精华内容
下载资源
问答
  • 这个表与我必须从中读取数据的表相同,有时整个数据库由于选择数据而变得很,同时还有许多挂起的插入。我把索引放在我在where语句中使用的每个字段上,所以我真的不知道为什么select变得如此缓慢。有人能给我一个提示...

    我有一个很大的mysql表(大约5米行),我经常在上面插入数据。

    这个表与我必须从中读取数据的表相同,有时整个数据库由于选择数据而变得很慢,同时还有许多挂起的插入。

    我把索引放在我在where语句中使用的每个字段上,所以我真的不知道为什么select变得如此缓慢。

    有人能给我一个提示来解决这个问题吗?

    这是表和查询的SQL

    CREATE TABLE `messages` (

    `id` int(10) unsigned NOT NULL auto_increment,

    `user_id` int(10) unsigned NOT NULL default '0',

    `dest` varchar(20) character set latin1 default NULL,

    `body` text character set latin1,

    `sent_on` timestamp NOT NULL default CURRENT_TIMESTAMP,

    `md5` varchar(32) character set latin1 NOT NULL default '',

    `interface` enum('mobile','desktop') default NULL,

    PRIMARY KEY (`id`),

    KEY `user_id` (`user_id`),

    KEY `md5` (`md5`),

    FULLTEXT KEY `dest` (`dest`,`body`),

    FULLTEXT KEY `body` (`body`)

    ) ENGINE=MyISAM AUTO_INCREMENT=7074256 DEFAULT CHARSET=utf8

    这里的问题是:

    EXPLAIN SELECT SQL_CALC_FOUND_ROWS id, sent_on, dest AS who, body,interface FROM messages WHERE user_id = 2 ORDER BY sent_on DESC LIMIT 0,50 \G;

    *************************** 1. row ***************************

    id: 1

    select_type: SIMPLE

    table: messages

    type: ref

    possible_keys: user_id

    key: user_id

    key_len: 4

    ref: const

    rows: 13997

    Extra: Using where; Using filesort

    1 row in set (0.00 sec)

    展开全文
  • 最近的项目需要导入大量的数据,插入的过程中还需要边查询边插入插入的数据量在100w左右。一开始觉得100w的数据量不大,于是就插啊插...分析是否是由主码,外码,索引造成的插入效率降低主码:由于主码是每张表必...

    最近的项目需要导入大量的数据,插入的过程中还需要边查询边插入。插入的数据量在100w左右。一开始觉得100w的数据量不大,于是就插啊插,吃了个饭,回来一看,在插入了50多w条数据后,每秒就只能插10条了。。觉得很奇怪,为啥越插越慢呢?  于是就开始分析插入的时间损耗,想到了如下的解决方案:(mysql使用的INNODB引擎)

    1.分析是否是由主码,外码,索引造成的插入效率降低

    主码:由于主码是每张表必须有的,不能删除。而mysql会对主码自动建立一个索引,这个索引默认是Btree索引,因此每次插入数据要额外的对Btree进行一次插入。这个额外的插入时间复杂度约为log(n)。这个索引无法删除,因此无法优化。但是每次插入的时候,由于主码约束需要检查主码是否出现,这又需要log(n),能否减少这个开销呢?答案是肯定的。我们可以设置主码为自增id  AUTO_INCREMENT ,这样数据库里会自动记录当前的自增值,保证不会插入重复的主码,也就避免了主码的重复性检查。

    外码:由于我的项目的插入表中存在外码,因此每次插入时需要在另一张表检测外码存在性。这个约束是与业务逻辑相关的,不能随便删除。并且这个时间开销应当是与另一张表大小成正比的常数,不应当越插入越慢才对。所以排除。

    索引:为了减少Btree插入的时间损耗,我们可以在建表时先不建索引,先将所有的数据插入。之后我们再向表里添加索引。该方法确实也降低了时间的开销。

    经过以上的折腾,再进行测试,发现速度快了一点,但是到了50w条后又开始慢了。看来问题的关键不在这里。于是继续查资料,又发现了个关键问题:

    2.将单条插入改为批量插入(参考:点击打开链接)

    由于java中的executeUpdate(sql)方法只是执行一条sql操作,就需要调用sql里的各种资源,如果使用for循环不停的执行这个方法来插入,无疑是开销很大的。因此,在mysql提供了一种解决方案:批量插入。 也就是每次的一条sql不直接提交,而是先存在批任务集中,当任务集的大小到了指定阈值后,再将这些sql一起发送至mysql端。在100w的数据规模中,我将阈值设置为10000,即一次提交10000条sql。最后的结果挺好,插入的速度比之前快了20倍左右。批量插入代码如下:

    public static void insertRelease() {

    Long begin = new Date().getTime();

    String sql = "INSERT INTO tb_big_data (count, create_time, random) VALUES (?, SYSDATE(), ?)";

    try {

    conn.setAutoCommit(false);

    PreparedStatement pst = conn.prepareStatement(sql);

    for (int i = 1; i <= 100; i++) {

    for (int k = 1; k <= 10000; k++) {

    pst.setLong(1, k * i);

    pst.setLong(2, k * i);

    pst.addBatch();

    }

    pst.executeBatch();

    conn.commit();

    }

    pst.close();

    conn.close();

    } catch (SQLException e) {

    e.printStackTrace();

    }

    Long end = new Date().getTime();

    System.out.println("cast : " + (end - begin) / 1000 + " ms");

    }

    3.一条UPDATE语句的VALUES后面跟上多条的(?,?,?,?)

    这个方法一开始我觉得和上面的差不多,但是在看了别人做的实验后,发现利用这个方法改进上面的批量插入,速度能快5倍。后来发现,mysql的导出sql文件中,那些插入语句也是这样写的。。即UPDATE table_name (a1,a2) VALUES (xx,xx),(xx,xx),(xx,xx)... 。也就是我们需要在后台自己进行一个字符串的拼接,注意由于字符串只是不停的往末尾插入,用StringBuffer能够更快的插入。下面是代码:

    public static void insert() {

    // 开时时间

    Long begin = new Date().getTime();

    // sql前缀

    String prefix = "INSERT INTO tb_big_data (count, create_time, random) VALUES ";

    try {

    // 保存sql后缀

    StringBuffer suffix = new StringBuffer();

    // 设置事务为非自动提交

    conn.setAutoCommit(false);

    // Statement st = conn.createStatement();

    // 比起st,pst会更好些

    PreparedStatement pst = conn.prepareStatement("");

