8.SQL优化、分库分表、读写分离、主从复制

如何分析SQL性能：
我们可以使用 EXPLAIN 命令来分析 SQL 的执行计划。执行计划是指一条 SQL 语句在经过 MySQL 查询优化器的优化会后，具体的执行方式。

在项目中如果发现部分 SQL 语句执行缓慢，等待查询时间长，可以考虑优化慢查询，具体思路为：

通过慢查询日志定位 SQL
使用 explain 分析 SQL
修改 SQL，令其走合适的索引

🍅 在使用 explain 时，我们主要关注这些字段：

type（索引index,索引失效ALL）
key
Extra（使用索引）

在编写 SQL 使用索引的时候，我们尽量注意一下规则：

模糊查询不要使用通配符 % 开头，例如 like '%abc'
使用 or 关键字时，两边的字段都要有索引。或者使用 union 替代 or
使用复合索引遵循最左原则
索引字段不要参加表达式运算、函数运算

2.读写分离和分库分表了解吗？

（1）读写分离：读写分离主要是为了将对数据库的读写操作分散到不同的数据库节点上。这样的话，就能够小幅提升写性能，大幅提升读性能。
一般情况下，我们都会选择一主多从，也就是一台主数据库负责写，其他的从数据库负责读。主库和从库之间会进行数据同步，以保证从库中数据的准确性。

（2）如何实现读写分离？
· 部署多台数据库，选择其中的一台作为主数据库，其他的一台或者多台作为从数据库。
· 保证主数据库和从数据库之间的数据是实时同步的，这个过程就是我们常说的主从复制。
· 系统将写请求交给主数据库处理，读请求交给从数据库处理。
落实到项目本身：
代理方式：我们可以在应用和数据中间加了一个代理层。应用程序所有的数据请求都交给代理层处理，代理层负责分离读写请求，将它们路由到对应的数据库中。
　　提供类似功能的中间件有 MySQL Router（官方）、Atlas（基于 MySQL Proxy）、Maxscale、MyCat。
组件方式：可以通过引入第三方组件来帮助我们读写请求。推荐使用 sharding-jdbc ，直接引入 jar 包即可使用，非常方便。同时，也节省了很多运维的成本。

（3）主从复制的原理：
MySQL binlog(binary log 即二进制日志文件) 主要记录了MySQL数据库中数据的所有变化(数据库执行的所有 DDL 和 DML 语句)。因此，我们根据主库的MySQL binlog日志就能够将主库的数据同步到从库中。
详细过程：
· 主库将数据库中数据的变化写入到 binlog
· 从库连接主库
· 从库会创建一个 I/O 线程向主库请求更新的 binlog
· 主库会创建一个 binlog dump 线程来发送 binlog ，从库中的 I/O 线程负责接收
· 从库的 I/O 线程将接收的 binlog 写入到 relay log 中。
· 从库的 SQL 线程读取 relay log 同步数据本地（也就是再执行一遍 SQL ）。

（4）如何避免主从延迟？

　　读写分离对于提升数据库的并发非常有效，但是，同时也会引来一个问题：主库和从库的数据存在延迟，比如你写完主库之后，主库的数据同步到从库是需要时间的，这个时间差就导致了主库和从库的数据不一致性问题。这也就是我们经常说的 主从同步延迟 。

如果我们的业务场景无法容忍主从同步延迟的话，应该如何避免呢（注意：我这里说的是避免而不是减少延迟）？

# 强制将读请求路由到主库处理

　　既然从库的数据过期了，那就直接从主库读取嘛！这种方案虽然会增加主库的压力，但是，实现起来比较简单，也是使用较多的一种方式。

　　比如 Sharding-JDBC 就是采用的这种方案。通过使用 Sharding-JDBC 的 HintManager 分片键值管理器，我们可以强制使用主库。

HintManager hintManager = HintManager.getInstance();
hintManager.setMasterRouteOnly();
// 继续JDBC操作

