慢查询

查询任务涉及到：网络，CPU计算，生成统计信息和执行计划，锁等待等操作。这些需要内存操作，CPU操作，内存不足导致I/O操作上消耗时间。

优化数据访问

性能低下的主要原因是访问的数据太多

可能存在的问题：

• 相同数据重复查询，可以利用缓存技术，减少

• 查找所有的列

• 查找不需要的记录

衡量查询开销的三个指标：

• 响应时间

  • 服务时间：处理查询所需时间

  • 排队时间：等待任务执行的时间

• 扫描行数

  • 通过EXPLAIN 语句返回的type列返回的访问类型

    • 索引的好处是可以查找更少的行

• 返回的行数

重构查询的方式

• 可以将SQL复杂查询切割成多个小查询

• 将一个查询数据很多条的进行分页，成小的查询

• 可以将多个关联查询切分成多个简单查询；

  • 单个表查询有缓存，可以利用到查询缓存的结果；

  • 减少了数据库锁竞争

  • 减少重复查询的数据

查询执行的基础

• 客户端发送查询给服务器，服务器先检查缓存是否命中

• 如果缓存命中则返回查询结果，如果没有命中，服务器进行SQL解析数据处理，再进行优化器生成执行计划

• 进行数据查询并进行缓存，返回数据

SQL优化

• IN,EXISTS和关联子查询

  • 涉及到IN内部子查询，数据库优化器会自动将IN方法里面的查询转成EXISTS查询

  • EXISTS查询时，外层的表查询的type是ALL，所以当外部表很大时，效率会很低；

  • 可以通过INNER JOIN或者LEFT JOIN代替IN（）方法的子查询

• UNION ALL

  • 会创建一个数据查询的临时表

• 最大值最小值优化

  • MIN(),MAX（）查询有的时候不是很好的选择

  • 可以通过order by 和limit 1 联合处理

• COUNT 统计

  • 不统计列为null的值

  • COUNT(*) 统计行数

• 关联查询优化

  • ON或USING子句的列上有索引

  • 关联顺序，A/B表关联，关联顺序是A/B，可以不用在A表关联上建索引

• LIMIT优化

  • 可以将LIMIT查询切换成两部分

    • limit 查询数据的主键

    • 查找这些主键的数据

原文：https://www.cnblogs.com/perferect/p/13489540.html