每天进步一点点————数据库对象优化
1. 优化表的数据类型
在MySQL中。能够使用函数procedure analyse()对当前应用的表进行分析。该函数能够对数据表中列的数据类型提出优化建议,用户能够依据应用的实际情况酌情考虑是否实施优化。
下面是函数的用法
select* from 表名 PROCEDUREANALYSE();
SELECT* FROM 表名 procedureanalyse(16,256)————表示不要为那些包括的值多余16个或者256个字节的ENUM类型提出建议。
比如:
mysql>select * from emp procedure analyse()\G;
*************************** 1. row***************************
Field_name: test2.emp.id ————列
Min_value: 2 ————最小值
Max_value: 55 ————最大值
Min_length: 1 ————最小长度
Max_length: 2 ————最大长度
Empties_or_zeros: 0
Nulls: 0
Avg_value_or_avg_length: 16.6000
Std: 15.0280
Optimal_fieldtype: ENUM('2','4','5','10','11','12','15','25','27','55')NOT NULL ——建议更改值
*************************** 2. row***************************
Field_name: test2.emp.ename
Min_value: bzfys
Max_value: bzfys
Min_length: 5
Max_length: 5
Empties_or_zeros: 0
Nulls: 0
Avg_value_or_avg_length: 5.0000
Std: NULL
Optimal_fieldtype: ENUM('bzfys') NOT NULL
*************************** 3. row***************************
Field_name: test2.emp.hired
Min_value: 1970-01-01
Max_value: 1970-01-01
Min_length: 10
Max_length: 10
Empties_or_zeros: 0
Nulls: 0
Avg_value_or_avg_length: 10.0000
Std: NULL
Optimal_fieldtype: ENUM('1970-01-01') NOT NULL
*************************** 4. row***************************
Field_name: test2.emp.separated
Min_value: 9999-12-31
Max_value: 9999-12-31
Min_length: 10
Max_length: 10
Empties_or_zeros: 0
Nulls: 0
Avg_value_or_avg_length: 10.0000
Std: NULL
Optimal_fieldtype: ENUM('9999-12-31') NOT NULL
*************************** 5. row***************************
Field_name: test2.emp.job
Min_value: aac
Max_value: aac
Min_length: 3
Max_length: 3
Empties_or_zeros: 0
Nulls: 0
Avg_value_or_avg_length: 3.0000
Std: NULL
Optimal_fieldtype: ENUM('aac') NOT NULL
*************************** 6. row***************************
Field_name: test2.emp.store_id
Min_value: 20
Max_value: 20
Min_length: 2
Max_length: 2
Empties_or_zeros: 0
Nulls: 0
Avg_value_or_avg_length: 20.0000
Std: 0.0000
Optimal_fieldtype: ENUM('20') NOT NULL
6 rows in set (0.00 sec)
ERROR:
No query specified
然后能够通过下面命令改动字段类型(自己依据业务考虑是否要更改)
mysql>alter table emp modify ename ENUM('bzfys') NOT NULL;
Query OK, 10 rows affected (0.18 sec)
Records: 10 Duplicates: 0 Warnings: 0
2. 通过拆分提高表的訪问效率
这里锁说的“拆分”,是指的对数据表进行拆分。
针对MyISAM类型的表进行。那么有两种拆分方法
1、第一种方法是垂直拆分,即把主码和一些列放到一个表,然后把主码和另外的列放到还有一个表中
假设一个表中某些列经常使用,而还有一些列不经常使用,则能够採用垂直拆分,另外。垂直拆分能够使得数据行变小。一个数据页就能存放很多其它的数据,在查询时就会降低I/O次数。其缺点是须要管理冗余列。查询锁有数据须要(JOIN)操作。
2、另外一种方法是水平拆分。即依据一列或者多列数据的值把数据行放到两个独立的表中。
水平拆分通常使用在下面几种情况:
1)表非常大,切割后能够减少在查询时须要读取的数据和索引的页数,同事也减少了索引的层数,提高查询速度。
2)表中的数据根本来就有独立性,比如。表中分别记录各个地区的数据或不同一时候期的数据,特别是有些数据经常使用,而另外一些数据不经常使用。
3)须要把数据存放到多个介质。
水平拆分会给应用添加复杂度,它通常在查询时须要多个表名。查询全部数据须要UNION操作。
3. 逆规范化
数据库设时要求满足归法换。这个道理大家都清楚,可是是否数据的规范化程度越高越好呢?这个由实际需求来决定。
反规范的优点是减少连接操作的需求、减少外码和索引的数目。还能减少表的数目。对应带来的问题是可能出现数据完整性问题。
加快查询速度,但会减少改动速度。
因此,决定做逆规范时,一定要权衡利弊,细致分析应用的数据存取需求和实际的性能特点,好的索引和其它方法常常可以解决性能问题,而不必採用范规范这样的方法。
在进行反规范操作之前。要充分考虑数据的存取需求、经常使用表的大小、一些特殊的计算、数据的物理存储位置等。
经常使用的反规范技术有添加冗余列、添加派生列、又一次组表和切割表。
添加冗余列:指在多个表中具有同样的列。它经常使用来在查询时避免连接操作。
添加派生列:指添加的列来自其它表中的数据。由其它表中的数据经过计算生成。添加的派生列其作用是在查询时降低连接操作,避免使用集函数。
又一次组表:指假设很多用户须要查看两个表连接出来的结果数据。则把这两个表又一次组成一个表来降低连接而提高性能。
切割表:垂直拆分或者水平拆分。
另外,逆规范技术须要维护数据的完整性。不管使用何种反规范技术,都须要一定的管理来维护数据的完整性,经常使用分的方法是批处理维护、应用逻辑和触发器。
批处理维护是指对复制列或派生列的改动积累一定的时间后,执行一批处理作业或者存储过程对复制列或派生列进行改动,这仅仅能在对实时性要求不高的情况下使用。
数据完整性也能够由应用逻辑实现,这就要求必须在同以事务中对全部涉及的表进行增删改操作。应用逻辑来实现数据完整性风险较大,由于同一逻辑必须在全部的应用中使用和维护,easy遗漏,特别是在需求变化时,不易维护。
还有一种方式就是使用触发器。对数据不论什么改动马上出发对复制或者派生列的对应改动。触发器是实时的。并且对应的处理逻辑仅仅在一个地方出现。易于维护。一般来说,是解决这类问题的比較好的办法。
4. 使用中间表提高统计查询速度
中间表在统计查询中经经常使用到,其长处例如以下;
中间表复制原表的部分数据。而且与原表相“隔离”,在中间表上做统计查询不会对在线应用产生负面影响。
中间表上能够灵活的加入索引,或者添加暂时用的薪资段。从而达到提高统计查询效率和辅助统计查询作用。