一.优化概述
1、为什么要优化？
（1）系统的吞吐量瓶颈往往出现在数据库的访问速度上；
（2）随着应用程序的运行，数据库的中的数据会越来越多，处理时间会相应变慢；
（3）数据是存放在磁盘上的，读写速度无法和内存相比；
2、如何优化？
查询速度优化、数据库结构优化、MYSQL服务器优化
原则是减少系统的瓶颈，减少资源的占用，增加系统的反应速度。
通过优化文件系统，提高磁盘I\O的读写速度；
通过优化操作系统调度策略，提高MYSQL 在高负荷情况下的负载能力；
优化表结构、索引、查询语句等使查询响应更快。
MYSQL优化主要分为以下四大方面：
设计：存储引擎，字段类型，范式与逆范式。
功能：索引，缓存，分区分表。
架构：主从复制，读写分离，负载均衡。
合理SQL：测试，经验。
二.优化的维度以及阶段
一个成熟的数据库架构并不是一开始设计就具备高可用、高伸缩等特性的，它是随着用户量的增加，基础架构才逐渐完善。
1、数据库表设计
对于数据库来说，表结构设计很重要，如果设计不当，会直接影响到用户访问网站速度，用户体验不好！这种情况具体影响因素有很多，
例如慢查询（低效的查询语句）、没有适当建立索引、数据库堵塞（锁）等。由于开发工程师重视点不同，初期不会考虑太多数据库设计是否合理，而是尽快完成功能实现和交付。
等项目上线有一定访问量后，隐藏的问题就会暴露，这时再去修改就不是这么容易的事了！
2、数据库部署
项目初期访问量一般是寥寥无几，此阶段Web+数据库单台部署足以应对在1000左右的QPS（每秒查询率）。
考虑到单点故障，应做到高可用性，可采用MySQL主从复制+Keepalived实现双机热备。主流HA软件有：Keepalived（推荐）、Heartbeat。
3、数据库性能优化
如果将MySQL部署到普通的X86服务器上，在不经过任何优化情况下，MySQL理论值正常可以处理1500左右QPS，经过优化后，有可能会提升到2000左右QPS。
否则，访问量当达到1500左右并发连接时，数据库处理性能可能响应就会慢，而且硬件资源还比较富裕，这时就该考虑性能优化问题了。
那么怎样能让数据库发挥最大性能呢？主要从硬件配置、数据库配置、架构方面着手，具体分为以下：
（1）硬件配置
如果有条件一定要SSD固态硬盘代替SAS机械硬盘，将RAID级别调整为RAID1+0，相对于RAID1和RAID5有更好的读写性能，毕竟数据库的压力主要来自磁盘I/O方面。
Linux内核有一个特性，会从物理内存中划分出缓存区（系统缓存和数据缓存）来存放热数据，通过文件系统延迟写入机制，
等满足条件时（如缓存区大小到达一定百分比或者执行sync命令）才会同步到磁盘。
也就是说物理内存越大，分配缓存区越大，缓存数据越多。当然，服务器故障会丢失一定的缓存数据。建议物理内存至少富裕50%以上。
（2）数据库配置优化
MySQL应用最广泛的有两种存储引擎：一个是MyISAM，不支持事务处理，读性能处理快，表级别锁。
另一个是InnoDB，支持事务处理（ACID属性），设计目标是为大数据处理，行级别锁。
表锁：开销小，锁定粒度大，发生死锁概率高，相对并发也低。
行锁：开销大，锁定粒度小，发生死锁概率低，相对并发也高。
为什么会出现表锁和行锁呢？主要为保证数据完整性。
举个例子，一个用户在操作一张表，其他用户也想操作这张表，那么就要等第一个用户操作完，其他用户才能操作，表锁和行锁就是这个作用。
否则多个用户同时操作一张表，肯定会数据产生冲突或者异常。
根据这些方面看，使用InnoDB存储引擎是最好的选择，也是MySQL5.5+版本默认存储引擎。
每个存储引擎相关运行参数比较多，以下列出可能影响数据库性能的参数。
公共参数默认值：
max_connections = 151 # 同时处理最大连接数，建议设置最大连接数是上限连接数的80%左右 sort_buffer_size = 2M # 查询排序时缓冲区大小，只对order by和group by起作用，建议增大为16M open_files_limit = 1024 # 打开文件数限制，如果show global status like 'open_files'查看的值等于或者大于open_files_limit值时，程序会无法连接数据库或卡死
MyISAM参数默认值：
