前言
MySQL作为我们最常用的关系型数据库，在开发中，肯定会遇到数据量比较大的情况，而没有足够的性能作为保障，往往查询会比较慢。下面，我们展开来聊聊MySQL怎么优化的。
一、MySQL性能
1、最大数据量
没有数据量和并发数的数据库性能都是没有灵魂的。
MySQL没有限制单表最大记录数，它取决于操作系统对文件大小的限制。
《阿里巴巴Java开发手册》推荐：单表行数超过 500 万行或者单表容量超过 2GB，才推荐进行分库分表。
性能由综合因素决定，抛开业务复杂度，影响程度依次是：硬件配置、MySQL配置、数据表设计、索引优化。500万这个值仅供参考，并非铁律。
有位大佬操作过超过4亿行数据的单表，分页查询最新的20条记录耗时0.6秒。
SQL大致是：
select field_1,field_2 from table where id < #{prePageMinId} order by id desc limit 20 ;
prePageMinId是上一页数据记录的最小ID。
虽然当时查询速度还凑合，随着数据不断增长，有朝一日必定不堪重负。
分库分表是个周期长而风险高的大活儿，应该尽可能在当前结构上优化，比如升级硬件、迁移历史数据等等，实在没辙了再分。对分库分表感兴趣的同学可以阅读分库分表的基本思想。
2、最大并发数
并发数指同一时刻数据库能处理多少个请求，由 max_connections 和 max_user_connections 决定。
max_connections：是指MySQL实例的最大连接数，上限值是16384；
max_user_connections：是指每个数据库用户的最大连接数。
MySQL会为每个连接提供缓冲区，意味着消耗更多的内存。如果连接数设置太高硬件吃不消，太低又不能充分利用硬件。
一般要求两者比值超过10%，计算方法如下：
max_used_connections / max_connections * 100% = 3/100 *100% ≈ 3%
查看最大连接数与响应最大连接数：
show variables like '%max_connections%'; show variables like '%max_user_connections%';
在配置文件my.cnf中修改最大连接数：
[mysqld] max_connections = 100 max_used_connections = 20
3、查询耗时0.5秒
建议将单次查询耗时控制在0.5秒以内，0.5秒是个经验值，源于用户体验的3秒原则。如果用户的操作3秒内没有响应，将会厌烦甚至退出。
响应时间 = 客户端UI渲染耗时 + 网络请求耗时 + 应用程序处理耗时 + 查询数据库耗时，0.5秒就是留给数据库1/6的处理时间。
4、实施原则
相比NoSQL数据库，MySQL是个娇气脆弱的家伙。它就像体育课上的女同学，一点纠纷就和同学闹别扭(扩容难)，跑两步就气喘吁吁(容量小并发低)，常常身体不适要请假(SQL约束太多)。
如今大家都会搞点分布式，应用程序扩容比数据库要容易得多，所以实施原则是数据库少干活，应用程序多干活。
a、充分利用但不滥用索引，须知索引也消耗磁盘和CPU。
b、不推荐使用数据库函数格式化数据，交给应用程序处理。
c、不推荐使用外键约束，用应用程序保证数据准确性。
d、写多读少的场景，不推荐使用唯一索引，用应用程序保证唯一性。
e、适当冗余字段，尝试创建中间表，用应用程序计算中间结果，用空间换时间。
f、不允许执行极度耗时的事务，配合应用程序拆分成更小的事务。
g、预估重要数据表（比如订单表）的负载和数据增长态势，提前优化。
二、数据库表设计
1、数据类型
数据类型的选择原则：更简单或者占用空间更小。
● 如果长度能够满足，整型尽量使用tinyint、smallint、medium_int而非int。
● 如果字符串长度确定，采用char类型。
● 如果varchar能够满足，不采用text类型。
● 精度要求较高的使用decimal类型，也可以使用BIGINT，比如精确两位小数就乘以100后保存。
● 尽量采用timestamp而非datetime。
相比 Datetime，Timestamp 占用更少的空间，以UTC的格式储存自动转换时区。
2、避免空值
MySQL中字段为 NULL 时依然占用空间，会使索引、索引统计更加复杂。从 NULL 值更新到非 NULL 无法做到原地更新，容易发生索引分裂影响性能。
因此尽可能将 NULL 值用有意义的值代替，也能避免 SQL 语句里面包含 is not null 的判断。
3、text类型优化
由于 text 字段储存大量数据，表容量会很早涨上去，影响其他字段的查询性能。
建议抽取出来放在子表里，用业务主键关联。
三、索引优化
1、索引分类
● 普通索引：最基本的索引。
● 组合索引：多个字段上建立的索引，能够加速复合查询条件的检索。
● 唯一索引：与普通索引类似，但索引列的值必须唯一，允许有空值。
● 组合唯一索引：列值的组合必须唯一。
● 主键索引：特殊的唯一索引，用于唯一标识数据表中的某一条记录，不允许有空值，一般用 primary key约束。
● 全文索引：用于海量文本的查询，MySQL5.6 之后的 InnoDB 和 MyISAM 均支持全文索引。由于查询精度以及扩展性不佳，更多的企业选择 Elasticsearch。
2、索引优化
● 分页查询很重要，如果查询数据量超过30%，MYSQL不会使用索引。
● 单表索引数不超过5个、单个索引字段数不超过5个。
● 字符串可使用前缀索引，前缀长度控制在5-8个字符。
● 字段唯一性太低，增加索引没有意义，如：是否有效、性别。
● 合理使用覆盖索引，如下所示：
