MySQL之SQL优化
目录
1.插入数据
2.大批量插入数据
3.order by优化
4.group by优化
5.limit优化
6.count优化
count用法
7.update优化
1.插入数据
如果我们需要一次性往数据库表中插入多条记录，可以从以下三个方面进行优化
第一个:批量插入数据
Insert into tb_test values (1, 'Tom '), (2, 'Cat '), (3, 'Jerry ');
第二个: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;
第三个: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。操作如下：
-- 执行load指令将准备好的数据，加载到表结构中
load data local infile '/root/sql1.log ' into table tb_user fields
terminated by ', ' lines terminated by '\n ' ;
3.order by优化
MySQL的排序，有两种方式：
Using 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。
Using 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。 对于以上的两种排序方式， Using index的性能高，而Using filesort的性能低，我们在优化排序 操作时，尽量要优化为 Using index。
由于 name, price都没有索引，所以此时再排序时，出现Using filesort， 排序性能较低。
explain select id,name,price from tb_sku order by name,price;
创建索引
create index sku_name_price on tb_sku(name,price);
建立索引之后，再次进行排序查询，就由原来的Using filesort， 变为了 Using index，性能就是比较高的了。
explain select id,name,price from tb_sku order by name,price;
4.group by优化
在没有索引的情况下，执行如下SQL，查询出现Using temporary这种效率低
explain select profession,count(*) from tb_user group by profession;
我们再针对于 profession ， age， status 创建一个联合索引
create index idx_user_pro_age_sta on tb_user (profession,age,status);
再执行前面相同的SQL查询出现Using index这种效率高
explain select profession,count(*) from tb_user group by profession;
如果仅仅根据age分组，就会出现 Using temporary ； 在联合索引中，也是符合最左前缀法则的。
explain select age,count(*) from tb_user group by age;
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。
我们一起来看看执行limit分页查询耗时对比：
select * from tb_sku limit 10000,10;
select * from tb_sku limit 100000,10;
select * from tb_sku limit 1000000,10;
select * from tb_sku limit 2000000,10;
通过测试我们会看到，越往后，分页查询效率越低，这就是分页查询的问题所在。
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;
优化前:
优化后:
6.count优化
数据量很大，在执行count操作时,相对是耗时的。
查询200万的数据时:
select count (*) from tb_user ;
如果说要大幅度提升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 ,但是如果是带条件的count又比较麻烦了)
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）
| count用 法 | 含义 |
|---|---|
| count(主 键) | InnoDB 引擎会遍历整张表，把每一行的 主键id 值都取出来，返回给服务层。 服务层拿到主键后，直接按行进行累加(主键不可能为null) |
| count(字 段) | 没有not null 约束 : InnoDB 引擎会遍历整张表把每一行的字段值都取出 来，返回给服务层，服务层判断是否为null，不为null，计数累加。 有not null 约束： InnoDB 引擎会遍历整张表把每一行的字段值都取出来，返 回给服务层，直接按行进行累加。 |
| count(数 字) | InnoDB 引擎遍历整张表，但不取值。服务层对于返回的每一行，放一个数字“1” 进去，直接按行进行累加。 |
| count(*) | InnoDB引擎并不会把全部字段取出来，而是专门做了优化，不取值，服务层直接按行进行累加。 |
按照效率排序的话， count(字段) < 量使用 count()。 count(主键 id) < count(1) ≈ count()，所以尽量使用 count(*)。
7.update优化
我们主要需要注意一下update语句执行时的注意事项。
update tb_user set name = 'javaEE' where id = 1;
当我们在执行删除的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 tb_user set name = '曹操' where name = '孙悟空' ;
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 。