对于这种方案，你可以将那些必须获取最新数据的读请求都交给主库处理。

# 延迟读取

　　还有一些朋友肯定会想既然主从同步存在延迟，那我就在延迟之后读取啊，比如主从同步延迟 0.5s,那我就 1s 之后再读取数据。这样多方便啊！方便是方便，但是也很扯淡。

　　不过，如果你是这样设计业务流程就会好很多：对于一些对数据比较敏感的场景，你可以在完成写请求之后，避免立即进行请求操作。比如你支付成功之后，跳转到一个支付成功的页面，当你点击返回之后才返回自己的账户。

（5）什么情况下会出现主从延迟？如何尽量减少延迟？

什么是主从延迟：MySQL 主从同步延时是指从库的数据落后于主库的数据。

这种情况可能由以下两个原因造成：

从库 I/O 线程接收 binlog 的速度跟不上主库写入 binlog 的速度，导致从库 relay log 的数据滞后于主库 binlog 的数据；
从库 SQL 线程执行 relay log 的速度跟不上从库 I/O 线程接收 binlog 的速度，导致从库的数据滞后于从库 relay log 的数据。

与主从同步有关的时间点主要有 3 个：

主库执行完一个事务，写入 binlog，将这个时刻记为 T1；
从库 I/O 线程接收到 binlog 并写入 relay log 的时刻记为 T2；
从库 SQL 线程读取 relay log 同步数据本地的时刻记为 T3。

结合我们上面讲到的主从复制原理，可以得出：

T2 和 T1 的差值反映了从库 I/O 线程的性能和网络传输的效率，这个差值越小说明从库 I/O 线程的性能和网络传输效率越高。
T3 和 T2 的差值反映了从库 SQL 线程执行的速度，这个差值越小，说明从库 SQL 线程执行速度越快。

什么情况下会出现出从延迟呢？

从库机器性能比主库差：从库接收 binlog 并写入 relay log 以及执行 SQL 语句的速度会比较慢（也就是 T2-T1 和 T3-T2 的值会较大），进而导致延迟。解决方法是选择与主库一样规格或更高规格的机器作为从库，或者对从库进行性能优化，比如调整参数、增加缓存、使用 SSD 等。
从库处理的读请求过多：从库需要执行主库的所有写操作，同时还要响应读请求，如果读请求过多，会占用从库的 CPU、内存、网络等资源，影响从库的复制效率（也就是 T2-T1 和 T3-T2 的值会较大，和前一种情况类似）。解决方法是引入缓存（推荐）、使用一主多从的架构，将读请求分散到不同的从库，或者使用其他系统来提供查询的能力，比如将 binlog 接入到 Hadoop、Elasticsearch 等系统中。
大事务：运行时间比较长，长时间未提交的事务就可以称为大事务。由于大事务执行时间长，并且从库上的大事务会比主库上的大事务花费更多的时间和资源，因此非常容易造成主从延迟。解决办法是避免大批量修改数据，尽量分批进行。类似的情况还有执行时间较长的慢 SQL ，实际项目遇到慢 SQL 应该进行优化。
从库太多：主库需要将 binlog 同步到所有的从库，如果从库数量太多，会增加同步的时间和开销（也就是 T2-T1 的值会比较大，但这里是因为主库同步压力大导致的）。解决方案是减少从库的数量，或者将从库分为不同的层级，让上层的从库再同步给下层的从库，减少主库的压力。
网络延迟：如果主从之间的网络传输速度慢，或者出现丢包、抖动等问题，那么就会影响 binlog 的传输效率，导致从库延迟。解决方法是优化网络环境，比如提升带宽、降低延迟、增加稳定性等。
单线程复制：MySQL5.5 及之前，只支持单线程复制。为了优化复制性能，MySQL 5.6 引入了 多线程复制，MySQL 5.7 还进一步完善了多线程复制。
复制模式：MySQL 默认的复制是异步的，必然会存在延迟问题。全同步复制不存在延迟问题，但性能太差了。半同步复制是一种折中方案，相对于异步复制，半同步复制提高了数据的安全性，减少了主从延迟（还是有一定程度的延迟）。MySQL 5.5 开始，MySQL 以插件的形式支持 semi-sync 半同步复制。并且，MySQL 5.7 引入了 增强半同步复制。

