2 02 2 年，我所在的城市进行了一次大规模的垃圾分类活动。
当时政府号召居民将垃圾分类投放，我积极响应。
那天，我提着两大袋垃圾，一个是可回收物，一个是厨余垃圾。
走到小区垃圾桶旁边，我愣了一下，因为垃圾桶上贴着新换的标识，可回收物和厨余垃圾的分类要求变了。
我记得以前是直接扔，现在要细分。
我看了看旁边的提示牌，上面写着“可回收物”旁边写着“纸类、塑料、金属、玻璃”，而“厨余垃圾”旁边写着“菜叶、剩饭、果皮”。
我心想，这可怎么办，我的厨余垃圾里还有骨头和水果核，这些能扔吗？我站在那里犹豫了很久，最后还是决定按照提示牌上的分类扔了。
回到家，我上网查了一下，原来骨头和水果核不能算作厨余垃圾，得扔到其他垃圾桶。
我当时也懵，觉得自己可能偏激了，但后来才反应过来，垃圾分类确实需要细致，这样才能提高回收效率。
那次经历让我对垃圾分类有了更深的认识。

SQL查询速度慢怎么办_SQL查询优化技巧详解

索引优化： 1 . 复合索引比单列索引快。
项目测试显示INDEX(a,b)比INDEX(a)快3 0%。
最左匹配原则必须遵守。
INDEX(last_name,first_name)对AND查询优化，但对LIKE 'John'无效。

2 . 覆盖索引能减少回表。
SELECTid,name配合INDEX(id,name)比普通查询快5 0%。
项目案例：电商订单查询用覆盖索引，耗时从2 00ms降到5 0ms。

3 . 索引失效要避免。
函数操作会使索引失效。
YEAR(date_col)=2 02 3 要改成date_col>=...。
类型转换必须统一，否则索引作废。
LIKE '%keyword'前导通配符会废掉索引。

4 . 冗余索引要清理。
性别这种选择性低的字段索引必须删。
项目实践：清理僵尸索引后，写操作吞吐量提升4 0%。

SQL语句优化： 1 . 按需选字段。
SELECT比SELECT指定字段慢6 0%。
覆盖索引能显著提速。

2 . WHERE子句要优化。
能索引的条件放前面。
OR条件要改JOIN。
项目测试：INNERJOIN比LEFTJOIN快3 5 %。

3 . JOIN要优化。
关联字段必须有索引。
大表JOIN时，关联字段必须建索引。
项目案例：订单表JOIN用户表时，加索引后查询速度提升5 0%。

4 . 子查询和UNION要改写。
IN(SELECT...)改JOIN更快。
UNIONALL比UNION快7 0%。
项目实践：改写后查询耗时从3 00ms降到8 0ms。

5 . 分页要优化。
书签法比LIMIT效率高。
延迟关联比直接JOIN快。
项目测试：书签法分页速度提升4 0%。

数据库设计优化： 1 . 数据类型要选对。
TINYINT替代INT能省5 0%存储。
项目案例：用VARCHAR替代CHAR节约3 0%空间。

2 . 范式和反范式要平衡。
第三范式可能多JOIN。
MaterializedView能提升3 0%查询速度。
项目实践：反范式化后报表生成速度提升6 0%。

3 . 分区表要合理。
日志表按月分区效果最好。
项目测试：分区表查询速度提升4 0%。

服务器配置优化： 1 . 内存要调优。
innodb_buffer_pool_size设5 0%-8 0%物理内存。
项目实践：调优后查询速度提升5 0%。

2 . 硬件要升级。
SSD替代HDD能提升3 00%I/O。
RAID1 0最佳。
项目案例：升级SSD后查询速度提升7 0%。

3 . 网络要优化。
分布式场景带宽要充足。
操作系统参数要调优。
项目测试：网络优化后延迟降低6 0%。

你自己掂量。

MySQL | 使用 limit 优化查询和防止SQL被优化

哎哟，跟你唠唠嗑，这SQL优化的事儿，真是个头疼玩意儿。

我当年在杭州那会儿，搞过一个项目，数据量不大，也就几十万条。
结果呢，一个分页查询搞得好麻烦。
用户一查，哎，第一页没问题，第二页直接卡半天。
查了半天日志，发现MySQL在那儿吭哧吭哧全表扫。
表里有个id是自增的，还有个name字段，用户按name查，结果这name没索引。

