应用系统正式上线后，随着生产数据量的急剧增长，数据库开始显露性能问题，对生产的影响也越来越大，因此我们必须对它们进行优化。如何优化 MySQL 数据库，比如优化查询速度、优化更新速度和优化 MySQL 服务器等。在讲解 MySQL 性能调优前，我们先了解 MySQL 的日志和分类。参考：http://c.biancheng.net/mysql/

MySQL 中有 4 种日志文件：

• 二进制日志：以二进制的形式记录数据库的各种操作，但不记录查询语句。命令【SHOW VARIABLES LIKE 'log_bin';】
• 错误日志：记录 MySQL 服务器的启动、关闭和运行错误等信息。命令【SHOW VARIABLES LIKE 'log_error';】
• 通用查询日志：记录 MySQL 服务器的启动和关闭信息、客户端的连接信息、更新、查询数据记录的 SQL 语句等。命令【SHOW VARIABLES LIKE '%general%';】
• 慢查询日志：记录执行事件超过指定时间的操作，通过工具分析慢查询日志可以定位 MySQL 服务器性能瓶颈所在。命令【SHOW VARIABLES LIKE 'slow_query%';】

在 MySQL 所支持的日志文件里，除了二进制日志文件外，其它日志文件都是文本文件。

使用日志有优点也有缺点。启动日志后，虽然可以对 MySQL 服务器性能进行维护，但是会降低 MySQL 的执行速度。例如，一个查询操作比较频繁的 MySQL 中，记录通用查询日志和慢查询日志要花费很多的时间。日志文件还会占用大量的硬盘空间。对于用户量非常大、操作非常频繁的数据库，日志文件需要的存储空间甚至比数据库文件需要的存储空间还要大。因此，是否启动日志，启动什么类型的日志要根据具体的应用来决定。

这里主要讲解【慢查询日志】，通俗的说，MySQL 慢查询日志是排查问题的 SQL 语句，以及检查当前 MySQL 性能的一个重要功能。如果不是调优需要，一般不建议启动该参数，因为开启慢查询日志会或多或少带来一定的性能影响。不过相对于排查问题来说，这点性能问题不足挂齿。

慢查询命令：

# 慢查询命令
SHOW VARIABLES LIKE 'slow_query%';

# 查询超过多少秒才记录
SHOW VARIABLES LIKE 'long_query_time';

• slow_query_log：慢查询开启状态
• slow_query_log_file：慢查询日志存放的位置（一般设置为 MySQL 的数据存放目录）
• long_query_time：查询超过多少秒才记录

慢查询的日志在我们安装 MySQL 时指定的 data 目录：

启动/停止慢查询、设置指定时间

# 启动/停止 慢查询
SET GLOBAL slow_query_log=ON/OFF;

然后修改 my.ini 的慢查询时间配置，如图，搜索【long_query_time】：修改时间为 0.01 秒，为了测试使用。

网上说的【set global long_query_time=1】 不靠谱，重启 MySQL 服务后就失效了，达不到我们的要求，还是老实点修改 my.ini 配置文件吧。

设置好之后重启 MySQL 服务器就生效了。

OK，我们定位了慢查询之后，就针对慢查询做一系列的调优了。

我们先在数据库里新增1万条测试数据，可以参考博客：https://blog.csdn.net/BiandanLoveyou/article/details/116280263

MySQL 性能优化讲解

定位效率低的数据库语句，并做分析和优化。

比如我们设置了慢查询的时间上限是 0.01 秒，超过0.01秒的数据库语句会被记录到慢查询日志：

select * from t_user
where user_name like '%名%'
group by user_name
order by user_name;

然后打开慢查询日志可以看到类似如下信息，包括执行时间、执行的SQL：

# Time: 2021-04-30T05:08:13.779360Z
# User@Host: root[root] @ localhost [127.0.0.1]  Id:     6
# Query_time: 0.020624  Lock_time: 0.000085 Rows_sent: 10000  Rows_examined: 30044
SET timestamp=1619759293;
select * from t_user
where user_name like '%名%'
group by user_name
order by user_name;

