【第九章 SQL优化_插入数据，主键优化，order by，group by，limit，count，update优化】

第九章 SQL优化_插入数据，主键优化，order by，group by，limit，count，update优化

1.插入数据：
（1）insert：

（1）批量插入数据：
Insert into tb_test values(1,'Tom'),(2,'Cat'),(3,'Jerry');
（2）手动控制事务：
start transaction;
insert into tb_test values(1,'Tom'),(2,'Cat'),(3,'Jerry');
insert into tb_test values(4,'Tom'),(5,'Cat'),(6,'Jerry');
insert into tb_test values(7,'Tom'),(8,'Cat'),(9,'Jerry');
commit;
（3）主键顺序插入，性能要高于乱序插入：
主键乱序插入 : 8 1 9 21 88 2 4 15 89 5 7 3
主键顺序插入 : 1 2 3 4 5 7 8 9 15 21 88 89

（2）大批量插入数据：
如果一次性需要插入大批量数据(比如: 几百万的记录)，使用insert语句插入性能较低，此时可以使用MySQL数据库提供的load指令进行插入。
可以执行如下指令，将数据脚本文件中的数据加载到表结构中：

（1）客户端连接服务端时，加上参数 -–local-infile
mysql –-local-infile -u root -p
（2）设置全局参数local_infile为1，开启从本地加载文件导入数据的开关
#（select @@local_infile;为查看开关是否开启，0表示未开启）
set global local_infile = 1;
（3）执行load指令将准备好的数据，加载到表结构中
#'/root/sql1.log'为本地文件目录，','为每个字段的分隔符， '\n'为每行分隔符。
load data local infile '/root/sql1.log' into table tb_user fields terminated by ',' lines terminated by '\n' ;

2.主键优化：
（1）数据组织方式：
在InnoDB存储引擎中，表数据都是根据主键顺序组织存放的，这种存储方式的表称为索引组织表(index organized table IOT)。
行数据，都是存储在聚集索引的叶子节点上的。InnoDB的逻辑结构图如下：
在InnoDB引擎中，数据行是记录在逻辑结构 page 页中的，而每一个页的大小是固定的，默认16K。那也就意味着， 一个页中所存储的行也是有限的，如果插入的数据行row在该页存储不下，将会存储到下一个页中，页与页之间会通过指针连接。
（2）页分裂：
页可以为空，也可以填充一半，也可以填充100%。（每个页至少包含两行数据，一行就是链表）每个页包含了2-N行数据(如果一行数据过大，会行溢出)，根据主键排列。
A. 主键顺序插入效果：
① 从磁盘中申请页， 主键顺序插入
②第一个页没有满，继续往第一页插入
③当第一个也写满之后，再写入第二个页，页与页之间会通过指针连接
④当第二页写满了，再往第三页写入
B.主键乱序插入效果：
①加入1#,2#页都已经写满了，存放了如图所示的数据

②此时再插入id为50的记录，我们来看看会发生什么现象

按照顺序，应该存储在47之后。

但是47所在的1#页，已经写满了，存储不了50对应的数据了， 那么此时会开辟一个新的页 3#。

但是并不会直接将50存入3#页，而是会将1#页后一半的数据，移动到3#页，然后在3#页，插入50。

移动数据，插入id为50的数据之后，那么此时，这三个页之间的数据顺序是有问题的。 1#的下一个页，应该是3#， 3#的下一个页是2#。 此时，需要重新设置链表指针。
（3） 页合并：
目前表中已有数据的索引结构(叶子节点)如下：

当我们对已有数据进行删除时，具体的效果如下:
当删除一行记录时，实际上记录并没有被物理删除，只是记录被标记（flaged）为删除并且它的空间变得允许被其他记录声明使用。

当页中删除的记录达到 MERGE_THRESHOLD（默认为页的50%），InnoDB会开始寻找最靠近的页（前或后）看看是否可以将两个页合并以优化空间使用。

将页合并之后，再次插入新的数据21，则直接插入3#页。
MERGE_THRESHOLD：合并页的阈值，可以自己设置，在创建表或者创建索引时指定。
（4）索引设计原则：
①满足业务需求的情况下，尽量降低主键的长度。
②插入数据时，尽量选择顺序插入，选择使用AUTO_INCREMENT自增主键。
③尽量不要使用UUID做主键或者是其他自然主键，如身份证号。
④业务操作时，避免对主键的修改。
3.order by优化：
①Using filesort : 通过表的索引或全表扫描，读取满足条件的数据行，然后在排序缓冲区sort buffer中完成排序操作，所有不是通过索引直接返回排序结果的排序都叫 FileSort 排序。
②Using index : 通过有序索引顺序扫描直接返回有序数据，这种情况即为 using index，不需要额外排序，操作效率高。
Using index的性能高，Using filesort的性能低，在优化排序操作时，尽量要优化为 Using index。
A.数据准备：
B.执行排序SQL：

explain select id,age,phone from tb_user order by age ;
explain select id,age,phone from tb_user order by age, phone ;