（4）分库分表：
读写分离主要应对的是数据库读并发，没有解决数据库存储问题。
　　如果MySQL一张表的数据量过大怎么办?换言之，我们该如何解决MySQL的存储压力？答案之一就是分库分表。
分库：就是将数据库中的数据分散到不同的数据库上，可以垂直分库，也可以水平分库。
垂直分库：就是把单一数据库按照业务进行划分，不同的业务使用不同的数据库，进而将一个数据库的压力分担到多个数据库。
　　举个例子：说你将数据库中的用户表、订单表和商品表分别单独拆分为用户数据库、订单数据库和商品数据库。
水平分库：把同一个表按一定规则拆分到不同的数据库中，每个库可以位于不同的服务器上，这样就实现了水平扩展，解决了单表的存储和性能瓶颈的问题。
　　举个例子：订单表数据量太大，你对订单表进行了水平切分（水平分表），然后将切分后的 2 张订单表分别放在两个不同的数据库。
分表：就是对单表的数据进行拆分，可以是垂直拆分，也可以是水平拆分。
垂直分表：是对数据表列的拆分，把一张列比较多的表拆分为多张表。
　　举个例子：我们可以将用户信息表中的一些列单独抽出来作为一个表。
水平分表：是对数据表行的拆分，把一张行比较多的表拆分为多张表，可以解决单一表数据量过大的问题。（水平拆分只能解决单表数据量大的问题，为了提升性能，我们通常会选择将拆分后的多张表放在不同的数据库中。也就是说，水平分表通常和水平分库同时出现）

什么情况下需要分库分表？
遇到下面几种场景可以考虑分库分表：
　　单表的数据达到千万级别以上，数据库读写速度比较缓慢。
　　数据库中的数据占用的空间越来越大，备份时间越来越长。
　　应用的并发量太大。

常见的分片算法有哪些？
分片算法主要解决了数据被水平分片之后，数据究竟该存放在哪个表的问题。
哈希分片 ：求指定 key（比如 id）的哈希，然后根据哈希值确定数据应被放置在哪个表中。哈希分片比较适合随机读写的场景，不太适合经常需要范围查询的场景。
范围分片 ：按照特性的范围区间（比如时间区间、ID区间）来分配数据，比如将 id 为 1~299999 的记录分到第一个库， 300000~599999 的分到第二个库。范围分片适合需要经常进行范围查找的场景，不太适合随机读写的场景（数据未被分散，容易出现热点数据的问题）。
地理位置分片 ：很多 NewSQL 数据库都支持地理位置分片算法，也就是根据地理位置（如城市、地域）来分配数据。
融合算法 ：灵活组合多种分片算法，比如将哈希分片和范围分片组合。

分库分表会带来什么问题呢？ 同一个数据库中的表分布在了不同的数据库中
· join 操作 ：同一个数据库中的表分布在了不同的数据库中，导致无法使用 join 操作。这样就导致我们需要手动进行数据的封装，比如你在一个数据库中查询到一个数据之后，再根据这个数据去另外一个数据库中找对应的数据。
· 事务问题 ：同一个数据库中的表分布在了不同的数据库中，如果单个操作涉及到多个数据库，那么数据库自带的事务就无法满足我们的要求了。
· 分布式 id ：分库之后，数据遍布在不同服务器上的数据库，数据库的自增主键已经没办法满足生成的主键唯一了。我们如何为不同的数据节点生成全局唯一主键呢？这个时候，我们就需要为我们的系统引入分布式 id 了。
引入分库分表之后，一般需要 DBA 的参与，同时还需要更多的数据库服务器，这些都属于成本。

分库分表有没有什么比较推荐的方案?
　　ShardingSphere 项目（包括 Sharding-JDBC、Sharding-Proxy 和 Sharding-Sidecar）是当当捐入 Apache 的，目前主要由京东数科的一些巨佬维护。除了支持读写分离和分库分表，还提供分布式事务、数据库治理等功能。ShardingSphere 的生态体系完善，社区活跃，文档完善，更新和发布比较频繁。

