实例讲解MySQL 慢查询-mysql查询慢查询

mySql为什么查询时有时快，有时慢？

主键约束。

当数据量达到百万以上的时候，你用主键去搜索某一条数据时速度是极快的。但当你不用主键去搜索的时候速度就降了几十倍甚至上百倍，这个是主键的好处。索引。当你的表字段设置有索引的时候，搜索速度比不创建索引要快几倍至几十倍。sql语句不够优化。在查询某数据的时候，能不用*就尽量不用，想要哪个字段就查哪个，多余的不要，这样就能达到数据传输精简化，让查询速度也能快上许多。多表联合查询。在大数据量的时候这个多表查询尽量不用，毕竟是很耗内存的，宁愿用其他语言循环执行简单的 select 字段 from 表名 where 条件 这样的简单sql语句，这样也能加快速度。

如何按照时间段打印mysql的慢日志？

在MySQL客户端中输入命令：show variables like '%quer%';其中红框标注的选项是：

-slow_query_log是否记录慢查询。用long_query_time变量的值来确定“慢查询”。-slow_query_log_file慢日志文件路径-long_query_time慢日志执行时长（秒），超过设定的时间才会记日志Linux：在/etc/my.cnf配置文件的[mysqld]选项下增加：

slow_query_log=TRUEslow_query_log_file=/usr/local/mysql/slow_query_log.txtlong_query_time=3Windows：在my.ini配置文件的[mysqld]选项下增加：

slow_query_log=TRUEslow_query_log_file=c:/slow_query_log.txtlong_query_time=3重启MySQL后，可发现已经开启慢查询日志

mongoDB插入速度怎么比MySQL还慢？

几个大型数据库的写入速度都很快的，性能主要看并发量的吧，比如100w的数据写入要多少秒，mongodb在数据量大的时候，并发还是杠杠的，比mysql要强，不过mongodb在数据统计上面还是有些缺陷的，没有mysql好用，这个只是个人观点，想要更加了解mongodb还需要自己多逛逛官网论坛，多敲敲键盘

Mysql某个表有近千万数据，CRUD比较慢，该如何优化呢？

我是【会点代码的大叔】，每天为你分享程序员干货，关注并私信我数字“1”，送你一份程序员大礼包。

MySQL 数据库某张表近千万的数据，CRUD比较慢，如何优化？

说实话，这个数据量级， MySQL 单库单表支撑起来完全没有问题的，所以首先还是考虑数据库本身的优化。

从上图可以看到，数据库优化通常可以通过以上几点来实现：

• 硬件升级：也就是花更多的钱，升级我们数据库硬件配置，包括 CPU、内存、磁盘、网络等等，但是这个方案成本高，而且不一定能起到非常好的效果。
• 数据库配置：修改数据库的配置，有可能让我们的 CRUD 操作变得更快，不过我也不建议大家把经历放在这一点上面；首先，数据库的配置通常由专业的 DBA 来负责；第二，大部分时候，默认的数据库配置在大多数情况下已经是最优配置了。

对于开发人员来说，我们需要把注意力放在后面三点：

数据结构的优化，也就是表结构的优化

• 数据类型的选择：选用合适的数据结构。什么叫做"合适的数据结构"，比如性别字段，M表示男F表示女，那么一个 char(1) 就足够了，如果存储人的年龄，那么就没有必要使用 INT 这么大范围的字段了；
• 适当的拆分：千万不要试图把所有的字段放在一张表中，因为这会非常影响性能，通常一张表的字段最好不要超过 30 个；
• 适当的冗余：如果一些常用的字段，可能会用在不同的维度，那么我们可以把这些字段设计在多张表中，因为这样可能会减少表关联；
• 字段尽量设置成 not Null，尽量带有默认值。

SQL 语句的优化

优化 SQL 语句执行速度的方法有很多，比如：

• 尽量使用索引，尽量避免全表扫描，提高查询速度；
• 当然你不能无限制地建立索引；维护索引也会影响性能，会降低 DML 操作的速度；
• 注意 SQL 语句的书写，有一些错误的写法可能会导致索引失效；
• 尽量避免在 where 子句中对字段进行 Null 值判断（当然我们在表设计中，直接建议不要有 Null）；
• 条件值多的情况下，尽量不要使用 in 和 not in ；
• select 的时候，使用具体的字段代替 * 号
• 避免返回大量数据，增加分页；

减少数据库的访问

• 我们可以通过增加本地缓存或分布式缓存的方式，将热点数据存储到缓存中，以减少数据库的访问；
• 终极大招，如果是一个不合理的需求，我们可以拒绝做这个需求，这样也算是"减少了数据库访问"。

说完了 MySQL 本身的优化，如果数据量进一步增大的话，我们还有什么优化的方案呢？

读写分离

主库用于写，从库用于读，将读写分散在不同的数据库上，利用多台机器的资源，来提高数据库的可用性和性能。

分库分表

如果数据持续增多，超过了单台 MySQL 的支撑上限，那么只能用【分库分表】这一招了；我们可以采用一定的路由规则，将数据保存到不同的数据库中。

当然，如果不是“迫不得已”，我是不太建议分库分表的，因为这样极大地增加了系统的复杂程度，并且会带来更多的问题需要开发人员解决。

以上就是常用的 MySQL 优化方案，如果是千万级数据量，优化 MySQL 本身即可。

会点代码的大叔 | 原创

一个写代码的架构师，专注程序员的学习和成长，关注并私信我数字“1”，送你一份程序员大礼包。