总结
其他的内容都可以按照路线图里面整理出来的知识点逐一去熟悉,学习,消化,不建议你去看书学习,最好是多看一些视频,把不懂地方反复看,学习了一节视频内容第二天一定要去复习,并总结成思维导图,形成树状知识网络结构,方便日后复习。
这里还有一份很不错的《Java基础核心总结笔记》,特意跟大家分享出来
目录:
部分内容截图:
正例:
select id, name from student where id = 1;
理由:
- 需要什么数据,就去查什么数据,避免返回不必要的数据,节省开销。
- 隐式转换会导致索引失效
6. 静止在 where 子句中对字段进行表达式操作或函数转换,这将导致系统放弃使用索引而进行全表扫描
假设 user 表的 age
字段,加了索引,对其进行数据查询
反例:
select name, age from user where age - 1 = 20;
正例:
select name, age from user where age = 21;
理由:
- age 加了索引,但是因为对它进行运算查询,导致索引不生效,大大的降低效率。
7. 尽量避免在 where 子句中使用 != 或 <> 操作符,否则将引擎放弃使用索引而进行全表扫描。(Mysql中适用)
反例:
select age,name from user where age <> 18;
正例:
# 可以考虑分开两条sql写,联合查询
select age,name from user where age < 18
union
select age,name from user where age > 18
理由:
- 使用
!=
和<>
很可能会让索引失效
8. 对查询优化,应考虑在where及order by涉及的列上建立索引,尽量避免全表扫描。
反例:
select name, age, address from user where address ='深圳' order by age ;
正例:添加索引再查询
alter table user add index idx_address_age (address,age)
9. where子句中考虑使用默认值代替 null
反例:(这种会全查所有数据)
select user_id, name, age from user where age is not null;
正例:
-- 表字段 age 设置0为默认值代替null
select user_id, name, age from user where age > 0;
理由:
- 并不一定使用
is null
或is not null
就会不走索引了,这个跟mysql版本以及查询成本都有关。
如果mysql优化器发现,走索引比不走索引成本还要高,肯定会放弃索引,这些条件!=,<> isnull,is not null
经常让索引失效,其实是因为一般情况下,查询的成本高,优化器自动放弃索引的。- 如果把
null
值,换成默认值,很多时候让走索引成为可能,同时,表达意思会相对清晰一点。
10. 如果查询结果只有一条或者只需要一条记录(可能最大/小值),建议使用 limit 1
假设现在有student学生表,要找出一个名字叫 Tom 的人.
create table 'student' (
'id' int(11) not null,
'name' varchar(50) default null,
'age' int(11) default null,
'date' datetime default null,
'sex' int(1) default null,
primary key ('id')
) engine=innodb default charset=utf8mb4;
反例:
select id,name from student where name='Tom '
正例
select id,name from employee where name='Tom ' limit 1;
理由:
- 加上
limit 1
分页后,只要找到了对应的一条记录,就不会继续向下扫描了,效率将会大大提高。- 如果name是唯一索引的话,是不必要加上
limit 1
了,因为limit的存在主要就是为了防止全表扫描,从而提高性能,如果一个语句本身可以预知不用全表扫描,有没有limit ,性能的差别并不大。
11. 优化 limit 分页语句
我们日常做分页需求时,一般会用
limit
实现,但是当偏移量特别大的时候,查询效率就变得低下
反例:
select id,name,age from student limit 10000,10
正例:
-- 方案一 :返回上次查询的最大记录(偏移量)
select id,name from student where id > 10000 limit 10;
-- 方案二:order by + 索引
select id,name from student order by id limit 10000,10;
-- 方案三:在业务允许的情况下限制页数:
理由:
- 当偏移量大的时候,查询效率就会越低,因为Mysql并非是跳过偏移量直接去取后面的数据,而是先把偏移量 + 要取的条数,然后再把前面偏移量这一段的数据抛弃掉再返回的。
- 如果使用优化方案一,返回上次最大查询记录(偏移量),这样可以跳过偏移量,效率提升不少。
- 方案二使用 order by+索引,也是可以提高查询效率的。
- 方案三的话,建议跟业务讨论,有没有必要查这么后的分页。因为绝大多数用户都不会往后翻太多页。
12. 尽量避免向客户端返回过多数据量,使用limit分页
假设业务需求是,用户请求查看自己最近一年观看过的电影数据。
反例:
-- 一次性查询所有数据回来
select \*
from LivingInfo
where watchId = useId
and watchTime >= Date_sub(now(), Interval 1 Y)
正例:
-- 分页查询
select \*
from LivingInfo
where watchId = useId
and watchTime >= Date_sub(now(), Interval 1 Y)
limit offset,pageSize
-- 如果是前端分页,可以先查询前两百条记录,因为一般用户应该也不会往下翻太多页
select \*
from LivingInfo
where watchId = useId
and watchTime >= Date_sub(now(), Interval 1 Y) limit 200;
DATE_SUB
函数:从日期减去指定的时间间隔
语法:DATE_SUB(date, INTERVAL expr type)
date 参数是合法的日期表达式。expr 参数是时间间隔类型
时间间隔类型取值:microsecond、second、minute、hour、day、week、month、quarter、year、second_microsecond、minute_microsecond、minute_second、hour_microsecond、hour_second、hour_minute、day_microsecond、day_second、day_minute、day_hour、year_month
