mysql优化配置？mysql优化参数详解

大家好，关于mysql优化配置很多朋友都还不太明白，不过没关系，因为今天小编就来为大家分享关于mysql优化参数详解的知识点，相信应该可以解决大家的一些困惑和问题，如果碰巧可以解决您的问题，还望关注下本站哦，希望对各位有所帮助！

SQL数据库如何优化

之前在BAT里参与过一个公司级应用（非市场级，投入的人力也不会那么大），上线2年后，总是被用户投诉，原因是这个应用使用MySql数据库来做持久层，但是2年了，有一张非常重要的存储历史任务的表实在是太大了，导致通过页面想要查询历史数据的速度变得非常非常慢，所以用户很是不满意。

分析下来，这不是用Redis能解决的缓存问题，而是历史数据的查询响应速度问题。

我们最开始是希望能够通过增加索引的方式解决，但是面对千万级别的数据量，我们也不敢贸然加索引，因为一旦数据库hang住，期间的所有数据库写入请求都会被放到等待队列中，如果请求是通过http请求发过来的，很有可能导致服务发生分钟级别的超时不响应。

虽然经常被用户投诉反应慢，也不能破罐破摔，直接超时不响应了吧。

于是我们陷入了两难的境地。

后来我们分了两个部分来优化持久层。

第一步就是配置MySQL的主从库，通过将读写请求分离，来提高数据库的响应速度。

从上图可知，来自同一台服务器的请求，经过MySQL-proxy被分流给了不同的MySQL节点，其中写请求给了主节点，读请求给了从节点。因此，我们首先通过分流的方式，减轻了单节点MySQL的响应压力，实现了优化的第一步。

但是，只配置MySQL的主从是远远不够的。

通过查阅论坛，相关资料，我们最终敲定在持久层引入ElasticSearch。

ElasticSearch是一个轻量级的持久层工具，它支持动态多节点部署，自动备份，节点掉线后能够自动切换主从，动态广播发现新上线的节点，而这些优点的应用，无须修改任何server端配置。可以这样理解，如果你部署了4个elasticsearch节点，其中2个掉了，服务器还是可以很好的继续运行。

此外，它还有一个最重要的优势，那就是支持大数据快速查询。一张几千万的表，如果用MySQL查询，可能需要几秒到几十秒不等，但是如果用elasticsearch，只需要毫秒级别就能查询到结果。完美的解决了我们当前的问题，还顺带帮我们巩固了持久层的稳定性问题。

综上，优化Mysql的目的是为持久层服务，除了引入主从配置，当MySQL自身局限性导致无法继续优化后，引入其他技术也是十分必要的。

如果你对这篇回答有任何问题，欢迎在下方点赞，留言。

我是苏苏思量，来自BAT的java开发工程师，头像是本人，每天都会分享科技类见闻，欢迎关注我，与我共同进步。

mysql数据库设计与优化，应不应该使用约束

首先使用约束可以确保表数据的准确完整和唯一性；

其中常见的约束有

PRIMARYKEY,DEFAULT,UNIQUE,FOREIGNKEY，NOTNULL

一般情况下：DEFAULT和NOTNULL是会限制的，可以确保数据完整避免程序逻辑不够严谨造成的系统异常。但也不是绝对的，如果是后期优化还要考虑现有数据是否会造成冲突。

PRIMARYKEY在大对数情况下会设置作为业务数据的唯一标识符。但一些关系表一般可以不设置。有人说PRIMARYKEY必须自增，其实也未必。得就实际业务需求而定。

UNIQUE约束可以保证一列或者多列组合值都是唯一的。可以提升这一列的搜索效率。但同样也得考虑历史数据的情况。

当然以上情况只是经验之谈，具体数据库的优化一定是根据实际的业务逻辑进行的。可能没有什么必须遵守不可违背的定律。

只要符合业务需求并且能够提升业务效率，就是合理的设计。

如何优化MySQL千万级大表

概述

使用阿里云rdsforMySQL数据库（就是MySQL5.6版本），有个用户上网记录表6个月的数据量近2000万，保留最近一年的数据量达到4000万，查询速度极慢，日常卡死，严重影响业务。

