相關配置參數：

slow_query_log # 啟動停止記錄慢查日志，慢查詢日志默認是沒有開啟的可以在配置文件中開啟(on)

slow_query_log_file # 指定慢查日志的存儲路徑及文件，日志存儲和數據從存儲應該分開存儲

long_query_time # 指定記錄慢查詢日志SQL執行時間的閥值默認值為10秒通常,對于一個繁忙的系統來說,改為0.001秒(1毫秒)比較合適

log_queries_not_using_indexes #是否記錄未使用索引的SQL

復制代碼

常用工具： mysqldumpslow 和 pt-query-digest

pt-query-digest --explain h=127.0.0.1,u=root,p=p@ssWord slow-mysql.log

復制代碼

1.1.3 實時獲取有性能問題的SQL(推薦)

SELECT id,user,host,DB,command,time,state,info

FROM information_schema.processlist

WHERE TIME>=60

復制代碼

查詢當前 服務器 執行超過60s的SQL，可以通過腳本周期性的來執行這條SQL，就能查出有問題的SQL。

1.2 SQL的解析預處理及生成執行計劃(重要)

1.2.1 查詢過程描述(重點！！！)

通過上圖可以清晰的了解到 MySql 查詢執行的大致過程：

1.發送SQL語句。

2.查詢緩存，如果命中緩存直接返回結果。

3.SQL解析，預處理，再由優化器生成對應的查詢執行計劃。

4.執行查詢，調用存儲引擎API獲取數據。

5.返回結果。

1.2.2 查詢緩存對性能的影響(建議關閉緩存)

第一階段：

相關配置參數：

query_cache_type # 設置查詢緩存是否可用

query_cache_size # 設置查詢緩存的內存大小

query_cache_limit # 設置查詢緩存可用的存儲最大值(加上sql_no_cache可以提高效率)

query_cache_wlock_invalidate # 設置數據表被鎖后是否返回緩存中的數據

query_cache_min_res_unit # 設置查詢緩存分配的內存塊的最小單

復制代碼

緩存查找是利用對大小寫敏感的哈希查找來實現的，Hash查找只能進行全值查找(sql完全一致)，

如果緩存命中，檢查用戶權限，如果權限允許，直接返回，查詢不被解析，也不會生成查詢計劃。

復制代碼

在一個讀寫比較頻繁的系統中，建議 關閉緩存 ，因為緩存更新會加鎖。將 query_cache_type 設置為 off , query_cache_size 設置為 0 。

1.2.3 第二階段：MySQL依照執行計劃和存儲引擎進行交互

這個階段包括了多個子過程：

一條查詢可以有多種查詢方式，查詢優化器會對每一種查詢方式的(存儲引擎)統計信息進行比較，找到成本最低的查詢方式，這也就是索引不能太多的原因。

1.3 會造成MySQL生成錯誤的執行計劃的原因

1、統計信息不準確

2、成本估算與實際的執行計劃成本不同

3、給出的最優執行計劃與估計的不同

4、MySQL不考慮并發查詢

5、會基于固定規則生成執行計劃

6、MySQL不考慮不受其控制的成本，如存儲過程，用戶自定義函數

1.4 MySQL優化器可優化的SQL類型

查詢優化器：對查詢進行優化并查詢mysql認為的成本最低的執行計劃。

為了生成最優的執行計劃，查詢優化器會對一些查詢進行改寫

復制代碼

可以優化的sql類型

1、重新定義表的關聯順序；

2、將外連接轉換為內連接；

3、使用等價變換規則；

4、優化count(),min(),max()；

5、將一個表達式轉換為常數；

6、子查詢優化；

7、提前終止查詢，如發現一個不成立條件(如where id = -1)，立即返回一個空結果；

8、對in()條件進行優化；

1.5 查詢處理各個階段所需要的時間

1.5.1 使用profile(目前已經不推薦使用了)

set profiling = 1; #啟動profile,這是一個session級的配制執行查詢

show profiles; # 查詢每一個查詢所消耗的總時間的信息

show profiles for query N; # 查詢的每個階段所消耗的時間

1.5.2 performance_schema是5.5引入的一個性能分析引擎(5.5版本時期開銷比較大)