    // 外层循环,总提交事务次数

    for (int i = 1; i <= 100; i++) {

    // 第次提交步长

    for (int j = 1; j <= 10000; j++) {

    // 构建sql后缀

    suffix.append("(" + j * i + ", SYSDATE(), " + i * j

    * Math.random() + "),");

    }

    // 构建完整sql

    String sql = prefix + suffix.substring(0, suffix.length() - 1);

    // 添加执行sql

    pst.addBatch(sql);

    // 执行操作

    pst.executeBatch();

    // 提交事务

    conn.commit();

    // 清空上一次添加的数据

    suffix = new StringBuffer();

    }

    // 头等连接

    pst.close();

    conn.close();

    } catch (SQLException e) {

    e.printStackTrace();

    }

    // 结束时间

    Long end = new Date().getTime();

    // 耗时

    System.out.println("cast : " + (end - begin) / 1000 + " ms");

    }

    做了以上的优化后,我发现了一个很蛋疼的问题。虽然一开始的插入速度的确快了几十倍,但是插入了50w条数据后,插入速度总是会一下突然变的非常慢。这种插入变慢是断崖式的突变,于是我冥思苦想,无意中打开了系统的资源管理器,一看发现:java占用的内存在不断飙升。 突然脑海中想到:是不是内存溢出了?

    4.及时释放查询结果

    在我的数据库查询语句中,使用到了pres=con.prepareStatement(sql)来保存一个sql执行状态,使用了resultSet=pres.executeQuery来保存查询结果集。而在边查边插的过程中,我的代码一直没有把查询的结果给释放,导致其不断的占用内存空间。当我的插入执行到50w条左右时,我的内存空间占满了,于是数据库的插入开始不以内存而以磁盘为介质了,因此插入的速度就开始变得十分的低下。因此,我在每次使用完pres和resultSet后,加入了释放其空间的语句:resultSet.close(); pres.close();。重新进行测试,果然,内存不飙升了,插入数据到50w后速度也不降低了。原来问题的本质在这里!

    这个事情折腾了一天,也学到了很多。希望这篇博客能帮助到大家!

    展开全文
  • 一般的应用系统,读写比例在10:1左右,而且插入操作和一般的更新操作很少出现性能问题,在生产环境中,我们遇到最多的,也是最容易出问题的,还是一些复杂的查询操作,因此对查询语句的优化显然是重中之重。...

    索引

    什么是索引?

    一般的应用系统,读写比例在10:1左右,而且插入操作和一般的更新操作很少出现性能问题,在生产环境中,我们遇到最多的,也是最容易出问题的,还是一些复杂的查询操作,因此对查询语句的优化显然是重中之重。说起加速查询,就不得不提到索引了

    为什么要有索引?

    索引在MySQL中也叫做“键”,是存储引擎用于快速找到记录的一种数据结构。索引对于良好的性能非常关键,尤其是当表中的数据量越来越大时,索引对于性能的影响愈发重要。

    索引优化应该是对查询性能优化最有效的手段了。索引能够轻易将查询性能提高好几个数量级。

    索引相当于字典的音序表,如果要查某个字,如果不使用音序表,则需要从几百页中逐页去查。

    索引的原理

    索引的目的在于提高查询效率,与我们查阅图书所用的目录是一个道理:先定位到章,然后定位到该章下的一个小节,然后找到页数。相似的例子还有:查字典,查火车车次,飞机航班等

    本质都是:通过不断地缩小想要获取数据的范围来筛选出最终想要的结果,同时把随机的事件变成顺序的事件,也就是说,有了这种索引机制,我们可以总是用同一种查找方式来锁定数据。

    数据库也是一样,但显然要复杂的多。

    因为不仅面临着等值查询,还有范围查询(>、

    我们回想字典的例子,能不能把数据分成段,然后分段查询呢?最简单的如果1000条数据,1到100分成第一段,101到200分成第二段,201到300分成第三段......这样查第250条数据,只要找第三段就可以了,一下子去除了90%的无效数据。但如果是1千万的记录呢,分成几段比较好?

    稍有算法基础的同学会想到搜索树,其平均复杂度是lgN,具有不错的查询性能。但这里我们忽略了一个关键的问题,复杂度模型是基于每次相同的操作成本来考虑的。

    而数据库实现比较复杂,一方面数据是保存在磁盘上的,另外一方面为了提高性能,每次又可以把部分数据读入内存来计算,因为我们知道访问磁盘的成本大概是访问内存的十万倍左右,所以简单的搜索树难以满足复杂的应用场景。

    磁盘IO与预读

    考虑到磁盘IO是非常高昂的操作,计算机操作系统做了一些优化,当一次IO时,不光把当前磁盘地址的数据,而且把相邻的数据也都读取到内存缓冲区内,因为局部预读性原理告诉我们,当计算机访问一个地址的数据的时候,与其相邻的数据也会很快被访问到。

    每一次IO读取的数据我们称之为一页(page)。具体一页有多大数据跟操作系统有关,一般为4k或8k,也就是我们读取一页内的数据时候,实际上才发生了一次IO,这个理论对于索引的数据结构设计非常有帮助。

    索引的数据结构

    任何一种数据结构都不是凭空产生的,一定会有它的背景和使用场景,我们现在总结一下,我们需要这种数据结构能够做些什么?

    其实很简单,那就是:每次查找数据时把磁盘IO次数控制在一个很小的数量级,最好是常数数量级。那么我们就想到如果一个高度可控的多路搜索树是否能满足需求呢?就这样,b+树应运而生。

    4fe375e37046e66cec491e1b1c570840.png

    如上图,是一颗b+树,关于b+树的定义可以参见自行查找,这里只说一些重点。

    浅蓝色的块我们称之为一个磁盘块,可以看到每个磁盘块包含几个数据项(深蓝色所示)和指针(黄色所示),如磁盘块1包含数据项17和35,包含指针P1、P2、P3,P1表示小于17的磁盘块,P2表示在17和35之间的磁盘块,P3表示大于35的磁盘块。真实的数据存在于叶子节点即3、5、9、10、13、15、28、29、36、60、75、79、90、99。非叶子节点不存储真实的数据,只存储指引搜索方向的数据项,如17、35并不真实存在于数据表中

    b+树的查找过程:

