相關配置參數：
slow_query_log # 啟動停止記錄慢查日志，慢查詢日志預設是沒有開啟的可以在配置檔案中開啟(on)
slow_query_log_file # 指定慢查日志的存儲路徑及檔案，日志存儲和資料從存儲應該分開存儲
long_query_time # 指定記錄慢查詢日志SQL執行時間的閥值預設值為10秒通常,對于一個繁忙的系統來說,改為0.001秒(1毫秒)比較合适
log_queries_not_using_indexes #是否記錄未使用索引的SQL
複制代碼
常用工具： mysqldumpslow 和 pt-query-digest
pt-query-digest --explain h=127.0.0.1,u=root,[email protected] slow-mysql.log
複制代碼
1.1.3 實時擷取有性能問題的SQL(推薦)
SELECT id,user,host,DB,command,time,state,info
FROM information_schema.processlist
WHERE TIME>=60
複制代碼
查詢目前 伺服器 執行超過60s的SQL，可以通過腳本周期性的來執行這條SQL，就能查出有問題的SQL。
1.2 SQL的解析預處理及生成執行計劃(重要)
1.2.1 查詢過程描述(重點！！！)
通過上圖可以清晰的了解到 MySql 查詢執行的大緻過程：
1.發送SQL語句。
2.查詢緩存，如果命中緩存直接傳回結果。
3.SQL解析，預處理，再由優化器生成對應的查詢執行計劃。
4.執行查詢，調用存儲引擎API擷取資料。
5.傳回結果。
1.2.2 查詢緩存對性能的影響(建議關閉緩存)
第一階段：
相關配置參數：
query_cache_type # 設定查詢緩存是否可用
query_cache_size # 設定查詢緩存的記憶體大小
query_cache_limit # 設定查詢緩存可用的存儲最大值(加上sql_no_cache可以提高效率)
query_cache_wlock_invalidate # 設定資料表被鎖後是否傳回緩存中的資料
query_cache_min_res_unit # 設定查詢緩存配置設定的記憶體塊的最小單
複制代碼
緩存查找是利用對大小寫敏感的哈希查找來實作的，Hash查找隻能進行全值查找(sql完全一緻)，
如果緩存命中，檢查使用者權限，如果權限允許，直接傳回，查詢不被解析，也不會生成查詢計劃。
複制代碼
在一個讀寫比較頻繁的系統中，建議 關閉緩存 ，因為緩存更新會加鎖。将 query_cache_type 設定為 off , query_cache_size 設定為 0 。
1.2.3 第二階段：MySQL依照執行計劃和存儲引擎進行互動
這個階段包括了多個子過程：
一條查詢可以有多種查詢方式，查詢優化器會對每一種查詢方式的(存儲引擎)統計資訊進行比較，找到成本最低的查詢方式，這也就是索引不能太多的原因。
1.3 會造成MySQL生成錯誤的執行計劃的原因
1、統計資訊不準确
2、成本估算與實際的執行計劃成本不同
3、給出的最優執行計劃與估計的不同
4、MySQL不考慮并發查詢
5、會基于固定規則生成執行計劃
6、MySQL不考慮不受其控制的成本，如存儲過程，使用者自定義函數
1.4 MySQL優化器可優化的SQL類型
查詢優化器：對查詢進行優化并查詢mysql認為的成本最低的執行計劃。
為了生成最優的執行計劃，查詢優化器會對一些查詢進行改寫
複制代碼
可以優化的sql類型
1、重新定義表的關聯順序；
2、将外連接配接轉換為内連接配接；
3、使用等價變換規則；
4、優化count(),min(),max()；
5、将一個表達式轉換為常數；
6、子查詢優化；
7、提前終止查詢，如發現一個不成立條件(如where id = -1)，立即傳回一個空結果；
8、對in()條件進行優化；
1.5 查詢處理各個階段所需要的時間
1.5.1 使用profile(目前已經不推薦使用了)
set profiling = 1; #啟動profile,這是一個session級的配制執行查詢
