“
BATJTMD 等大厂的面试难度越来越高,但无论从大厂还是到小公司,一直不变的重点就是对 SQL 优化经验的考察。一提到数据库,面试官就会问“先说一说你对 SQL 优化的见解吧?”。
![f7e5a583cbffb64ed8a737d8d5e09579.png](https://i-blog.csdnimg.cn/blog_migrate/b2e227c12a9a767dad08a8fa49808b96.png)
图片来自 Pexels
SQL 优化已经成为衡量程序猿优秀与否的硬性指标,甚至在各大厂招聘岗位职能上都有明码标注,如果是你,在这个问题上能吊打面试官还是会被吊打呢?
有朋友疑问到,SQL 优化真的有这么重要么?如下图所示,SQL 优化在提升系统性能中是:成本最低和优化效果最明显的途径。
如果你的团队在 SQL 优化这方面搞得很优秀,对你们整个大型系统可用性方面无疑是一个质的跨越,真的能让你们老板省下不止几沓子钱。优化成本:硬件>系统配置>数据库表结构>SQL 及索引。
优化效果:硬件
String result = "嗯,不错,";
if ("SQL优化经验足") {
if ("熟悉事务锁") {
if ("并发场景处理666") {
if ("会打王者荣耀") {
result += "明天入职"
}
}
}
} else {
result += "先回去等消息吧";
}
Logger.info("面试官:" + result );
别看了,上面这是一道送命题。 好了我们言归正传,首先,对于MySQL层优化我一般遵从五个原则:
减少数据访问:设置合理的字段类型,启用压缩,通过索引访问等减少磁盘 IO。
返回更少的数据:只返回需要的字段和数据分页处理,减少磁盘 IO 及网络 IO。
减少交互次数:批量 DML 操作,函数存储等减少数据连接次数。
减少服务器 CPU 开销:尽量减少数据库排序操作以及全表查询,减少 CPU 内存占用。
利用更多资源:使用表分区,可以增加并行操作,更大限度利用 CPU 资源。
最大化利用索引。
尽可能避免全表扫描。
减少无效数据的查询。
SELECT 语句,语法顺序如下:
1. SELECT
2. DISTINCT 3. FROM 4. JOIN 5. ON 6. WHERE 7. GROUP BY 8. HAVING 9. ORDER BY 10.LIMIT
SELECT 语句,执行顺序如下:
FROM
# 选取表,将多个表数据通过笛卡尔积变成一个表。
ON
# 对笛卡尔积的虚表进行筛选
JOIN <join, left join, right join...>
<join表> # 指定join,用于添加数据到on之后的虚表中,例如left join会将左表的剩余数据添加到虚表中
WHERE
<where条件> # 对上述虚表进行筛选
GROUP BY
# 分组
# 用于having子句进行判断,在书写上这类聚合函数是写在having判断里面的
HAVING# 对分组后的结果进行聚合筛选SELECT# 返回的单列必须在group by子句中,聚合函数除外DISTINCT# 数据除重ORDER BY# 排序
LIMIT
以下 SQL 优化策略适用于数据量较大的场景下,如果数据量较小,没必要以此为准,以免画蛇添足。
避免不走索引的场景
①尽量避免在字段开头模糊查询,会导致数据库引擎放弃索引进行全表扫描 如下:SELECT * FROM t WHERE username LIKE '%陈%'
优化方式: 尽量在字段后面使用模糊查询。 如下:
SELECT * FROM t WHERE username LIKE '陈%'
如果需求是要在前面使用模糊查询:
使