分库分表后，数据怎么迁移呢？
　　比较简单同时也是非常常用的方案就是停机迁移，写个脚本老库的数据写到新库中。比如你在凌晨 2 点，系统使用的人数非常少的时候，挂一个公告说系统要维护升级预计 1 小时。然后，你写一个脚本将老库的数据都同步到新库中。
　　如果你不想停机迁移数据的话，也可以考虑双写方案。双写方案是针对那种不能停机迁移的场景，实现起来要稍微麻烦一些。具体原理是这样的：
　　我们对老库的更新操作（增删改），同时也要写入新库（双写）。如果操作的数据不存在于新库的话，需要插入到新库中。这样就能保证，咱们新库里的数据是最新的。
　　在迁移过程，双写只会让被更新操作过的老库中的数据同步到新库，我们还需要自己写脚本将老库中的数据和新库的数据做比对。如果新库中没有，那咱们就把数据插入到新库。如果新库有，旧库没有，就把新库对应的数据删除（冗余数据清理）。
　　重复上一步的操作，直到老库和新库的数据一致为止。
　　想要在项目中实施双写还是比较麻烦的，很容易会出现问题。我们可以借助上面提到的数据库同步工具 Canal 做增量数据迁移（还是依赖 binlog，开发和维护成本较低）。

总结
1)读写分离主要是为了将对数据库的读写操作分散到不同的数据库节点上。这样的话，就能够小幅提升写性能，大幅提升读性能。
2)读写分离基于主从复制，MySQL 主从复制是依赖于 binlog 。
3)分库就是将数据库中的数据分散到不同的数据库上。分表就是对单表的数据进行拆分，可以是垂直拆分，也可以是水平拆分。
4)引入分库分表之后，需要系统解决事务、分布式 id、无法 join 操作问题。
5)ShardingSphere 绝对可以说是当前分库分表的首选！ShardingSphere 的功能完善，除了支持读写分离和分库分表，还提供分布式事务、数据库治理等功能。另外，ShardingSphere 的生态体系完善，社区活跃，文档完善，更新和发布比较频繁。

1.MySQL高性能优化规范建议总结
（1）数据库命名规范：
· 所有数据库对象名称必须使用小写字母并用下划线分割
· 所有数据库对象名称禁止使用 MySQL 保留关键字（如果表名中包含关键字查询时，需要将其用单引号括起来）
· 数据库对象的命名要能做到见名识意，并且最后不要超过 32 个字符
· 临时库表必须以 tmp_ 为前缀并以日期为后缀，备份表必须以 bak_ 为前缀并以日期 (时间戳) 为后缀
· 所有存储相同数据的列名和列类型必须一致（一般作为关联列，如果查询时关联列类型不一致会自动进行数据类型隐式转换，会造成列上的索引失效，导致查询效率降低）

（2）数据库基本设计规范：
所有表必须使用 InnoDB 存储引擎
　　没有特殊要求（即 InnoDB 无法满足的功能如：列存储，存储空间数据等）的情况下，所有表必须使用 InnoDB 存储引擎（MySQL5.5 之前默认使用 Myisam，5.6 以后默认的为 InnoDB）。
　　InnoDB 支持事务，支持行级锁，更好的恢复性，高并发下性能更好。
数据库和表的字符集统一使用 UTF8
　　统一字符集可以避免由于字符集转换产生的乱码，不同的字符集进行比较前需要进行转换会造成索引失效，如果数据库中有存储emoji表情的需要，字符集需采用utf8mb4字符集。
所有表和字段都需要添加注释
　　使用 comment 从句添加表和列的备注，从一开始就进行数据字典的维护
尽量控制单表数据量的大小，建议控制在 500 万以内
　　500万并不是MySQL数据库的限制，过大会造成修改表结构，备份，恢复有很大问题。
　　可以用历史数据归档（应用于日志数据），分库分表（应用于业务数据）等手段来控制数据量大小。
谨慎使用 MySQL 分区表
　　分区表在物理上表现为多个文件，在逻辑上表现为一个表；
　　谨慎选择分区键，跨分区查询效率可能更低；
　　建议采用物理分表的方式管理大数据。
经常一起使用的列放到一个表中:避免更多的关联操作。
禁止在表中建立预留字段
禁止在数据库中存储文件（比如图片）这类大的二进制数据
　　在数据库中存储文件会严重影响数据库性能，消耗过多存储空间。
　　文件（比如图片）这类大的二进制数据通常存储于文件服务器，数据库只存储文件地址信息。
不要被数据库范式所束缚
禁止在线上做数据库压力测试
禁止从开发环境,测试环境直接连接生产环境数据库

