剛參加工作的我們，都以爲使用 MySQL 是非常的簡單的，無非都是照着 【select from where group by order by】 這個格式套來套去；從來不會關注 SQL 的耗費時長，更不會關注查詢的性能。
但是當用戶量上來了，表數據不斷暴增，導致我們以前寫的 SQL 的查詢時間越來越長，最後還被 DBA 和領導瘋狂吐槽一波。那麼，此時我們是不是應該學習一下如何去優化我們的爛 SQL 呢？
下面，我將從多方面去深入講解如何優化 SQL 。
一、索引優化
索引的數據結構是 B+Tree，而 B+Tree 的查詢性能是比較高的，所以建立索引能提升 SQL 的查詢性能。
1、建立普通索引
對經常出現在 where 關鍵字後面的表字段建立對應的索引。
2、建立複合索引
如果 where 關鍵字後面常出現的有幾個字段，可以建立對應的 複合索引。要注意可以優化的一點是：將單獨出現最多的字段放在前面。
例如現在我們有兩個字段 a 和 b 經常會同時出現在 where 關鍵字後面：
select * from t where a = 1 and b = 2; \* Q1 *\
也有很多 SQL 會單獨使用字段 a 作爲查詢條件：
select * from t where a = 2; \* Q2 *\
此時，我們可以建立複合索引 index(a,b)。因爲不但 Q1 可以利用複合索引，Q2 也可以利用複合索引。
3、最左前綴匹配原則
如果我們使用的是複合索引，應該儘量遵循 最左前綴匹配原則。MySQL 會一直向右匹配直到遇到範圍查詢(>、<、between、like)就停止匹配。
假如此時我們有一條 SQL ：
select * from t where a = 1 and b = 2 and c > 3 and d = 4;
那麼我們應該建立的複合索引是：index(a,b,d,c) 而不是 index(a,b,c,d)。因爲字段 c 是範圍查詢，當 MySQL 遇到範圍查詢就停止索引的匹配了。
大家也注意到了，其實 a,b,d 在 SQL 的位置是可以任意調整的，優化器會找到對應的複合索引。
還要注意一點的是：最左前綴匹配原則不但是複合索引的最左 N 個字段；也可以是單列（字符串類型）索引的最左 M 個字符。
- 例如我們常說的 like 關鍵字，儘量不要使用全模糊查詢，因爲這樣用不到索引；
- 所以建議是使用右模糊查詢：select * from t where name like '李%'（查詢所有姓李的同學的信息）。
4、索引下推
很多時候，我們還可以複合索引的 索引下推 來優化 SQL 。
例如此時我們有一個複合索引：index(name,age) ，然後有一條 SQL 如下：
select * from user where name like '蘇%' and age = 10 and sex = 'm';
根據複合索引的最左前綴匹配原則，MySQL 匹配到複合索引 index(name,age) 的 name 時，就停止匹配了；然後接下來的流程就是根據主鍵回表，判斷 age 和 sex 的條件是否同時滿足，滿足則返回給客戶端。
但是由於有索引下推的優化，匹配到 name 時，不會立刻回表；而是先判斷複合索引 index(name,age) 中的 age 是否符合條件；符合條件才進行回表接着判斷 sex 是否滿足，否則會被過濾掉。
那麼藉着 MySQL 5.6 引入的索引下推優化 ，可以做到減少回表的次數。
5、覆蓋索引
很多時候，我們還可以 覆蓋索引 來優化 SQL 。
情況一：SQL 只查詢主鍵作爲返回值。
主鍵索引（聚簇索引）的葉子節點是整行數據，而普通索引（二級索引）的葉子節點是主鍵的值。
所以當我們的 SQL 只查詢主鍵值，可以直接獲取對應葉子節點的內容，而避免回表。
情況二：SQL 的查詢字段就在索引裏。
複合索引：假如此時我們有一個複合索引 index(name,age) ，有一條 SQL 如下：
select name,age from t where name like '蘇%';
由於是字段 name 是右模糊查詢所以可以走複合索引，然後匹配到 name 時，不需要回表，因爲 SQL 只是查詢字段 name 和 age，所以直接返回索引值就 ok 了。
6、普通索引
儘量 使用普通索引 而不是唯一索引。