key_buffer_size = 16M # 索引缓存区大小，一般设置物理内存的30-40% read_buffer_size = 128K # 读操作缓冲区大小，建议设置16M或32M query_cache_type = ON # 打开查询缓存功能 query_cache_limit = 1M # 查询缓存限制，只有1M以下查询结果才会被缓存，以免结果数据较大把缓存池覆盖 query_cache_size = 16M # 查看缓冲区大小，用于缓存SELECT查询结果，下一次有同样SELECT查询将直接从缓存池返回结果，可适当成倍增加此值
InnoDB参数默认值：
innodb_buffer_pool_size = 128M # 索引和数据缓冲区大小，建议设置物理内存的70%左右 innodb_buffer_pool_instances = 1 # 缓冲池实例个数，推荐设置4个或8个 innodb_flush_log_at_trx_commit = 1 # 关键参数，0代表大约每秒写入到日志并同步到磁盘，数据库故障会丢失1秒左右事务数据。1为每执行一条SQL后写入到日志并同步到磁盘，I/O开销大，执行完SQL要等待日志读写，效率低。
# 2代表只把日志写入到系统缓存区，再每秒同步到磁盘，效率很高，如果服务器故障，才会丢失事务数据。对数据安全性要求不是很高的推荐设置2，性能高，修改后效果明显。 innodb_file_per_table = OFF # 是否共享表空间，5.7+版本默认ON，共享表空间idbdata文件不断增大，影响一定的I/O性能。建议开启独立表空间模式，每个表的索引和数据都存在自己独立的表空间中，可以实现单表在不同数据库中移动。 innodb_log_buffer_size = 8M # 日志缓冲区大小，由于日志最长每秒钟刷新一次，所以一般不用超过16M
（3）系统内核参数优化
大多数MySQL都部署在linux系统上，所以操作系统的一些参数也会影响到MySQL性能，以下对Linux内核参数进行适当优化：
net.ipv4.tcp_fin_timeout = 30 # TIME_WAIT超时时间，默认是60s net.ipv4.tcp_tw_reuse = 1 # 1表示开启复用，允许TIME_WAIT socket重新用于新的TCP连接，0表示关闭 net.ipv4.tcp_tw_recycle = 1 # 1表示开启TIME_WAIT socket快速回收，0表示关闭 net.ipv4.tcp_max_tw_buckets = 4096 # 系统保持TIME_WAIT socket最大数量，如果超出这个数，系统将随机清除一些TIME_WAIT并打印警告信息 net.ipv4.tcp_max_syn_backlog = 4096 # 进入SYN队列最大长度，加大队列长度可容纳更多的等待连接 在Linux系统中，如果进程打开的文件句柄数量超过系统默认值1024，就会提示“too many files open”信息，所以要调整打开文件句柄限制。 重启永久生效： # vi /etc/security/limits.conf * soft nofile 65535 * hard nofile 65535 当前用户立即生效： # ulimit -SHn 65535
4、数据库架构扩展
随着业务量越来越大，单台数据库服务器性能已无法满足业务需求，该考虑增加服务器扩展架构了。
主要思想是分解单台数据库负载，突破磁盘I/O性能，热数据存放缓存中，降低磁盘I/O访问频率。
（1）增加缓存
给数据库增加缓存系统，把热数据缓存到内存中，如果缓存中有请求的数据就不再去请求MySQL，减少数据库负载。
缓存实现有本地缓存和分布式缓存，本地缓存是将数据缓存到本地服务器内存中或者文件中。
分布式缓存可以缓存海量数据，扩展性好，主流的分布式缓存系统：memcached、redis，memcached性能稳定，数据缓存在内存中，速度很快，QPS理论可达8w左右。
如果想数据持久化就选择用redis，性能不低于memcached。
（2）主从复制与读写分离
在生产环境中，业务系统通常读多写少，可部署一主多从架构，主数据库负责写操作，并做双机热备，多台从数据库做负载均衡，负责读操作。
主流的负载均衡器：LVS、HAProxy、Nginx。
怎么来实现读写分离呢？大多数企业是在代码层面实现读写分离，效率高。另一个种方式通过代理程序实现读写分离，企业中应用较少，会增加中间件消耗。主流中间件代理系统有MyCat、Atlas等。
在这种MySQL主从复制拓扑架构中，分散单台负载，大大提高数据库并发能力。如果一台从服务器能处理1500 QPS，那么3台就能处理4500 QPS，而且容易横向扩展。
