1.對查詢進行優化，要盡量避免全表掃瞄，首先應考慮在 where 及 order by 涉及的列上建立索引。
2.應盡量避免在 where 子句中對字段進行 null 值判斷，否則將導致引擎放棄使用索引而進行全表掃瞄，如：
select id from t where num is最好不要給資料庫留null，盡可能的使用 not null填充資料庫，或者設定預設值為0null
3.應盡量避免在 where 子句中使用 != 或 <> 操作符，否則將引擎放棄使用索引而進行全表掃瞄
4.應盡量
避免在where子句中對字段進行函式或者表示式操作
，這將導致引擎放棄使用索引而進行全表掃瞄。
5.索引並不是越多越好，索引固然可以提高相應的 select 的效率，但同時也降低了 insert 及 update 的效率，因為 insert 或 update 時有可能會重建索引，所以怎樣建索引需要慎重考慮，視具體情況而定
6.分頁查詢語句使用limit分頁查詢資料所耗的時間，與查詢記錄條數的起始位置有關，如
select id，name from log_tag limit 1000,10
從第1000條資料開始查，查10條資料。此時建立(id,name)的覆蓋索引，速度會快很多
altertable log_tagadd index id_name (id, name)
1.最左字首匹配原則，非常重要的原則，mysql會一直向右匹配直到遇到範圍查詢(>、 3 and d = 4 如果建立(a,b,c,d)順序的索引，d是用不到索引的，如果建立(a,b,d,c)的索引則都可以用到，a,b,d的順序可以任意調整。
2.=和in可以亂序，比如a = 1 and b = 2 and c = 3 建立(a,b,c)索引可以任意順序，mysql的查詢優化器會幫你優化成索引可以識別的形式
3.索引列不能參與計算，保持列「乾淨」，比如from_unixtime(create_time) = 』2014-05-29』就不能使用到索引，原因很簡單，b+樹中存的都是資料表中的字段值，但進行檢索時，需要把所有元素都應用函式才能比較，顯然成本太大。所以語句應該寫成create_time = unix_timestamp(』2014-05-29』);
4.盡量的擴充套件索引，不要新建索引。比如表中已經有a的索引，現在要加(a,b)的索引，那麼只需要修改原來的索引即可
關於explain命令相信大家並不陌生，具體用法和字段含義可以參考官網explain-output，這裡需要強調rows是核心指標，所以優化語句基本上都是在優化rows。
0.先執行看看是否真的很慢，注意設定sql_no_cache
1.where條件單錶查，鎖定最小返回記錄表。這句話的意思是把查詢語句的where都應用到表中返回的記錄數最小的表開始查起，單錶每個字段分別查詢，看哪個欄位的區分度最高
2.explain檢視執行計畫，是否與1預期一致（從鎖定記錄較少的表開始查詢）
3.order by limit 形式的sql語句讓排序的表優先查
4.了解業務方使用場景
5.加索引時參照建索引的幾大原則
6.觀察結果，不符合預期繼續從0分析
看乙個具體例子：
explain的時候，type值all, index, range, ref, eq_ref, const, system, null（從左到右，效能從差到好），至少要做到rang以上才算ok。
rows越少說明掃瞄的項越少
查詢需要3.12s，掃瞄了60多萬次。
這是最後優化後的語句：
用時變成了0.04s，其中在log_money上面建了乙個覆蓋索引(operatetype,optime).注意順序與where後面的一致，
並且=的放前面
mysql資料庫sql優化 子查詢優化
1 什麼是子查詢 表關聯查詢 子查詢 是指在主sql語句中的select或where子句中使用select查詢語句 select a.name,select b.name from b where b.id a.id from a where a.name lik a 表關聯查詢 指多個表聯合查詢 ...
sql優化,資料庫優化
1.sql的執行順序 from 表名 where 條件 執行順序是從後往前，where條件後面的語句盡可能縮短where 資料執行的範圍。先group by 後order by select 查詢 2.避免過多的聯查，設計合理的表關係 3.遵守常見sql規範，盡可能減少 4.如果表字段過多，經常展示...
sql優化 資料庫優化
資料庫優化 資料庫優化吧我覺應該從硬碟 記憶體和網路頻寬考慮，提高硬碟的讀寫速度，增大頻寬提高吞吐量，增大伺服器記憶體，可以採用讀寫分離，降低單台資料庫的訪問壓力，查詢的時候控制資料量的大小，返回更少資料，減少互動次數，減少cpu及記憶體的開銷，sql優化 如果乙個表中資料量過大我們可以採用橫切割，...