尽量使用主键查询，而非其他索引，因为主键查询不会触发回表查询。 不做列运算，把计算都放入各个业务系统实现 查询语句尽可能简单，大语句拆小语句，减少锁时间 or 查询改写成 union 查询 不用函数和触发器 避免 %xx 查询，可以使用：select * from t where reverse(f) like reverse('%abc'); 少用 join 查询 使用同类型比较，比如 '123' 和 '123'、123 和 123 尽量避免在 where 子句中使用 != 或者 <> 操作符，查询引用会放弃索引而进行全表扫描 列表数据使用分页查询，每页数据量不要太大 避免在索引列上使用 is null 和 is not null
上一篇文章 《MySQL索引原理机器优化》讲了索引的一些原理以及优化方案,这一次学习对查询的优化,毕竟快速的查找到数据才是我们的最终目的.
SQL语句是SELECT * FROM news WHERE tid='{$id}'，根据文章的id把文章从news表中提取出来，在$sql之前，我们只用了限制函数addslashes函数，对$id进行转义，只要我们输入参数在单引号中，就逃逸不出单引号的限制，从而无法注入。
索引是加速数据库查询的关键。在设计表结构时，应该根据查询的需求添加合适的索引。常用的索引包括主键、唯一索引、普通索引、联合索引、前缀索引（vachar、text这种长的数据并且只需要前几个区分度就很高）等。
在之前的文章中，学习了MongoDB中往表里面插入数据的方法，接下来，让我们一起了解一下在MongoDB中查询数据是怎么样去写的：
存储引擎比较 |功能|MyISAM|Memory|InnoDB|Archive| |---|---|---|---|---| |存储限制|256TB|RAM|64TB|None| |支持事务|No|No|Yes|No| |支持全文索引|Yes|No|No|No| |支持数索引|Yes|Yes|Yes|No| |支持哈希索引|No|Yes|No|No| |支持数据缓存|No|N/A|Yes|No| |支持外键|No|No|Yes|No|
在前面的博文里，我已经介绍了 问：哪个版本开始Hive开始支持视图了？ 答：Hive0.6开始 可以先，从MySQL里的视图概念理解入手 视图是由从数据库的基本表中选取出来的数据组成的逻辑窗口，与基本表不同，它是一个虚表。在数据库中，存放的只是视图的定义，而不存放视图包含的数据项，这些项目仍然存放在原来的基本表结构中。 视图可以被定义为多个表的连接，也可以被定义为只有部分列可见，也可为部分行可见。 Hive视图是一种无关底层存储的逻辑对象。视图中的数据是SELECT查询返回的结果。在视图选定后才会开始执行S
可以看到比起之前 limit 1000000时的0.218s 效率也同样提高了很多
当然，本篇也是关于性能优化的，那性能优化就应该一把梭子吗？还是要符合一些规范和原则呢？
如果我们要进行模糊查找，查找name 以“张"开头的所有人的ID，即 sql 语句为
注意：当使用distinct的时候，只会返回指定的字段，其他字段都不会返回，所以查询语句就变成去重查询语句
对于复合索引：Mysql从左到右的使用索引中的字段，一个查询可以只使用索引中的一部份，但只能是最左侧部分。例如索引是key index （a,b,c）。 可以支持a | a,b| a,b,c 3种组合进行查找，但不支持 b,c进行查找 .当最左侧字段是常量引用时，索引就十分有效。
上节课给大家介绍了数据库的基本概念以及如何创建数据库，具体可回顾MySQL创建数据库（一）。从本节课开始，我们将对MySQL中的基本知识点进行分别介绍。本节课先向大家介绍MySQL数据插入insert into与where条件查询的基本用法。
除非单表数据未来会一直不断上涨，否则不要一开始就考虑拆分，拆分会带来逻辑、部署、运维的各种复杂度，一般以整型值为主的表在千万级以下，字符串为主的表在五百万以下是没有太大问题的。而事实上很多时候MySQL单表的性能依然有不少优化空间，甚至能正常支撑千万级以上的数据量：
假设在表tb_user中包含有两个字段age和phone，我们想通过这两个字段进行排序，且事先我们没有创建age和phone字段的索引，直接进行order by排序：
◆ 冷热分离 本文讲的第一个场景是冷热分离。简单来说，就是将常用的“热”数据和不常使用的“冷”数据分开存储。 本章要考虑的重点是锁的机制、批量处理以及失败重试的数据一致性问题。这部分内容在实际开发中的“陷阱”还是不少的。 首先介绍一下业务场景。 ◆ 1.1 业务场景：几千万数据量的工单表如何快速优化 这次项目优化的是一个邮件客服系统。它是一个SaaS（通过网络提供软件服务）系统，但是大客户只有两三家，最主要的客户是一家大型媒体集团。 这个系统的主要功能是这样的：它会对接客户的邮件服务器，自动收取发到几个
如果使用覆盖索引就可以不回表扫描。 索引类型：InnoDB引擎，默认B+树（O(logN)）、Hash索引 B树索引 O(1)
SQL注入漏洞为PHP研发人员所熟知，它是所有漏洞类型中危害最严重的漏洞之一。SQL注入漏洞，主要是通过伪造客户端请求，把SQL命令提交到服务端进行非法请求的操作，最终达到欺骗服务器从而执行恶意的SQL命令。
