说实话，MySQL 性Neng优化是个老生常谈的话题，但咱就是说每次深入下去总会有新的收获。

作为一名后端开发，你一定遇到过这样的场景：明明功Neng逻辑没问题，但接口响应时间却长达几秒甚至几十秒。打开慢查询日志一kan，罪魁祸首往往是一两句“简单”的 SQL。

用 EXPLAIN 分析执行计划，定位瓶颈

EXPLAIN SELECT * FROM user WHERE age = ;

输出字段详解：

性Neng差 ←——————————————————————————————→ 性Neng好ALL → index → range → ref → eq_ref → const → system

Extra 中需要警惕的信号：

Using filesort排序没用到索引

Using temporary创建临时表

Using index condition好事，代表用了索引下推优化

-- ① 避免 SELECT *-- 差：返回不需要的列，浪费 I/OSELECT * FROM user WHERE id = ;-- 好：只取需要的列SELECT id, name, age FROM user WHERE id = ;​-- ② 大分页优化-- 差：offset ，MySQL 要扫描 行SELECT * FROM user ORDER BY id LIMIT , ;-- 好：先找到起始位置，再取数据SELECT * FROM user WHERE id> LIMIT ;​-- ③ UNION 换成 UNION ALL-- UNION 会去重，确定无重复就用 UNION ALLSELECT id FROM user WHERE status = UNION ALL -- 而不是 UNIONSELECT id FROM order WHERE status = ;​-- ④ 用 EXISTS 代替 IN-- 差：IN 子查询会先执行SELECT * FROM user WHERE id IN ;-- 好：EXISTS 以主查询驱动SELECT * FROM user u WHERE EXISTS ;​-- ⑤ 批量操作代替循环-- 差：循环 次UPDATE user SET age = age + WHERE id = ;-- 好：一次批量UPDATE user SET age = age + WHERE id IN ; 索引类型选择 索引类型 引擎支持 特点 适用场景 B+TreeInnoDB/MyISAM默认索引，支持等值和范围查询绝大多数场景 HashMemory等值查询极快，不支持范围精确查找，如 KV 缓存 Full-TextInnoDB/MyISAM全文检索文章搜索、关键词匹配 SpatialInnoDB/MyISAMLBS 地理数据存储与计算GIS 查询高德地图、共享单车找车功Neng……

MySQL 的 B+Tree 索引是Zui常用的，了解其原理Neng帮助我们geng好地设计索引。

核心三范式

确保每列dou和主键相关

确保每列dou和主键直接相关

每个字段不可再分

比如订单表中存一份商品名称快照，避免每次 JOIN 商品表。

sql order_iduser_idproduct_idproduct_nameorder_time1u1001iPhone1599:00 这样查订单时就不用连 product 表了直接拿到商品名。 当然这样会牺牲一定的数据一致性，需要有对应的补偿机制。

为什么要分库分表？

单表数据量太大，可Neng会导致： * 写性Neng下降 * 查询变慢，即使有索引 * 单个表文件过大，备份和恢复douhen慢

水平分表 ：按某种规则把数据分散到多个结构相同的表中。 如 user_0user_1user_2……

sql user_0 user_1 user_2 user_3

读写请求根据分片规则路由到对应表中。

垂直分表 ：将一个大表的冷热字段拆分到不同表中。 如 user_base 存基础信息 user_profile 存 信息 bash

这样访问用户基本信息时就不会加载大字段，提高效率。

还有个问题，你知道 为什么百度不收录我的网站吗？

其实主要原因可Neng是： * 网站内容质量不高 * 缺乏外部高质量链接导入 * robots.txt 设置了禁止爬取 * 网站结构不利于爬虫抓取

排查一下是不是这些原因～

MySQL 的性Neng优化是个系统工程，从 SQL、索引、表结构到架构，dou可Neng影响整体性Neng。

建议的优化路径： 1. 先从慢查询日志 入手，找到耗时 SQL 2. 用 EXPLAIN kan执行计划 ，分析 type、rows、Extra 等字段 3. 加索引或 SQL，让 type 从 ALL/range 到 ref/const 级别 …… 4. Ru果单表数据量太大，再考虑分库分表 …… 5. Ru果读压力大，就上读写分离 + 缓存 ……