常见优化SQL的方法

查询时使用具体字段，而不是select *,节省资源、减少网络开销

查询结果只有一条时，使用limit 1,找到了对应的一条记录，就不会继续向下扫描了

避免在where子句中使用or连接，可分为两条查询或使用union all，使用or可能会使索引失效，从而全表扫描

避免在where子句中使用表达式与逻辑判断，那很可能会导致索引失效，扫描全表

优化like语句，不要将 % 放在关键词前，会导致索引失效

使用连接查询时，优先使用Inner jion，使用left join的话，将较小的表放左边。Inner join在两张表进行连接查询时，只保留两张表中完全匹配的结果集

优化查询的时候，可以在where和order by上建立索引，避免全表扫描

插入的数据较多的话，可以考虑使用<foreach>标签进行批量插入

需要修改的数据量大的时候，分批进行操作

索引不宜太多，一般5个以内,索引在提高查询效率的同时也降低了增删的效率

索引不适合建立在有大量重复数据的字段上，如性别，也不适合在数据量少或者更新频繁的字段上加索引，SQL优化器是根据表中数据量来进行查询优化，如发现不走索引的成本更低，很可能就放弃索引

字段类型是字符串时，where时需要用引号包裹，否则可能导致索引失效

使用explain对sql语句进行分析与优化

索引列上不要使用mysql的内置函数，否则可能导致索引失效

大表查询优化

可以从以下几个方向考虑

1. 优化设计schema，sql语句和索引
2. 考虑增加缓存，redis、memcache
3. 主从复制，读写分离
4. 太大的数据，超千万级的话，应该就需要考虑分库分表了

分库分表

分库

• 垂直分库：按照系统中的不同业务进行拆分，将他们部署在不同的服务器上
• 水平分库：将表的数据量切分到不同的数据库服务器上，每个服务器具有相同的库和表

分表

• 垂直分表：针对列，可以将不常用的、数据较大或者长度较长的列拆分到另外一张表
• 水平分表：针对行，按照某种规则（如hash取模、range范围），把数据切分到多张表去

可能导致的问题

• 事务问题：两个表在不同的数据库，那么本地事务已经无效啦，需要使用分布式事务
• 跨库关联：分两次查询实现
• 排序问题：分别在各个节点上得到结果后在应用程序端进行合并
• 分页问题：节点查到对应结果后，在代码端汇聚再分页
• 分布式ID：数据库切分后，数据库自身的主键生成机制不适用了，考虑UUID、雪花算法、redis生成ID

事务和事务的四大隔离级别

事务：由一个有限的数据库操作序列构成，这些操作要么全部执行，要么全部不执行，是一个不可分割的工作单位

事务的四大特性(ACID)

• 原子性：事务作为一个整体被执行，包含在其中的对数据库的操作要么全部都执行，要么都不执行。
• 一致性：指在事务开始之前和事务结束以后，数据不会被破坏
• 隔离性：多个事务并发访问时，事务之间是相互隔离的，一个事务不应该被其他事务干扰，多个并发事务之间要相互隔离
• 持久性：表示事务完成提交后，该事务对数据库所作的操作更改，将持久地保存在数据库之中
  事务并发可能造成脏读、不可重复读、幻读

事务四大隔离级别

• 读未提交
• 读已提交
• 可重复读(默认)
• 串行化

隔离级别实现原理：读写锁、一致性快照读，即MVCC