啟動監控和歷史記錄表： use performance_schema

update setup_instruments set enabled='YES',TIME = 'YES' WHERE NAME LIKE 'stage%';

update set_consumbers set enabled='YES',TIME = 'YES' WHERE NAME LIKE 'event%';

復制代碼

1.6 特定SQL的查詢優化

1.6.1 大表的數據修改

1.6.2 大表的結構修改

1.利用主從復制，先對從服務器進入修改，然后主從切換

2.(推薦)

添加一個新表(修改后的結構)，老表數據導入新表，老表建立觸發器，修改數據同步到新表，

老表加一個排它鎖(重命名)， 新表重命名， 刪除老表。

復制代碼

修改語句這個樣子：

alter table sbtest4 modify c varchar(150) not null default ''

復制代碼

利用 工具 修改：

1.6.3 優化not in 和 <> 查詢

子查詢改寫為關聯查詢：

二、分庫分表

2.1 分庫分表的幾種方式

分擔讀負載 可通過 一主多從，升級硬件來解決。

復制代碼

2.1.1 把一個實例中的多個 數據庫 拆分到不同實例(集群)

拆分簡單,不允許跨庫。但并不能減少寫負載

復制代碼

2.1.2 把一個庫中的表分離到不同的數據庫中

該方式只能在一定時間內減少寫壓力。

以上兩種方式只能暫時解決讀寫性能問題。

2.1.3 數據庫分片

對一個庫中的相關表進行水平拆分到不同實例的數據庫中

復制代碼

2.1.3.1 如何選擇分區鍵

1.分區鍵要能盡可能避免跨分區查詢的發生

2.分區鍵要盡可能使各個分區中的數據平均

2.1.3.2 分片中如何生成全局唯一ID

擴展：表的垂直拆分和水平拆分

隨著業務的發展，數據庫成為了整個系統性能的一個瓶頸，這時候就需要對數據庫進行優化，但是單單是優化只能提高有限的一點性能，這時候要想解決問題需要的是從數據庫架構層面去思考問題。數據庫的架構是一個很大的課題，里面最實用的有兩個，一個是數據庫拆分，一個是讀寫分離。今天就來談談數據庫的兩種拆分方式。

一、垂直拆分

垂直拆分很簡單，就是根據不同的業務來劃分不同的數據庫。比如一個電商系統根據業務可以分成商品表、會員表、訂單表。原先，這些表都是放在同一個數據庫服務器上，現在需要垂直拆分數據庫，就是將商品表單獨放在一個數據庫中，會員表單獨放在一個數據庫中，訂單表單獨放在一個數據庫中，這樣就解決了表與表之間的io競爭。

二、水平拆分

垂直拆分比較簡單，水平拆分就比較復雜了，要考慮很多東西。垂直拆分根據業務來拆分，或者說的直白點就是根據表名來拆分，而水平拆分是根據表里面的字段來拆分(記住是根據字段來拆分，而不是拆分字段，拆分后的每一張表的表結構都是一樣)。比如要拆分用戶表，可以根據用戶的注冊時間這一字段來拆分整個表，2016年注冊的用戶放在用戶表1中，2017年注冊的用戶放在用戶表2中，2018年注冊的用戶放在用戶表3中。這就是水平拆分，看似很簡單，實際上要考慮的東西是很多的。就比如上述的例子，我們用時間來拆分，就會有局限性。一個好產品上線后，在開始的時候用戶數量都是很少的，都需要一定時間的沉淀，才會有一個用戶數量的爆發期。如果用時間來拆分，就會出現一種情況，就是用戶表1的規模很小，而用戶表2的規模卻很大，是用戶表1的好幾倍，而用戶表三可能是用戶表1的好幾十倍。這樣的話，拆分水平拆分的意義就不大了。一般用戶表都是用戶id來拆分的，具體還要結合實際業務去分析。所以，水平拆分是一件很復雜的事情，大家在進行水平拆分的時候一定要考慮到方方面面，這樣才能設計出優秀的數據庫架構方案。