MySQL 빅데이터 쿼리 성능 최적화 튜토리얼(사진)

MySQL 성능 최적화에는 테이블 최적화와 열 유형 선택이 포함됩니다. 테이블 최적화는 무엇으로 나눌 수 있나요? 1. 고정 길이 필드와 가변 길이 필드를 분리합니다. 2. 일반적으로 사용되는 필드를 일반적이지 않은 필드와 분리합니다. 3. 상관 통계가 필요한 일대다 필드에 중복 필드를 추가합니다.

1. 테이블 최적화 및 열 유형 선택

테이블 최적화:

# 🎜 🎜##1#1 고정 증가 및 변경과 분리#🎜🎜 ## 🎜🎜

예: ID int, 4바이트를 차지, CHAR(4) 길이가 4자를 차지하며 또한 고정됩니다. , 시간, 즉 각 단위 값이 차지하는 바이트는 고정됩니다. #🎜🎜 ## 核#핵심 및 일반적으로 사용되는 분야는 고정 성장을 구축하여 테이블 위에 올려 놓는 것이 좋습니다. #🎜🎜 ## 而# 및 VARCHAR, Text, BLOB, 긴 필드는 단일 테이블을 배치하는 데 적합하며 핵심 테이블과 연결됩니다. #🎜🎜 ###2, 일반적으로 사용되는 필드와 일반적이지 않은 필드를 구분합니다#🎜🎜 ## 🎜🎜 ## 🎜🎜#웹사이트의 특정 비즈니스를 분석해야 하며, 해당 필드의 쿼리 장면을 분석해야 합니다. , 조회 조회 빈도가 낮은 필드는 개별적으로 분리됩니다.

         

3. 관련 통계가 필요한 일대다 필드에 중복 필드를 추가합니다.

            다음 효과를 확인하세요.

                                                                    홈페이지에 표시되는 게시물 섹션 정보 및 게시물 개수 섹션 아래.

                                                                         # 🎜🎜# 게시물 테이블을 다시 확인하고, 게시판 ID별로 게시물 그룹에서 개수(*)를 선택하여 각 섹션의 게시물 수를 가져옵니다.

2. 열 유형 선택

1. 필드 유형 우선 순위

#🎜🎜 #                                                                           ,,, ,, 정수형 : 고정길이, 국가/지역 없음 문자셋에는 차이가 없습니다. 예:

tinyint 1,2,3,4,5 char(1) a,b,c,d,e

공간에서 관점에서는 둘 다 1바이트를 차지하지만 order by가 더 빠릅니다. 그 이유는 문자 집합과 대조 집합(즉, 정렬 규칙)을 고려해야 하기 때문일 수 있습니다.

시간이 고정되어 있고 작업이 빠르며 공간이 절약됩니다. 시간대를 고려하면 > `2018-08-08`;

enum을 내부적으로 정수로 저장하는 SQL을 작성하는 것은 불편하지만, cahr, 내부적으로 문자열과 값의 변환을 거쳐야 합니다.

문자는 고정 길이이며 문자 세트 및 (정렬) 교정 세트를 고려해야 합니다. 🎜# varchar는 길이가 가변적이며 문자 집합의 변환 및 변환을 고려해야 합니다. 정렬 중 대조 설정이 느리다는 것은 마스터의 명확한 의견입니다. 타임스탬프를 저장하려면 null이 아닌 int unsgined를 직접 선택하세요.

예:

성별: utf8을 예로 사용 char(1) , 3단어 긴 바이트

#🎜🎜 # enum('male','female'); 내부적으로 숫자로 변환하여 저장, 변환 과정을 한 번 더 수행

tinyint(), 고정 길이 1바이트

# 🎜🎜 # 2. 충분히 사용하고 관대하게 사용하지 마십시오(예: smallint varchar(N))

이유: 큰 바이트는 메모리를 낭비하고 속도에 영향을 미칩니다.

나이를 예로 들면tinyint unsigned not null은 255세를 저장할 수 있으며 이 정도면 충분합니다. int를 사용하면 3바이트가 낭비됩니다.

varchar(10)과 varchar(300)에 저장된 내용은 동일하지만 테이블 조인 쿼리 중에 varchar(300)이 더 많은 메모리를 사용합니다.

​

3. NULL() 사용을 피하세요

이유: NULL은 색인 생성에 도움이 되지 않으며 특수 문자로 표시해야 합니다.

디스크에서 차지하는 공간은 실제로 더 크다(MySQL5.5에서는 null이 개선되었으나 여전히 쿼리가 불편함)

3. 인덱스 최적화 전략# 🎜🎜#

1. 색인 유형

                                       ~이름은 BTREE 인덱스인데, 광범위하게 사용되는 균형 트리이지만, 구체적인 구현 측면에서는 각 엔진이 조금씩 다릅니다. 예를 들어 엄밀히 말하면 NDB 엔진은 T-Tree를 사용합니다.

