缓存的使用，以及查询数据的优化

       大家在实际项目应用的时候 ，查询数据，以及查询数据量，以及查询数据快慢是查询的关键。

       所以在优化查询，提高查询效率就变成了重中之重，首先我们要了解查询所要经历的过程，首先是项目的编译启动，进程运行，用户访问，数据查询，数据的耗能，以及数据反馈等。

       我这里只说能够用到的地方，以及本人知道的。如有更好的也请各位大神多多指教。

       系统编译过程也就是我们 jvm 虚拟机编译的过程，jvm 中也是有缓存区的，jvm  是内存中的一部分，他的存储数据有几部分

     第一步 寄存器是最快的区域cache   2 堆栈区域    也就是我们java 中的数据类型，方法等存储区域， 3  静态变量等 如果要求数据快速返回，以及数据量固定且不会很大时可使用static  变量，使用static  来操作。利用内存区域来使用虽然较为快速，但是对于空间要求较高。jvm  直接内存区域也可以存储数据  存储空间大概为4M 。

        第二步，请求到了方法区内 ，可以利用大家熟识的  redis 缓存等，或者MongoDB ，非关系型数据库，来快速查询，注意当我们数据量较大的时候 我们设置缓存的时候需要注意的几点， 雪崩问题，穿透问题。

        第三步   我们经常使用的spring  也是有缓存的注解

• @Cacheable
• @CachePut
• @CacheEvict
• @Caching    

        第四步  当以上数据都无法满足时可以利用持久层的 有自己的一套 二级缓存 和一级缓存，此处适用于统计数据且数据在一定时间内不会变动，
       第五步   sql  优化 : 经常有人说少用子查询等等， 对于现在例如 mysql 5.0 以上版本来说，  子查询其实对于数据库查询效率没有任何影响 只是子查询相当于多一个虚拟表增加数据库的空间压力，（这里单独再说一点别的，很早以前做的一些项目数据表都是char  类型的，为什么要用char  呢 他们都是固定长度，不想我们现在常用的varchar 数据库有这样一句话   空间消耗大  查询效率高  空间消耗小  查询效率 就低了）所以说  left  join  对我们来说 和 子查询是相同的，查询 尤其是我们遇到一些统计的时候 ，经常用到聚合函数 sum   等操作  如果你用到了 其他的 一些判断条件  例如  ifnull     你要知道   if  与sum  之间的优先级 以及sql 解析时候的先后顺序。对于你sql优化是很有帮助的。还有就是正确的索引也是重要的，索引也不是越多越好，是占物理空间的，一个表大概六个左右就差不多了。
        第六步   对数据表的处理，分库分表 这是我们经常用到的，  那么如何分库分表呢。一般来说  分为水平切分 和垂直切分 ，  垂直切分  意味着按照业务场景来切分，例如  你的订单业务，和你的快递业务 较为独立，可以分为两个库   ，水平切分  按照  某个表中的关键字  区分，    例如支付宝有一个  交易流水表  每天看到几十亿数据 按照什么来划分呢 ，你又要看到  支付人 和收款人信息，   这里是距离 场景并不是很明确  ，例如我按照 地区划分  所有的省市直辖市    都有自己独立的交易表查询效率是不是就很快了。后期看到数据的走向  例如北京数据很多 还需要分表 那么可以根据具体的情况再进行划分。