    如图所示,如果要查找数据项29,那么首先会把磁盘块1由磁盘加载到内存,此时发生一次IO,在内存中用二分查找确2917和35之间,锁定磁盘块1的P2指针,内存时间因为非常短(相比磁盘的IO)可以忽略不计,通过磁盘块1的P2指针的磁盘地址磁盘块3由磁盘加载到内存,发生第二次IO,29在26和30之间,锁定磁盘块3的P2指针,通过指针加载磁盘块8到内存,发生第三次IO,同时内存中做二分查找找到29,结束查询,总计三次IO。真实的情况是,3层的b+树可以表示上百万的数据,如果上百万的数据查找只需要三次IO,性能提高将是巨大的,如果没有索引,每个数据项都要发生一次IO,那么总共需要百万次的IO,显然成本非常非常高。

    b+树性质:

    1.索引字段要尽量的小通过上面的分析,我们知道IO次数取决于b+数的高度h,假设当前数据表的数据为N,每个磁盘块的数据项的数量是m,则有h=㏒(m+1)N,当数据量N一定的情况下,m越大,h越小;而m = 磁盘块的大小 / 数据项的大小,磁盘块的大小也就是一个数据页的大小,是固定的,如果数据项占的空间越小,数据项的数量越多,树的高度越低。这就是为什么每个数据项,即索引字段要尽量的小,比如int占4字节,要比bigint8字节少一半。这也是为什么b+树要求把真实的数据放到叶子节点而不是内层节点,一旦放到内层节点,磁盘块的数据项会大幅度下降,导致树增高。当数据项等于1时将会退化成线性表。

    2.索引的最左匹配特性(即从左往右匹配):当b+树的数据项是复合的数据结构,比如(name,age,sex)的时候,b+数是按照从左到右的顺序来建立搜索树的,比如当(张三,20,F)这样的数据来检索的时候,b+树会优先比较name来确定下一步的所搜方向,如果name相同再依次比较age和sex,最后得到检索的数据;但当(20,F)这样的没有name的数据来的时候,b+树就不知道下一步该查哪个节点,因为建立搜索树的时候name就是第一个比较因子,必须要先根据name来搜索才能知道下一步去哪里查询。比如当(张三,F)这样的数据来检索时,b+树可以用name来指定搜索方向,但下一个字段age的缺失,所以只能把名字等于张三的数据都找到,然后再匹配性别是F的数据了, 这个是非常重要的性质,即索引的最左匹配特性。

    Mysql索引管理

    索引的功能:加速查找

    mysql中的primary key,unique,联合唯一也都是索引,这些索引除了加速查找以外,还有约束的功能

    MySQL的索引分类

    索引分类

    1.普通索引index:加速查

    2.唯一索引

    • 主键索引:primary key :加速查找+约束(不为空且唯一)

    • 唯一索引:unique:加速查找+约束 (唯一)

    3.联合索引

    • primary key(id,name):联合主键索引

    • unique(id,name):联合唯一索引

    • index(id,name):联合普通索引

    4.全文索引fulltext:用于搜索很长一篇文章的时候,效果最好。

    5.空间索引spatial:了解就好,几乎不用
     
     1 举个例子来说,比如你在为某商场做一个会员卡的系统。 2  3 这个系统有一个会员表 4 有下列字段: 5 会员编号 INT 6 会员姓名 VARCHAR(10) 7 会员身份证号码 VARCHAR(18) 8 会员电话 VARCHAR(10) 9 会员住址 VARCHAR(50)10 会员备注信息 TEXT11 12 那么这个 会员编号,作为主键,使用 PRIMARY13 会员姓名 如果要建索引的话,那么就是普通的 INDEX14 会员身份证号码 如果要建索引的话,那么可以选择 UNIQUE (唯一的,不允许重复)15 16 #除此之外还有全文索引,即FULLTEXT17 会员备注信息 , 如果需要建索引的话,可以选择全文搜索。18 用于搜索很长一篇文章的时候,效果最好。19 用在比较短的文本,如果就一两行字的,普通的 INDEX 也可以。20 但其实对于全文搜索,我们并不会使用MySQL自带的该索引,而是会选择第三方软件如Sphinx,专门来做全文搜索。2122 #其他的如空间索引SPATIAL,了解即可,几乎不用

    索引的两大类型:hash与btree

    我们可以在创建上述索引的时候,为其指定索引类型,分两类:

    hash类型的索引:查询单条快,范围查询慢

    btree类型的索引b+树,层数越多,数据量指数级增长(我们就用它,因为innodb默认支持它)

    不同的存储引擎支持的索引类型也不一样:

    • InnoDB 支持事务持行级别锁定,支持 B-tree、Full-text 等索引,不支持 Hash 索引

    • MyISAM 不支持事务,支持表级别锁定,支持 B-tree、Full-text 等索引,不支持 Hash 索引;

    • Memory 不支持事务,支持级别锁定,支持 B-tree、Hash 等索引,不支持 Full-text 索引;

    • NDB 支持事务,支持行级别锁定,支持 Hash 索引,不支持 B-tree、Full-text 等索引;

    • Archive 不支持事务,支持表级别锁定,不支持 B-tree、Hash、Full-text 等索引;

    创建/删除索引的语法

     
     1 #方法一:创建表时 2       CREATE TABLE 表名 ( 3                 字段名1  数据类型 [完整性约束条件…], 4                 字段名2  数据类型 [完整性约束条件…], 5                 [UNIQUE | FULLTEXT | SPATIAL ]   INDEX | KEY 6                 [索引名]  (字段名[(长度)]  [ASC |DESC])  7                 ); 8 10 #方法二:CREATE在已存在的表上创建索引11         CREATE  [UNIQUE | FULLTEXT | SPATIAL ]  INDEX  索引名 12                      ON 表名 (字段名[(长度)]  [ASC |DESC]) ;13 15 #方法三:ALTER TABLE在已存在的表上创建索引16         ALTER TABLE 表名 ADD  [UNIQUE | FULLTEXT | SPATIAL ] INDEX17                              索引名 (字段名[(长度)]  [ASC |DESC]) ;18                              19 #删除索引:DROP INDEX 索引名 ON 表名字;
    # 善用帮助文档help createhelp create index==================1.创建索引    -在创建表时就创建(需要注意的几点)    create table s1(    id int ,#可以在这加primary key    #id int index #不可以这样加索引,因为index只是索引,没有约束一说,    #不能像主键,还有唯一约束一样,在定义字段的时候加索引    name char(20),    age int,    email varchar(30)    #primary key(id) #也可以在这加    index(id) #可以这样加    );    -在创建表后在创建    create index name on s1(name); #添加普通索引    create unique age on s1(age);添加唯一索引    alter table s1 add primary key(id); #添加住建索引,也就是给id字段增加一个主键约束    create index name on s1(id,name); #添加普通联合索引2.删除索引    drop index id on s1;    drop index name on s1; #删除普通索引    drop index age on s1; #删除唯一索引,就和普通索引一样,不用在index前加unique来删,直接就可以删了    alter table s1 drop primary key; #删除主键(因为它添加的时候是按照alter来增加的,那么我们也用alter来删)

