数据库优化

数据库优化

数据类型的选择，重点在于“合适”二字，如何确定选择的数据类型是否合适了？
1、使用可以存下你的数据的最小的数据类型。（时间类型数据：可以使用varchar类型，可以使用int类型，也可以使用时间戳类型）
2、使用简单的数据类型，int要比varchar类型在mysql处理上简单。（int类型存储时间是最好的选择）
3、尽可能的使用not null定义字段。（innodb的特性所决定，非not null的值，需要额外的在字段存储，同时也会增加IO和存储的开销）
4、尽量少用text类型，非用不可时最好考虑分表。

数据库优化的方法

1.索引和SQL优化
2.数据库结构的优化

索引和SQL优化

由上图可知，在进行索引和SQL优化的过程中，通过分析慢日志或者SQL通过explain获取执行计划来分析出需要优化的数据。方法就是通过创建索引，或者优化SQL语句来对数据进行优化。

数据库结构的优化

数据类型的选择，重点在于“合适”二字，如何确定选择的数据类型是否合适了？

1、使用可以存下你的数据的最小的数据类型。（时间类型数据：可以使用varchar类型，可以使用int类型，也可以使用时间戳类型）
2、使用简单的数据类型，int要比varchar类型在mysql处理上简单。（int类型存储时间是最好的选择）
3、尽可能的使用not null定义字段。（innodb的特性所决定，非not null的值，需要额外的在字段存储，同时也会增加IO和存储的开销）
4、尽量少用text类型，非用不可时最好考虑分表。

范式化优化： 范式化是指数据库设计的规范，目前说道范式化一般是指第三设计范式。也就是要求数据表中不存在 非关键字段对任意候选关键字段的传递函数依赖则符合第三范式。

1.第一范式：目标是确保每列的原子性:如果每列都是不可再分的最小数据单元（也称为最小的原子单元），则满足第一范式（1NF）
	-- 每列都是不可再分的最小数据单元	
2.首先满足第一范式，并且表中非主键列不存在对主键的部分依赖。 第二范式要求每个表只描述一件事情。
3.满足第二范式，并且表中的列不存在对非主键列的传递依赖。

不符合第三范式要求的表存在以下问题：

1.数据冗余：（分类，分类描述）对于每一个商品都会进行记录。
2.数据的插入异常
3.数据的更新异常
4.数据的删除异常（删除所有数据，分类和分类描述都会删除，没有所有的记录）

反范式化：反范式是通过增加冗余数据或数据分组来提高数据库读性能的过程。在某些情况下， 反范式有助于掩盖关系型数据库软件的低效。关系型的范式数据库即使做过优化， 也常常会带来沉重的访问负载。

数据库表的拆分：通过某种特定的条件，将存放在同一个数据库中的数据分散存放到多个数据库上，实现分布存储，通过路由规则路由访问特定的数据库，这样一来每次访问面对的就不是单台服务器了，而是N台服务器，这样就可以降低单台机器的负载压力。
1.垂直(纵向)拆分：是指按功能模块拆分，比如分为订单库、商品库、用户库…这种方式多个数据库之间的表结构不同。
2.水平(横向)拆分：将同一个表的数据进行分块保存到不同的数据库中，这些数据库中的表结构完全相同。

垂直拆分能很好的起到分散数据库压力的作用。业务模块不明晰，耦合(表关联)度比较高的系统不适合使用这种拆分方式。
垂直拆分，拆分方式实现起来比较简单，根据表名访问不同的数据库就可以了。横向拆分的规则很多，这里总结前人的几点：

　(1)顺序拆分：
　　优点：可部分迁移
　　缺点：数据分布不均，
　(2)hash取模分： 
    优点：数据分布均匀
　　缺点：数据迁移的时候麻烦;不能按照机器性能分摊数据 。
　(3)在认证库中保存数据库配置
　就是建立一个DB，这个DB单独保存user_id到DB的映射关系，每次访问数据库的时候都要先查询一次这个数据库，以得到具体的DB信息，然后才能进行我们需要的查询操作。
　　优点：灵活性强，一对一关系
　　缺点：每次查询之前都要多一次查询，会造成一定的性能损失。