show profiles; # 查詢每一個查詢所消耗的總時間的資訊
show profiles for query N; # 查詢的每個階段所消耗的時間
1.5.2 performance_schema是5.5引入的一個性能分析引擎(5.5版本時期開銷比較大)
啟動監控和曆史記錄表： use performance_schema
update setup_instruments set enabled='YES',TIME = 'YES' WHERE NAME LIKE 'stage%';
update set_consumbers set enabled='YES',TIME = 'YES' WHERE NAME LIKE 'event%';
複制代碼
1.6 特定SQL的查詢優化
1.6.1 大表的資料修改
1.6.2 大表的結構修改
1.利用主從複制，先對從伺服器進入修改，然後主從切換
2.(推薦)
添加一個新表(修改後的結構)，老表資料導入新表，老表建立觸發器，修改資料同步到新表，
老表加一個排它鎖(重命名)， 新表重命名， 删除老表。
複制代碼
修改語句這個樣子：
alter table sbtest4 modify c varchar(150) not null default ''
複制代碼
利用 工具 修改：
1.6.3 優化not in 和 <> 查詢
子查詢改寫為關聯查詢：
二、分庫分表
2.1 分庫分表的幾種方式
分擔讀負載 可通過 一主多從，更新硬體來解決。
複制代碼
2.1.1 把一個執行個體中的多個 資料庫 拆分到不同執行個體(叢集)
拆分簡單,不允許跨庫。但并不能減少寫負載
複制代碼
2.1.2 把一個庫中的表分離到不同的資料庫中
該方式隻能在一定時間内減少寫壓力。
以上兩種方式隻能暫時解決讀寫性能問題。
2.1.3 資料庫分片
對一個庫中的相關表進行水準拆分到不同執行個體的資料庫中
複制代碼
2.1.3.1 如何選擇分區鍵
1.分區鍵要能盡可能避免跨分區查詢的發生
2.分區鍵要盡可能使各個分區中的資料平均
2.1.3.2 分片中如何生成全局唯一ID
擴充：表的垂直拆分和水準拆分
随着業務的發展，資料庫成為了整個系統性能的一個瓶頸，這時候就需要對資料庫進行優化，但是單單是優化隻能提高有限的一點性能，這時候要想解決問題需要的是從資料庫架構層面去思考問題。資料庫的架構是一個很大的課題，裡面最實用的有兩個，一個是資料庫拆分，一個是讀寫分離。今天就來談談資料庫的兩種拆分方式。
一、垂直拆分
垂直拆分很簡單，就是根據不同的業務來劃分不同的資料庫。比如一個電商系統根據業務可以分成商品表、會員表、訂單表。原先，這些表都是放在同一個資料庫伺服器上，現在需要垂直拆分資料庫，就是将商品表單獨放在一個資料庫中，會員表單獨放在一個資料庫中，訂單表單獨放在一個資料庫中，這樣就解決了表與表之間的io競争。
二、水準拆分
垂直拆分比較簡單，水準拆分就比較複雜了，要考慮很多東西。垂直拆分根據業務來拆分，或者說的直白點就是根據表名來拆分，而水準拆分是根據表裡面的字段來拆分(記住是根據字段來拆分，而不是拆分字段，拆分後的每一張表的表結構都是一樣)。比如要拆分使用者表，可以根據使用者的注冊時間這一字段來拆分整個表，2016年注冊的使用者放在使用者表1中，2017年注冊的使用者放在使用者表2中，2018年注冊的使用者放在使用者表3中。這就是水準拆分，看似很簡單，實際上要考慮的東西是很多的。就比如上述的例子，我們用時間來拆分，就會有局限性。一個好産品上線後，在開始的時候使用者數量都是很少的，都需要一定時間的沉澱，才會有一個使用者數量的爆發期。如果用時間來拆分，就會出現一種情況，就是使用者表1的規模很小，而使用者表2的規模卻很大，是使用者表1的好幾倍，而使用者表三可能是使用者表1的好幾十倍。這樣的話，拆分水準拆分的意義就不大了。一般使用者表都是使用者id來拆分的，具體還要結合實際業務去分析。是以，水準拆分是一件很複雜的事情，大家在進行水準拆分的時候一定要考慮到方方面面，這樣才能設計出優秀的資料庫架構方案。