老系统，当时设计系统的人大概是大学没毕业，表设计和SQL语句写的不仅仅是垃圾，简直无法直视。原开发人员都已离职，到我来维护，这就是传说中的维护不了就跑路，然后我就是掉坑的那个！！！

方案概述

方案一：优化现有MySQL数据库。优点：不影响现有业务，源程序不需要修改代码，成本最低。缺点：有优化瓶颈，数据量过亿就玩完了。

方案二：升级数据库类型，换一种100%兼容MySQL的数据库。优点：不影响现有业务，源程序不需要修改代码，你几乎不需要做任何操作就能提升数据库性能，缺点：多花钱。

方案三：一步到位，大数据解决方案，更换newSQL/noSQL数据库。优点：没有数据容量瓶颈，缺点：需要修改源程序代码，影响业务，总成本最高。

优化现有MySQL数据库数据库设计

表字段避免null值出现，null值很难查询优化且占用额外的索引空间，推荐默认数字0代替null。

尽量使用INT而非BIGINT，如果非负则加上UNSIGNED（这样数值容量会扩大一倍），当然能使用TINYINT、SMALLINT、MEDIUM_INT更好。

尽量使用TIMESTAMP而非DATETIME。

单表不要有太多字段，建议在20以内。

用整型来存IP。

索引并不是越多越好，要根据查询有针对性的创建，考虑在WHERE和ORDERBY命令上涉及的列建立索引，可根据EXPLAIN来查看是否用了索引还是全表扫描。

应尽量避免在WHERE子句中对字段进行NULL值判断，否则将导致引擎放弃使用索引而进行全表扫描。

值分布很稀少的字段不适合建索引，例如"性别"这种只有两三个值的字段。

字符字段最好不要做主键。

不用外键，由程序保证约束。

尽量不用UNIQUE，由程序保证约束。

使用多列索引时注意顺序和查询条件保持一致，同时删除不必要的单列索引。

使用可存下数据的最小的数据类型，整型<date,time<char,varchar<blob*

使用简单的数据类型，整型比字符处理开销更小，因为字符串的比较更复杂。如，int类型存储时间类型，bigint类型转ip函数。

使用合理的字段属性长度，固定长度的表会更快。使用enum、char而不是varchar。

尽可能使用notnull定义字段。

尽量少用text，非用不可最好分表。

查询频繁的列，在where，groupby，orderby，on从句中出现的列。

where条件中<，<=，=，>，>=，between，in，以及like字符串+通配符（%）出现的列。

长度小的列，索引字段越小越好，因为数据库的存储单位是页，一页中能存下的数据越多越好。

离散度大（不同的值多）的列，放在联合索引前面。查看离散度，通过统计不同的列值来实现，count越大，离散程度越高。

SQL编写

使用limit对查询结果的记录进行限定。

避免select*，将需要查找的字段列出来。

使用连接（join）来代替子查询。

拆分大的delete或insert语句。

可通过开启慢查询日志来找出较慢的SQL。

不做列运算：SELECTidWHEREage+1=10，任何对列的操作都将导致表扫描，它包括数据库教程函数、计算表达式等等，查询时要尽可能将操作移至等号右边。

SQL语句尽可能简单：一条SQL只能在一个cpu运算；大语句拆小语句，减少锁时间；一条大SQL可以堵死整个库。

OR改写成IN：OR的效率是n级别，IN的效率是log(n)级别，in的个数建议控制在200以内。

不用函数和触发器，在应用程序实现。

避免%xxx式查询。

少用JOIN。

使用同类型进行比较，比如用'123'和'123'比，123和123比。

尽量避免在WHERE子句中使用!=或<>操作符，否则将引擎放弃使用索引而进行全表扫描。

对于连续数值，使用BETWEEN不用IN：SELECTidFROMtWHEREnumBETWEEN1AND5。

列表数据不要拿全表，要使用LIMIT来分页，每页数量也不要太大。

分区