本系列文章将整理到我在GitHub上的《Java面试指南》仓库，更多精彩内容请到我的仓库里查看
之前在网上看到过很多关于mysql联合索引最左前缀匹配的文章，自以为就了解了其原理，最近面试时和大牛交流中，发现遗漏了些东西，这里自己整理一下这方面的内容。
上两篇文章分别介绍了MySQL8.0的相关的新特性《MySQL 8.0新特性：隐藏索引》和《MySQL 8.0新特性：隐藏字段》，本文继续介绍MySQL8.0的另一个相关的新特定性--降序索引；本文通过5.7和8.0进行对比说明；
---单表的查询学习 --查询表的所有数据 select * from 表名;*代表所有 select * from emp; --查询表中指定字段的值 select 字段名1，字段名2，...from表名 select empno from emp; select empno,ename from emp; --给查询结果中的字段使用别名 --在字段名后使用关键字 字段名 as "别名" --作用：方便查看查询结果 --注意：as关键字可以省略不写，别名中没有特殊字符双引号也可以省略不写。 select empno 员工编号,ename"员工 姓名",job as 工作，mgr as "领导编号" from emp; --连接符：select 字段名||'字符'||字段名||..... from 表名 --||为sql语句的字符链接符，使用在select和from之间 --字符链接格式为 字段名||'字符'||字段名 --注意：一个拼接好的连接在结果集中是作为一个新的字段显示，可以使用别名优化字段显示。 select empno||'的姓名是'||ename as"信息"，job||'哈哈'||mgr from emp; --去除重复 select distinct 字段名,字段名,...fromn 表名 ---注意：去除重复的规则是按照行进行去除的，多行数据完全相同取其一 select distinct job ,mgr from emp; --排序 --单字段排序 --select * from 表名 order by 字段名 asc 升序排序 asc可以省略不写 --select * from 表名 order by 字段名 desc 降序序排序 --多字段排序 --select * from emp order by 字段名1,字段名2... --先按照字段1排序，如果字段1的值相同，则按照字段2排序，.... select * from emp order by empno desc--单字段排序 降序 select empno,ename,job from emp order by ename asc--单字段排序 升序 select * from emp order by empno,ename--多字段排序 --字段的逻辑运算 --select关键字和from关键字之间的字段可以直接进行四则运算 --字段与字段之间也可以直接进行运算 --注意：字段值为数值类型 select * from emp select empno,ename,job,sal*2+1000，sal+comm from emp ----------------------------------------------------------------- --使用where子句查询筛选 --select 字段名，字段名，...from表名 where 筛选条件 --单筛选条件 --使用运算符进行筛选 =,>,>=,<,<=,<> 单个条件中 --注意：如果条件中的值为字符，必须使用单引号括起来 --查询所有的员工的工资信息 select empno,ename,sal+comm as 薪资 from emp --查询SMITH的个人信息 select * from emp where ename='SMITH' --查询SMITH的薪资信息,逻辑运算符= select empno,ename,sal,sal+comm from emp where ename='SMITH' --查询工资大于1000的员工信息,逻辑符> select * from emp where sal>'2000' --查询工资不等于3000的员工信息 select * from emp where sal<>3000 order by sal --练习： --查看工资等于1250的员工信息
除非单表数据未来会一直不断上涨，否则不要一开始就考虑拆分，拆分会带来逻辑、部署、运维的各种复杂度，一般以整型值为主的表在 千万级以下，字符串为主的表在 五百万以下是没有太大问题的。而事实上很多时候MySQL单表的性能依然有不少优化空间，甚至能正常支撑千万级以上的数据量。
当 MySQL 单表记录数过大时，增删改查性能都会急剧下降，可以参考以下步骤来优化。 单表优化 除非单表数据未来会一直不断上涨，否则不要一开始就考虑拆分，拆分会带来逻辑、部署、运维的各种复杂度，一般以整型值为主的表在千万级以下，字符串为主的表在五百万以下是没有太大问题的。而事实上很多时候 MySQL 单表的性能依然有不少优化空间，甚至能正常支撑千万级以上的数据量： 字段 尽量使用TINYINT、SMALLINT、MEDIUM_INT作为整数类型而非INT，如果非负则加上UNSIGNED； VARCHAR的