（3）数据库字段设计规范
优先选择符合存储需要的最小的数据类型
　　a.某些字符串可以转换成数字类型存储比如可以将 IP 地址转换成整型数据。
　　b.对于非负型的数据 (如自增 ID,整型 IP，年龄) 来说,要优先使用无符号整型来存储。
　　c.小数值类型（比如年龄、状态表示如 0/1）优先使用 TINYINT 类型。
避免使用 TEXT,BLOB 数据类型，最常见的 TEXT 类型可以存储 64k 的数据

建议把 BLOB 或是 TEXT 列分离到单独的扩展表中。
TEXT 或 BLOB 类型只能使用前缀索引

避免使用 ENUM 类型
　　修改 ENUM 值需要使用 ALTER 语句；
　　ENUM 类型的 ORDER BY 操作效率低，需要额外操作；
　　ENUM 数据类型存在一些限制比如建议不要使用数值作为 ENUM 的枚举值。
尽可能把所有列定义为 NOT NULL
　　索引 NULL 列需要额外的空间来保存，所以要占用更多的空间；
　　进行比较和计算时要对 NULL 值做特别的处理。
使用 TIMESTAMP(4 个字节) 或 DATETIME 类型 (8 个字节) 存储时间
　　用字符串存储日期型的数据（不正确的做法）
　　　　缺点 1：无法用日期函数进行计算和比较
　　　　缺点 2：用字符串存储日期要占用更多的空间
同财务相关的金额类数据必须使用 decimal 类型
　　非精准浮点：float,double
　　精准浮点：decimal在计算时不会丢失精度，占用空间由定义的宽度决定，每 4 个字节可以存储 9 位数字，并且小数点要占用一个字节。并且，decimal 可用于存储比 bigint 更大的整型数据.
　　　　decimal需要额外的空间和计算开销，尽量只在需要对数据进行精确计算时才使用decimal。
单表不要包含过多字段
　　如果一个表包含过多字段的话，可以考虑将其分解成多个表，必要时增加中间表进行关联。

