至于为啥不再问，
是因为问太多毫无意义！！，看完本文你就会有所体会。
==================================================================================
在高并发环境下，数据库是最敏感的地方，nginx负载均衡、Server集群、MQ消息队列、Redis缓存集群、数据库主从集群所作的一切都是为了减轻数据库访问压力。但是！前提是要有健壮的数据库和底层代码，这样才能使前期准备不再是花架子。
性价比如上图，我们针对数据库的优化优先级大致如下：
-
高：从SQL优化、索引优化入手，优化慢SQL、利用好索引，是重中之重；
-
中：SQL优化之后，是对数据表结构设计、横纵分表分库，对数据量级的处理；
-
低：通过修改数据库系统配置，最大化里用服务器内存等资源；
-
低：通过以上方式还不行，那就是服务器资源瓶颈了，加机器。
优化成本：硬件 > 系统配置 > 数据库表结构 > SQL及索引。
优化效果：硬件 < 系统配置 < 数据库表结构 < SQL及索引。
追问1：那你对SQL优化方面有哪些技巧呢？
简单说对于SQL优化，就三点:
-
最大化利用索引；
-
尽可能避免全表扫描；
-
减少无效数据的查询；
首先要清楚SELECT语句 - 执行顺序：
FROM
<表名> # 选取表，将多个表数据通过笛卡尔积变成一个表。
ON
<筛选条件> # 对笛卡尔积的虚表进行筛选
JOIN<join, left join, right join…>
<join表> # 指定join，用于添加数据到on之后的虚表中，例如left join会将左表的剩余数据添加到虚表中
WHERE
<where条件> # 对上述虚表进行筛选
GROUP BY
<分组条件> # 分组
<SUM()等聚合函数> # 用于having子句进行判断，在书写上这类聚合函数是写在having判断里面的
HAVING
<分组筛选> # 对分组后的结果进行聚合筛选
SELECT
<返回数据列表> # 返回的单列必须在group by子句中，聚合函数除外
DISTINCT
#数据除重
ORDER BY
<排序条件> # 排序
LIMIT
<行数限制>
SQL优化策略:
声明：以下SQL优化策略适用于数据量较大的场景下，如果数据量较小，没必要以此为准，以免画蛇添足。
一、避免不走索引的场景
- 尽量避免在字段开头模糊查询，会导致数据库引擎放弃索引进行全表扫描。如下：
SELECT * FROM t WHERE username LIKE ‘%陈%’
优化方式：尽量在字段后面使用模糊查询。如下：（原因涉及B+Tree索引最左前缀原则，可以参考《MySQL最左匹配原则，道儿上兄弟都得知道的原则》）
SELECT * FROM t WHERE username LIKE ‘陈%’
如果需求是要在前面使用模糊查询，
-
使用MySQL内置函数INSTR(str,substr) 来匹配，作用类似于java中的indexOf()，查询字符串出现的角标位置，可参阅《MySQL模糊查询用法大全（正则、通配符、内置函数等）》
-
使用FullText全文索引，用match against 检索
-
数据量较大的情况，建议引用ElasticSearch、solr，亿级数据量检索速度秒级
-
当表数据量较少（几千条儿那种），别整花里胡哨的，直接用like ‘%xx%’。
- 尽量避免使用 or，会导致数据库引擎放弃索引进行全表扫描。如下：
SELECT * FROM t WHERE id = 1 OR id = 3
优化方式：可以用union代替or。如下：
SELECT * FROM t WHERE id = 1
UNION
SELECT * FROM t WHERE id = 3
- 尽量避免进行null值的判断，会导致数据库引擎放弃索引进行全表扫描。如下：
SELECT * FROM t WHERE score IS NULL
优化方式：可以给字段添加默认值0，对0值进行判断。如下：
SELECT * FROM t WHERE score = 0
这里说明了字段设为not null的重要性，详细请参考之前博文《领导含泪叮嘱我：MySQL 建表字段记得用 not null，不然就收拾包袱滚蛋》
- 尽量避免在where条件中等号的左侧进行表达式、函数操作，会导致数据库引擎放弃索引进行全表扫描。
可以将表达式、函数操作移动到等号右侧。如下：
– 全表扫描
SELECT * FROM T WHERE score/10 = 9
– 走索引
SELECT * FROM T WHERE score = 10*9
- 当数据量大时，避免使用where 1=1的条件。通常为了方便拼装查询条件，我们会默认使用该条件，数据库引擎会放弃索引进行全表扫描。如下：
