如何优化Mysql千万级快速分页
两步。1，垂直分表。拆表，按你的各个应用场景，如登录、登录，每个应用场景一张表，这张表的字段比原表少，仅仅将该场景用到的字段存进去。2，水平分表。经过第一部后，将每个子表进行水平拆分，。具体方法，比如手机号登录场景的子表，可按手机号末尾一位取模，再分为10个子表，每个子表数据量百万级，mysql性能差不多可以忍受。对了，别忘建个索引。总结一下，要达到的目的无非两个：瘦表，单表数据量级不要超过百万级
mysql如何定期分析检查与优化表
1. 对表进行优化 ( 优化表主要作用是消除删除或者更新造成的空间浪费)2. 对表进行分析（分析关键字的分布, 分析并存储MyISAM和BDB表中键的分布）3. 对表进行检查（检查表的错误，并且为MyISAM更新键的统计内容）4. 对表进行修复（修复被破坏的MyISAM表）分析表ANALYZE TABLE 表名1 [,表名2…] ;ANALYZE TABLE分析表的过程中，数据库系统会对表加一个只读锁。在分析期间，只能读取表中的记录，不能更新和插入记录。ANALYZE TABLE语句能够分析InnoDB和MyISAM类型的表。对表的定期分析可以改善性能，且应该成为常规维护工作的一部分。因为通过更新表的索引信息对表进行分析，可改善数据库性能。检查表MySQL中使用CHECK TABLE语句来检查表。CHECK TABLE语句能够检查InnoDB和MyISAM类型的表是否存在错误。还可以检查视图是否存在错误.check table 表名优化表随着MySQL的使用，包括BLOB和VARCHAR字节的表将变得比较繁冗，因为这些字段长度不同，对记录进行插入、更新或删除时，会占有不同大小的空间，记录就会变成碎片，且留下空闲的空间。像具有碎片的磁盘，会降低性能，需要整理，因此要优化。 （个人理解：当删除数据之后，原来的索引文件位置会空出来。等待新文件的插入，optimize命令就是整理索引文件）针对MyISAM表，直接使用如下命令进行优化 optimize table table1[,table2][,table3] myisaminnodbTable does not support optimize, doing recreate + analyze instead。因为Innodb结构下删除了大量的行，此时索引会重组并且会释放相应的空间因此不必优化。 show table status like ‘表名’；
如何优化MySQL千万级大表
概述使用阿里云rds for MySQL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ORDER BY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not null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，group by，order by，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：SELECT id WHERE age + 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：SELECT id FROM t WHERE num BETWEEN 1 AND 5。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tiDB pingcap/tidb，Cubrid Open Source Database With Enterprise Features。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HybridDB for MySQL (原PetaData)，云数据库HybridDB for MySQL （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（Hybrid Transaction/Analytical Processing）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脚本等操作数据，数据以表格的形式展现，以分布式存储，采用定时任务和批处理的处理数据。DataWorks提供了一种工作流的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。
mysql sql优化面试题
1.在表中建立索引，优先考虑 where group by 使用到的字段2.查询时尽量避免使用select * ，只查询需要用到的字段3.避免在where子句中使用关键字两边都是%的模糊查询，尽量在关键字后使用模糊查询4.尽量避免在where子句中使用IN 和NOT IN优化：能使用between就不用in在子查询中使用exists 子句
