一.表结构优化
二.列类型优化
三.索引优化策略
四.聚簇索引和非聚簇索引
五.理想的索引
怎么查看一个sql语句的执行效果
在sql语句前面加上 “explain”，如果加上"\\\\G",则能看到竖列效果 explain sql \\\\G
结果中的 key_len 就是在查询上所用到的索引的个数； using filesort就是用到了排序的意思;using index是用到了索引覆盖
排序非常耗资源，想分组，必须排序
测试运行需要的时间 time file.php
如果A\\\\B两张表结构是一样的，把A表里面的数据插入B表，
可以这样执行：insert into B select * from A;
如果要插入某个字段的数据
insert into B select id,name,age from A;
在数据库终端指令， 如果要查看前几个 sql语句运行时间，show profiles;这个时候只能看到小数点后两位，
如果要看到精确的运行时间。set profiling = on;
如果某个表查询的时候出现了乱码，在终端 set names utf8;
delimiter $ //在终端输入$才会结束一条语句
优化总则
1.少查(能不查就不查)
2.查少(少查点数据)
3.快点查(走索引)
4.少排序
一.表结构优化
1.定长和变长分离
如id int,占4个字节，char(4)占4个字段长度，也是定长，time 即每一个单元值占的字节是固定的
而varchar,text,blob,这种变长字段，适合单放一张表，用主键与核心表关联起来
2.常用字段和不常用字段分表，通过uuid将两张表关联。这个需要结合网站的具体业务来分析，分析字段的查询场景，查询频率低的字段，单拆出来(用空间来换取时间)
比如两张关联表，一个是板块表(cat),另一个是板块下回复的帖子。查询某个板块下有多少个回复
方法一：先查出有几个板块，再在for循环里面找每个板块下有多少回复
select * from cat; //比如10个板块
for($i=1; $i<=10; $i++){
select count(*) from post where cat_id = $i;
}
方法二，使用左右连接查询，比较消耗资源，不推荐
select cat.* from cat left join post on cat.cat_id = post.cat_id group by cat_id;
如果我们需要实时计算帖子的数量，可以在cat表里面再加一个num字段，每次有人发帖，让这个字段用update更新加1，这是最好的方法。
二.列类型优化
字段类型选择原则
整型>date,time,>enum,char>varchar>blob,text
列的特点分析：
整型：定长，没有国家/地区之分，没有字符集的差异
比如，tinyint 1,2,3,4,5 <--> char(1) a,b,c,d
从空间上，都是占1个字节，但是order by排序，前者快
原因：char需要考虑字符集与校对级(就是排序规则)
time 定长，运算快，节省空间，考虑时区时，写sql时不方便 where > '2016-10-11';
enum:定长，能起约束的目的，内部用整型来存储，但与char联查时，内部要经历串与值得转化
Char 定长，考虑字符集的转换与排序时的校对集
varchar,不定长，要考虑字符集的转换与排序时的校对集，速度慢
text/blob,无法使用内存临时表(排序等操作只能在磁盘上进行)
三.索引优化策略
1.索引类型
1.1Btree索引(二叉树就是索引)--适用于范围的查询
名叫btree索引，大的方面看，都是用的平衡树，但是具体的实现上，各引擎稍有不同
比如，严格说NDB引擎，使用的是T-tree
Mysiam,innodb中默认使用B-tree
但抽象一下，B-tree系统可以理解为"排好序的快速查找结构"
1.2hash索引（只在内存表里面使用hash索引）
在memory表里默认是hash索引，hash里的理论查询时间复杂度为0(1)(一次就能找到)
hash的特点：
1.随机性：hash函数计算后的结果，是随机的，如果是在磁盘上放置数据，
比如主键为id，那么随着id的增长，id对应的行，在磁盘上随机放置
2.无法对范围查询进行优化
3.（离散性）无法利用前缀索引，比如在btree中，field列的值"helloworld",加索引， hash(helloworld)和hash(hello),两者没有关系。
4.排序也法优化(它是随机分配数据的)
5.必须回行，也就是说，通过索引拿到数据位置，必须回到表中取数据
2.btree索引常见的误区
要查询的字段都建立了索引，并不是都可以使用得到。查询的时候遵循左前缀规则