하지만 추상화합니다. 비트 추상. B-트리 시스템은 "정렬된 빠른 쿼리 구조"로 이해될 수 있습니다.

1.2 해시 인덱스

기본값은 메모리 테이블의 해시 인덱스이며, 해시의 이론적 쿼리 시간 복잡도는 O(1)입니다.

질문: 해시 검색이 매우 효율적이므로 해시 인덱스를 사용하면 어떨까요?

답변:

1. 해시 함수로 계산한 결과는 무작위입니다. 데이터가 디스크에 배치되면 기본 키를 id로 가정하면 id가 증가함에 따라 해당 id에 해당하는 행이 됩니다. 디스크 장소에서 무작위로 행동하십시오.

2. 범위 쿼리는 최적화할 수 없습니다.

3. 접두사 인덱스를 사용할 수 없습니다. 예를 들어 btree에서는 필드 열의 값이 "helloworld"이고 인덱스 쿼리 x=helloworld는 자연스럽게 인덱스를 사용할 수 있으며 x=hello도 인덱스를 사용할 수 있습니다. (왼쪽 접두사 색인).

4. 정렬을 최적화할 수 없습니다.

5. 행 백업이 필요합니다. 즉, 인덱스를 통해 데이터 위치를 얻으려면 테이블로 돌아가 데이터를 가져와야 합니다. Re t 2, BTREE 인덱스에 대한 일반적인 오해

2.1 다음과 같이 WHERE 조건에 인덱스를 추가합니다. 여기서 cat_id = 3이고 가격 & gt; 세 번째 열, 100위안 이상의 제품을 쿼리합니다.

오해: cat_id와 가격 모두에 색인을 추가하세요.

오류: cat_id 또는 가격 지수는 독립적인 지수이므로 하나만 사용할 수 있으며 동시에 하나만 사용할 수 있습니다.

2.2 여러 열(조인트 인덱스)에 인덱스를 생성한 후에는 어떤 열을 쿼리하든 인덱스가 작동합니다.

 오해: 인덱스가 다중 열 인덱스에서 작동하려면 왼쪽 접두사 요구 사항을 충족해야 합니다.

                인덱스(a, b, c)를 예로 들어 보겠습니다. (순서와 관련이 있음에 유의하세요.)

4. 인덱스 실험

                                                         사용   색인(a, b, c) 사용 예를 들어, select * from t4 where c1=3 and c2 = 4 and c4> 5 and c3 = 2 인덱스는 무엇입니까:

Select * from T4 Where C1 = 3 and C2 = 4 and C4 & GT; 4)

5. 클러스터형 인덱스와 비클러스터형 인덱스

Myisam과 innodb 엔진, 인덱스 파일의 유사점과 차이점

Myisam: news.myd와 new.myi라는 두 파일로 구성됩니다. 인덱스 파일과 데이터 파일은 별개이며, 비클러스터형 인덱스라고 합니다. 기본 인덱스와 보조 인덱스 모두 물리적 행(디스크 상의 위치)을 가리킵니다.

innodb: 인덱스와 데이터가 함께 클러스터링되어 있으므로 클러스터형 인덱스입니다. 데이터 행은 innodb의 기본 인덱스 파일에 직접 저장되며 보조 인덱스는 기본 키 인덱스에 대한 참조를 가리킵니다.

참고: innodb의 경우:

1. 기본 키 인덱스는 인덱스 값을 저장하고 행 데이터를 리프에 저장합니다.

2. 기본 키가 없으면 고유 키가 기본 키로 사용됩니다.

3. 고유 키가 없으면 시스템은 기본 키로 내부 rowid를 생성합니다.

4. innodb와 마찬가지로 기본 키 인덱스 구조에는 기본 키 값과 행 데이터가 모두 저장되는 구조를 클러스터형 인덱스라고 합니다.

클러스터형 인덱스

장점: 기본 키를 기반으로 한 쿼리 항목이 상대적으로 적은 경우 행 백업이 필요하지 않습니다(데이터가 기본 키 노드 아래에 있음)

단점: 불규칙한 데이터가 삽입되는 경우, 페이지 분할이 자주 발생합니다

관련 기사:

Mysql 성능 최적화

관련 동영상:

MySQL 최적화 동영상 튜토리얼

위 내용은 MySQL 빅데이터 쿼리 성능 최적화 튜토리얼(사진)의 상세 내용입니다. 자세한 내용은 PHP 중국어 웹사이트의 기타 관련 기사를 참조하세요!