四、SQL优化
1、分批处理
小时候看到鱼塘挖开小口子放水，水面有各种漂浮物。浮萍和树叶总能顺利通过出水口，而树枝会挡住其他物体通过，有时还会卡住，需要人工清理。
MySQL就是鱼塘，最大并发数和网络带宽就是出水口，用户SQL就是漂浮物。
不带分页参数的查询或者影响大量数据的 update 和 delete 操作，都是树枝，我们要把它打散分批处理，举例说明：
业务描述：更新用户所有已过期的优惠券为不可用状态。
SQL语句：
update status=0 FROM 'coupon' WHERE expire_date <= #{currentDate} and status = 1;
如果大量优惠券需要更新为不可用状态，执行这条SQL可能会堵死其他SQL，分批处理伪代码如下：
int pageNo = 1;
int PAGE_SIZE = 100;
while(true) {
List batchIdList = queryList('select id FROM `coupon` WHERE expire_date <= #{currentDate} and status = 1 limit #{(pageNo-1) * PAGE_SIZE},#{PAGE_SIZE}');
if (CollectionUtils.isEmpty(batchIdList)) {
return;
}
update('update status = 0 FROM `coupon` where status = 1 and id in #{batchIdList}')
pageNo ++;
}
2、子查询优化
禁止 select 里面套另一个 select 转换字段值的sql写法，这种sql只会耗费cpu计算结果列，而且每次查询结果都不会缓存在数据库的内存，查一次耗费一次cpu， 必须改写为用 join 写法。
反例：
1 SELECT s.stu_name, 2 s.stu_code, 3 (SELECT t.sub_name 4 FROM subject t 5 WHERE t.sub_code = s.sub_code) sub_name 6 FROM student s 7 WHERE s.stu_code = 'GZ20200301001';
正解：
1 SELECT s.stu_name, 2 s.stu_code, 3 t.sub_name 4 FROM student s 5 left join subject t 6 WHERE s.sub_code = t.sub_code 7 and s.stu_code = 'GZ20200301001';
3、操作符 <> 优化
通常<>操作符无法使用索引，举例如下，查询金额不为100元的订单：
1 select bill_no from orders where amount != 100; 2 3 select bill_no from orders where amount <> 100;
如果金额为100的订单极少，这种数据分布严重不均的情况下，有可能使用索引。
鉴于这种不确定性，采用union聚合搜索结果，改写方法如下：
1 (select bill_no from orders where amount > 100) 2 union all 3 (select bill_no from orders where amount < 100 and amount > 0);
4、or 优化
在Innodb引擎下or无法使用组合索引，比如：
select id, product_name from orders where mobile_no = '18688886666' or user_id = 100;
or 无法命中 mobile_no + user_id 的组合索引，可采用 union，如下所示：
(select id，product_name from orders where mobile_no = '18688886666a') union (select id，product_name from orders where user_id = 100);
此时 id 和 product_name 字段都有索引，查询才最高效。
5、in 优化
in 适合主表大子表小，exist 适合主表小子表大。由于查询优化器的不断升级，很多场景这两者性能差不多一样了。
尝试改为 join 查询，举例如下：
select id from orders where user_id in (select id from user where level = 'VIP');
采用JOIN如下所示：
select o.id from orders o left join user u on o.user_id = u.id where u.level = 'VIP';
6、不做列运算
通常在查询条件列运算会导致索引失效，如下所示：
查询当日订单：
select id from order where date_format(create_time，'%Y-%m-%d') = '2020-03-01';
date_format 函数会导致这个查询无法使用索引，改写后：
select id from order where create_time between '2019-07-01 00:00:00' and '2019-07-01 23:59:59';
7、避免 Select *
如果不查询表中所有的列，避免使用SELECT *，它会进行全表扫描，不能有效利用索引。
8、Like 优化
Like 用于模糊查询，举个例子（field 已建立索引）：