13. 优化 like 语句
当用到模糊关键字查询使用
like
时,like很可能让索引失效。
反例:
select \*
from student
where name like '%strive\_day';
-- 或者使用 % 包裹
select \*
from student
where name like '%strive\_day%';
正例:
select \* from student
where name like 'strive\_day%';
理由:
- 把
%
放前面,不会走索引查询。- 把
%
放关键字后面,会走索引进行查询。- 将
%
包裹关键字,也不会走索引查询。- 无前置
%
,只有后置%
才会走索引查询
14. 尽量避免在索引列上使用mysql的内置函数
案例:查询最近七天内登陆过的用户(假设 loginTime
字段加了索引)
反例:
select \*
from system\_user user
where date_add(user.logintime, interval 7 day) >= now();
正例:
select \*
from system\_user user
where user.logintime >=date_add(now(), interval - 7 day);
理由:
- 索引列上使用mysql的内置函数,索引会失效
- 如果索引列不加内置函数,会走索引查询
15. 使用联合索引时,注意索引列的顺序,一般遵循 最左匹配原则
假设有一个联合索引 (user_id, age)
,user_id
在前,age
在后。
反例:
select user_id, name, age from user where age = 10;
正例:
# 符合最左匹配原则
select user_id, name, age from user where user_id = 1 and age = 21;
# 符合最左匹配原则
select user_id, name, age from user where user_id = 1;
理由:
- 当我们创建一个联合索引的时候,如(k1,k2,k3),相当于创建了(k1)、(k1,k2)和(k1,k2,k3)三个索引,这就是最左匹配原则。
- 联合索引不满足最左原则,索引一般会失效,但是这个还跟Mysql优化器有关的。
16. 在适当时候,使用覆盖索引。
覆盖索引能够使得你的SQL语句不需要 回表,仅仅访问索引就能够得到所有需要的数据,大大提高了查询效率。
反例:
# like模糊查询,不走索引
select user_id, name, age from user where user_id like '%123%'
# id为主键,那么为普通索引,即覆盖索引。
select user_id, name, age from user where user_id like '%123%';
17. 删除冗余和重复索引
反例:
key 'idx\_userid' ('userid')
key 'idx\_userid\_age' ('userid','age')
正例:
key 'idx\_userid\_age' ('userid','age')
-- 删除 userid 的索引(key 'idx\_userid\_age' ('userid','age'))
-- 因为组合索引(a,b)相当于创建了(a)和(a,b)索引。
理由:
- 重复的索引需要维护,并且优化器在优化查询的时候也需要逐个地进行考虑,这会影响性能
18. Inner join 、left join、right join,优先使用Inner join,如果是left join,左边表结果尽量小
Inner join 内连接,在两张表进行连接查询时,只保留两张表中完全匹配的结果集
left join 在两张表进行连接查询时,会返回左表所有的行,即使在右表中没有匹配的记录。
right join 在两张表进行连接查询时,会返回右表所有的行,即使在左表中没有匹配的记录。
都满足SQL需求的前提下,优先使用Inner join(内连接),如果要使用left join,左边表数据结果尽量小,如果有条件的尽量放到左边处理。
反例:
select name, age
from tab1 t1
left join tab2 t2
on t1.age = t2.age
where t1.id = 2;
正例:
select name, age
from (select \* from tab1 where id = 2) t1
left join tab2 t2 on t1.age = t2.age;
理由:
- 如果 inner join 是等值连接,或许返回的行数比较少,所以性能相对会好一点
- 使用了左连接,左边表数据结果尽量小,条件尽量放到左边处理,意味着返回的行数可能比较少
19. 如果插入数据过多,考虑 批量插入
反例:
for(user u :list)
{ insert into user(name,age) values(name, age)}
正例:
//一次500批量插入,分批进行
insert into user(name,age) values
<foreach collection="list" item="item" index="index" separator=",">
(#{item.name},#{item.age})
</foreach>
理由:
- 批量插入性能好,减少时间损耗。
20. 尽量少用 distinct 关键字
distinct
关键字一般用来过滤重复记录,以返回不重复的记录。在查询一个字段或者很少字段的情况下使用时,给查询带来优化效果。但是在字段很多的时候使用,却会大大降低查询效率。
反例:
-- 去重多个字段
select distinct \* from user;
正例:
select distinct name from user;
理由:
带
distinct
的语句 cpu 时间和占用时间都高于不带distinct的语句。
因为当查询很多字段时,如果使用distinct,数据库引擎就会对数据进行比较,过滤掉重复数据,然而这个比较、过滤的过程会占用系统资源,cpu时间。
21. 不要有超过5个以上的表连接
理由:
- 连表越多,编译的时间和开销也就越大
- 连表可读性差,把连接表拆开成较小的几个执行,可读性更高
最后
询带来优化效果。但是在字段很多的时候使用,却会大大降低查询效率。
反例:
-- 去重多个字段
select distinct \* from user;
正例:
select distinct name from user;
理由:
带
distinct
的语句 cpu 时间和占用时间都高于不带distinct的语句。
因为当查询很多字段时,如果使用distinct,数据库引擎就会对数据进行比较,过滤掉重复数据,然而这个比较、过滤的过程会占用系统资源,cpu时间。
21. 不要有超过5个以上的表连接
理由:
- 连表越多,编译的时间和开销也就越大
- 连表可读性差,把连接表拆开成较小的几个执行,可读性更高
最后
[外链图片转存中…(img-dYQ7ennN-1715644684818)]