MySQL 中 SQL 优化常用的30 种方法

MySQL有3 0种优化SQL的常见方法。
避免进行完整的桌子扫描。
首选是在与位置和订购相关的列上建立索引。
索引的合理使用：如果您想使用或不使用索引，请尽量不使用连续数字并考虑使用Unionall。
使用复合索引的第一个字段时，请确保系统能够正确使用索引。
一定没有太多的索引。
考虑是否需要在很少使用的列上索引。
优化条款：避免表达和操纵字段中功能。
这导致发动机使用索引放弃。
为了提高查询效率，可以使用而不是使用。
优化表设计：使用数字字段代替字符字段来存储存储空间并提高查询性能。
使用char/nchar而不是varchar/nvarchar来降低场尺寸并提高查询和连接性能。
查询结果优化：请勿返回未使用的字段，也不要使用特定字段列表而不是 *。
使用临时表：避免经常创建和删除临时表，减少系统表资源。
适当地使用临时表，但要注意限制。
使用SelectInto代替创新，以避免大量日志生成。
在存储过程结束时，明确删除了临时表，以避免使用系统表的长期锁定。
使用光标：避免使用效率低下的光标。
您需要找到大量数据的替代方法。
对于小型数据集，在结果集中包含“总和”可能会更快。
存储过程和触发优化：考虑存储过程和触发性能。
设置Nocount参数以减少客户端消息。
交易管理：避免大型交易操作并改善系统并发功能。
查询重写：避免编写毫无意义的查询。
例如，要生成一个空表结构，您必须使用可以创建的语句。
查询分解：将复杂查询分解为多个简单查询。
这可以提高性能。
使用适当的连接类型。
根据您的实际情况，请选择InnerJoin，左键，右JOIN和其他连接类型，以避免不必要的全表扫描。
利用子征服：在某些情况下，使用子征服可以提高查询性能，但请小心避免相关的子骨架。
避免过度使用单个蜜蜂：这些操作应添加其他计算开销，并避免在大型数据集上使用它们。
使用适当的排序算法。
：快速分类，合并根据数据分布选择适当的排序算法，例如排序。
优化加入操作。
确保联接操作中的列有索引，并避免使用笛卡尔产品。
**避免使用选择****：明确指定需要查询的字段以减少数据传输量。
使用缓存：使用查询或结果缓存来减少数据库访问的数量。
批处理插入和更新：使用批处理插入和更新操作来减少交易次数的数量。
避免过度索引：索引可以提高查询性能，但是过多的索引可以增加写操作的开销。
使用分区表：对于大表格，请考虑使用分区表来提高查询性能。
优化数据库配置：根据内存分配，缓存大小等根据实际条件调整数据库配置参数。
避免锁定冲突。
最小化交易锁定时间，避免长期资源使用情况。
使用执行计划：使用Description命令分析查询执行计划以查找性能瓶颈。
定期维护数据库：要保持数据库性能，执行常规数据库分心，索引重建和其他操作。
避免僵局：订单设计交易订购合理订购，并避免发生循环等候条件。
使用预编译语句：预编译的语句可以减少解析和编译SQL的开销。
限制结果集大小：使用限制子句限制返回的结果集大小以减少数据传输量。
避免过度使用触发器：触发器增加了写操作的开销，并防止在高频写操作中使用触发器。
定期监视和分析：使用数据库监视工具定期监视数据库性能，分析慢速查询日志并查找和优化性能瓶颈。