（4）索引设计规范
限制每张表上的索引数量,建议单张表索引不超过 5 个
　　索引并不是越多越好！索引可以提高效率同样可以降低效率。
　　索引可以增加查询效率，但同样也会降低插入和更新的效率，甚至有些情况下会降低查询效率。
　　因为 MySQL 优化器在选择如何优化查询时，会根据统一信息，对每一个可以用到的索引来进行评估，以生成出一个最好的执行计划，如果同时有很多个索引都可以用于查询，就会增加 MySQL 优化器生成执行计划的时间，同样会降低查询性能。
# 禁止使用全文索引
　　全文索引不适用于 OLTP 场景。联机事务处理
# 禁止给表中的每一列都建立单独的索引
　　5.6 版本之前，一个 sql 只能使用到一个表中的一个索引，5.6 以后，虽然有了合并索引的优化方式，但是还是远远没有使用一个联合索引的查询方式好。
每个 InnoDB 表必须有个主键
　　InnoDB 是一种索引组织表：数据的存储的逻辑顺序和索引的顺序是相同的。每个表都可以有多个索引，但是表的存储顺序只能有一种。
InnoDB 是按照主键索引的顺序来组织表的
　　不要使用更新频繁的列作为主键，不适用多列主键（相当于联合索引）
　　不要使用 UUID,MD5,HASH,字符串列作为主键（无法保证数据的顺序增长）
　　主键建议使用自增 ID 值
常见索引列建议
　　出现在 SELECT、UPDATE、DELETE 语句的 WHERE 从句中的列
　　包含在 ORDER BY、GROUP BY、DISTINCT 中的字段
　　不要将符合1和2中的字段都建立一个索引，通常将1、2中的字段建立联合索引效果更好
　　多表 join的关联列
如何选择索引列的顺序
建立索引的目的是：希望通过索引进行数据查找，减少随机 IO，增加查询性能，索引能过滤出越少的数据，则从磁盘中读入的数据也就越少。
区分度最高的放在联合索引的最左侧（区分度=列中不同值的数量/列的总行数）
　　尽量把字段长度小的列放在联合索引的最左侧（因为字段长度越小，一页能存储的数据量越大，IO 性能也就越好）
　　使用最频繁的列放到联合索引的左侧（这样可以比较少的建立一些索引）
避免建立冗余索引和重复索引（增加了查询优化器生成执行计划的时间）
　　重复索引示例：primary key(id)、index(id)、unique index(id)
　　冗余索引示例：index(a,b,c)、index(a,b)、index(a)
对于频繁的查询优先考虑使用覆盖索引
　　覆盖索引：就是包含了所有查询字段 (where,select,order by,group by 包含的字段) 的索引
覆盖索引的好处：
　　避免 InnoDB 表进行索引的二次查询
　　可以把随机 IO 变成顺序 IO 加快查询效率
索引 SET 规范
　　尽量避免使用外键约束
　　不建议使用外键约束（foreign key），但一定要在表与表之间的关联键上建立索引
　　外键可用于保证数据的参照完整性，但建议在业务端实现，外键会影响父表和子表的写操作从而降低性能。

（5）数据库SQL开发规范
优化对性能影响较大的SQL语句
　　要找到最需要优化的 SQL 语句。要么是使用最频繁的语句，要么是优化后提高最明显的语句，可以通过查询 MySQL 的慢查询日志来发现需要进行优化的 SQL 语句；
# 充分利用表上已经存在的索引
　　避免使用双%号的查询条件。如：a like '%123%'，（如果无前置%,只有后置%，是可以用到列上的索引的）
　　一个 SQL 只能利用到复合索引中的一列进行范围查询。如：有 a,b,c 列的联合索引，在查询条件中有 a 列的范围查询，则在 b,c 列上的索引将不会被用到。
　　在定义联合索引时，如果 a 列要用到范围查找的话，就要把 a 列放到联合索引的右侧，使用 left join 或 not exists 来优化 not in 操作，因为 not in 也通常会使用索引失效。
# 禁止使用 SELECT * 必须使用 SELECT <字段列表> 查询
　　SELECT * 消耗更多的 CPU 和 IO 以网络带宽资源
　　SELECT * 无法使用覆盖索引
　　SELECT <字段列表> 可减少表结构变更带来的影响
# 禁止使用不含字段列表（c1,c2,c3）的 INSERT 语句
　　应使用：insert into t(c1,c2,c3) values ('a','b','c');
建议使用预编译语句进行数据库操作
避免数据类型的隐式转换
　　隐式转换会导致索引失效如:
　　select name,phone from customer where id = '111';
避免使用子查询，可以把子查询优化为 join 操作
　　通常子查询在 in子句中，且子查询中为简单 SQL(不包含 union、group by、order by、limit 从句) 时,才可以把子查询转化为关联查询进行优化。
子查询性能差的原因： 子查询的结果集无法使用索引，通常子查询的结果集会被存储到临时表中，不论是内存临时表还是磁盘临时表都不会存在索引，所以查询性能会受到一定的影响。特别是对于返回结果集比较大的子查询，其对查询性能的影响也就越大。由于子查询会产生大量的临时表也没有索引，所以会消耗过多的CPU和IO资源，产生大量的慢查询。