    帮助查看

    ccd080cc889346aa0291cb21840f2f65.png

    627c9253d96b85e9e24a5d1ec647e2e4.png

    测试索引

    准备数据:

    #1. 准备表create table s1(id int,name varchar(20),gender char(6),email varchar(50));#2. 创建存储过程,实现批量插入记录delimiter $$ #声明存储过程的结束符号为$$create procedure auto_insert1()BEGIN    declare i int default 1;    while(i<3000000)do        insert into s1 values(i,concat('egon',i),'male',concat('egon',i,'@oldboy'));        set i=i+1;    end while;END$$ #$$结束delimiter ; #重新声明分号为结束符号#3. 查看存储过程show create procedure auto_insert1\G #4. 调用存储过程call auto_insert1();

    在没有索引的前提下测试查询速度

    #无索引:从头到尾扫描一遍,所以查询速度很慢mysql> select * from s1 where id=333;+------+---------+--------+----------------+| id   | name    | gender | email          |+------+---------+--------+----------------+|  333 | egon333 | male   | 333@oldboy.com ||  333 | egon333 | f      | alex333@oldboy ||  333 | egon333 | f      | alex333@oldboy |+------+---------+--------+----------------+rows in set (0.32 sec)mysql> select * from s1 where email='egon333@oldboy';....... rows in set (0.36 sec)

    加上索引

    一定是为搜索条件的字段创建索引,比如select * from t1 where age > 5;就需要为age加上索引,在表中已经有大量数据的情况下,建索引会很慢,且占用硬盘空间,插入删除更新都很慢,只有查询快,比如create index idx on s1(id);会扫描表中所有的数据,然后以id为数据项,创建索引结构,存放于硬盘的表中。建完以后,再查询就会很快了。

    需要注意的是:innodb表的索引会存放于s1.ibd文件中,而myisam表的索引则会有单独的索引文件table1.MYI

    fc0681d9908c5b1ef6bcee439e364577.png

    正确使用索引

    覆盖索引

    例:select * from s1 where id=123;

    该sql命中了索引,但未覆盖索引。利用id=123到引的数据结构中定位到该id在硬盘中的位置,或者说再数据表中的位置。

    但是我们select的字段为*,除了id以外还需要其他字段,这就意味着,我们通过索引结构取到id还不够,还需要利用该id再去找到该id所在行的其他字段值,这是需要时间的,很明显,如果我们只select id,就减去了这份苦恼,如下:select id from s1 where id=123;

    这条就是覆盖索引了,命中索引,且从索引的数据结构直接就取到了id在硬盘的地址,速度很快

    db7157b90c405ffbbc2866380b741b0a.png

    联合索引

    afac3c7eb434479e31e55e88141c6561.png

    索引合并

    索引合并把多个单列索引合并使用

    组合索引能做到的事情,我们都可以用索引合并去解决,比如

    create index ne on s1(name,email);  #组合索引

    我们完全可以单独为name和email创建索引

    组合索引可以命中:

    select * from s1 where name='egon' ;select * from s1 where name='egon' and email='adf';

    索引合并可以命中:

    select * from s1 where name='egon' ;select * from s1 where email='adf';select * from s1 where name='egon' and email='adf';

    乍一看好像索引合并更好了:可以命中更多的情况,但其实要分情况去看,如果是name='egon' and email='adf',那么组合索引的效率要高于索引合并,如果是单条件查,那么还是用索引合并比较合理e1bcd044e122450f157734753ebf9c84.png若想利用索引达到预想的提高查询速度的效果,我们在添加索引时,必须遵循以下原则

    1.最左前缀匹配原则,非常重要的原则,例:create index ix_name_email on s1(name,email,),最左前缀匹配:必须按照从左到右的顺序匹配:

    select * from s1 where name='egon'; #可以select * from s1 where name='egon' and email='asdf'; #可以select * from s1 where email='alex@oldboy.com'; #不可以

    mysql会一直向右匹配直到遇到范围查询(>、 3 and d = 4 如果建立(a,b,c,d)顺序的索引,d是用不到索引的,如果建立(a,b,d,c)的索引则都可以用到,a,b,d的顺序可以任意调整。

    2.=和in可以乱序,比如a = 1 and b = 2 and c = 3 建立(a,b,c)索引可以任意顺序,mysql的查询优化器会帮你优化成索引可以识别的形式

    3.尽量选择区分度高的列作为索引,区分度的公式是count(distinct col)/count(*),表示字段不重复的比例,比例越大我们扫描的记录数越少,唯一键的区分度是1,而一些状态、性别字段可能在大数据面前区分度就是0,那可能有人会问,这个比例有什么经验值吗?使用场景不同,这个值也很难确定,一般需要join的字段我们都要求是0.1以上,即平均1条扫描10条记录

    4.索引列不能参与计算,保持列“干净”,比如from_unixtime(create_time) = ’2014-05-29’,就不能使用到索引,原因很简单,b+树中存的都是数据表中的字段值,但进行检索时,需要把所有元素都应用函数才能比较,显然成本太大。所以语句应该写成create_time = unix_timestamp(’2014-05-29’);

    最左前缀示范

    mysql> select * from s1 where id>3 and name='egon' and email='alex333@oldboy.com' and gender='male';Empty set (0.39 sec)mysql> create index idx on s1(id,name,email,gender); #未遵循最左前缀Query OK, 0 rows affected (15.27 sec)Records: 0  Duplicates: 0  Warnings: 0mysql> select * from s1 where id>3 and name='egon' and email='alex333@oldboy.com' and gender='male';Empty set (0.43 sec)mysql> drop index idx on s1;Query OK, 0 rows affected (0.16 sec)Records: 0  Duplicates: 0  Warnings: 0mysql> create index idx on s1(name,email,gender,id); #遵循最左前缀Query OK, 0 rows affected (15.97 sec)Records: 0  Duplicates: 0  Warnings: 0mysql> select * from s1 where id>3 and name='egon' and email='alex333@oldboy.com' and gender='male';Empty set (0.03 sec)

    索引无法命中的情况需要注意:

