Mysql调优（一）

一、执行计划: Explain 查询

下面三个重要相关的列:
Type/Key/exture

引一下比较不错的解释：

Type列:

 

 possible_key列 + key列：

 

 exture列

此字段显示一些额外的信息，但是此字段的部分值具有优化的参考意义。

（1）using where：表示查询使用了where 语句来处理结果

（2）using index：表示使用了覆盖索引。这个值重点强调了只需要使用索引就可以满足查询表的要求，不需要直接访问表数据。

（3）using join buffer：这个值强调了在获取连接条件时没有使用索引，并且需要连接缓冲区来存储中间结果。如果出现了这个值，那应该注意，根据查询的具体情况可能需要添加索引来改进性能

（4）using filesort：这是 order by 语句的结果。这可能是一个CPU密集型的过程。using filesort表示出现了文件内排序，表示很不好的现象，必须要优化，特别是大表，可以通过选择合适的索引来改进性能，用索引来为查询结果排序。

（5）using temporary：mysql需要创建一张临时表来保存中间结果。 也就是说，需要先把数据放到临时表中，然后从临时表中获取需要的数据。出现这种临时表，也是必须需要优化的地方，特别是数据量大的情况。两个常见的原因是在来自不同表的列上使用了distinct，或者使用了不同的 order by 和 group by 列。

二、索引

2.1.MySQL的索引数据和实际数据都存储在磁盘，而非内存

2.2.当启动数据库服务时，才将数据库的索引文件读取(加载)到内存中去。

2.3.分块进行数据读取.(索引和数据量都非常大，内存放不下)(页的整数倍)

涉及到部分操作系统知识：
【
局部性原理
时间局部性:之前被访问的数据，很有可能很快被再次访问
空间局部性:数据和程序都有聚集成群的倾向，具备某些特征的数据可以放在一起
磁盘预读:内存和磁盘在进行交互的时候，有一个最基本的逻辑单位，称为页，也叫datapage，大小一般是4k或者8k，我们在进行数据读取的时候，一般读取的是页的整数倍
innodb默认页大小16k
】

2.4.考虑数据结构存储(格式:K-V)。

2.4.1 哈希表(memory,heap在内存中，innodb自适应哈希):

特点：哈希冲突、散列(均等分在对应的数组下标下)、如果某一位置的链表过长，那么造成空间上的浪费，就需要更好的哈希算法优化(jdk1.8以后，扰动函数：让二进制高位参加运算)。
无序，范围查询效率非常低，只能挨个遍历。

 
【

innodb引擎四大特性概要:
1.插入缓冲(insert Buffer/Change Buffer)
提升插入性能。change buffering，是insert buffer的加强，insert buffer 只针对insert有效，change buffering对insert、delete、update（delete+insert）、purge都有效。

只对于非聚集索引（非唯一)的插入和更新有效。对于每一次的插入，不是写到索引页中。而是先判断插入的非聚集索引页是否在缓冲池中，如果在，则直接插入；若不在，则先放到insert buffer,再按照一定的频率进行合并操作，在写回disk。这样通常能将多个插入合并到一个操作中。目的还是为了减少随机IO带来性能损耗。

使用插入缓冲的条件：
* 非聚集索引
* 非唯一索引

2.二次写（double write）
Doublewrite缓存是位于系统表空间的存储区，用来缓存innodb的数据页，从innodb buffer pool中, Flush之后，并写入到数据文件之前，所以当操作系统或者数据库进程在数据页写磁盘的过程中崩溃。innodb也可以在doublewrite的缓存中找到数据页的备份儿，用来执行crash恢复。数据页写入到doublewrite缓存的动作所需要的IO消耗要小于写入到数据文件的消耗。因此写入操作会以一次大的连续块的方式写入。

3.自适应哈希（ahi）
条件比较苛刻。一，所索引是否被访问了17次。二、索引中的某个页已经被访问了100次。三、访问模式必须是一样的。

4.预读（read-ahead）
InnoDB使用两种预读算法来提高I/O性能：线性预读（linear read-ahead）和随机预读（randomread-ahead）

】

这里只是部分介绍：具体推荐去看这篇博主。

2.4.2 B+树:

推荐跳过去看，为什么MySQL的索引使用B+树，在此处不加赘述。

带着几个问题去看吧：为什么使用B+树？解决了什么问题？B+树与B-树的区别，相对于存储数据，B+树的结构优化了哪些？对查询等操作效率的影响？数据在磁盘的存取过程中，数据缺失问题减少的原因是否与B+树的链表有关？

5.IO层面减少io次数，减少io量
6.数据迁移关掉索引 尽量自增