SELECT username, age, sex FROM T WHERE 1=1
优化方式：用代码拼装sql时进行判断，没 where 条件就去掉 where，有where条件就加 and。
- 查询条件不要用 <> 或者 !=
使用索引列作为条件进行查询时，需要避免使用<>或者!=等判断条件。如确实业务需要，使用到不等于符号，需要在重新评估索引建立，避免在此字段上建立索引，改由查询条件中其他索引字段代替。
- where条件仅包含复合索引非前置列
如下：复合（联合）索引包含key_part1，key_part2，key_part3三列，但SQL语句没有包含索引前置列"key_part1"，按照MySQL联合索引的最左匹配原则，不会走联合索引。。
select col1 from table where key_part2=1 and key_part3=2
了解其原理的同学可以参考《MySQL最左匹配原则，道儿上兄弟都得知道的原则》
- 隐式类型转换造成不使用索引
如下SQL语句由于索引对列类型为varchar，但给定的值为数值，涉及隐式类型转换，造成不能正确走索引。
select col1 from table where col_varchar=123;
了解其原理的同学可以参考《令人炸毛儿的MySQL隐式转换 - 无形之刃，最为致命》
- order by 条件要与where中条件一致，否则order by不会利用索引进行排序
– 不走age索引
SELECT * FROM t order by age;
– 走age索引
SELECT * FROM t where age > 0 order by age;
对于上面的语句，数据库的处理顺序是：
-
第一步：根据where条件和统计信息生成执行计划，得到数据。
-
第二步：将得到的数据排序。当执行处理数据（order by）时，数据库会先查看第一步的执行计划，看order by 的字段是否在执行计划中利用了索引。如果是，则可以利用索引顺序而直接取得已经排好序的数据。如果不是，则重新进行排序操作。
-
第三步：返回排序后的数据。
当order by 中的字段出现在where条件中时，才会利用索引而不再二次排序，更准确的说，order by 中的字段在执行计划中利用了索引时，不用排序操作。
这个结论不仅对order by有效，对其他需要排序的操作也有效。比如group by 、union 、distinct等。
二、SELECT语句的一些其他优化
避免出现select *
首先，select * 操作在任何类型数据库中都不是一个好的SQL编写习惯。
使用select * 取出全部列，会让优化器无法完成索引覆盖扫描这类优化，会影响优化器对执行计划的选择，也会增加网络带宽消耗，更会带来额外的I/O,内存和CPU消耗。
建议提出业务实际需要的列数，将指定列名以取代select *。
避免出现不确定结果的函数
特定针对主从复制这类业务场景。由于原理上从库复制的是主库执行的语句，使用如now()、rand()、sysdate()、current_user()等不确定结果的函数很容易导致主库与从库相应的数据不一致。另外不确定值的函数,产生的SQL语句无法利用query cache。
多表关联查询时，小表在前，大表在后
在MySQL中，执行 from 后的表关联查询是从左往右执行的（Oracle相反），第一张表会涉及到全表扫描，所以将小表放在前面，先扫小表，扫描快效率较高，在扫描后面的大表，或许只扫描大表的前100行就符合返回条件并return了。
例如：表1有50条数据，表2有30亿条数据；如果全表扫描表2，你品，那就先去吃个饭再说吧是吧。
使用表的别名
当在SQL语句中连接多个表时，请使用表的别名并把别名前缀于每个列名上。这样就可以减少解析的时间并减少哪些友列名歧义引起的语法错误。
用where字句替换HAVING字句
避免使用HAVING字句，因为HAVING只会在检索出所有记录之后才对结果集进行过滤，而where则是在聚合前刷选记录，如果能通过where字句限制记录的数目，那就能减少这方面的开销。HAVING中的条件一般用于聚合函数的过滤，除此之外，应该将条件写在where字句中。
- where和having的区别：where后面不能使用组函数
调整Where字句中的连接顺序
MySQL采用从左往右，自上而下的顺序解析where子句。根据这个原理，应将过滤数据多的条件往前放，最快速度缩小结果集。对了，听说5.7版的语法解析器已经实现了where后条件的自动调节工作。查询条件很多的场景，建议不要做这种尝试。
追问2：嗯，那你说一下为什么不建议用SELECT * 呢？
在阿里代码规范中的《阿里java开发手册（泰山版）》（提取码：hb6i）MySQL 部分描述声明：
4 - 1.