    # like '%xx'select * from tb1 where email like '%cn';    # 使用函数select * from tb1 where reverse(email) = 'wupeiqi';       # orselect * from tb1 where nid = 1 or name = 'seven@live.com';# 特别的:当or条件中有未建立索引的列才失效,以下会走索引select * from tb1 where nid = 1 or name = 'seven';select * from tb1 where nid = 1 or name = 'seven@live.com' and email = 'alex'         # 类型不一致,如果列是字符串类型,传入条件是必须用引号引起来,不然...select * from tb1 where email = 999;    # 普通索引的不等于不会走索引# !=select * from tb1 where email != 'alex'# 特别的:如果是主键,则还是会走索引select * from tb1 where nid != 123# >select * from tb1 where email > 'alex'# 特别的:如果是主键或索引是整数类型,则还是会走索引        select * from tb1 where nid > 123        select * from tb1 where num > 123     #排序条件为索引,则select字段必须也是索引字段,否则无法命中# order byselect name from s1 order by email desc;# 当根据索引排序时候,select查询的字段如果不是索引,则不走索引select email from s1 order by email desc;# 特别的:如果对主键排序,则还是走索引:select * from tb1 order by nid desc; # 组合索引最左前缀# 如果组合索引为:(name,email)name and email       -- 使用索引name                 -- 使用索引email                -- 不使用索引# count(1)或count(列)代替count(*)在mysql中没有差别了# create index xxxx  on tb(title(19)) #text类型,必须制定长度
    • 避免使用select *

    • count(1)或count(列) 代替 count(*)

    • 创建表时尽量时 char 代替 varchar

    • 表的字段顺序固定长度的字段优先

    • 组合索引代替多个单列索引(经常使用多个条件查询时)

    • 尽量使用短索引

    • 使用连接(JOIN)来代替子查询(Sub-Queries)

    • 连表时注意条件类型需一致

    • 索引散列值(重复少)不适合建索引,例:性别不适合

    30bf59bd426c5c1833fd2711d45f81bc.png

    慢查询优化的基本步骤

    1. 先运行看看是否真的很慢,注意设置SQL_NO_CACHE

    2. where条件单表查,锁定最小返回记录表。这句话的意思是把查询语句的where都应用到表中返回的记录数最小的表开始查起,单表每个字段分别查询,看哪个字段的区分度最高

    3. explain查看执行计划,是否与1预期一致(从锁定记录较少的表开始查询)

    4. order by limit 形式的sql语句让排序的表优先查

    5. 了解业务方使用场景

    6. 加索引时参照建索引的几大原则

    7. 观察结果,不符合预期继续从0分析
    展开全文
  • 一般的应用系统,读写比例在10:1左右,而且插入操作和一般的更新操作很少出现性能问题,在生产环境中,我们遇到最多的,也是最容易出问题的,还是一些复杂的查询操作,因此对查询语句的优化显然是重中之重。...

    一、介绍

    1.什么是索引?

    一般的应用系统,读写比例在10:1左右,而且插入操作和一般的更新操作很少出现性能问题,在生产环境中,我们遇到最多的,也是最容易出问题的,还是一些复杂的查询操作,因此对查询语句的优化显然是重中之重。说起加速查询,就不得不提到索引了。

    2.为什么要有索引呢?

    索引在MySQL中也叫做“键”,是存储引擎用于快速找到记录的一种数据结构。索引对于良好的性能
    非常关键,尤其是当表中的数据量越来越大时,索引对于性能的影响愈发重要。
    索引优化应该是对查询性能优化最有效的手段了。索引能够轻易将查询性能提高好几个数量级。
    索引相当于字典的音序表,如果要查某个字,如果不使用音序表,则需要从几百页中逐页去查。

    二、索引的原理

    一 索引原理

    索引的目的在于提高查询效率,与我们查阅图书所用的目录是一个道理:先定位到章,然后定位到该章下的一个小节,然后找到页数。相似的例子还有:查字典,查火车车次,飞机航班等

    本质都是:通过不断地缩小想要获取数据的范围来筛选出最终想要的结果,同时把随机的事件变成顺序的事件,也就是说,有了这种索引机制,我们可以总是用同一种查找方式来锁定数据。

    数据库也是一样,但显然要复杂的多,因为不仅面临着等值查询,还有范围查询(>、<、between、in)、模糊查询(like)、并集查询(or)等等。数据库应该选择怎么样的方式来应对所有的问题呢?我们回想字典的例子,能不能把数据分成段,然后分段查询呢?最简单的如果1000条数据,1到100分成第一段,101到200分成第二段,201到300分成第三段......这样查第250条数据,只要找第三段就可以了,一下子去除了90%的无效数据。但如果是1千万的记录呢,分成几段比较好?稍有算法基础的同学会想到搜索树,其平均复杂度是lgN,具有不错的查询性能。但这里我们忽略了一个关键的问题,复杂度模型是基于每次相同的操作成本来考虑的。而数据库实现比较复杂,一方面数据是保存在磁盘上的,另外一方面为了提高性能,每次又可以把部分数据读入内存来计算,因为我们知道访问磁盘的成本大概是访问内存的十万倍左右,所以简单的搜索树难以满足复杂的应用场景。

     二 磁盘IO与预读

    考虑到磁盘IO是非常高昂的操作,计算机操作系统做了一些优化,当一次IO时,不光把当前磁盘地址的数据,而是把相邻的数据也都读取到内存缓冲区内,因为局部预读性原理告诉我们,当计算机访问一个地址的数据的时候,与其相邻的数据也会很快被访问到。每一次IO读取的数据我们称之为一页(page)。具体一页有多大数据跟操作系统有关,一般为4k或8k,也就是我们读取一页内的数据时候,实际上才发生了一次IO,这个理论对于索引的数据结构设计非常有帮助。

    三、索引的数据结构

    任何一种数据结构都不是凭空产生的,一定会有它的背景和使用场景,我们现在总结一下,我们需要这种数据结构能够做些什么,其实很简单,那就是:每次查找数据时把磁盘IO次数控制在一个很小的数量级,最好是常数数量级。那么我们就想到如果一个高度可控的多路搜索树是否能满足需求呢?就这样,b+树应运而生。