在MySQL中，我们可以通过EXPLAIN命令获取MySQL如何执行SELECT语句的信息，包括在SELECT语句执行过程中表如何连接和连接的顺序。
当MySQL单表记录数过大时，增删改查性能都会急剧下降，所以我们本文会提供一些优化参考，大家可以参考以下步骤来优化：
|原文链接：https://segmentfault.com/a/1190000006158186
数据库优化是一个很常见的面试题，下面就针对这一问题详细聊聊如何进行索引与sql的分析与优化。
对于关系型数据库的操作，我们在之前的Spring Boot系列教程中已经介绍了几个最常用的使用案例： 使用JdbcTemplate访问MySQL数据库 使用Spring Data JPA访问MySQL 使用MyBatis访问MySQL 因为选择多，因此对于这几种方式哪个更好，一直也是Java开发者们争论的一个热点。同时，一直以来争论的热点一直围绕着MyBatis和Spring Data JPA的选择（之前我们也聊了关于 MyBatis和Spring Data JPA的选择问题）。 今天小编看到一篇比较
sql优化是一个大家都比较关注的热门话题，无论你在面试，还是工作中，都很有可能会遇到。
在SELECT语句中使用星号“”通配符查询所有字段 在SELECT语句中指定所有字段 select from TStudent;
hash： 缺点：1. hash存储需要将数据文件添加到内存，比较耗费内存 2. 等值查询hash很快，但是实际工作中需要在范围查询的场景比较多，hash不太适合
接上篇，上篇主要是从字段类型，索引，SQL语句，参数配置，缓存等介绍了关于MySQL的优化，下面从表的设计，分库，分片，中间件，NoSQL等提供更多关于MySQL的优化。
视图是一种虚拟表 ，本身是不具有数据 的，占用很少的内存空间，它是 SQL 中的一个重要概念.视图建立在已有表的基础上, 视图赖以建立的这些表称为基表.视图的创建和删除只影响视图本身，不影响对应的基表。但是当对视图中的数据进行增加、删除和修改操作时，数据表中的数据会相应地发生变化，反之亦然。视图，是向用户提供基表数据的另一种表现形式。通常情况下，小型项目的数据库可以不使用视图，但是在大型项目中，以及数据表比较复杂的情况下，视图的价值就凸显出来了，它可以帮助我们把经常查询的结果集放到虚拟表中，提升使用效率。理解和使用起来都非常方便。
除非单表数据未来会一直不断上涨，否则不要一开始就考虑拆分，拆分会带来逻辑、部署、运维的各种复杂度，一般以整型值为主的表在千万级以下，字符串为主的表在五百万以下是没有太大问题的。而事实上很多时候MySQL单表的性能依然有不少优化空间，甚至能正常支撑千万级以上的数据量。
在企业日常生产环境中，除非有很大的业务数据变动，否则不会轻易地修改或创建新的数据库和数据表，一般都是在原有的表内添加修改操作，以及使用最频繁的查询操作。
查询优化器的任务是发现执行 SQL 查询的最佳方案。大多数查询优化器，要么基于规则、要么基于成本。
在看此篇前，建议先阅读MySQL索引，对索引有个基本了解：MySQL数据库进阶-索引-CSDN博客
前几天老大问我怎么进行sql优化的，我回答了新建索引。哈哈哈，然后老大就出去找棍子了，进来之后跟我说你知道门在哪边吧，自己出去还是我请你出去？
第七章 MySQL的高级特性 分区操作时，可以只针对某个区进行操作，而且在底层文件系统中的表现，分区是多个表文件，可以高效地利用多个硬件设备。 如果分区字段中有主键或者唯一索引的列，那么所有的主键和唯一索引列都必须包含进来。 当操作分区表的时候，优化器会判断能否过滤部分分区。 Mysql的分区支持范围，键值，哈希和列表分区。 当数据量超大的时候，B-Tree索引就无法起作用了，除非是索引覆盖查询，否则在回表查数据的时候，会产生大量的随机IO，导致超长的响应时间，而且维护索引的代价非常高。 分离热点能有效利用
根据表、列、索引和WHERE子句中的条件的详细信息，MySQL优化器考虑了许多技术来有效地执行SQL查询中涉及的查找。对一个巨大表的查询可以在不读取所有行的情况下执行；涉及多个表的联接可以在不比较每个行组合的情况下执行。「优化器选择执行最有效查询的操作集称为“查询执行计划(query execution plan)”，也称为EXPLAIN计划。」
当MySQL单表记录数过大时，增删改查性能都会急剧下降，可以参考以下步骤来优化： 单表优化 除非单表数据未来会一直不断上涨，否则不要一开始就考虑拆分，拆分会带来逻辑、部署、运维的各种复杂度，一般以整型值为主的表在千万级以下，字符串为主的表在五百万以下是没有太大问题的。而事实上很多时候MySQL单表的性能依然有不少优化空间，甚至能正常支撑千万级以上的数据量： 字段 尽量使用TINYINT、SMALLINT、MEDIUM_INT作为整数类型而非INT，如果非负则加上UNSIGNED VARCHA
领取专属 10元无门槛券
手把手带您无忧上云
云服务器
ICP备案
对象存储
实时音视频
即时通信 IM
