实战 2000w 数据大表的优化过程，提供三种解决方案

实战 2000w 数据大表的优化过程，提供三种解决方案
方案概述
方案一：优化现有mysql数据库。
优点：不影响现有业务，源程序不需要修改代码。成本最低；缺点：有优化瓶颈，数据量过亿就玩完了。

方案二：升级数据库类型，换一种100%兼容mysql的数据库。
优点：不影响现有业务，源程序不需要修改代码。缺点：多花钱

方案三：一步到位，大数据解决方案，更换newsql/nosql数据库。
优点：扩展性强，成本低，没有数据容量瓶颈。缺点：需要修改源程序代码

以上三种方案，按顺序使用即可，数据量在亿级别一下的没必要换nosql，开发成本太高。三种方案我都试了一遍，而且都形成了落地解决方案。

方案一：优化现有mysql数据库

sql的编写需要注意优化

1、数据库设计和表创建时就要考虑性能

设计表时要注意：

表字段避免null值出现，null值很难查询优化且占用额外的索引空间，推荐默认数字0代替null。

尽量使用INT而非BIGINT，如果非负则加上UNSIGNED（这样数值容量会扩大一倍），当然能使用TINYINT、SMALLINT、MEDIUM_INT更好。

使用枚举或整数代替字符串类型

尽量使用TIMESTAMP而非DATETIME

单表不要有太多字段，建议在20以内

用整型来存IP

索引

索引并不是越多越好，要根据查询有针对性的创建，考虑在WHERE和ORDER BY命令上涉及的列建立索引，可根据EXPLAIN来查看是否用了索引还是全表扫描

应尽量避免在WHERE子句中对字段进行NULL值判断，否则将导致引擎放弃使用索引而进行全表扫描

值分布很稀少的字段不适合建索引，例如"性别"这种只有两三个值的字段

字符字段只建前缀索引

字符字段最好不要做主键

不用外键，由程序保证约束

尽量不用UNIQUE，由程序保证约束

使用多列索引时主意顺序和查询条件保持一致，同时删除不必要的单列索引

简言之就是使用合适的数据类型，选择合适的索引

选择合适的数据类型

（1）使用可存下数据的最小的数据类型，整型 < date,tim