避免使用 JOIN 关联太多的表
　　对于 MySQL 来说，是存在关联缓存的，缓存的大小可以由 join_buffer_size 参数进行设置。
　　在 MySQL 中，对于同一个 SQL 多关联（join）一个表，就会多分配一个关联缓存，如果在一个 SQL 中关联的表越多，所占用的内存也就越大。
　　如果程序中大量的使用了多表关联的操作，同时 join_buffer_size 设置的也不合理的情况下，就容易造成服务器内存溢出的情况，就会影响到服务器数据库性能的稳定性。
　　同时对于关联操作来说，会产生临时表操作，影响查询效率，MySQL 最多允许关联 61 个表，建议不超过 5 个。
　　减少同数据库的交互次数
　　数据库更适合处理批量操作，合并多个相同的操作到一起，可以提高处理效率。
# 对应同一列进行 or 判断时，使用 in 代替 or
　　in 的值不要超过 500 个，in 操作可以更有效的利用索引，or 大多数情况下很少能利用到索引。
# 禁止使用 order by rand() 进行随机排序
　　order by rand() 会把表中所有符合条件的数据装载到内存中，然后在内存中对所有数据根据随机生成的值进行排序，并且可能会对每一行都生成一个随机值，如果满足条件的数据集非常大，就会消耗大量的 CPU 和 IO 及内存资源。
　　推荐在程序中获取一个随机值，然后从数据库中获取数据的方式。
# WHERE 从句中禁止对列进行函数转换和计算
　　对列进行函数转换或计算时会导致无法使用索引
在明显不会有重复值时使用 UNION ALL 而不是 UNION
　　UNION 会把两个结果集的所有数据放到临时表中后再进行去重操作
UNION ALL 不会再对结果集进行去重操作
拆分复杂的大 SQL 为多个小 SQL
　　大 SQL 逻辑上比较复杂，需要占用大量 CPU 进行计算的 SQL
　　MySQL 中，一个 SQL 只能使用一个 CPU 进行计算
　　SQL 拆分后可以通过并行执行来提高处理效率
程序连接不同的数据库使用不同的账号，禁止跨库查询
　　为数据库迁移和分库分表留出余地
　　降低业务耦合度
　　避免权限过大而产生的安全风险

（6）数据库操作行为规范
超 100 万行的批量写 (UPDATE,DELETE,INSERT) 操作,要分批多次进行操作
　　大批量操作可能会造成严重的主从延迟
　　binlog 日志为 row 格式时会产生大量的日志
　　避免产生大事务操作
对于大表使用 pt-online-schema-change 修改表结构
　　避免大表修改产生的主从延迟
　　避免在对表字段进行修改时进行锁表
　　对大表数据结构的修改一定要谨慎，会造成严重的锁表操作，尤其是生产环境，是不能容忍的。
禁止为程序使用的账号赋予 super 权限
　　当达到最大连接数限制时，还运行 1 个有 super 权限的用户连接
　　super 权限只能留给 DBA（数据管理员）处理问题的账号使用
# 对于程序连接数据库账号,遵循权限最小原则
　　程序使用数据库账号只能在一个 DB 下使用，不准跨库
　　程序使用的账号原则上不准有 drop 权限
————————————————————————————
能用MySQL直接存储文件（比如图片）嘛？
　　可以直接存储文件对应的二进制数据。建议不要在数据库中存储文件，会严重影响数据库性能，消耗过多存储空间。
　　可以选择使用云服务厂商提供的开箱即用的文件存储服务，成熟稳定，价格也比较低。
　　也可以选择自建文件存储服务，实现起来也不难，基于 FastDFS、MinIO（推荐）等开源项目就可以实现分布式文件服务。
　　数据库只存储文件地址信息，文件由文件存储服务负责存储。
MySQL 如何存储 IP 地址？
　　可以将 IP 地址转换成整型数据存储，性能更好，占用空间也更小。
　　MySQL 提供了两个方法来处理 ip 地址：
　　INET_ATON() ：把ip转为无符号整型 (4-8 位) address to number
　　INET_NTOA() :把整型的ip转为地址
　　插入数据前，先用 INET_ATON() 把 ip 地址转为整型，显示数据时，使用 INET_NTOA() 把整型的 ip 地址转为地址显示即可。
有哪些常见的SQL优化手段？