首先，普通索引和唯一索引的查詢性能其實不會相差很多；當然了，前提是要查詢的記錄都在同一個數據頁中，否則普通索引的性能會慢很多。
但是，普通索引的更新操作性能比唯一索引更好；其實很簡單，因爲普通索引能利用 change buffer 來做更新操作；而唯一索引因爲要判斷更新的值是否是唯一的，所以每次都需要將磁盤中的數據讀取到 buffer pool 中。
7、前綴索引
我們要學會巧妙的使用 前綴索引，避免索引值過大。
例如有一個字段是 addr varchar(255)，但是如果一整個建立索引 [ index(addr) ]，會很浪費磁盤空間，所以會選擇建立前綴索引 [ index(addr(64)) ]。
建立前綴索引，一定要關注字段的區分度。例如像身份證號碼這種字段的區分度很低，只要出生地一樣，前面好多個字符都是一樣的；這樣的話，最不理想時，可能會掃描全表。
前綴索引避免不了回表，即無法使用覆蓋索引這個優化點，因爲索引值只是字段的前 n 個字符，需要回表才能判斷查詢值是否和字段值是一致的。
怎麼解決？
倒序存儲：像身份證這種，後面的幾位區分度就非常的高了；我們可以這麼查詢：
select field_list from t where id_card = reverse('input_id_card_string');增加 hash 字段併爲 hash 字段添加索引。
8、乾淨的索引列
索引列不能參與計算，要保持索引列“乾淨”。
假設我們給表 student 的字段 birthday 建立了普通索引。
下面的 SQL 語句不能利用到索引來提升執行效率：
select * from student where DATE_FORMAT(birthday,'%Y-%m-%d') = '2020-02-02';
我們應該改成下面這樣：
select * from student where birthday = STR_TO_DATE('2020-02-02', '%Y-%m-%d');
9、擴展索引
我們應該儘量 擴展索引，而不是新增索引，一個表最好不要超過 5 個索引；一個表的索引越多，會導致更新操作更加耗費性能。
二、SQL 優化
1、Order By 優化
order by 後面的字段儘量是帶索引的，這樣能避免使用 sort_buffer 進行排序。
- 假如有一條 SQL，根據生日查詢所有學生的信息：select * from student order by birthday desc;
- 那麼爲了提升 SQL 的查詢性能，我們可以爲 birthday 字段建立索引：
CREATE INDEX index_birthday ON student(birthday);
select 後面不要帶上不必要的字段，因爲如果單行長度太長導致查詢數據太多，MySQL 會利用 rowid 排序來代替全字段排序，這樣會導致多了回表的操作。
- 如果我們只是查詢學生的姓名、年齡和生日，千萬不要寫 select *;
- 而是隻查詢需要的字段：select name, age, birthday from student order by birthday desc;
2、Join 優化
- 在使用 join 的時候，應該讓小表做驅動表。小表：總數據量最小的表
- 使用 join 語句，最好保證能利用被驅動表的索引，不然只能使用 BNL（Block Nested-Loop Join）算法，還不如不用。
- 啓用 BKA（Batched Key Access） 算法，使得 NLJ 算法也能利用上 join_buffer，被驅動表可以批量查詢到符合條件的值，然後可以利用 MMR（Multi-Range Read） 的順序讀盤特性來提升回表效率。
- 如果一定要用 join，而且被驅動表沒有索引可以使用，那麼我們可以利用臨時表（create temporary table xx(...)engine=innodb;）來讓 BNL 算法轉爲 BKA 算法，從而提升查詢性能。
- join_buffer 是一個無序數組，所以每次判斷都需要遍歷整個 join_buffer。我們可以在業務端實現 hash join 來提升 SQL 的執行速度。
3、Group By 優化
- 如果對 group by 語句的結果沒有排序要求，要在語句後面加 order by null。