面试官：Mysql中EXISTS与IN的使用有哪些差异

在数据库 - 问题优化中，IN和存在通常在SQL查询语句中使用，例如常规子查询操作员。
但是，他们的执行效率不同，主要是在工作原则和IN和IN的使用情况下。
在-subquery中首先执行子查询以生成临时表，然后将其与主要问题进行比较以确定符合标准的行。
当子查询的结果较小时，在子查询下更有效，因为它可以缓存子查询结果集，从而加快了主要问题的执行。
相反，它存在子查询并不关心子查询返回的特定数据值，而仅关注是否存在匹配行。
当发现战斗时，它会立即返回结果，并支持一种“短路”机制，该机制避免了不必要的计算，这使得在不稳定的情况下会更有效，但仅验证它是通信的。
在实际应用中，选择取决于或存在于相关字段的内部和外部表的数据大小以及索引的数据大小。
如果内表很小并且子查询结果集使用索引易于优化，则可以是一个更好的选择。
相反，如果您专注于它是否是关联关系和内部表格很大，但是满足条件的行的数量和外部主桌子可能更大，则存在可以提供更高的问题性能。
基于实际业务需求，数据分配属性和有关数据库的统计信息，最合适的查询策略是通过分析SQL设计计划来确定的，并且根据实际情况调整了表结构和索引设计。
本文展示了通过特定情况下的数据量和在子查询下的性能和存在的索引的效果，并强调选择合适的子操作员的重要性。
在数据库询问过程中，可以很大程度上存在IN和运算符的灵活使用，以提高查询效率并优化应用程序性能。

干货|mysql:exists还是in?哪个性能好?为什么?

在数据库查询优化中，IN和存在是两个常见的子查询操作员，它们的执行效率不同。
在子查询中，首先执行一个子查询来生成临时表，然后通过子查询结果集迭代，以查看主要查询结果集中的字段值是否存在于子查询结果集中。
现有的子查询仅着眼于是否有匹配行，并且不关心子查询返回的特定数据值。
如果子查询的结果集很小，并且主查询表很大，则更有效。
如果关注相关性，则子查询结果集有限，并且主查询表较大，其存在越有效。
对实际情况的验证使其比查询速度的速度要快得多，而无需添加索引。
原因是，尽管查询的子查询的数据很少涉及数据，但执行时间大大增加，因为存在的查询需要主要查询中的每一行才能对其进行处理。
数据和索引的量对IN和存在的性能产生了重大影响。
它适用于内表较小或可以轻松优化子查询结果集的场景，但对于限制子查询结果集且主查询表很大的情况存在。
最佳实践是分析SQL执行计划，以根据实际业务需求，数据分配特征和数据库统计确定最合适的查询策略，并根据实际条件调整表结构和索引设计。

mysql 多次查询 子查询 那个效率高？

不能概括。
分析后，可以说次级问题和分段问题的效率是如此有效。
效率不仅与SQL语句有关，还与您的表结构，索引和存储引擎有关。

数据库(比如MYSQL) ,表连结查询与子查询哪个效率高些? 为什么

在SQL查询优化中，效率是关键因素。
特别是对于像MySQL这样的数据库，了解不同问题技术之间的效率差异至关重要。
SQLSERVER2 000使用分类和哈希合并技术来执行各种操作，例如分类，相交，联合和差异。
这些技术有助于提高查询效率，尤其是在使用大型数据集时。
SQLServer提供了三种类型的加入操作：嵌套循环 - 关节，与Hashish合并并与。
嵌套环化合物最适合较小的关节输入和带有创建指数的大型连接输入。
当两个加入入口分类时，合并的关节效果最好。
哈希接头适合大型未分类输入，尤其是当结果之间的较大且未分类的情况下。
嵌套环接头由于在/O-和比较时间的最小值而成为快速连接的操作。
将少量输入与大型索引关节入口进行比较时，嵌套环化合物特别有效。
但是，当两个大关节分类时，合并关节将提供更好的性能。
哈希小屋特别适合处理未分类的大型数据集。
当与复杂问题的结果之间合作时，它们很有用，因为在生成时，结果通常不索引且不正确分类。
查询优化器估计了中间结果的大小，但是实际的大小可能与预期大不相同，因此大麻连接必须具有强大的治疗能力。
哈希通过减少加入操作来降低脱范率的使用和提高性能。
尽管脱范围化可以减少加入操作，但它也可以导致数据舞和一致性问题。
Hash Joy减少了这一差异性要求，从而使垂直分区成为可行的物理数据库标志选项。