1. 插入数据

批量插入：因为一条条插入时，每一条数据的插入都要与数据库建立连接，并且关闭连接

手动提交事物：

主键顺序插入

1. 大批量数据插入

如果一次性需要插入大批量数据，使用insert语句插入性能较低，此时可以使用MySQL数据库提供的load指令进行插入。操作如下·

1. 客户端连接服务端时，加上参数 --local-infile

   mysql  --local-infile  -u  root  -p

1. 设置全局参数 local_infile为1，开启从本地加载文件导入数据的开关

set global local_infile = 1;

1. 执行local指令，将准备好的数据加载到表结构中

local data local infile ‘/xx/yy/sql.log’ into table 表名 fields terminated by ‘,’ lines terminated  by ‘\n’;

1. 主键优化

主键设计原则：

• 满足业务需求的情况下，尽量降低主键的长度

二级索引下，二级索引的也字节点中挂的是主键，如果主键较长，二级索引比较多，

将会占用大量的磁盘空间，在搜索时将会耗费大量的磁盘IO

• 插入数据时，尽量选择顺序插入，选择使用AUTO_INCREMENT自增主键

顺序插入时，当一个page写完后才会写另一个page，而乱序插入可能会引起页分裂现象

最后变成：

• 尽量不要使用UUID作为做主键或者其他自然主键，如身份证号

主键较长，二级索引比较多，将会占用大量的磁盘空间，在搜索时将会耗费大量的     磁盘IO

• 业务操作时，避免对主键的修改

1. order by优化

排序字段加上索引

两个排序字段，一正一倒呢？

 

所以我们优化时就是尽可能将using filesort给优化点

可以通过创建索引来解决

优化后的结果为：

排序字段不加索引：

总结：

4、group by优化

主要是针对索引进行优化。验证下加索引与不加索引时 分组的效率

加上索引后，效率会得到提升

关于索引的使用

5、limit优化

需要时间较久，如果有1000万条数据，时间大概会在10s级别

可以通过覆盖索引+子查询的方式优化

6、count优化

count的用法：

用法截图如下：

效率：

7、update优化

行锁还是表锁

两个事物，当都修改id（有索引）对应的信息时

update course set name = ‘kafka’ where id=4

update course set name = ‘java’ where id=1

两个事物的修改操作都能成功，因为此时锁的是行级锁

两个事物，当都修改name（无索引）对应的信息时

update course set name = ‘kafka’ where name=’java’

update course set name = ‘java’ where name=’mysql’

第一个事物回马上修改成功，但是第二个事物的修改会等第一个事物提交后才能修改成功，因为name没有索引，此时锁的是表级锁

为name加上索引后，两个事物都修改name对应的信息时

两个事物的修改操作都能成功，因为此时锁的是行级锁