SQL优化技巧,sql优化步骤

nihdff 10-05 16

默认

摘要： 大家好，今天小编关注到一个比较有意思的话题，就是关于SQL优化技巧的问题，于是小编就整理了5个相关介绍SQL优化技巧的解答，让我们一起看看吧。SQL数据库如何优化？如何通过优化sq...

大家好，今天小编关注到一个比较有意思的话题，就是关于SQL优化技巧的问题，于是小编就整理了5个相关介绍SQL优化技巧的解答，让我们一起看看吧。

SQL数据库如何优化？
如何通过优化sql语句提高数据库查询效率？
数据库访问量很大时，如何做优化？
如何用外部程序优化SQL语句中的IN和EXISTS？
sql一次查询需要关联十几张表，有什么优化方案么？

SQL数据库如何优化？

化总结如下:1、主键就是聚集索引2、只要建立索引就能显著提高查询速度3、把所有需要提高查询速度的字段都加进聚集索引，以提高查询速度注意事项1. 不要索引常用的小型表2. 不要把社会保障号码(SSN)或***号码(ID)选作键3. 不要用用户的键4. 不要索引 memo/notes 字段和不要索引大型文本字段(许多字符)5. 使用系统生成的主键

如何通过优化sql语句提高数据库查询效率？

我来说说我日常的语句优化,日常大家都是本着完成客户的需求进行编写语句,但是如果一个运行中的Job速度比较慢的话,会导致系统卡死,无响应等情况产生,所以就需要有优化！

（图片来源网络，侵删）

1.SELECT子句中避免使用'*':查询的时候最好是不要使用*号比如你这表列特别多的话会导致查询速度慢,耗费更多的时间

2.EXISTS替代IN 用NOT EXISTS替代NOT IN:EXISTS用于检查子查询是否至少会返回一行数据,该子查询实际上并不返回任何数据,而是返回值True或False.EXISTS 指定一个子查询,检测行的存在,返回值是一个BOOL值

IN:子查询先产生结果集,然后主查询再去结果集里去找符合要求的字段列表去.符合要求的输出,反之则不输出.

（图片来源网络，侵删）

3.能走索引的走索引:要看执行计划,走什么索引要根据数据量进行分析

4.我感觉分区也是一周优化查询效率的方法

嘻嘻~暂时只能想到这么多,菜鸟一枚!!ヾ(✿ﾟ▽ﾟ)ノ

（图片来源网络，侵删）

1.正确的创建合适的索引是提成生数据库查询的基础。

2.索引是为了加速对表中数据行的检索而创建的一种分散存储的数据数据结构。如图以mysql(innodb引擎)为例

3.为什么要用索引？

a.索引能极大的减少存储引擎需要扫描的数据量。

b.索引可以把随机IO变成顺序IO。

c.索引可以帮助我们在进行分组、排序等操作时，避免使用临时表。

4.sql前面加上 explain select Column Name1,Column Name2,Column Name3 from table；

排查是否走索引依次从好到差：system，const，eq_ref，ref，fulltext，ref_or_null，unique_subquery，index_subquery，range，index_merge，index，ALL。

5.索引注意要点

数据库访问量很大时，如何做优化？

当数据量很大的时候，主要从以下几点入手。

索引:

任何时候创建索引都是第一选择，当数据量很大嗯时候，有没有索引的查询速度可以说是指数级别的差距，通过索引可以大幅度提升检索效率。

分表:

当数据量非常大的时候，索引可能已经不起作用了，这个时候我们就需要对数据分表存储，可以水平分表和垂直分表，通过分表，一个表的数据量变少了，就是复杂问题简单处理，细分处理。

分布式:

一个数据库的数据量过大的时候，我们可以考虑部署多个数据库，这样每个数据库的数据量相对来说减少了。

缓存:

对热数据进行缓存，28定律存在于整个宇宙中，经常检索的数据一定是少部分数据，我们缓存它们，可以大大提升数据库查询效率。

你好！如果有大量的访问用到调取到数据库时，往往查询速度会变得很慢，所以我们需要进行优化处理。

优化从三个方面考虑：

SQL语句优化、

主从复制，读写分离，负载均衡、

数据库分库分表。

一、SQL查询语句优化

1、使用索引

建立索引可以使查询速度得到提升，我们首先应该考虑在where及order by，group by涉及的列上建立索引。

2、借助explain（查询优化神器）选择更好的索引和优化查询语句

如何用外部程序优化SQL语句中的IN和EXISTS？

1. in()适合B表比A表数据小的情况

2. exists()适合B表比A表数据大的情况

当A表数据与B表数据一样大时,in与exists效率差不多,可任选一个使用.

sql一次查询需要关联十几张表，有什么优化方案么？

我记得阿里巴巴开发手册规定了一次join不能超过3张表，为什么会有这种规范，显然是在某种业务场景下要多做数据冗余，方便查询，性能更高，带来的缺点就是更新可能会更复杂，而三范式结构更清晰，数据量大性能必然会下降，所以要有取舍，设计表结构时，要三范式和反范式结合而用，否则那些头部互联网公司哪个业务不复杂，虽然可以用es和hbase，但如果都是join十多张表那都不用玩了，我所在的物流公司，业务也是非常复杂，刚来公司的时候就发现，前期表结构规划不合理，也没有***用es等中间件做数据聚合，一个简单的例子，扫条码码入库，全链路压测吞吐连10都不到，走读下代码，一个获取订单信息的查询10张表，整个流程中还有多个系统的同步调用，基本上随便都是七八张表以上，本身也是个新项目，跑了一年左右了，量没有特别大，但是业务复杂的牵一发动全身，这种系统就别想重构了，大公司你懂的，所以首先就是各种sql优化，能提高多少是多少，待了半年左右就走了，再待下去量上来，系统扛不住，天天就得加班挨叼了。所以说一个好的设计，至少可以让你系统能抗的住未来一两年的业务的增长。