有时，面对大量写操作的应用时，单台写性能达不到业务需求。就可以做双向复制（双主），但有个问题得注意：
两台主服务器如果都对外提供读写操作，就可能遇到数据不一致现象，产生这个原因是程序有同时操作两台数据库几率，同时的更新操作会造成两台数据库数据发生冲突或者不一致。
可设置每个表ID字段自增唯一：auto_increment_increment和auto_increment_offset，也可以写算法生成随机唯一。
（3）分库
分库是根据业务将数据库中相关的表分离到不同的数据库中，例如web、bbs、blog等库。如果业务量很大，还可将分离后的数据库做主从复制架构，进一步避免单库压力过大。
（4）分表
数据量的日剧增加，数据库中某个表有几百万条数据，导致查询和插入耗时太长，怎么能解决单表压力呢？你应该考虑把这个表拆分成多个小表，来减轻单个表的压力，提高处理效率，此方式称为分表。
分表技术比较麻烦，要修改程序代码里的SQL语句，还要手动去创建其他表，也可以用merge存储引擎实现分表，相对简单许多。
分表后，程序是对一个总表进行操作，这个总表不存放数据，只有一些分表的关系，以及更新数据的方式，总表会根据不同的查询，将压力分到不同的小表上，因此提高并发能力和磁盘I/O性能。
分表分为垂直拆分和水平拆分：
垂直拆分：把原来的一个很多字段的表拆分多个表，解决表的宽度问题。你可以把不常用的字段单独放到一个表中，也可以把大字段独立放一个表中，或者把关联密切的字段放一个表中。
水平拆分：把原来一个表拆分成多个表，每个表的结构都一样，解决单表数据量大的问题。
（5）分区
分区就是把一张表的数据根据表结构中的字段（如range、list、hash等）分成多个区块，这些区块可以在一个磁盘上，
也可以在不同的磁盘上，分区后，表面上还是一张表，但数据散列在多个位置，这样一来，多块硬盘同时处理不同的请求，从而提高磁盘I/O读写性能。
注：增加缓存、分库、分表和分区主要由程序猿或DBA来实现。
5、数据库维护
数据库维护是数据库工程师或运维工程师的工作，包括系统监控、性能分析、性能调优、数据库备份和恢复等主要工作。
总结：
由于关系型数据库初衷设计限制，在大数据处理时会显得力不从心。因此NoSQL（非关系型数据库）火起来了，天生励志，具备分布式、高性能、高可靠等特性，
弥补了关系型数据库某方面先天性不足，非常适合存储非结构化数据。主流NoSQL数据库有：MongoDB、HBase、Cassandra等。
三.优化的方法
Mysql中，可以使用SHOW STATUS语句查询一些Mysql数据库的性能参数。SHOW STATUS语句语法如下所示：
SHOW STATUS LIKE 'value';
常用的性能参数如下：
connections：连接MYSQL服务器的次数；
uptime：MYSQL服务器的上线时间；
slow_queries：慢查询的次数；
com_select：查询操作的次数；
com_insert：插入操作的次数；
com_update：更新操作的次数；
com_delete：删除操作的次数；
1、优化查询
（1）索引不要多，一般不超过6个
explain 语句 和 describe 语句
索引失效场景：
列类型是字符串，查询条件未加引号。
like以通配符开头（‘%abc..’）会导致索引失效
多列索引 最左前缀满足原则
OR关键字 前后两个条件中的列都是索引时，索引有效否则失效
mysql在使用不等于（!= 或 <> 或 not in）时无法使用索引
is null，is not null也无法使用索引
字符串不加单引号，该字段以后的索引失效
少数据值的列也不应该增加索引，只有两种情况，且平均分布，加了索引反而降低速度
（2）in与exists使用场合
坚持小表驱动大表的原则：
in : 当B表的数据集必须小于A表的数据集时，in优于exists
exists：当A表的数据集小于B表的数据集时，exists优于in
（3）对Order By的优化
用order by子句的重点是是否会产生filesort。建索引时已经排好序，所以order by的顺序和索引最好一致，避免再一次排序。
所建的索引默认升序，一升序一降序会产生内排序
状态最好是using index，让mysql通过扫描索引本身完成排序。
能使用index方式排序的情况：order by语句使用索引最左前列，或where子句与order子句条件组合满足索引最左前列。
