插入数据优化

少量插入数据

如果我们需要一次性往数据库表中插入多条记录，可以从以下三个方面进行优化。

insert into tb_test values(1,'tom');
insert into tb_test values(2,'cat');
insert into tb_test values(3,'jerry');
.....
1
2
3
4

1. 优化方案一
   批量插入数据

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

2. 优化方案二
   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;
1
2
3
4
5
6
7

3. 优化方案三
   主键顺序插入，性能要高于乱序插入。

主键乱序插入 : 8 1 9 21 88 2 4 15 89 5 7 3
主键顺序插入 : 1 2 3 4 5 7 8 9 15 21 88 89

大批量插入数据

如果一次性需要插入大批量数据(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，也就是将文件中的数据进行导入，备注数据与数据之间用什么分隔，用什么换行

可以执行如下指令，将数据脚本文件中的数据加载到表结构中：

1. 客户端连接服务端（连接数据库）时，加上参数 -–local-infile

mysql –-local-infile -u root -p
1

2. 设置全局参数local_infile为1，开启从本地加载文件导入数据的开关

查看local_infile开关是否开启
select @@local_infile ;

开启开关
set global local_infile = 1;
1
2
3
4
5

3. 执行load指令将准备好的数据，加载到表结构中
   • local infile ：本地磁盘文件在那
   • into table：往哪一张表中加载文件
   • fields terminated by：字段之间的分隔符
   • lines terminated by：行数据之间用什么分隔

load data local infile '/root/sql1.log' into table tb_user fields terminated by ',' lines terminated by '\n';
1

主键优化

主键顺序插入的性能是要高于乱序插入的。

1. 数据组织方式

在InnoDB存储引擎中，表数据都是根据主键顺序组织存放的，这种存储方式的表称为索引组织表

行数据，都是存储在聚集索引的叶子节点上的。

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。

2. 页分裂

页可以为空，也可以填充一半，也可以填充100%。每个页包含了2-N行数据(如果一行数据过大，会行
溢出)，根据主键排列。

1. 主键顺序插入效果
   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

2. 主键乱序插入效果
   ①. 加入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
   

不会。因为，索引结构的叶子节点是有顺序的。按照顺序，应该存储在47之后

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。

3. 页合并

目前表中已有数据的索引结构(叶子节点)

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21，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”。

4. 索引设计原则

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sort buffer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。
• 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。

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（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(默认256k)。

• 没有索引时

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

• 创建索引后

-- 创建索引
create index idx_user_age_phone_aa on tb_user(age,phone);
1
2

• 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

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。

• 创建索引后，根据age, phone进行降序排序

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

也出现 Using index， 但是此时Extra中出现了 Backward index scan，这个代表反向扫描索
引，因为在MySQL中我们创建的索引，默认索引的叶子节点是从小到大排序的，而此时我们查询排序
时，是从大到小，所以，在扫描时，就是反向扫描，就会出现 Backward index scan。 在
MySQL8版本中，支持降序索引，我们也可以创建降序索引。

• 根据phone，age进行升序排序，phone在前，age在后。

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

排序时,也需要满足最左前缀法则,否则也会出现 filesort。因为在创建索引的时候， age是第一个字段，phone是第二个字段，所以排序时，也就该按照这个顺序来，否则就会出现 Using
filesort。

• 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 ;
1

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。
创建联合索引(age 升序排序，phone 倒序排序)

这里会多出_ad
 create index idx_user_age_phone_ad on tb_user(age asc ,phone desc);
1
2

• 然后再次执行如下SQL

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

1
2

group by优化

在分组操作中，我们需要通过以下两点进行优化，以提升性能：

1. 在分组操作时，可以通过索引来提高效率。
2. 分组操作时，索引的使用也是满足最左前缀法则的。

在没有索引的情况下，执行如下SQL，查询执行计划：
explain select profession , count(*) from tb_user group by profession ;

然后，我们在针对于 profession ， age， status 创建一个联合索引。

create index idx_user_pro_age_sta on tb_user(profession , age , status);
1

紧接着，再执行前面相同的SQL查看执行计划。

explain select profession , count(*) from tb_user group by profession ;
1

当只对
我们发现，如果仅仅根据age分组，就会出现 Using temporary ；而如果是 根据
profession,age两个字段同时分组，则不会出现 Using temporary。原因是因为对于分组操作，
在联合索引中，也是符合最左前缀法则的。

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，可以通过覆盖索引加子查询形式进行优化。

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。

explain select * from tb_sku t , (select id from tb_sku order by id limit 2000000,10) a where t.id = a.id;

1
2

count优化

如果数据量很大，在执行count操作时，是非常耗时的。

• MyISAM 引擎把一个表的总行数存在了磁盘上，因此执行 count(*) 的时候会直接返回这个数，效率很高； 但是如果是带条件的count，MyISAM也慢。
• InnoDB 引擎就麻烦了，它执行 count(*) 的时候，需要把数据一行一行地从引擎里面读出
  来，然后累积计数。

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)。

• 按照效率排序的话:

count(字段) < count(主键 id) < count(1) ≈ count()，所以尽量使用 count()。

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 ;
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' ;
1

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。

InnoDB的行锁是针对索引加的锁，不是针对记录加的锁 ,并且该索引不能失效，否则会从行锁升级为表锁 。