一、插入数据

普通插入：

1. 采用批量插入（一次插入的数据不建议超过1000条）

insert into tb_test values(1,'Tom'),(3, 'Cat'),(3, 'Jerry')....

2. 手动提交事务

start transaction;
insert into tb_test values(1,'Tom'),(3, 'Cat'),(3, 'Jerry');
insert into tb_test values(4,'Tom'),(5, 'Cat'),(6, 'Jerry');
insert into tb_test values(7,'Tom'),(8, 'Cat'),(9, 'Jerry');
commit;

3. 主键顺序插入性能高于乱序插入

大批量插入：

如果一次性需要插入大批量数据，使用insert语句插入性能较低，此时可以使用MySQL数据库提供的load指令插入。

# 客户端连接服务端时，加上参数 --local-infile
mysql --local-infile -u root -p

# 查看全局参数local_infile是否开启
select @@local_infile;
# 设置全局参数local_infile为1，开启从本地加载文件导入数据的开关
set global local_infile = 1;
# 执行load指令将准备好的数据，加载到表结构中
# 将sql100w.sql文件的数据加载到tb_user表中
# 用逗号分隔字段
load data local infile '/root/sql100w.sql' into table 'tb_user' fields terminated by ',' lines terminated by '\n';

二、主键优化

数据组织方式：在InnoDB存储引擎中，表数据都是根据主键顺序组织存放的，这种存储方式的表称为索引组织表（Index organized table, IOT）

• 页分裂：页可以为空，也可以填充一般，也可以填充100%，每个页包含了2-N行数据（如果一行数据过大，会行溢出），根据主键排列。
• 页合并：当删除一行记录时，实际上记录并没有被物理删除，只是记录被标记（flaged）为删除并且它的空间变得允许被其他记录声明使用。当页中删除的记录到达MERGE_THRESHOLD（默认为页的50%），InnoDB会开始寻找最靠近的页（前后）看看是否可以将这两个页合并以优化空间使用。

MERGE_THRESHOLD：合并页的阈值，可以自己设置，在创建表或创建索引时指定。

主键设计原则：

• 满足业务需求的情况下，尽量降低主键的长度。
• 插入数据时，尽量选择顺序插入，选择使用 AUTO_INCREMENT 自增主键。
• 尽量不要使用 UUID 做主键或者是其他的自然主键，如身份证号。
• 业务操作时，避免对主键的修改。

三、order by优化

在MySQL中排序分为以下两种清空：

1. Using filesort：通过表的索引或全表扫描，读取满足条件的数据行，然后在排序缓冲区 sort buffer 中完成排序操作，所有不是通过索引直接返回排序结果的排序都叫 FileSort 排序。
2. Using index：通过有序索引顺序扫描直接返回有序数据，这种情况即为 using index，不需要额外排序，操作效率高。

#创建索引，两个字段，全部降序或全部升序会走这个索引
create index idx_user_age_phone+aa on tb_user(age,phone);#创建索引，一个升，一个降
create index idx_user_age_phone_ad on tb_user(age asc, phone desc);

总结：

• 根据排序字段建立合适的索引，多字段排序时，也遵循最左前缀法则。
• 尽量使用覆盖索引，少使用select *
• 多字段排序，一个升序一个降序，此时需要注意联合索引在创建时的规则（ASC/DESC）。
• 如果不可避免出现filesort，大数据量排序时，可以适当增大排序缓冲区大小 sort_buffer_size（默认256k）。

注： 在创建多列索引时，要根据业务需求，where子句中使用最频繁的一列放在最左边。

四、group by优化

• 在分组操作时，可以通过索引来提高效率。
• 分组操作时，索引的使用也是满足最左前缀法则的。

如索引为idx_user_pro_age_stat，则句式可以是select ... where profession order by age，这样也符合最左前缀法则。

五、limit优化

常见的问题：limit 2000000,10，此时需要 MySQL 排序前2000000条记录，但仅仅返回2000000 - 2000010的记录，其他记录丢弃，查询排序的代价非常大。
优化方案：一般分页查询时，通过创建覆盖索引能够比较好地提高性能，可以通过覆盖索引加子查询形式进行优化。

例如：

# 此语句耗时很长
select * from tb_sku limit 9000000, 10;
# 通过覆盖索引加快速度，直接通过主键索引进行排序及查询出id
select id from tb_sku order by id limit 9000000, 10;
# 通过子查询查出所有字段
select * from tb_sku as s, (select id from tb_sku order by id limit 9000000, 10) as a where s.id = a.id;

六、count优化

select count(*) from tb_user;

• MyISAM 引擎把一个表的总行数存在了磁盘上，因此执行 count(*) 的时候会直接返回这个数，效率很高。
• InnoDB 引擎在执行 count(*) 时，需要把数据一行一行地从引擎里面读出来，然后累计计数。
• 优化方案：自己计数，如创建key-value表存储在内存或硬盘，或者是用redis。

count的几种用法：

• 如果count函数的参数（count里面写的那个字段）不是NULL（字段值不为NULL），累计值就加一，最后返回累计值。
• 用法：count(*)、count(主键)、count(字段)、count(1)。
• count(主键)跟count(*)一样，因为主键不能为空；
• count(字段)只计算字段值不为NULL的行；
• count(1)引擎会为每行添加一个1，然后就count这个1，返回结果也跟count(*)一样；
• count(null)返回0。

各种用法的性能：

• count(主键)：InnoDB引擎会遍历整张表，把每行的主键id值都取出来，返回给服务层，服务层拿到主键后，直接按行进行累加（主键不可能为空）。
• count(字段)：没有not null约束的话，InnoDB引擎会遍历整张表把每一行的字段值都取出来，返回给服务层，服务层判断是否为null，不为null，计数累加；有not null约束的话，InnoDB引擎会遍历整张表把每一行的字段值都取出来，返回给服务层，直接按行进行累加。
• count(1)：InnoDB 引擎遍历整张表，但不取值。服务层对于返回的每一层，放一个数字 1 进去，直接按行进行累加。
• count(*)：InnoDB 引擎并不会把全部字段取出来，而是专门做了优化，不取值，服务层直接按行进行累加。

按效率排序：count(字段) < count(主键) < count(1) < count(*)，所以尽量使用 count(*)

七、update优化（避免行锁升级为表锁）

InnoDB 的行锁是针对索引加的锁，不是针对记录加的锁，并且该索引不能失效，否则会从行锁升级为表锁。

例如：
update student set no = '1' where id = 1; 这句由于id有主键索引，所以只会锁这一行；
update student set no = '1' where name = 'zheng'; 这句由于name没有索引，所以会把整张表都锁住进行数据更新，解决方法是给name字段添加索引；