一.表結構優化
二.列類型優化
三.索引優化策略
四.聚簇索引和非聚簇索引
五.理想的索引

怎么查看一個sql語句的執行效果

    在sql語句前面加上 “explain”，如果加上"\\\\G",則能看到豎列效果   explain  sql   \\\\G    
    結果中的 key_len 就是在查詢上所用到的索引的個數； using filesort就是用到了排序的意思;using index是用到了索引覆蓋
    排序非常耗資源，想分組，必須排序
    測試運行需要的時間   time  file.php
    如果A\\\\B兩張表結構是一樣的，把A表里面的數據插入B表，
    可以這樣執行：insert into B select * from A;
    如果要插入某個字段的數據
    insert into B select id,name,age from A;

   在數據庫終端指令， 如果要查看前幾個 sql語句運行時間，show profiles;這個時候只能看到小數點后兩位，
    如果要看到精確的運行時間。set profiling = on;
    如果某個表查詢的時候出現了亂碼，在終端 set names utf8;
    delimiter $   //在終端輸入$才會結束一條語句

優化總則
1.少查(能不查就不查)
2.查少(少查點數據)
3.快點查(走索引)
4.少排序

一.表結構優化

1.定長和變長分離

  如id int,占4個字節，char(4)占4個字段長度，也是定長，time 即每一個單元值占的字節是固定的
  而varchar,text,blob,這種變長字段，適合單放一張表，用主鍵與核心表關聯起來

2.常用字段和不常用字段分表，通過uuid將兩張表關聯。這個需要結合網站的具體業務來分析，分析字段的查詢場景，查詢頻率低的字段，單拆出來(用空間來換取時間)

    比如兩張關聯表，一個是板塊表(cat),另一個是板塊下回復的帖子。查詢某個板塊下有多少個回復
    方法一：先查出有幾個板塊，再在for循環里面找每個板塊下有多少回復
    select * from cat;  //比如10個板塊
    for($i=1; $i<=10; $i++){
      select count(*) from post where cat_id = $i;
    }
    方法二，使用左右連接查詢，比較消耗資源，不推薦
    select cat.* from cat left join post on cat.cat_id = post.cat_id group by cat_id;
    如果我們需要實時計算帖子的數量，可以在cat表里面再加一個num字段，每次有人發帖，讓這個字段用update更新加1，這是最好的方法。

二.列類型優化

字段類型選擇原則
整型>date,time,>enum,char>varchar>blob,text

    列的特點分析：
    整型：定長，沒有國家/地區之分，沒有字符集的差異
    比如，tinyint 1,2,3,4,5 <--> char(1) a,b,c,d
    從空間上，都是占1個字節，但是order by排序，前者快
    原因：char需要考慮字符集與校對級(就是排序規則)
    time 定長，運算快，節省空間，考慮時區時，寫sql時不方便 where > '2016-10-11';
    enum:定長，能起約束的目的，內部用整型來存儲，但與char聯查時，內部要經歷串與值得轉化
    Char 定長，考慮字符集的轉換與排序時的校對集
    varchar,不定長，要考慮字符集的轉換與排序時的校對集，速度慢
    text/blob,無法使用內存臨時表(排序等操作只能在磁盤上進行)

三.索引優化策略

1.索引類型
1.1Btree索引(二叉樹就是索引)--適用于范圍的查詢

    名叫btree索引，大的方面看，都是用的平衡樹，但是具體的實現上，各引擎稍有不同
    比如，嚴格說NDB引擎，使用的是T-tree
    Mysiam,innodb中默認使用B-tree
    但抽象一下，B-tree系統可以理解為"排好序的快速查找結構"

1.2hash索引（只在內存表里面使用hash索引）

    在memory表里默認是hash索引，hash里的理論查詢時間復雜度為0(1)(一次就能找到)
    hash的特點：
    1.隨機性：hash函數計算后的結果，是隨機的，如果是在磁盤上放置數據，
      比如主鍵為id，那么隨著id的增長，id對應的行，在磁盤上隨機放置
    2.無法對范圍查詢進行優化
    3.（離散性）無法利用前綴索引，比如在btree中，field列的值"helloworld",加索引， hash(helloworld)和hash(hello),兩者沒有關系。
    4.排序也法優化(它是隨機分配數據的)
    5.必須回行，也就是說，通過索引拿到數據位置，必須回到表中取數據

2.btree索引常見的誤區

    要查詢的字段都建立了索引，并不是都可以使用得到。查詢的時候遵循左前綴規則

2.索引的左前綴規則--比如index(a,b,c)

四.聚簇索引和非聚簇索引

Myisam用的是非聚簇索引：主鍵和次索引都指向物理行磁盤的位置

    數據是數據 獨立文件 xx.myd
    索引是索引 獨立文件 xx.myi
    兩者不摻和 這就是非聚簇
    它的查找是先根據索引查找到主鍵的值，值旁邊有一個地址，在地址上去查找你要的信息，這個過程叫“回行”。
    但是innodb聚簇，值得旁邊直接就是行信息。這就是他們的本質信息

innodb用的是聚簇索引：innodb的主索引文件上，直接存放該行數據，稱為聚簇索引，次索引指向對主鍵的作用

    注意：對innodb來說
    1.主鍵索引  既存儲索引，又在葉子中存儲行的數據
    2.如果沒有主鍵(primary key),則會unique key做主鍵
    3.如果沒有unique,則系統生成一個內部的 rowid 做主鍵
    4.像innodb中，主鍵的索引結構中，既存儲了主鍵的值，又存儲了行數據，這種結構稱為"聚簇索引"

聚簇索引
優勢：根據主鍵查詢條目比較少時，不用回行(數據就在主節點下)
劣勢：如果碰到不規則數據插入時，造成頻繁的頁分裂

索引覆蓋
索引文件中，myi有你需要的字段，就不需要回行。這就是索引覆蓋

    explain sql \\\\G   如果在extra里面出現了"using index",就是用了索引覆蓋，查詢效率會很高
    比如：如果表A中c1建立了索引
    explain select c1 from A where c1>5 \\\\G;  這個時候就用到了索引覆蓋
      explain select c1,c2 from A where c1>5 \\\\G;如果c2沒有索引  這個時候沒用索引覆蓋。因為c2在索引里面找不到，需要回行

五.理想的索引

     1. sql查詢中也可以直接使用函數,例如查詢詞典表中最長的兩個單詞:
    select  * from dict order by length(word) desc limit 2;

    2.取10個，單詞的左邊只有一個值的：
    select   left(word,1)  from dict limit 10;
    3.取重復的
    select  distinct left(word,1)  from dict limit 10;
    select count( distinct left(word,1) ) from dict;

2.偽哈希索引技巧
用于存儲url,有兩種方法。1，列內容倒過來存儲并建立索引。這樣左前綴區分度大。

    2.偽hash索引效果同時存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存儲時，crccurl == crc32(url)
    因為crc的結果是32位，int 無符號數，因此當數據超過40億也會有重復，但這是是的的。(索引長度為int4個字節)
    select crc32('str');  //可以把任何字符串轉換成數字

    商品建立索引，一般兩種方式
    以，欄目、價格 index(cat_id, price); 或者欄目、品牌、價格 index(cat_id,brand_id,shop_price);

索引與排序有兩種情況
1.對于覆蓋索引，直接在索引上查詢時，就是有序的，using,index
在innodb引擎中，沿著索引字段排序，也是自然有序的，對于myisam引擎，如果按某種索引字段排序，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，再進行排序
2.先去除數據，形成臨時表做filesort（文件排序，但文件可能在磁盤上，也可能在內存中）