    如上图,是一颗b+树,关于b+树的定义可以参见B+树,这里只说一些重点,浅蓝色的块我们称之为一个磁盘块,可以看到每个磁盘块包含几个数据项(深蓝色所示)和指针(黄色所示),如磁盘块1包含数据项17和35,包含指针P1、P2、P3,P1表示小于17的磁盘块,P2表示在17和35之间的磁盘块,P3表示大于35的磁盘块。真实的数据存在于叶子节点即3、5、9、10、13、15、28、29、36、60、75、79、90、99。非叶子节点只不存储真实的数据,只存储指引搜索方向的数据项,如17、35并不真实存在于数据表中。

    ###b+树的查找过程
    如图所示,如果要查找数据项29,那么首先会把磁盘块1由磁盘加载到内存,此时发生一次IO,在内存中用二分查找确定29在17和35之间,锁定磁盘块1的P2指针,内存时间因为非常短(相比磁盘的IO)可以忽略不计,通过磁盘块1的P2指针的磁盘地址把磁盘块3由磁盘加载到内存,发生第二次IO,29在26和30之间,锁定磁盘块3的P2指针,通过指针加载磁盘块8到内存,发生第三次IO,同时内存中做二分查找找到29,结束查询,总计三次IO。真实的情况是,3层的b+树可以表示上百万的数据,如果上百万的数据查找只需要三次IO,性能提高将是巨大的,如果没有索引,每个数据项都要发生一次IO,那么总共需要百万次的IO,显然成本非常非常高。

    ###b+树性质
    1.索引字段要尽量的小:通过上面的分析,我们知道IO次数取决于b+数的高度h,假设当前数据表的数据为N,每个磁盘块的数据项的数量是m,则有h=㏒(m+1)N,当数据量N一定的情况下,m越大,h越小;而m = 磁盘块的大小 / 数据项的大小,磁盘块的大小也就是一个数据页的大小,是固定的,如果数据项占的空间越小,数据项的数量越多,树的高度越低。这就是为什么每个数据项,即索引字段要尽量的小,比如int占4字节,要比bigint8字节少一半。这也是为什么b+树要求把真实的数据放到叶子节点而不是内层节点,一旦放到内层节点,磁盘块的数据项会大幅度下降,导致树增高。当数据项等于1时将会退化成线性表。
    2.索引的最左匹配特性(即从左往右匹配):当b+树的数据项是复合的数据结构,比如(name,age,sex)的时候,b+数是按照从左到右的顺序来建立搜索树的,比如当(张三,20,F)这样的数据来检索的时候,b+树会优先比较name来确定下一步的所搜方向,如果name相同再依次比较age和sex,最后得到检索的数据;但当(20,F)这样的没有name的数据来的时候,b+树就不知道下一步该查哪个节点,因为建立搜索树的时候name就是第一个比较因子,必须要先根据name来搜索才能知道下一步去哪里查询。比如当(张三,F)这样的数据来检索时,b+树可以用name来指定搜索方向,但下一个字段age的缺失,所以只能把名字等于张三的数据都找到,然后再匹配性别是F的数据了, 这个是非常重要的性质,即索引的最左匹配特性。

    四、Mysql索引管理

    一、功能

    #1. 索引的功能就是加速查找
    #2. mysql中的primary key,unique,联合唯一也都是索引,这些索引除了加速查找以外,还有约束的功能

    二、MySQL的索引分类

    索引分类
    1.普通索引index :加速查找
    2.唯一索引
        主键索引:primary key :加速查找+约束(不为空且唯一)
        唯一索引:unique:加速查找+约束 (唯一)
    3.联合索引
        -primary key(id,name):联合主键索引
        -unique(id,name):联合唯一索引
        -index(id,name):联合普通索引
    4.全文索引fulltext :用于搜索很长一篇文章的时候,效果最好。
    5.空间索引spatial :了解就好,几乎不用
     各个索引的应用场景

    三、 索引的两大类型hash与btree

    #我们可以在创建上述索引的时候,为其指定索引类型,分两类
    hash类型的索引:查询单条快,范围查询慢
    btree类型的索引:b+树,层数越多,数据量指数级增长(我们就用它,因为innodb默认支持它)
    
    #不同的存储引擎支持的索引类型也不一样
    InnoDB 支持事务,支持行级别锁定,支持 B-tree、Full-text 等索引,不支持 Hash 索引;
    MyISAM 不支持事务,支持表级别锁定,支持 B-tree、Full-text 等索引,不支持 Hash 索引;
    Memory 不支持事务,支持表级别锁定,支持 B-tree、Hash 等索引,不支持 Full-text 索引;
    NDB 支持事务,支持行级别锁定,支持 Hash 索引,不支持 B-tree、Full-text 等索引;
    Archive 不支持事务,支持表级别锁定,不支持 B-tree、Hash、Full-text 等索引;

    四、创建/删除索引的语法

     创建/删除索引的语法格式
    善用帮助文档
    help create
    help create index
    ==================
    1.创建索引
        -在创建表时就创建(需要注意的几点)
        create table s1(
        id int ,#可以在这加primary key
        #id int index #不可以这样加索引,因为index只是索引,没有约束一说,
        #不能像主键,还有唯一约束一样,在定义字段的时候加索引
        name char(20),
        age int,
        email varchar(30)
        #primary key(id) #也可以在这加
        index(id) #可以这样加
        );
        -在创建表后在创建
        create index name on s1(name); #添加普通索引
        create unique age on s1(age);添加唯一索引
        alter table s1 add primary key(id); #添加住建索引,也就是给id字段增加一个主键约束
        create index name on s1(id,name); #添加普通联合索引
    2.删除索引
        drop index id on s1;
        drop index name on s1; #删除普通索引
        drop index age on s1; #删除唯一索引,就和普通索引一样,不用在index前加unique来删,直接就可以删了
        alter table s1 drop primary key; #删除主键(因为它添加的时候是按照alter来增加的,那么我们也用alter来删)

    帮助查看

    五、测试索引

    1、准备

    #1. 准备表
    create table s1(
    id int,
    name varchar(20),
    gender char(6),
    email varchar(50)
    );
    
    #2. 创建存储过程,实现批量插入记录
    delimiter $$ #声明存储过程的结束符号为$$
    create procedure auto_insert1()
    BEGIN
        declare i int default 1;
        while(i<3000000)do
            insert into s1 values(i,concat('egon',i),'male',concat('egon',i,'@oldboy'));
            set i=i+1;
        end while;
    END$$ #$$结束
    delimiter ; #重新声明分号为结束符号
    
    #3. 查看存储过程
    show create procedure auto_insert1\G 
    
    #4. 调用存储过程
    call auto_insert1();