- 儘量讓 group by 過程用上表的索引，不但不需要臨時表，還不需要額外的排序。
- 如果 group by 需要統計的數據量不大，儘量只使用內存臨時表；也可以通過適當調大 tmp_table_size 參數，來避免用到磁盤臨時表。
- 如果數據量實在太大，使用 SQL_BIG_RESULT 這個提示，來告訴優化器直接使用排序算法得到 group by 的結果。
4、OR 優化
在 Innodb 引擎下 or 關鍵字無法使用組合索引。
假設現在關於訂單表有一條 SQL ：
select id，product_name from orders where mobile = '12345678900' or user_id = 6;
一般我們爲了提升上面 SQL 的查詢效率，會想着爲字段 mobile 和 user_id 建立一個複合索引 index(mobile,user_id)；
可是我們使用 explain 可以發現執行計劃裏面並沒有提示到使用複合索引，所以 or 關鍵字無法命中 mobile + user_id 的組合索引。
那麼我們可以分別爲兩個字段建立普通索引，然後採用 union 關鍵字，如下所示：
(select id，product_name from orders where mobile = '12345678900')
union
(select id，product_name from orders where user_id = 6);
此時 mobile 和 user_id 字段都有索引，查詢才最高效。
5、IN 優化
in 關鍵字適合主表大子表小，exist 關鍵字適合主表小子表大。由於查詢優化器的不斷升級，很多場景這兩者性能差不多一樣了，可以嘗試改爲 join 查詢。
假設我們現在有一條 SQL ，要查詢 VIP 用戶的所有訂單數據：
select id from orders where user_id in (select id from user where level = 'VIP');
我們可以發現不會有任何關於索引的優化，所以我們可以採用 join查詢，如下所示：
select o.id from orders o join user u on o.user_id = u.id and u.level = 'VIP';
此時被驅動表應該是 user，那麼可以利用到 user 表的主鍵索引，即可以使用 BKA 算法來提升 join 查詢的性能。
6、Like 優化
like 用於模糊查詢，但是如果是全模糊查詢，將不能命中對應字段的索引。
假設現在關於學生表有一條 SQL：
SELECT name,age,birthday FROM student WHERE name like '%蘇%';
使用 explain 可以發現執行計劃提示查詢未命中索引。
因爲本來需求就是查詢姓張的所有同學信息，所以沒必要使用全模糊查詢，使用右模糊查詢即可。
換成下面的寫法：
SELECT name,age,birthday FROM student WHERE name like '蘇%';
但是產品經理一定要前後模糊匹配呢？全文索引 FULLTEXT 可以嘗試一下，但是 MySQL 的全文索引不支持中文查詢的。
所以說 Elasticsearch 纔是終極武器！
三、數據表設計優化
1、數據類型：應該選擇更簡單或者佔用空間更小的類型。
- 整型選擇：可以根據長度選擇 tinyint、smallint、medium_int，而不是直接使用 int。
- 字符串選擇：能確定字符串長度的，儘量使用 char 類型，而不是變長的 varchar 類型。
- 浮點型選擇：精度要求比較高的使用 decimal 而不是 double；也可以考慮使用 BIGINT 來保存，小數位保存可以使用乘以整百來解決。
- 日期選擇：儘量使用 timestamp 而不是 datetime。
2、避免空值：
- NULL 值依然會佔用空間，並且會使索引更新更加複雜，更新 NULL 時容易發生索引分裂的現象。
- 可以使用有意義的值來代替 NULL 值，例如 “none” 字符串等等。
3、超長字符串：
- 一般超長字符串，varchar 難以存儲，我們一般會使用 text 類型。
- 但是 text 類型的字段儘量避免放在主表中，而是抽出來在子表裏，用業務主鍵關聯。
