MySQL查询性能优化
在我网站上线之前，也就是今年之前，我所有的笔记都是存在Wiz笔记中，网站上线后，也把一些特别重要的笔记导入了网站，但MySQL这块没动。最近趁着准备面试的机会，也把这方面的知识在捋一遍。
本篇文章主要讲述查询性能优化方面的知识。
要想真正对查询性能进行优化，那首先是要了解查询的生命周期的，清楚整个查询都经历了哪些过程，看到底哪些过程消耗了时间。
一般整个查询周期包括：
1、客户端发送查询给服务器；
2、服务器先查询缓存，如果有就返回缓存中结果，没有就进入下一阶段；
3、服务器进行SQL解析、预处理、再由优化器生成对应的执行计划；
4、MySQL跟好友优化器生成的执行计划，调用存储引擎的PAI来执行查询。
其实对查询性能优化可以从以下几个方面入手：
- SQL语句本身；
- 使用缓存。当然MySQL本身是默认开启缓存的，当有缓存时，会通过哈西查找找到之前查查过的同样的数据。我们也可以使用Redis，Memcached等；
- 采用MySQL主从复制，集群MySL，将读写分离；
这篇文章也主要说一下SQL语句的优化。
1、join语句代替子语句。
这是我之前在工作汇总遇到的问题。
create table tmp_6 as SELECT date,sum(count)as count,`block_id` FROM `downloadstat_all` WHERE date BETWEEN '2014-06-01' and '2014-06-30' AND `block_id` IN (select block_id from game_app_new ) GROUP BY 3 ORDER BY 2 desc limit 0,100;联查：用时96.43秒
select sum(a.count) as count,a.block_id from downloadstat_all a INNER JOIN game_app_new b using(id) where a.date between '2014-01-01' and '2014-01-31' GROUP BY 2 order by 1 DESC limit 100;
查过资料，给出的解释是：当我们用子查询时，并不是先执行上面的game_app_new表，MySQL会把in转换成exists相关子查询，而exists的执行原理就是循环取出downloadstat_all中的每一条记录与b表进行比较，比较的是downloadstat_all.block_id和game_app_new.block_id，如果相同就返回该记录。
我们使用不了downloadstat_all的索引。虽然我们可以使用game_app_new的索引，但其实提高的效率并不高。我们使用join可以大大提高查询效率。
当我们在联查中的列也是索引的时候，同样会大大提高效率。联查的执行策略（来自高性能MySQL）：MySQL对任何关联都执行嵌套循环关联操作，即MySQL先在一个表中循环取出单条数据，然后再嵌套循环到下一个表中寻找匹配的行，一次下去，直到找到所有匹配的行为止。
2、从索引的角度去优化查询语句
- 如果想对某个列建立所以，那么就不要设置为NULL，否则索引就会失效，也尽量避免在where子句中进行null值判断，否则也会使索引失效；
- 应尽量避免在 where 子句中使用!=或<>操作符，否则引擎将放弃使用索引而进行全表扫描。（我今天对null进行操作，发现无论怎样，它都返回FALSE）；
- where尽量不使用 in或者not in；
- where子句尽量不用表达式；
3、 返回列数
尽量不要返回所有的列数，一般情况下，我们并不需要把所有列的数据都取出来，只需取几列即可，这会大大提高MySQL的查询性能。
4、分离关联查询
在上面说了如何使用join语句提高性能。但我们想进一步优化可以将join语句分离。这会提高性能。这是因为：
- 让缓存效率更高。可能某一个分解的语句已经有缓存了；
- 可以减少冗余数据的查询；
- 可以减少锁的竞争。
5、count
尽量使用count（*）,因为这样它就不会关照具体的某一个列，而直接统计行数。但假如你count(column)，那性能就会下降。
6、优化limit
正常分页是非常耗时的，比如limit 1000,20它会取出1020，然后扔掉前1000个。可以先近可能返回少的查询列，再通过相关列去表里获取数据。
Mysql> explain select * from shop_good inner join (select shop_good.name from shop_good limit 1000,5) as t using(name)\G上面这个例子在一定程度上提高了查询性能。
参考资料：
微信分享/微信扫码阅读