a.order by语句使用索引最左前列，order by后字段同为asc或desc都行；
b.加上where子句的条件与order by子句条件列组合满足索引最左前列；
不能使用索引的情况：
/* 排序不一致*/ ORDER BY a ASC, b DESC ,c ASC
/* 丢失a索引*/ ORDER BY b,c
/* 丢失b索引*/ ORDER BY c
/* d不是索引的一部分 */ ORDER BY a,d
/* 对于排序来说，多个相等条件也是范围查询*/ WHERE a in(..) ORDER BY b,c
（3）filesort的两种算法
a.双路排序：两次扫描磁盘（读取行指针和order by列，对他们进行排序，然后扫描已排好序的列表，重新列表读取数据输出）。
b.单路排序：mysql4.1版本后，从磁盘读取查询需要的所有列，按order by列在buffer对它们排序，然后扫描排序后的列表输出，
只读取一次数据，且把随机IO变为顺序IO，但会使用更多空间，因为它把每一行都保存在内存中。
单路排序存在的问题：
因为要把所有字段取出，可能要取出的大小超出sort_buffer容量，导致每次只能取sort_buffer容量大小的数据进行排序（创建tmp文件，多路合并），
排完再取sort_buffer容量大小的数据，反而会导致更多I/O操作。
（4）order by优化策略：
a.单路多路算法的数据都有可能超过sort_buffer_size，超出后会建tmp文件进行合并排序，导致多次I/O，可以根据系统能力增大sort_buffer_size参数设置。
b.增大max_length_for_sort_data参数，会增加用单路排序的概率，但如果设太大，也会更容易使数据超过sort_buffer_size，
当query的字段大小总和小于max_length_for_sort_data且排序字段不是text/blob类型时，才会用单路排序，否则还是用多路排序。
c.order by时不要用select *，只select需要的字段，多余的字段会占用sort_buffer的内存。
（5）使用关联查询优化子查询
多个索引同时作为查询条件时：type：index_merge extra：Using intersect(MainOrder_NormalIndex,IX_Feeds_AccountNo); Using where
建索引的几大原则
1.最左前缀匹配原则，非常重要的原则，mysql会一直向右匹配直到遇到范围查询(>、<、between、like)就停止匹配，
比如a = 1 and b = 2 and c > 3 and d = 4 如果建立(a,b,c,d)顺序的索引，d是用不到索引的，如果建立(a,b,d,c)的索引则都可以用到，a,b,d的顺序可以任意调整。
2.=和in可以乱序，比如a = 1 and b = 2 and c = 3 建立(a,b,c)索引可以任意顺序，mysql的查询优化器会帮你优化成索引可以识别的形式
3.尽量选择区分度高的列作为索引,区分度的公式是count(distinct col)/count(*)，表示字段不重复的比例，比例越大我们扫描的记录数越少，唯一键的区分度是1，
而一些状态、性别字段可能在大数据面前区分度就是0，那可能有人会问，这个比例有什么经验值吗？
使用场景不同，这个值也很难确定，一般需要join的字段我们都要求是0.1以上，即平均1条扫描10条记录
4.索引列不能参与计算，保持列“干净”，比如from_unixtime(create_time) = '2014-05-29'就不能使用到索引，原因很简单，
b+树中存的都是数据表中的字段值，但进行检索时，需要把所有元素都应用函数才能比较，显然成本太大。所以语句应该写成create_time = unix_timestamp('2014-05-29');
5.尽量的扩展索引，不要新建索引。比如表中已经有a的索引，现在要加(a,b)的索引，那么只需要修改原来的索引即可
2、优化数据库结构
空间换时间：
（1）将字段很多的表分解成多个表；
（2）增加中间表 关联查询-》单表查询；
（4）增加冗余字段；
（5）优化插入的记录的速度；
（6）analyze 分析表；
3、其他方法
（1）选择合适的存储引擎: InnoDB；
（2）保证从内存中读取数据。讲数据保存在内存中；
（3）字段设计；
（4）范式 Normal Format；
（5）分区；
（6）压测工具mysqlslap；
