【实现】mysql查询优化

1.查询性能低下最基本的原因是访问的数据太多。访问了太多的行，有时候也可能是访问了太多的列。

2.请求超过实际需要的数据：1.查询不需要的记录 limit杜绝2.多表关联时返回全部列 3.总是取出全部列 无法完成索引覆盖这类优化，但并不总是坏事

3.重复查询相同的数据，注意缓存

 

响应时间：服务时间+排队时间(等待I/O,锁等)

扫描的行数：

1.并不完美的指标：不是所有的行的访问代价都是相同的，比如 较短的行的访问速度更快，内存中的行也比磁盘中的行的访问速度要快得多

2.访问类型：在explain语句中的type列反应了访问类型。访问类型有很多种，从全表扫描到索引扫描，范围扫描，唯一索引查询，常数引用等。速度从慢到快，扫描行数从小到大。

一般mysql能够使用如下三种方式应用where条件，从好到坏依次为：

　　1.在索引中使用where条件来过滤不匹配的记录，这是在存储引擎层完成的。using where ,using index

　　2.使用索引覆盖扫描(在Extra列中出现了Using index)来返回记录，直接从索引中过滤不需要的记录并返回命中的结果。这是在mySql服务器层完成的，但无须再回表查询记录

　　3.从数据表中返回数据，然后过滤不满足条件的记录(在Extra列中出现Using where)。这在mysql服务器层完成，mysql需要先从数据表读出记录然后过滤。

3.返回的行数

 

切分查询（分页）

如果用一个大的语句一次性完成的话，则可能需要一次锁住很多数据沾满整个事务日志，耗尽系统资源，阻塞很多小的但重要的查询。

 

分解关键查询的优势：

1.让缓存的效率更高。应用程序的缓存，且对mysql的查询缓存来说，如果关联表中某个表发生了变化，那么就无法使用查询缓存了，而拆分后，如果某个表很少改变，那么基于该表的查询就可以重复利用查询缓存结果了。

2.将查询分解后，执行单个查询可以减少锁的竞争。

3.在应用层做关联，更容易对数据库进行拆分，更ring一座岛高性能和可扩展。

4.查询本身效率可能会有所提升，

5.可以减少冗余记录的查询。在应用层做关联查询，意味着对于某条记录应用只需要查询一次，而在数据库中做关联查询，则可能需要重复地访问一部分数据。从这点看，这样的重构还可能会减少网络和内存的消耗。

6.这样做相当于在应用中实现了哈希关联，而不是使用MySql的嵌套循环关联。某些场景哈希关联的效率要高很多。