【强制】在表查询中，一律不要使用 * 作为查询的字段列表，需要哪些字段必须明确写出。
- 增加查询分析器解析成本。
- 增减字段容易与 resultMap 配置不一致。
- 无用字段增加网络 消耗，尤其是 text 类型的字段。
1. 不需要的列会增加数据传输时间和网络开销
用“SELECT * ”数据库需要解析更多的对象、字段、权限、属性等相关内容，在 SQL 语句复杂，硬解析较多的情况下，会对数据库造成沉重的负担。
增大网络开销；* 有时会误带上如log、IconMD5之类的无用且大文本字段，数据传输size会几何增涨。如果DB和应用程序不在同一台机器，这种开销非常明显。
即使 mysql 服务器和客户端是在同一台机器上，使用的协议还是 tcp，通信也是需要额外的时间。
2. 对于无用的大字段，如 varchar、blob、text，会增加 io 操作
准确来说，长度超过 728 字节的时候，会先把超出的数据序列化到另外一个地方，因此读取这条记录会增加一次 io 操作。（MySQL InnoDB）
3. 失去MySQL优化器“覆盖索引”策略优化的可能性
SELECT * 杜绝了覆盖索引的可能性，而基于MySQL优化器的“覆盖索引”策略又是速度极快，效率极高，业界极为推荐的查询优化方式。
课间休息，《垂钓者1》 坐标：北京 元大都遗址。😂
=================================================================================
-
分库：由单个数据库实例拆分成多个数据库实例，将数据分布到多个数据库实例中。
-
分表：由单张表拆分成多张表，将数据划分到多张表内。
要知道，对于大型互联网项目，数据量级可能不是我们能想到的，每日新增数据量过千万是常有的事儿，想靠单台MySQL服务器是不现实的。你项羽在牛B，也顶不住四个队友挂机啊！！项羽：？？？
随着业务数据量和网站QPS日益增高，对数据库压力也越来越大，单机版数据库很快会到达存储和并发瓶颈，就需要做数据库性能方面的优化，分库分表采取的是分而治之的策略，分库目的是减轻单台MySQL实例存储压力及可扩展性，而分表是解决单张表数据过大以后查询的瓶颈问题，坦白说，这些问题也是所有关系型数据库的“硬伤”。
常用策略包括：
垂直分表、水平分表、垂直分库、水平分库。
1、垂直分表
垂直分表，或者叫竖着切表，是不是感受到该策略是以字段为依据的！主要按照字段的活跃性、字段长度，将表中字段拆分到不同的表（主表和扩展表）中。
特点：
-
每个表的结构都不一样；
-
每个表的数据也不一样，
-
有一个关联字段，一般是主键或外键，用于关联
兄弟表数据； -
所有兄弟表的并集是该表的全量数据；
场景：
有几个字段属于热点字段，更新频率很高，要把这些字段单独切到一张表里，不然innodb行锁很恶心的，锁死你呀~~如用户表里的余额字段？不，我的余额就很稳定，一直是0。。
最后
针对最近很多人都在面试，我这边也整理了相当多的面试专题资料，也有其他大厂的面经。希望可以帮助到大家。
下面的面试题答案都整理成文档笔记。也还整理了一些面试资料&最新2021收集的一些大厂的面试真题（都整理成文档，小部分截图）
最新整理电子书
r_FFFFFF,t_70#pic_center)
1、垂直分表
垂直分表，或者叫竖着切表，是不是感受到该策略是以字段为依据的！主要按照字段的活跃性、字段长度，将表中字段拆分到不同的表（主表和扩展表）中。
特点：
-
每个表的结构都不一样；
-
每个表的数据也不一样，
-
有一个关联字段，一般是主键或外键，用于关联
兄弟表数据； -
所有兄弟表的并集是该表的全量数据；
场景：
有几个字段属于热点字段，更新频率很高，要把这些字段单独切到一张表里，不然innodb行锁很恶心的，锁死你呀~~如用户表里的余额字段？不，我的余额就很稳定，一直是0。。
最后
针对最近很多人都在面试，我这边也整理了相当多的面试专题资料，也有其他大厂的面经。希望可以帮助到大家。
下面的面试题答案都整理成文档笔记。也还整理了一些面试资料&最新2021收集的一些大厂的面试真题（都整理成文档，小部分截图）
[外链图片转存中…(img-6s2eWzjT-1714362789384)]
最新整理电子书
[外链图片转存中…(img-mMAh67k2-1714362789385)]
2万+
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