    2 、在没有索引的前提下测试查询速度

    #无索引:从头到尾扫描一遍,所以查询速度很慢
    mysql> select * from s1 where id=333;
    +------+---------+--------+----------------+
    | id   | name    | gender | email          |
    +------+---------+--------+----------------+
    |  333 | egon333 | male   | 333@oldboy.com |
    |  333 | egon333 | f      | alex333@oldboy |
    |  333 | egon333 | f      | alex333@oldboy |
    +------+---------+--------+----------------+
    rows in set (0.32 sec)
    
    mysql> select * from s1 where email='egon333@oldboy';
    ....
    ... rows in set (0.36 sec)

    3、 加上索引

    #1. 一定是为搜索条件的字段创建索引,比如select * from t1 where age > 5;就需要为age加上索引
    
    #2. 在表中已经有大量数据的情况下,建索引会很慢,且占用硬盘空间,插入删除更新都很慢,只有查询快
    比如create index idx on s1(id);会扫描表中所有的数据,然后以id为数据项,创建索引结构,存放于硬盘的表中。
    建完以后,再查询就会很快了
    
    #3. 需要注意的是:innodb表的索引会存放于s1.ibd文件中,而myisam表的索引则会有单独的索引文件table1.MYI

    六、正确使用索引

    一、覆盖索引

    #分析
    select * from s1 where id=123;
    该sql命中了索引,但未覆盖索引。
    利用id=123到索引的数据结构中定位到该id在硬盘中的位置,或者说再数据表中的位置。
    但是我们select的字段为*,除了id以外还需要其他字段,这就意味着,我们通过索引结构取到id还不够,
    还需要利用该id再去找到该id所在行的其他字段值,这是需要时间的,很明显,如果我们只select id,
    就减去了这份苦恼,如下 select id from s1 where id=123; 这条就是覆盖索引了,命中索引,且从索引的数据结构直接就取到了id在硬盘的地址,速度很快

    二、联合索引

    三、索引合并

    #索引合并:把多个单列索引合并使用
    
    #分析:
    组合索引能做到的事情,我们都可以用索引合并去解决,比如
    create index ne on s1(name,email);#组合索引
    我们完全可以单独为name和email创建索引
    
    组合索引可以命中:
    select * from s1 where name='egon' ;
    select * from s1 where name='egon' and email='adf';
    
    索引合并可以命中:
    select * from s1 where name='egon' ;
    select * from s1 where email='adf';
    select * from s1 where name='egon' and email='adf';
    
    乍一看好像索引合并更好了:可以命中更多的情况,但其实要分情况去看,如果是name='egon' and email='adf',
    那么组合索引的效率要高于索引合并,如果是单条件查,那么还是用索引合并比较合理

    三 若想利用索引达到预想的提高查询速度的效果,我们在添加索引时,必须遵循以下原则

    #1.最左前缀匹配原则,非常重要的原则,
    create index ix_name_email on s1(name,email,)
    - 最左前缀匹配:必须按照从左到右的顺序匹配
    select * from s1 where name='egon'; #可以
    select * from s1 where name='egon' and email='asdf'; #可以
    select * from s1 where email='alex@oldboy.com'; #不可以
    mysql会一直向右匹配直到遇到范围查询(>、<、between、like)就停止匹配,
    比如a = 1 and b = 2 and c > 3 and d = 4 如果建立(a,b,c,d)顺序的索引,
    d是用不到索引的,如果建立(a,b,d,c)的索引则都可以用到,a,b,d的顺序可以任意调整。 #2.=和in可以乱序,比如a = 1 and b = 2 and c = 3 建立(a,b,c)索引可以任意顺序,mysql的查询优化器
    会帮你优化成索引可以识别的形式 #3.尽量选择区分度高的列作为索引,区分度的公式是count(distinct col)/count(*),
    表示字段不重复的比例,比例越大我们扫描的记录数越少,唯一键的区分度是1,而一些状态、
    性别字段可能在大数据面前区分度就是0,那可能有人会问,这个比例有什么经验值吗?使用场景不同,
    这个值也很难确定,一般需要join的字段我们都要求是0.1以上,即平均1条扫描10条记录 #4.索引列不能参与计算,保持列“干净”,比如from_unixtime(create_time) = ’2014-05-29’
    就不能使用到索引,原因很简单,b+树中存的都是数据表中的字段值,
    但进行检索时,需要把所有元素都应用函数才能比较,显然成本太大。
    所以语句应该写成create_time = unix_timestamp(’2014-05-29’);

    最左前缀示范

    mysql> select * from s1 where id>3 and name='egon' and email='alex333@oldboy.com' and gender='male';
    Empty set (0.39 sec)
    
    mysql> create index idx on s1(id,name,email,gender); #未遵循最左前缀
    Query OK, 0 rows affected (15.27 sec)
    Records: 0  Duplicates: 0  Warnings: 0
    
    mysql> select * from s1 where id>3 and name='egon' and email='alex333@oldboy.com' and gender='male';
    Empty set (0.43 sec)
    
    
    mysql> drop index idx on s1;
    Query OK, 0 rows affected (0.16 sec)
    Records: 0  Duplicates: 0  Warnings: 0
    
    mysql> create index idx on s1(name,email,gender,id); #遵循最左前缀
    Query OK, 0 rows affected (15.97 sec)
    Records: 0  Duplicates: 0  Warnings: 0
    
    mysql> select * from s1 where id>3 and name='egon' and email='alex333@oldboy.com' and gender='male';
    Empty set (0.03 sec)
     建联合索引,最左匹配

    索引无法命中的情况需要注意:

    - like '%xx'
        select * from tb1 where email like '%cn';
        
        
    - 使用函数
        select * from tb1 where reverse(email) = 'wupeiqi';
        
        
    - or
        select * from tb1 where nid = 1 or name = 'seven@live.com';
        
        
        特别的:当or条件中有未建立索引的列才失效,以下会走索引
                select * from tb1 where nid = 1 or name = 'seven';
                select * from tb1 where nid = 1 or name = 'seven@live.com' and email = 'alex'
                
                
    - 类型不一致
        如果列是字符串类型,传入条件是必须用引号引起来,不然...
        select * from tb1 where email = 999;
        
    普通索引的不等于不会走索引
    - !=
        select * from tb1 where email != 'alex'
        
        特别的:如果是主键,则还是会走索引
            select * from tb1 where nid != 123
    - >
        select * from tb1 where email > 'alex'
        
        
        特别的:如果是主键或索引是整数类型,则还是会走索引
            select * from tb1 where nid > 123
            select * from tb1 where num > 123
            