SELECT column FROM table WHERE field like '%keyWord%';
这个查询未命中索引，换成下面的写法：
SELECT column FROM table WHERE field like 'keyWord%';
去除了前面的 % 查询将会命中索引，但是产品经理一定要前后模糊匹配呢？
全文索引 Fulltext 可以尝试一下，但 Elasticsearch 才是终极武器。
9、Join 优化
Join 的实现是采用 Nested Loop Join 算法，就是通过驱动表的结果集作为基础数据，通过该结数据作为过滤条件到下一个表中循环查询数据，然后合并结果。
如果有多个 Join，则将前面的结果集作为循环数据，再次到后一个表中查询数据。
驱动表和被驱动表尽可能增加查询条件，满足 ON 的条件则少用 Where，用小结果集驱动大结果集。
被驱动表的 Join 字段上加上索引，无法建立索引的时候，设置足够的 Join Buffer Size。
禁止 Join 连接三个以上的表，尝试增加冗余字段。
10、Limit 优化
Limit 用于分页查询时越往后翻性能越差，解决的原则：缩小扫描范围，如下所示：
select * from orders order by id desc limit 100000, 10; -- 耗时0.4秒 select * from orders order by id desc limit 1000000, 10; -- 耗时5.2秒
先筛选出ID缩小查询范围，写法如下：
select * from orders where id > (select id from orders order by id desc limit 1000000, 1) order by id desc limit 0, 10; -- 耗时0.5秒
如果查询条件仅有主键ID，写法如下：
select id from orders where id between 1000000 and 1000010 order by id desc; -- 耗时0.3秒
五、SQL优化十条（含Oracle）
（1）选择最有效率的表名顺序(只在基于规则的优化器中有效)：
Oracle 的解析器按照从右到左的顺序处理 From 子句中的表名，From 子句中写在最后的表（基础表 driving table）将被最先处理，在 From 子句中包含多个表的情况下，你必须选择记录条数最少的表作为基础表。
如果有3个以上的表连接查询, 那就需要选择交叉表（intersection table）作为基础表,，交叉表是指那个被其他表所引用的表。
（2）WHERE子句中的连接顺序：
Oracle 采用自下而上的顺序解析 where 子句，根据这个原理，表之间的连接必须写在其他 where 条件之前， 那些可以过滤掉最大数量记录的条件必须写在 where 子句的末尾。
（3）SELECT子句中避免使用‘*’：
Oracle 在解析的过程中, 会将 ‘*’ 依次转换成所有的列名，这个工作是通过查询数据字典完成的，这意味着将耗费更多的时间。
（4）使用 decode 函数来减少处理时间：
使用 decode 函数可以避免重复扫描相同记录或重复连接相同的表。
（5）整合简单,无关联的数据库访问：
如果你有几个简单的数据库查询语句，你可以把它们整合到一个查询中（即使它们之间没有关系）。
（6）用 Truncate 替代 Delete：
当删除表中的记录时，在通常情况下，回滚段（rollback segments）用来存放可以被恢复的信息.。
如果你没有 Commit 事务，ORACLE会将数据恢复到删除之前的状态(准确地说是恢复到执行删除命令之前的状况) 而当运用TRUNCATE时, 回滚段不再存放任何可被恢复的信息。
当命令运行后，数据不能被恢复。因此很少的资源被调用，执行时间也会很短。（Truncate 只在删除全表适用，Truncate 是 DDL，不是 DML）。
（7）使用表的别名(Alias)：
当在 SQL 语句中连接多个表时，请使用表的别名并把别名前缀于每个 Column 上。这样一来，就可以减少解析的时间并减少那些由 Column 歧义引起的语法错误。
（8）用 >= 替代 >：
-- 高效： SELECT * FROM EMP WHERE DEPTNO >=4； -- 低效: SELECT * FROM EMP WHERE DEPTNO > 3；
两者的区别在于，前者 DBMS 将直接跳到第一个 Dept 等于4的记录，而后者将首先定位到 DeptNO=3 的记录并且向前扫描到第一个 Dept 大于3的记录。
（9）SQL语句用大写的：
因为 Oracle 总是先解析 SQL 语句，把小写的字母转换成大写的再执行。
（10）用 Where 子句替换 Having 子句：
避免使用 Having 子句，Having 只会在检索出所有记录之后才对结果集进行过滤。这个处理需要排序，总计等操作。如果能通过 Where 子句限制记录的数目，那就能减少这方面的开销。
六、其他数据库
作为一名优秀的后端开发人员，务必精通作为存储核心的 MySQL 或 SQL Server，也要积极关注 NoSQL 数据库，它们已经足够成熟并被广泛应用，能解决特定场景下的性能瓶颈。
select * from orders where id > (select id from orders order by id desc limit 1000000, 1) order by id desc limit 0, 10;
来源：https://www.cnblogs.com/qiuhaitang/p/12593727.html