插入数据优化

插入数据优化主要是对于insert进行批量插入时优化，下面我们就来开始分析一下

如果我们需要一次性往数据库表中插入多条记录，一条一条插入效率实在太慢了。
insert into tb_test values(1,'tom'); insert into tb_test values(2,'cat'); insert into tb_test values(3,'jerry'); .....

可以从以下三个方面进行优化。

1）批量插入数据

Insert into tb_test values(1,'Tom'),(2,'Cat'),(3,'Jerry');

2）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;

3）主键顺序插入

主键顺序插入，性能要高于乱序插入

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

主键优化

在上面，我们提到，主键顺序插入的性能是要高于乱序插入的。 这一小节，就来介绍一下具体的原因，然后再分析一下主键又该如何设计。
在解释为什么主键顺序插入性能高于乱序插入之前，我们先要来了解一下什么是页分裂，什么是页合并

• 页分裂

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。

我们先来看如果是主键顺序插入的效果
①. 从磁盘中申请页， 主键顺序插入

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

接下来看看如果我们是乱序插入的话效果是怎么样的

①. 假如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

这时候可能有的小伙伴就会想了，会再次开启一个页，写入新的页中吗？我们一起来往下看看吧

假如会开启一个新的页，并且将id为50的记录写入新的页中，我们仔细想想是不是会违背我们索引本身的一个结构呢？

索引结构的叶子节点本身是有顺序的

接下来就该进入页分裂的正式步骤了，由于之前我们插入的数据没有按照顺序一个一个插入，而是像我们现在一样107都插完了才来插入50，而第一页的数据又满了，这时候50还想插入到47后面，那就必须进行页分裂了。

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。

• 页合并

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20，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”。

注意：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。

主键优化：
（1）满足业务需求的情况下，尽量降低主键的长度。
（2）插入数据时，尽量选择顺序插入，选择使用AUTO_INCREMENT自增主键。
（3）尽量不要使用UUID做主键或者是其他自然主键，如身份证号。
（4）业务操作时，避免对主键的修改。

order by优化

MySQL的排序，有两种方式：

• 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。

explain select id,age,phone from tb_user order by age ;

explain select id,age,phone from tb_user order by age, phone ;

由于 age, phone 都没有索引，所以此时再排序时，出现Using filesort， 排序性能较低。

创建索引

create index idx_user_age_phone_aa on tb_user(age,phone);

创建索引后，根据age, phone进行升序排序

explain select id,age,phone from tb_user order by age; 1

explain select id,age,phone from tb_user order by age , phone;

建立索引之后，再次进行排序查询，就由原来的Using filesort， 变为了 Using index，性能就是比较高的了。

再来看一种特殊情况：根据age, phone进行降序一个升序，一个降序

explain select id,age,phone from tb_user order by age asc , phone desc ;

因为创建索引时，如果未指定顺序，默认都是按照升序排序的，而查询时，一个升序，一个降序，此时就会出现Using filesort。

为了解决上述的问题，我们可以创建一个索引，这个联合索引中 age 升序排序，phone 倒序排序。

建立好新的索引后，我们再来查询看看：

explain select id,age,phone from tb_user order by age asc , phone desc ;

由上述的测试,我们得出order by优化原则:
（1） 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。
（2） 尽量使用覆盖索引。
（3）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）。
（4）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256k)。

group by优化

group by的话就直接在分组的字段上建立索引就可以进行优化，但是最好是建立联合索引，提高索引的效率

limit优化

在数据量比较大时，如果进行limit分页查询，在查询时，越往后，分页查询效率越低。
我们一起来看看执行limit分页查询耗时对比：

通过测试我们会看到，越往后，分页查询效率越低，这就是分页查询的问题所在。

因为，当在进行分页查询时，如果执行 limit 2000000,10 ，此时需要MySQL排序前2000010 记录，仅仅返回
2000000 - 2000010 的记录，其他记录丢弃，查询排序的代价非常大 。

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。

count优化

mysql中的innodb本身对count是没有什么比较好的优化方式的

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)。

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 ;

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' ;

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。

update优化的话主要是将update修改的字段添加索引，如果不添加索引的话可能存在将行级锁升级为表级锁的过程，表级锁的话锁住了别的事务就无法去修改同表中的其他字段了

小结

insert：

（1）是我们在插入数据的时候尽量去使用批量插入，因为每一次insert都需要去和数据库建立连接进行网络传输，这个性能相对是比较低的。
（2）是手动提交事务，因为insert每次执行完都会自动的提交事务和开启事务，频繁的开启和提交事务性能比较低。
（3）就是主键尽量采用顺序插入

主键优化：

（1）满足业务需求的情况下，尽量降低主键的长度，因为可能一个主键索引存在多个二级索引，如果主键长度很长，将会占用大量的磁盘空间。
（2）插入数据时，尽量选择顺序插入（页分裂和页合并），选择自增主键。
（3）尽量不要使用uuid作为主键或者是其他自然主键（耗费大量的磁盘io）

order by优化：

（1）对需要排序的字段建立索引，因为排序是分为两种排序一种是Using filesort，另一种是Using index，相对而言Using index的效率要比Using filesort的效率高，所以尽量在需要排序的字段上建立索引
（2）尽量使用覆盖索引，提高索引的效率
（3）多字段排序时，一个升序，一个降序，此时如果建立的索引没有指定排序的话，他会走Using filesort排序，这时候我们就要对字段指定的升降序进行建立索引
（4）如果不可避免的出现filesort，大量数据排序时，可以适当的增加排序缓冲区大小sort_buffer_size(默256k)。

group by 优化：

group by的话就直接在分组的字段上建立索引就可以进行优化，但是最好是建立联合索引，提高索引的效率

limit优化：

limit的话主要是优化的是大数据情况下的分页操作，比如说limit（5000000，10）这样的操作，他就比较的慢，优化方案是覆盖索引加子查询的方式来进行优化，比如我通过分页先查询从5000000往后的10条数据的id（只查询id不用进行回表操作）,然后将查询到的id看作一张表，与原来的表进行一个多表联查

count优化：

count其实没有啥好的优化方案，如果要对count进行优化的话，可以使用redis这样的缓存数据库来计数，但是对于带条件的count其实也优化不了。

update优化：

update优化的话主要是将update修改的字段添加索引，如果不添加索引的话可能存在将行级锁升级为表级锁的过程，表级锁的话锁住了别的事务就无法去修改同表中的其他字段了