摘要：
如何使用phpMyadmin优化MySQL数据库？phpMyadmin仅仅是一个数据库管理工具，与Mysql数据库优化应该是很松耦合的。下面简单谈谈MySql数据库的几个优化点：1... 如何使用phpMyadmin优化MySQL数据库？
phpMyadmin仅仅是一个数据库管理工具，与Mysql数据库优化应该是很松耦合的。下面简单谈谈MySql数据库的几个优化点：
1、优化SQL语句
比如尽量少用"select * from ..."，需要什么字段返回什么字段，可以有效节省网络IO，缩短查询时间，还可以增加Mysql服务器的吞吐量。
再比如需要select最近一个月的数据，数据量比较大；拆成10次请求，每次请求select三天的，效果可能会好很多。
再比如使用join做表连接的时候，尽量用小表驱动大表，简单来说就是left join，左表是驱动表；right join 右表是驱动表；inner join mysql会自动做优化
学会使用EXPLAIN关键字辅助优化
优化SQL语句是数据库优化的首选；
2、优化表结构
比如字段类型，可以用数字的字段，尽量不要用Text，比如订单Id一般都是数据。
小字段能满足要求的，尽量不要用大字段
根据业务场景，在合适的字段上添加索引，提高搜索速度
适当的做字段冗余和缩减
3、表的拆分
数据库表一般分为纵向拆分和横向拆分，纵向拆分就是将一个表按照列拆分成多个表，通过外键连接。横向拆分就是按照某个字段(比如：时间)做拆分。
数据库拆分
对于数据量太大，或者QPS很大的场景，就需要分库处理。比如设置主库和从库，主库用于写数据，从库用于读数据
以上优化手段，部分可以借助phpMyadmin实现。
更详细的优化手段欢迎点击我的头像，关注我，查看我之前写的Mysql系列文章。
大家觉得这个回答怎么样呢？？
mysql数据库cpu飙升800%，如何故障定位及优化？
mysql数据库cpu飙升800%，基本上就两种原因：
访问量大，大到你8核cpu都承受不了；
慢查询，数据库执行sql语句操作（查询数据、修改数据）会产生大量的逻辑读，将读出来的数据维护到临时表中（内存），系统需要消耗较多的cpu来维持内存与磁盘数据的一致性。
大多数情况下都是开发人员对sql的把握质量不够，导致慢sql查询的产生，进而影响数据库的整体运行状况。
大量行锁冲突、行锁等待或后台任务也有可能会导致实例的 CPU 使用率过高，但这些情况出现的概率非常低。
当我们的数据库性能下降的厉害或者cpu飙升时候，可以进行如下操作定位问题：
查询mysql进程列表
show full processlist;
获取到mysql当前使用的进程：
如果进程很多，说明请求量很大，需要区分是否正常业务流量，还是代码问题导致的。
查询慢查询日志
show variables like '%slow_query_log%';
找到慢查询日志文件/home/mysql/data3085/mysql/
slow_query.log
，即可找到慢查询日志信息，解决这些慢sql，你的cpu一定会降下来。避免数据库cpu飙升
实际开发过程中，我们对数据库的使用一定要小心，不能等问题发生了再去排查问题解决问题，而是要预防问题的发生，并且在问题可能发生的情况下，提前介入，避免问题扩大化。平时开发过程中需要做好一些准备工作：
增加CPU使用率告警机制，比如使用率超过80%就短信告警；
所有的sql语句必须走索引，有DBA则由DBA统一调控，没有的话开发人员先执行explain看sql执行计划，必须走索引，属于强制规则；
新功能上线必须进行压测；
日常mysql运行监控，慢查日志查看，将隐患扼杀在摇篮之中。
mysql如何定期分析检查与优化表？
1. 对表进行优化 ( 优化表主要作用是消除删除或者更新造成的空间浪费)
2. 对表进行分析（分析关键字的分布, 分析并存储MyISAM和BDB表中键的分布）
3. 对表进行检查（检查表的错误，并且为MyISAM更新键的统计内容）
4. 对表进行修复（修复被破坏的MyISAM表）
分析表
ANALYZE TABLE 表名1 [,表名2…] ;
ANALYZE TABLE分析表的过程中，数据库系统会对表加一个只读锁。在分析期间，只能读取表中的记录，不能更新和插入记录。ANALYZE TABLE语句能够分析InnoDB和MyISAM类型的表。
对表的定期分析可以改善性能，且应该成为常规维护工作的一部分。因为通过更新表的索引信息对表进行分析，可改善数据库性能。
检查表
MySQL中使用CHECK TABLE语句来检查表。CHECK TABLE语句能够检查InnoDB和MyISAM类型的表是否存在错误。还可以检查视图是否存在错误.
check table 表名
优化表
随着MySQL的使用，包括BLOB和VARCHAR字节的表将变得比较繁冗，因为这些字段长度不同，对记录进行插入、更新或删除时，会占有不同大小的空间，记录就会变成碎片，且留下空闲的空间。像具有碎片的磁盘，会降低性能，需要整理，因此要优化。 （个人理解：当删除数据之后，原来的索引文件位置会空出来。等待新文件的插入，optimize命令就是整理索引文件）
针对MyISAM表，直接使用如下命令进行优化
optimize table table1[,table2][,table3]
myisam
innodb
Table does not support optimize, doing recreate + analyze instead。因为Innodb结构下删除了大量的行，此时索引会重组并且会释放相应的空间因此不必优化。
show table status like ‘表名’；
为什么MySQL在数据库较大的时候分页查询很慢，如何优化？
使用合理的分页方式以提高分页的效率
正如楼主所说，分页查询在我们的实际应用中非常普遍，也是最容易出问题的查询场景。比如对于下面简单的语句，一般想到的办法是在name，age，register_time字段上创建复合索引。这样条件排序都能有效的利用到索引，性能迅速提升。
如上例子，当 LIMIT 子句变成 “LIMIT 100000, 50” 时，此时我们会发现，只取50条语句为何会变慢?
