SQL性能优化思路

1. 尽可能把数据的存储和计算放入Memory而不是Disk，且减少IO操作，比如运用Redis等缓存技术

2. 对数据表进行精心设计，特别是大数据表，对常用数据字段进行适当的冗余，尽可能避免分表导致的Join查询，即使非Join不可也是大表和小表Join，而不是一堆大表之间Join

3. 对常用查询字段，特别是作为Join on条件的字段，必须建立索引

4. 对大数据集结果做条件限制，仅返回其小范围子集，例如运用Limit或Where进行条件过滤

 

N张表join，然后select如何优化？

1.在join表中的on列上加上索引

create index i_cr_data_dic on cr_data_dic(data_code); 

2.结果用limit进行限制，比如limit 1,10

 

对select count(*) from bigTable，基于上面的索引优化后，这个还是特别耗时，特别慢，怎么办呢？

只能从走对结果集进行条件限制的思路，比如加上where条件，创建时间为最近1月，其实把整个历史上所有数据都统计一遍，通常是不需要的

select count(*) from
"pre_app_main" "pam" left join "pre_app_customer" "pac" on("pam"."id" = "pac"."app_id")
left join "pre_app_staff_only" "paso" on("pam"."id" = "paso"."app_id")
left join "pre_app_loan" "pal" on("pam"."id" = "pal"."app_id")
left join "cr_data_dic" "cdd1" on("pam"."pre_app_status" = "cdd1"."data_code")
left join "cr_data_dic" "cdd2" on("pam"."app_status" = "cdd2"."data_code")
left join "app_city" "act" on(concat('PREQAPP_WECHAT_',"pam"."apply_city_code") = "act"."city_code")
where pam.created_time > DATE_SUB(NOW(), INTERVAL 1 MONTH)