推薦15條MySQL改善經驗,讓系統更穩定
1、 為查詢快取優化查詢
像 NOW() 和 RAND() 或是其它的諸如此類的SQL函式都不會開啟查詢快取,謹慎使用
2、EXPLAIN 我們的SELECT查詢(可以檢視執行的行數)
可以讓我們找到潛在的效能問題
3、當只要一行資料時使用LIMIT 1
MySQL資料庫引擎會在查詢到一條資料後停止搜尋,而不是繼續往後查詢下一條符合條件的資料記錄。
4、為搜尋欄位建立索引
在識別度高的列上建立正確的索引,以提升效能
5、在Join表的時候使用相當型別的列,並將其索引
關聯表的關鍵欄位,型別一致,字符集一致,才能提高效能,否則無法使用它們的索引
6、千萬不要 ORDER BY RAND ()
執行RAND()函式(很耗CPU時間),會讓你的資料庫的效能呈指數級的下降
7、 避免SELECT *
從資料庫裡讀出越多的資料,那麼查詢就會變得越慢。
8、永遠為每張表設定一個ID
我們應該為資料庫裡的每張表都設定一個ID做為其主鍵,而且最好的是一個INT型的(推薦使用UNSIGNED),並設定上自動增加的 AUTO_INCREMENT標誌。
9、可以使用ENUM 而不要VARCHAR
ENUM 型別是非常快和緊湊的。在實際上,其儲存的是 TINYINT,但其外表上顯示為字串。
10、儘可能的使用NOT NULL
如果不是特殊情況,儘可能的不要使用NULL。在MYSQL中對於INT型別而言,EMPTY是0,而NULL是空值。而在Oracle中 NULL和EMPTY的字串是一樣的。NULL也需要佔用儲存空間,並且會使我們的程式判斷時更加複雜。現實情況是很複雜的,依然會有些情況下,我們需要使用NULL值。
加Java高階交流群:725633148 免費領取一套價值1W8的架構師學習資料!
11、固定長度的表會更快
表中沒有如下型別的欄位: VARCHAR,TEXT,BLOB。只要我們包括了其中一個這些欄位,那麼這個表就不是“固定長度靜態表”了,這樣,MySQL 引擎會用另一種方法來處理。 固定長度的表會提高效能,因為MySQL搜尋得會更快一些,因為這些固定的長度是很容易計算下一個資料的偏移量的,所以讀取的自然也會很快。
12、垂直分割
“垂直分割”是一種把資料庫中的表按列變成幾張表的方法,這樣可以降低表的複雜度和欄位的數目,從而達到優化的目的。
13、拆分打的DELETE或INSERT語句
這兩個操作是會鎖表的
14、越小的列會越快
對於大多數的資料庫引擎來說,硬碟操作可能是最重大的瓶頸。越小的列消耗的io資源越少
15、選擇正確的儲存引擎
MyISAM是MYSQL5.5版本以前預設的儲存引擎,基於傳統的ISAM型別,支援B-Tree,全文檢索,但是不是事務安全的,而且不支援外來鍵。不具有原子性。支援鎖表。
InnoDB是事務型引擎,支援ACID事務(實現4種事務隔離機制)、回滾、崩潰恢復能力、行鎖。以及提供與Oracle一致的不加鎖的讀取方式。InnoDB儲存它的表和索引在一個表空間中,表空間可以包含多個檔案。
相關文章
- Netflix推薦系統(Part Seven)-改善實驗系統
- 外賣霸王餐系統推薦,哪家的系統比較穩定呢?
- 怎樣讓 Windows 98 更穩定(轉)Windows
- 推薦|掌握這12 條經驗,才算學懂了機器學習機器學習
- Linux系統推薦學習的程式語言以及經驗Linux
- 推薦 | 掌握這12條經驗,對理解機器學習至關重要!機器學習
- ClassIn:如何打造更穩定的Zabbix監控系統
- 免費的CRM系統哪家比較穩定?免費版CRM功能推薦
- 平臺運營,讓數智底座更安全更穩定更高效
- 推薦系統
- 【推薦系統篇】--推薦系統之訓練模型模型
- 編輯推薦之《推薦系統》
- 【推薦系統篇】--推薦系統之測試資料
- 《推薦系統學習》之推薦系統那點事
- 對話推薦系統 | (1) 任務定義
- 推薦系統概述
- 機器學習 — 推薦系統機器學習
- 堅信Debian是比Ubuntu更穩定的作業系統Ubuntu作業系統
- 《推薦系統實踐》筆記 01 推薦系統簡介筆記
- 巨經典論文!推薦系統經典模型Wide & Deep模型IDE
- 推薦系統論文之序列推薦:KERL
- 推薦系統: 相關推薦方法對比
- 推薦系統一——深入理解YouTube推薦系統演算法演算法
- 【推薦系統篇】--推薦系統介紹和基本架構流程架構
- 《推薦系統》-DIN模型模型
- 《推薦系統》-PNN模型模型
- python 推薦系統Python
- 推薦系統雜談
- 推薦系統評估
- 推薦:看板系統Trello
- 圖靈推薦系統圖靈
- 推薦系統概念篇
- Netflix 推薦系統(Part Four)-搜尋體驗
- 雲音樂推薦系統(二):推薦系統的核心演算法演算法
- Mahout的taste推薦系統引擎(影片推薦案例)AST
- 自營商品更容易得到推薦 亞馬遜的推薦演算法也要“體驗優先”亞馬遜演算法
- 分析CRM系統如何改善客戶體驗?
- 波場Poloniex釋出全新交易系統 更快速、更穩定、更易用