原因很简单，MySQL并不知道第 100000条记录从什么地方开始，即使有索引也需要从头计算一次，因此会感觉非常的慢。
通常，我们在做分页查询时，是可以获取上一页中的某个数据标志来缩小查询范围的，比如时间，可以将上一页的最大值时间作为查询条件的一部分，SQL可以优化为这样：
若对你有所帮助，欢迎点赞、关注支持哦。
题主给的这个sql其实想要的数据也就20条吧(你那个300020应该是打错了，不可能是实际业务一页显示30多万条记录)，单纯查三十多万数据其实很快，为什么分页后就很慢？
变慢的原因，一方面是select *，另一方面是数据量较大，还有一个是带有排序操作。本质是分页查询时，会先查询出limit + offset条记录，然后截取后面的offset记录。
Mysql数据库作为一款比较主流的开源关系型数据库，市场上我觉得貌似开发者没有一个没用过吧。
影响MySQL查询性能的因素有很多，比如sql，表结构设计，磁盘io，网卡io，高并发，数据库相关参数配置，还有服务器硬等。
这里面涉及最多也是面试中最常问的就是有关sql的优化。
因为很多性能上的问题来自sql的比较多，mysql数据库在数据量级达到百万以上性能是逐渐下降的。
关于sql优化又有很多优化的方向和手段。比如对表结构的字段类型，默认值，索引等最基础的做一些优化，然后编写的sql最好要能完全命中索引。
当然并不是说建索引就一定命中，不走索引就一定慢。这取决于mysql的执行计划。
还有建索引也并不是越多越好，单表索引最好不要超过6个，毕竟索引也占空间，数据更新的同时，还牵扯到索引文件的维护。
OK说了这么多，到底该怎么对这个分页又排序做优化呢？
我的做法就是合理利用主键索引来处理
select a.* from table a inner join (select id from table
limit 300000,20）
b on a.id=b.id;
然后排序最好放到代码层面上去。
希望我的回答能帮到你
问题
我们有一个 SQL，用于找到没有主键 / 唯一键的表，但是在 MySQL 5.7 上运行特别慢，怎么办?
实验
我们搭建一个 MySQL 5.7 的环境，此处省略搭建步骤。
写个简单的脚本，制造一批带主键和不带主键的表：
执行一下脚本：
现在执行以下 SQL 看看效果：
...
执行了 16.80s，感觉是非常慢了。
现在用一下 DBA 三板斧，看看执行计划：
感觉有点惨，由于 information_schema.columns 是元数据表，没有必要的统计信息。
那我们来 show warnings 看看 MySQL 改写后的 SQL：
我们格式化一下 SQL：
可以看到 MySQL 将
select from A where A.x not in (select x from B) //非关联子查询
转换成了
select from A where not exists (select 1 from B where B.x = a.x) //关联子查询
如果我们自己是 MySQL，在执行非关联子查询时，可以使用很简单的策略：
select from A where A.x not in (select x from B where ...) //非关联子查询:1. 扫描 B 表中的所有记录，找到满足条件的记录，存放在临时表 C 中，建好索引2. 扫描 A 表中的记录，与临时表 C 中的记录进行比对，直接在索引里比对，
而关联子查询就需要循环迭代：
select from A where not exists (select 1 from B where B.x = a.x and ...) //关联子查询扫描 A 表的每一条记录 rA： 扫描 B 表，找到其中的第一条满足 rA 条件的记录。
显然，关联子查询的扫描成本会高于非关联子查询。
我们希望 MySQL 能先"缓存"子查询的结果（缓存这一步叫物化，MATERIALIZATION），但MySQL 认为不缓存更快，我们就需要给予 MySQL 一定指导。
...
可以看到执行时间变成了 0.67s。
整理
我们诊断的关键点如下：
\1. 对于 information_schema 中的元数据表，执行计划不能提供有效信息。
\2. 通过查看 MySQL 改写后的 SQL，我们猜测了优化器发生了误判。
\3. 我们增加了 hint，指导 MySQL 正确进行优化判断。
但目前我们的实验仅限于猜测，猜中了万事大吉，猜不中就无法做出好的诊断。
这个得明白mysql的存储原理 讲个例子 一个小区有很多栋 一栋有很多层 一层有很多室 你哪个小区哪一栋那一层都不告诉它 它能一下找到吗 虽然它也想快点帮你找到
个人实战经验分享一下，商品表，数据量还是相对较大的，有好几百万。当时最初架构也是遇到这种问题，因为最初设计的时候没想到会有这么大数据量，也就应对10万以内的架构设计。那后来也是通过不断找寻方案，最终采用了一种桥连接表的方案。主表是商品表，几百万或者上千万商品。
第一步，建立桥数据表，一个自增ID，一个商品ID，主要这俩字段，额外排序条件也可以加进去，均int类型，不宜过大。这个表就是存商品ID用的。
第二步，查询分页的时候，先在这个桥表做分页查询，表小，都是索引，速度非常快，然后取出商品ID后，再用已知商品ID对商品表做in查询。查出具体信息。这样速度提升巨大。简单实用，仅需对分页部分做查询修改即可完成。
目前三五百万商品表，都是毫秒级查询，没改造之前需要半分钟。
再说一句是MySQL数据库，有的说什么分表分库，那都没必要，用in条件查询，那是最快的，直接告诉在哪，取数就行了。