分区表的数据更容易维护，可以通过清楚整个分区批量删除大量数据，也可以增加新的分区来支持新插入的数据。另外，还可以对一个独立分区进行优化、检查、修复等操作。

部分查询能够从查询条件确定只落在少数分区上，速度会很快。

分区表的数据还可以分布在不同的物理设备上，从而搞笑利用多个硬件设备。

可以使用分区表赖避免某些特殊瓶颈，例如InnoDB单个索引的互斥访问、ext3文件系统的inode锁竞争。

可以备份和恢复单个分区。

一个表最多只能有1024个分区。

如果分区字段中有主键或者唯一索引的列，那么所有主键列和唯一索引列都必须包含进来。NULL值会使分区过滤无效。

所有分区必须使用相同的存储引擎。

分表

分表就是把一张大表，按照如上过程都优化了，还是查询卡死，那就把这个表分成多张表，把一次查询分成多次查询，然后把结果组合返回给用户。

分表分为垂直拆分和水平拆分，通常以某个字段做拆分项。比如以id字段拆分为100张表：表名为tableName_id%100。

但：分表需要修改源程序代码，会给开发带来大量工作，极大的增加了开发成本，故：只适合在开发初期就考虑到了大量数据存在，做好了分表处理，不适合应用上线了再做修改，成本太高！！！而且选择这个方案，都不如选择我提供的第二第三个方案的成本低！故不建议采用。

分库升级数据库

开源数据库会带来大量的运维成本且其工业品质和MySQL尚有差距，有很多坑要踩，如果你公司要求必须自建数据库，那么选择该类型产品。如tiDBpingcap/tidb，CubridOpenSourceDatabaseWithEnterpriseFeatures。

阿里云POLARDB，POLARDB是阿里云自研的下一代关系型分布式云原生数据库，100%兼容MySQL，存储容量最高可达100T，性能最高提升至MySQL的6倍。POLARDB既融合了商业数据库稳定、可靠、高性能的特征，又具有开源数据库简单、可扩展、持续迭代的优势，而成本只需商用数据库的1/10。

阿里云OcenanBase，淘宝使用的，扛得住双十一，性能卓著，但是在公测中，我无法尝试，但值得期待。

阿里云HybridDBforMySQL(原PetaData)，云数据库HybridDBforMySQL（原名PetaData）是同时支持海量数据在线事务（OLTP）和在线分析（OLAP）的HTAP（HybridTransaction/AnalyticalProcessing）关系型数据库。

腾讯云DCDB，DCDB又名TDSQL，一种兼容MySQL协议和语法，支持自动水平拆分的高性能分布式数据库——即业务显示为完整的逻辑表，数据却均匀的拆分到多个分片中；每个分片默认采用主备架构，提供灾备、恢复、监控、不停机扩容等全套解决方案，适用于TB或PB级的海量数据场景。

hadoop家族。hbase/hive怼上就是了。但是有很高的运维成本，一般公司是玩不起的，没十万投入是不会有很好的产出的！

我选择了阿里云的MaxCompute配合DataWorks，使用超级舒服，按量付费，成本极低。

MaxCompute可以理解为开源的Hive，提供SQL/mapreduce/ai算法/python脚本/shell脚本等方式操作数据，数据以表格的形式展现，以分布式方式存储，采用定时任务和批处理的方式处理数据。DataWorks提供了一种工作流的方式管理你的数据处理任务和调度监控。

当然你也可以选择阿里云hbase等其他产品，我这里主要是离线处理，故选择MaxCompute，基本都是图形界面操作，大概写了300行SQL，费用不超过100块钱就解决了数据处理问题。

如何在WordPress后台直接优化MySQL数据库

使用数据库优化清理插件

MySQL实现批量插入以优化性能的教程

开启mysql事务，打开MyBatis的DEBUG日志查看执行的SQL，并打印DELETE返回的effectcount

好了，文章到这里就结束啦，如果本次分享的mysql优化配置和mysql优化参数详解问题对您有所帮助，还望关注下本站哦！