由于 age, phone 都没有索引，所以此时在排序时，出现Using filesort， 排序性能较低。
C.创建索引

create index idx_user_age_phone_aa on tb_user(age,phone);

D.创建索引后，根据age, phone进行升序排序

explain select id,age,phone from tb_user order by age;

建立索引之后，再次进行排序查询，由原来的Using filesort， 变为了 Using index，性能比较高。
E.创建索引后，根据age, phone进行降序排序

explain select id,age,phone from tb_user order by age desc , phone desc;

但是此时Extra中出现了 Backward index scan，这个代表反向扫描索引，在MySQL中的索引，默认索引的叶子节点是从小到大排序的，
F.根据phone，age进行升序排序，phone在前，age在后；

explain select id,age,phone from tb_user order by phone , age;

排序时,也需要满足最左前缀法则,否则也会出现 filesort。
G.根据age, phone进行排序，一个升序，一个降序

explain select id,age,phone from tb_user order by age asc , phone desc ;

因为创建索引时，如果未指定顺序，默认都是按照升序排序的，而查询时，一个升序，一个降序，此时就会出现Using filesort。
H.创建联合索引(age 升序排序，phone 倒序排序)，再次执行如下SQL。

create index idx_user_age_phone_ad on tb_user(age asc ,phone desc);
explain select id,age,phone from tb_user order by age asc , phone desc ;

order by优化原则:
①根据排序字段建立合适的索引，多字段排序时，也遵循最左前缀法则。
②尽量使用覆盖索引。
③多字段排序, 一个升序一个降序，此时需要注意联合索引在创建时的规则（ASC/DESC）。
④如果不可避免的出现filesort，大数据量排序时，可以适当增大排序缓冲区大小sort_buffer_size(默认256k)。
4.group by优化
（1）首先我们先将 tb_user 表的索引全部删除掉 ；
（2）没有索引的情况下，执行如下SQL，查询执行计划：

explain select profession , count(*) from tb_user group by profession ;

（3）然后，我们在针对于 profession ， age， status 创建一个联合索引；

create index idx_user_pro_age_sta on tb_user(profession , age , status);

（4）紧接着，再执行前面相同的SQL查看执行计划。

explain select profession , count(*) from tb_user group by profession ;

（5）再执行如下的分组查询SQL，查看执行计划：

explain select age, count(*) from tb_user group by age ;
explain select profession , count(*) from tb_user group by profession ,age;

如果仅仅根据age分组，就会出现 Using temporary ；而如果是根据profession,age两个字段同时分组，则不会出现 Using temporary。原因是因为对于分组操作，在联合索引中，也是符合最左前缀法则的。
（6）在分组操作中，我们需要通过以下两点进行优化，以提升性能：
① 在分组操作时，可以通过索引来提高效率。
②分组操作时，索引的使用也是满足最左前缀法则的。
5.limit优化：
在数据量比较大时，如果进行limit分页查询，在查询时，越往后，分页查询效率越低。
优化思路: 一般分页查询时，通过创建覆盖索引能够比较好地提高性能，可以通过覆盖索引加子查询形式进行优化。

explain select * from tb_sku t , (select id from tb_sku order by id limit 2000000,10) a where t.id = a.id;#a可以当作一个表，为表的别名

6.count优化：
（1）概述：

select count(*) from tb_user ;
①MyISAM 引擎把一个表的总行数存在了磁盘上，因此执行 count(*) 的时候会直接返回这个数，效率很高； 但是如果是带条件的count，MyISAM也慢。
②InnoDB 引擎就麻烦了，它执行 count(*) 的时候，需要把数据一行一行地从引擎里面读出来，然后累积计数。

如果要大幅度提升InnoDB表的count效率，主要的优化思路：自己计数(可以借助于redis这样的数
据库进行)。
（2）count用法：
count() 是一个聚合函数，对于返回的结果集，一行行地判断，如果 count 函数的参数不是NULL，累计值就加 1，否则不加，最后返回累计值。
用法：count（*）、count（主键）、count（字段）、count（数字）
按照效率排序的话，count(字段) < count(主键 id) < count(1) ≈ count(*)，所以尽量使用count(*)。
7.update优化：
主要需要注意一下update语句执行时的注意事项。

update course set name = 'javaEE' where id = 1 ;

我们在执行删除的SQL语句时，会锁定id为1这一行的数据，然后事务提交之后，行锁释放。
但是当我们在执行如下SQL时：

update course set name = 'SpringBoot' where name = 'PHP' ;

当我们开启多个事务，在执行上述的SQL时，我们发现行锁升级为了表锁。 导致该update语句的性能大大降低。
InnoDB的行锁是针对索引加的锁，不是针对记录加的锁 ,并且该索引不能失效，否则会从行锁升级为表锁 。