|
1. 插入数据
1.1 insert
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。- insert into tb_test values(1,'tom');
- insert into tb_test values(2,'cat');
- insert into tb_test values(3,'jerry');
- .....
复制代码 批量插入数据- Insert into tb_test values(1,'Tom'),(2,'Cat'),(3,'Jerry');
复制代码 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;
复制代码 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
复制代码 1.2 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:
可以执行如下指令,将数据脚本文件中的数据加载到表结构中:- -- 客户端连接服务端时,加上参数 -–local-infile
- mysql –-local-infile -u root -p
- -- 设置全局参数local_infile为1,开启从本地加载文件导入数据的开关
- set global local_infile = 1;
- -- 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' ;
复制代码主键顺序插入性能高于乱序插入
2. 主键优化
InnoDB 存储引擎中,表数据都是根据主键顺序组织存放的,这种存储方式的表称为索引组织表 (index organized table IOT) 。
行数据,都是存储在聚集索引的叶子节点上的。 InnoDB 的逻辑结构图:
在 InnoDB 引擎中,数据行是记录在逻辑结构 page 页中的,而每一个页的大小是固定的,默认 16K。那也就意味着, 一个页中所存储的行也是有限的,如果插入的数据行 row 在该页存储不小,将会存储到下一个页中,页与页之间会通过指针连接。
页可以为空,也可以填充一半,也可以填充 100%。每个页包含了 2-N 行数据(如果一行数据过大,会行溢出),根据主键排列。
①. 从磁盘中申请页, 主键顺序插
②. 第一个页没有满,继续往第一页插入
③. 当第一个也写满之后,再写入第二个页,页与页之间会通过指针连接
④. 当第二页写满了,再往第三页写入
①. 加入1#,2#页都已经写满了,存放了如图所示的数据
②. 此时再插入id为50的记录,我们来看看会发生什么现象
会再次开启一个页,写入新的页中吗?
不会。因为,索引结构的叶子节点是有顺序的。按照顺序,应该存储在47之后。
但是47所在的1#页,已经写满了,存储不了50对应的数据了。 那么此时会开辟一个新的页 3#。
但是并不会直接将50存入3#页,而是会将1#页后一半的数据,移动到3#页,然后在3#页,插入50。
移动数据,并插入id为50的数据之后,那么此时,这三个页之间的数据顺序是有问题的。 1#的下一个页,应该是3#, 3#的下一个页是2#。 所以,此时,需要重新设置链表指针。
上述的这种现象,称之为 "页分裂",是比较耗费性能的操作.
目前表中已有数据的索引结构(叶子节点)如下:
当我们对已有数据进行删除时,具体的效果如下:
当删除一行记录时,实际上记录并没有被物理删除,只是记录被标记(flaged)为删除并且它的空间变得允许被其他记录声明使用。
当我们继续删除2#的数据记录
当页中删除的记录达到 MERGE_THRESHOLD(默认为页的50%),InnoDB会开始寻找最靠近的页(前或后)看看是否可以将两个页合并以优化空间使用。
删除数据,并将页合并之后,再次插入新的数据21,则直接插入3#页
这个里面所发生的合并页的这个现象,就称之为 "页合并"。
知识小贴士:
MERGE_THRESHOLD:合并页的阈值,可以自己设置,在创建表或者创建索引时指定。
- 索引设计原则
- 满足业务需求的情况下,尽量降低主键的长度。
- 插入数据时,尽量选择顺序插入,选择使用 AUTO_INCREMENT 自增主键。
- 尽量不要使用 UUID 做主键或者是其他自然主键,如身份证号。
- 业务操作时,避免对主键的修改。
3. order by 优化
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 sortbuffer 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。
- 根据排序字段建立合适的索引,多字段排序时,也遵循最左前缀法则。
- 尽量使用覆盖索引。
- 多字段排序, 一个升序一个降序,此时需要注意联合索引在创建时的规则(ASC / DESC)。
- 如果不可避免的出现 filesort ,大数据量排序时,可以适当增大排序缓冲区大小
sort_buffer_size (默认256k) 。
4. order by 优化
- 在分组操作时,可以通过索引来提高效率。
- 分组操作时,索引的使用也是满足最左前缀法则的。
5. limit优化
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;
复制代码 6. count优化
6.1 概述
- select count(*) from tb_user ;
复制代码 测试中,我们发现,如果数据量很大,在执行count操作时,是非常耗时的。
- MyISAM 引擎把一个表的总行数存在了磁盘上,因此执行 count(*) 的时候会直接返回这个数,效率很高; 但是如果是带条件的 count,MyISAM 也慢。
- InnoDB 引擎就麻烦了,它执行 count(*) 的时候,需要把数据一行一行地从引擎里面读出来,然后累积计数。
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)。
6.2 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。
按照效率排序的话,count(字段) < 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 course set name = 'javaEE' where id = 1 ;
复制代码 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 course set name = 'SpringBoot' where name = 'PHP' ;
复制代码 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 。
来源:https://www.cnblogs.com/pine1203/p/18186232
免责声明:由于采集信息均来自互联网,如果侵犯了您的权益,请联系我们【E-Mail:cb@itdo.tech】 我们会及时删除侵权内容,谢谢合作! |
本帖子中包含更多资源
您需要 登录 才可以下载或查看,没有账号?立即注册
x
|