MYSQL 大数据查询如何进行优化总结？

在关系数据库中，除在数据库的物理设计、关系规范化等方面进行优化外，一个简单直接有效的方法是对SQL语句进行调整，减少计算量和内存需求，提高响应速度。 

总结如下几项：

1、where条件过滤数据多的放在前面，减少产生的临时表的数据量

2、在需要当条件的列上加索引，避免全表扫描，首先应考虑在 where 及 order by，不要判断=null或!=,<>，where 子句中使用 or ，in 和 not in 也要慎用，都会导致引擎放弃使用索引而进行全表扫描，索引也可以定期维护任务里重新建立索引（表上频繁发生update,delete操作时需要重建）

3、like查询也将导致全表扫描：select id from t where name like '%abc%'，若要提高效率，可以考虑全文检索。

4、子句中使用参数，也会导致全表扫描。因为SQL只有在运行时才会解析局部变量，可以改为强制查询使用索引：select id from t with(index(索引名)) where num=@num

5、尽量避免在 where 子句中对字段进行表达式操作和函数操作，这将导致引擎放弃使用索引而进行全表扫描6、索引列有大量数据重复时，SQL查询可能不会去利用索引，索引并不是越多越好，索引固然可以提高相应的 select 的效率，但同时也降低了 insert 及 update 的效率，因为 insert 或 update 时有可能会重建索引

6、不要更新聚集索引数据列，索引数据列的顺序就是表记录的物理存储顺序，一旦该列值改变将导致整个表记录的顺序的调整，会耗费相当大的资源

7、避免频繁创建和删除临时表

8、尽量避免向客户端返回大数据量，若数据量过大，应该考虑相应需求是否合理。

SQL_where条件的优化

 

原则,多数数据库都是从 左到右的顺序处理条件,把能过滤更多数据的条件放在前面,过滤少的条件放后面

SQL1: select * from employee

            where salary >1000     --条件1,过滤的数据较少

                 and   dept