OK，定位出慢查询后，我们就是要优化慢查询了。

分析：使用 explain 关键字分析慢查询语句

我们在 select 关键字前，加上【explain】关键字，来分析慢查询。通过 explain 关键字知道查询效率低下的原因，从而改进我们的查询，让查询优化器能更好的工作。：

explain select * from t_user
where user_name like '%名%'
group by user_name
order by user_name;

执行结果：

各项说明：

id 代表执行编号，select_type 代表本行是简单还是复杂查询，table 代表的是访问的哪张表，
type 代表的是访问类型，这里的all是最坏的一种情况，代表全表扫描，

possible_keys 表示哪一些索引有利于高效的查找，key代表mysql决定采用哪个索引来优化查询，key_len代表显示mysql在索引里使用的字节数，

ref代表之前的表在key列记录的索引中查找值所用的列或常量，rows代表为了找到所需的行而需要读取的行数，估算值，不精确，filtered代表按表条件筛选的行的百分比，Extra代表额外信息

type 的其它类型：

重点关注 Extra 这一项，如果 Extra 出现以下2项内容说明没有用到索引： Using temporary; Using filesort

Using temporary：表示MySQL在对查询结果排序时使用临时表。常见于 order by 和 group by。【将排序的结果存储到一张临时表中，方便后面做各种查询使用】

Using filesort：表示 MySQL 会对结果使用一个外部索引排序，而不是从表里按索引次序读到相关内容。 可能在内存或磁盘上进行排序。MySQL无法利用索引完成的排序操作称为“文件排序”。

优化：经常查询的字段增加索引

但是，我们怎么知道哪些字段创建索引合适呢？索引并不是越多越好，索引固然可以提高相应的 select 的效率，但同时也降低了 insert 及 update 的效率，因为 insert 或 update 时有可能会重建索引。

# 给 user_name 字段创建索引
alter table t_user add index userNameIndex(user_name);

执行结果：

再次执行查询的分析语句：

说明：

①经常查询的字段要设置索引，使用索引比不使用索引的查询效率更高。

②like 关键字模糊查询时，如果匹配字符串的第一个字符为 % 时索引不会被使用。如果 % 不在第一个位置，索引就会被使用。因此上面的写法还可以优化。

③where条件有 or 关键字时，or 的每一项都要有索引时，才会使用索引，否则不会使用索引。

④经过普通运算或函数运算后的索引字段不会使用索引。比如：select * from users where YEAR(adddate)<2021; 这句 SQL 就不会使用索引。可以改为：select * from users where adddate<‘2021-01-01';

⑤使用连接查询代替子查询。因为在子查询时，MySQL 需要为内层查询语句的查询结果建立一个临时表。然后外层查询语句在临时表中查询记录。查询完毕后，MySQL需要撤销这些临时表。因此，子查询的速度会受到一定的影响。如果查询的数据量比较大，这种影响就会随之增大。而连接查询不需要建立临时表，其速度比子查询要快。

⑥如果列类型是字符串，那一定要在条件中将数据使用引号引用起来，否则不使用索引。

⑦联合索引的最左前缀匹配原则。如果在一张表中，存在联合索引的话，在根据条件查询的时候必须要加上第一个索引条件。比如创建两个列的联合索引（id、user_name），在where条件中，第一个条件需要使用有索引的列，一直到没有索引的列为止。可以参考此博客：https://blog.csdn.net/u013568373/article/details/93891531

⑧使用分表分库提高数据库查询效率。中间件会将此语句根据有n个子表，拆分成n条语句：如select * from user1，select * from user2，select * from user3等多条sql语句，去子表中查询。然后将结果返回给中间件，中间件进行汇总返回给客户端。而这些子语句是同时执行的，所以查询效率非常高。

⑨not in 和 <> 操作都不会使用索引，将进行全表扫描。not in 可以 not exists 代替，【id<>5】则可使用【 id>5 or id<5 】来代替。

⑩in 和 not in 也要慎用。对于连续的数值，能用 between 就不要用 in ：select id from t_user where num between 1 and 5;

11、尽量使用数字型字段，若只含数值信息的字段尽量不要设计为字符型，这会降低查询和连接的性能，并会增加存储开销。这是因为引擎在处理查询和连 接时会逐个比较字符串中每一个字符，而对于数字型而言只需要比较一次就够了。

12、在硬件配置上，加大物理内存，提高文件系统性能。SSD硬盘代替SAS硬盘。或者做数据库集群。