，不过在某些特定场景下，执行计划可能不是最优化。

比如：表t1经过大量的频繁更新操作，（UPDATE,DELETE,INSERT），cardinality已经很不准确了，这时候刚好执行了一条SQL，那么有可能这条SQL的执行计划就不是最优的。为什么说有可能呢？

来看下具体演示

譬如，以下两条SQL，

• A：

• select * from t1 where f1 = 20;



• B：

• select * from t1 where f1 = 30;



如果f1的值刚好频繁更新的值为30，并且没有达到MySQL自动更新cardinality值的临界值或者说用户设置了手动更新又或者用户减少了sample page等等，那么对这两条语句来说，可能不准确的就是B了。

这里顺带说下，MySQL提供了自动更新和手动更新表cardinality值的方法，因篇幅有限，需要的可以查阅手册。

那回到正题上，MySQL 8.0 带来了几个HINT，我今天就举个index_merge的例子。

示例表结构：

• mysql> desc t1;+------------+--------------+------+-----+---------+----------------+| Field      | Type         | Null | Key | Default | Extra          |+------------+--------------+------+-----+---------+----------------+| id         | int(11)      | NO   | PRI | NULL    | auto_increment || rank1      | int(11)      | YES  | MUL | NULL    |                || rank2      | int(11)      | YES  | MUL | NULL    |                || log_time   | datetime     | YES  | MUL | NULL    |                || prefix_uid | varchar(100) | YES  |     | NULL    |                || desc1      | text         | YES  |     | NULL    |                || rank3      | int(11)      | YES  | MUL | NULL    |                |+------------+--------------+------+-----+---------+----------------+7 rows in set (0.00 sec)



表记录数：


• mysql> select count(*) from t1;+----------+| count(*) |+----------+|    32768 |+----------+1 row in set (0.01 sec)



这里我们两条经典的SQL：

• SQL C：

• select * from t1 where rank1 = 1 or rank2 = 2 or rank3 = 2;



• SQL D：

• select * from t1 where rank1 =100  and rank2 =100  and rank3 =100;



表t1实际上在rank1,rank2,rank3三列上分别有一个二级索引。

那我们来看SQL C的查询计划。

显然，没有用到任何索引，扫描的行数为32034，cost为3243.65。

• mysql> explain  format=json select * from t1  where rank1 =1 or rank2 = 2 or rank3 = 2\G*************************** 1. row ***************************EXPLAIN: {  "query_block": {    "select_id": 1,    "cost_info": {      "query_cost": "3243.65"    },    "table": {      "table_name": "t1",      "access_type": "ALL",      "possible_keys": [        "idx_rank1",        "idx_rank2",        "idx_rank3"      ],      "rows_examined_per_scan": 32034,      "rows_produced_per_join": 115,      "filtered": "0.36",      "cost_info": {        "read_cost": "3232.07",        "eval_cost": "11.58",        "prefix_cost": "3243.65",        "data_read_per_join": "49K"      },      "used_columns": [        "id",        "rank1",        "rank2",        "log_time",        "prefix_uid",        "desc1",        "rank3"      ],      "attached_condition": "((`ytt`.`t1`.`rank1` = 1) or (`ytt`.`t1`.`rank2` = 2) or (`ytt`.`t1`.`rank3` = 2))"    }  }}1 row in set, 1 warning (0.00 sec)



我们加上hint给相同的查询，再次看看查询计划。

这个时候用到了index_merge,union了三个列。扫描的行数为1103，cost为441.09，明显比之前的快了好几倍。

• mysql> explain  format=json select /*+ index_merge(t1) */ * from t1  where rank1 =1 or rank2 = 2 or rank3 = 2\G*************************** 1. row ***************************EXPLAIN: {  "query_block": {    "select_id": 1,    "cost_info": {      "query_cost": "441.09"    },    "table": {      "table_name": "t1",      "access_type": "index_merge",      "possible_keys": [        "idx_rank1",        "idx_rank2",        "idx_rank3"      ],      "key": "union(idx_rank1,idx_rank2,idx_rank3)",      "key_length": "5,5,5",      "rows_examined_per_scan": 1103,      "rows_produced_per_join": 1103,      "filtered": "100.00",      "cost_info": {        "read_cost": "330.79",        "eval_cost": "110.30",        "prefix_cost": "441.09",        "data_read_per_join": "473K"      },      "used_columns": [        "id",        "rank1",        "rank2",        "log_time",        "prefix_uid",        "desc1",        "rank3"      ],      "attached_condition": "((`ytt`.`t1`.`rank1` = 1) or (`ytt`.`t1`.`rank2` = 2) or (`ytt`.`t1`.`rank3` = 2))"    }  }}1 row in set, 1 warning (0.00 sec)



我们再看下SQL D的计划：

• 不加HINT，

• mysql> explain format=json select * from t1 where rank1 =100 and rank2 =100 and rank3 =100\G*************************** 1. row ***************************EXPLAIN: {  "query_block": {    "select_id": 1,    "cost_info": {      "query_cost": "534.34"    },    "table": {      "table_name": "t1",      "access_type": "ref",      "possible_keys": [        "idx_rank1",        "idx_rank2",        "idx_rank3"      ],      "key": "idx_rank1",      "used_key_parts": [        "rank1"      ],      "key_length": "5",      "ref": [        "const"      ],      "rows_examined_per_scan": 555,      "rows_produced_per_join": 0,      "filtered": "0.07",      "cost_info": {        "read_cost": "478.84",        "eval_cost": "0.04",        "prefix_cost": "534.34",        "data_read_per_join": "176"      },      "used_columns": [        "id",        "rank1",        "rank2",        "log_time",        "prefix_uid",        "desc1",        "rank3"      ],      "attached_condition": "((`ytt`.`t1`.`rank3` = 100) and (`ytt`.`t1`.`rank2` = 100))"    }  }}1 row in set, 1 warning (0.00 sec)



• 加了HINT，

• mysql> explain format=json select /*+ index_merge(t1)*/ * from t1 where rank1 =100 and rank2 =100 and rank3 =100\G*************************** 1. row ***************************EXPLAIN: {  "query_block": {    "select_id": 1,    "cost_info": {      "query_cost": "5.23"    },    "table": {      "table_name": "t1",      "access_type": "index_merge",      "possible_keys": [        "idx_rank1",        "idx_rank2",        "idx_rank3"      ],      "key": "intersect(idx_rank1,idx_rank2,idx_rank3)",      "key_length": "5,5,5",      "rows_examined_per_scan": 1,      "rows_produced_per_join": 1,      "filtered": "100.00",      "cost_info": {        "read_cost": "5.13",        "eval_cost": "0.10",        "prefix_cost": "5.23",        "data_read_per_join": "440"      },      "used_columns": [        "id",        "rank1",        "rank2",        "log_time",        "prefix_uid",        "desc1",        "rank3"      ],      "attached_condition": "((`ytt`.`t1`.`rank3` = 100) and (`ytt`.`t1`.`rank2` = 100) and (`ytt`.`t1`.`rank1` = 100))"    }  }}1 row in set, 1 warning (0.00 sec)



对比下以上两个，加了HINT的比不加HINT的cost小了100倍。

总结下，就是说表的cardinality值影响这张的查询计划，如果这个值没有正常更新的话，就需要手工加HINT了。相信MySQL未来的版本会带来更多的HINT。