2.索引的左前缀规则--比如index(a,b,c)
| 语句 | 索引是否发挥作用 |
|---|---|
| where a=3 | 是，只使用了a列 |
| where a=3 and b=5 | 是，只用了a,b列 |
| where a=3 and b=5 and c=4 | 是，使用了abc列 |
| where b=3 / where c=4 | 否 |
| where a=3 and c=4 | a列能发挥索引，c不能 |
| where a=3 and b>10 and c=7 | A能利用，b能利用，c不能利用 |
| 同上，where a=3 and b like"xxx%" and c=7 | A能利用，b能利用，c不能利用 |
四.聚簇索引和非聚簇索引
Myisam用的是非聚簇索引：主键和次索引都指向物理行磁盘的位置
数据是数据 独立文件 xx.myd
索引是索引 独立文件 xx.myi
两者不掺和 这就是非聚簇
它的查找是先根据索引查找到主键的值，值旁边有一个地址，在地址上去查找你要的信息，这个过程叫“回行”。
但是innodb聚簇，值得旁边直接就是行信息。这就是他们的本质信息
innodb用的是聚簇索引：innodb的主索引文件上，直接存放该行数据，称为聚簇索引，次索引指向对主键的作用
注意：对innodb来说
1.主键索引 既存储索引，又在叶子中存储行的数据
2.如果没有主键(primary key),则会unique key做主键
3.如果没有unique,则系统生成一个内部的 rowid 做主键
4.像innodb中，主键的索引结构中，既存储了主键的值，又存储了行数据，这种结构称为"聚簇索引"
聚簇索引
优势：根据主键查询条目比较少时，不用回行(数据就在主节点下)
劣势：如果碰到不规则数据插入时，造成频繁的页分裂
索引覆盖
索引文件中，myi有你需要的字段，就不需要回行。这就是索引覆盖
explain sql \\\\G 如果在extra里面出现了"using index",就是用了索引覆盖，查询效率会很高
比如：如果表A中c1建立了索引
explain select c1 from A where c1>5 \\\\G; 这个时候就用到了索引覆盖
explain select c1,c2 from A where c1>5 \\\\G;如果c2没有索引 这个时候没用索引覆盖。因为c2在索引里面找不到，需要回行
五.理想的索引
1. sql查询中也可以直接使用函数,例如查询词典表中最长的两个单词:
select * from dict order by length(word) desc limit 2;
2.取10个，单词的左边只有一个值的：
select left(word,1) from dict limit 10;
3.取重复的
select distinct left(word,1) from dict limit 10;
select count( distinct left(word,1) ) from dict;
2.伪哈希索引技巧
用于存储url,有两种方法。1，列内容倒过来存储并建立索引。这样左前缀区分度大。
2.伪hash索引效果同时存url hash列
create table A( id int primary key,
url char(60) not null default '' );
insert into A values(1,"www.baidu.com"),
(2,"www.sina.com"),(3,"www.itxdl.com");
alert table A add urlcrc int unsigned not null;
在sql存储时，crccurl == crc32(url)
因为crc的结果是32位，int 无符号数，因此当数据超过40亿也会有重复，但这是是的的。(索引长度为int4个字节)
select crc32('str'); //可以把任何字符串转换成数字
商品建立索引，一般两种方式
以，栏目、价格 index(cat_id, price); 或者栏目、品牌、价格 index(cat_id,brand_id,shop_price);
索引与排序有两种情况
1.对于覆盖索引，直接在索引上查询时，就是有序的，using,index
在innodb引擎中，沿着索引字段排序，也是自然有序的，对于myisam引擎，如果按某种索引字段排序，如id，但去除的字段中未有索引字段，如goods_name,myisam的做法，不是 索引->回行，而是先去除所有的行，再进行排序
2.先去除数据，形成临时表做filesort（文件排序，但文件可能在磁盘上，也可能在内存中）