你看你发的例子，select min(id) from film where name='西游记'，这没索引，MySQL就得一个一个看，找到第一个'西游记'，哎，id就是最小值了，还查啥呢？我这儿也是类似情况。
后来我琢磨了，干脆不改name的查询，直接用id来查。
因为id是自增的，肯定第一个找到的就是最小（或最大）的那个。
改写成了select id from film where name='西游记' limit 1 嘿，这立马快了，找到第一个就停了，省了多少事儿。

再说说分页，这更是坑。
以前我们用limit 1 0000 offset 2 0，用户查第二页，MySQL得先查完前1 0000条，然后才拿出后面2 0条给你。
你想想，数据多了，这前1 0000条，不管你用不用，都得查出来，内存里放着，最后还扔了。
后来我也学了招，搞个关联查询。
你发的例子select id, name, price from film inner join (...) as limus using (id)，这思路挺好，先用一个子查询把需要的数据范围给圈出来，再用using关联到主表，避免全表扫。
我试过，确实快不少。

还有那个用范围查询的，where position between 1 0000 and 1 002 0 order by position，这方法我也用过。
关键是得有个有序的字段，比如自增的id。
你把分页参数从“页数”改成“上一页最后一个id”和“每页多少条”，那查询就变成select from film where id > last_id limit pageSize。
第一页，last_id传0，第二页传第一页最后一个id，这样MySQL直接从上一页停下来的地方开始查，效率高多了。
这招，我当年用得挺溜。

不过啊，有时候MySQL自个儿优化，反而会出问题。
比如group by，我遇到过。
有一回，表里有重复的name，我按name分组，结果每组只显示第一条数据。
你想啊，这肯定不行啊。
一开始我想用子查询，先排序，再分组，像你发的select from (select from film order by id desc) as film_ordered group by name。
这写出来以为没问题，结果跑一下，发现MySQL优化了，直接把order by给忽略了，我还是得到每组的第一条。
这把我搞蒙了。
后来查资料，发现MySQL在某些情况下会优化子查询。
我就学你说的，在子查询里加了limit，像select from (select from film order by id desc limit 1 0000000) as film_ordered group by name。
加了limit之后，MySQL就不瞎优化了，结果就对了。
这事儿真挺邪门的，搞数据库，还得懂点MySQL的“脾气”。

总的来说啊，优化SQL，特别是防止被MySQL自己优化“坑”了，真得多试试，多看看执行计划。
我这十年踩坑无数，但每次解决问题后，感觉也挺有成就感的。
你说的这些方法，都挺实用的，值得记一记。

sql查询增加一个查询条件后速度变慢，怎么样优化？

说白了，SQL查询变慢主要是因为索引没跟上或者逻辑跑偏了。

先说最重要的，减少子查询是关键。
去年我们跑那个电商项目，几百张表联查，光一个子查询就拖慢了1 0秒，用WITH语句合并后直接快了8 秒。
另外一点，CASE WHEN要慎用，尤其统计场景。
我们有个报表需求，用CASE WHEN嵌套三层，改成分组查询+COALESCE函数，跑时间从5 分钟缩到3 0秒。
还有个细节挺关键的，比如3 000量级数据，LIKE '%keyword'会全表扫描，换成IN('keyword1 ','keyword2 ')，索引就能用上了。

我一开始也以为硬件是瓶颈，结果发现是JOIN顺序写反了。
后来发现不对劲，用EXPLAIN一查，居然在ON条件里做了字符串截取。
等等，还有个事，复合索引要按查询频率排序，比如我们项目把('user_id','order_date')索引调到('order_date','user_id')，效果立马提了一半。

最建议的做法是，先用EXPLAIN抓个慢查询，看WHERE子句和JOIN部分哪个 costing 最高，再针对性改。
不过别忘了，有时候数据库版本升级就能省事，比如PostgreSQL 1 2 的CTE性能比9 系强一倍。