            
    #排序条件为索引,则select字段必须也是索引字段,否则无法命中
    - order by
        select name from s1 order by email desc;
        当根据索引排序时候,select查询的字段如果不是索引,则不走索引
        select email from s1 order by email desc;
        特别的:如果对主键排序,则还是走索引:
            select * from tb1 order by nid desc;
     
    - 组合索引最左前缀
        如果组合索引为:(name,email)
        name and email       -- 使用索引
        name                 -- 使用索引
        email                -- 不使用索引
    
    
    - count(1)或count(列)代替count(*)在mysql中没有差别了
    
    - create index xxxx  on tb(title(19)) #text类型,必须制定长度
    - 避免使用select *
    - count(1)或count(列) 代替 count(*)
    - 创建表时尽量时 char 代替 varchar
    - 表的字段顺序固定长度的字段优先
    - 组合索引代替多个单列索引(经常使用多个条件查询时)
    - 尽量使用短索引
    - 使用连接(JOIN)来代替子查询(Sub-Queries)
    - 连表时注意条件类型需一致
    - 索引散列值(重复少)不适合建索引,例:性别不适合

     

    七、慢查询优化的基本步骤

    0.先运行看看是否真的很慢,注意设置SQL_NO_CACHE
    1.where条件单表查,锁定最小返回记录表。这句话的意思是把查询语句的where都应用到表中返回的记录数最小的表开始查起,单表每个字段分别查询,看哪个字段的区分度最高
    2.explain查看执行计划,是否与1预期一致(从锁定记录较少的表开始查询)
    3.order by limit 形式的sql语句让排序的表优先查
    4.了解业务方使用场景
    5.加索引时参照建索引的几大原则
    6.观察结果,不符合预期继续从0分析

    转载于:https://www.cnblogs.com/xqjoker/p/11127470.html

    展开全文
  • 一般的应用系统,读写比例在10:1左右,而且插入操作和一般的更新操作很少出现性能问题,在生产环境中,我们遇到最多的,也是最容易出问题的,还是一些复杂的查询操作,因此对查询语句的优化显然是重中之重。...
  • 一般的应用系统,读写比例在10:1左右,而且插入操作和一般的更新操作很少出现性能问题,在生产环境中,我们遇到最多的,也是最容易出问题的,还是一些复杂的查询操作,因此对查询语句的优化显然是重中之重。...
  • oracle数据库插入优化

    2017-12-26 09:53:00
    通过程序要把1000万的数据插入到数据表中,刚开始每100条数据耗时50ms左右,但是越往后越,最到了十几秒的都有,真实好坑了. 于是在网上百度了一波,如何进行insert优化.倒是有了一点小小的优化,但是还是有些.具体...
  • 最近的项目需要导入大量的数据,插入的过程中还需要边查询边插入插入的数据量在100w左右。一开始觉得100w的数据量不大,于是就插啊插,吃了个...1.分析是否是由主码,外码,索引造成的插入效率降低 主码:由于主...
  • 聚集索引插入数据时速度要(时间花费在“物理存储的排序”上,也就是首先要找到位置然后插入),查询数据比非聚集数据的速度快 聚集索引的区别  聚集索引:物理存储按照索引排序  非聚集索引:物理存储...
  • 数据库索引

    2016-12-04 21:36:31
    索引可以加快数据检索操作,但会使数据修改操作变。每修改数据记录,索引就必须刷新一次。为了在某种程序上弥补这一缺陷,许多SQL命令都有一个DELAY_KEY_WRITE项。这个选项的作用是暂时制止MySQL在该命令每插入一...
  • 一般的应用系统,读写比例在10:1左右,而且插入操作和一般的更新操作很少出现性能问题,在生产环境中,我们遇到最多的,也是最容易出问题的,还是一些复杂的查询操作,因此对查询语句的优化显然是重中之重。...
  • 一、为什么要用全文索引我们在用一个东西前,得知道为什么要用它,使用全文索引无非有以下原因like查询太、json字段查询太(车太了)没时间引入ElasticSearch、Solr或者Sphinx这样的软件,或者根本就不会用(无法...
  • MySQL凭借着出色的性能、低廉的成本、丰富的资源,已经成为绝大多数互联网公司的首选关系型...我们知道一般的应用系统,读写比例在10:1左右,而且插入操作和一般的更新操作很少出现性能问题,遇到最多的,也是最容易...
  • 数据库-索引

    2017-09-13 08:15:00
    mysql六:索引原理与查询优化 阅读目录 一 介绍 二 索引的原理 三 索引的数据结构 三 MySQL索引管理 四 测试索引 五 正确使用索引 六 查询优化神器-explain 七 查询优化的基本步骤 八 日志...
  • mysql之索引原理与查询优化 一、介绍 1.什么是索引? 一般的应用系统,读写比例在10:1左右,而且插入操作和一般的更新操作很少出现性能问题,在生产环境中,我们遇到最多的,也是最容易出...
  • MySQL凭借着出色的性能、低廉的成本、丰富的资源,已经成为绝大多数互联网公司的首选关系...我们知道一般的应用系统,读写比例在10:1左右,而且插入操作和一般的更新操作很少出现性能问题,遇到最多的,也是最容易出...
  • 一般的应用系统,读写比例在10:1左右,而且插入操作和一般的更新操作很少出现性能问题,在生产环境中,我们遇到最多的,也是最容易出问题的,还是一些复杂的查询操作,因此对查询语句的优化显然是重中之重。...
  •   MySQL凭借着出色的性能、低廉的成本、丰富的资源,已经成为绝大多数互联网公司的首选关系型...我们知道一般的应用系统,读写比例在10:1左右,而且插入操作和一般的更新操作很少出现性能问题,遇到最多的,...
  • 数据库索引实验

    2018-03-29 19:53:23
    数据库中的数据量非常大的时候,数据库访问的速度会越来越,cpu和内存消耗变大,影响用户体验,可以通过创建索引来解决。我做了一个实验验证了一下,效果非常明显。首先创建了一个数据表,通过脚本插入了1400w条...
  • 数据库索引-2

    2021-01-05 15:23:04
    前言 写数据库,我第一时间就想到了MySQL、Oracle、索引、存储过程、查询优化等等。...为什么说索引会降低插入、删除、修改等维护任务的速度?…….. 正文 索引有哪些数据结构 Hash,BTree 哈

空空如也

空空如也

1 2 3 4 5 ... 20
收藏数 563
精华内容 225
关键字:

数据库插入慢索引