1.查询的模糊匹配
尽量避免在一个复杂查询里面使用 LIKE '%parm1%'—— 红色标识位置的百分号会导致相关列的索引无法使用，最好不要用.
解决办法:
其实只需要对该脚本略做改进，查询速度便会提高近百倍。改进方法如下：
a、修改前台程序——把查询条件的供应商名称一栏由原来的文本输入改为下拉列表，用户模糊输入供应商名称时，直接在前台就帮忙定位到具体的供应商，这样在调用后台程序时，这列就可以直接用等于来关联了。
b、直接修改后台——根据输入条件，先查出符合条件的供应商，并把相关记录保存在一个临时表里头，然后再用临时表去做复杂关联
2.索引问题
在做性能跟踪分析过程中，经常发现有不少后台程序的性能问题是因为缺少合适索引造成的，有些表甚至一个索引都没有。这种情况往往都是因为在设计表时，没去定义索引，而开发初期，由于表记录很少，索引创建与否，可能对性能没啥影响，开发人员因此也未多加重视。然一旦程序发布到生产环境，随着时间的推移，表记录越来越多
这时缺少索引，对性能的影响便会越来越大了。
这个问题需要数据库设计人员和开发人员共同关注
法则：不要在建立的索引的数据列上进行下列操作:
◆避免对索引字段进行计算操作
◆避免在索引字段上使用not，<>，!=
◆避免在索引列上使用IS NULL和IS NOT NULL
◆避免在索引列上出现数据类型转换
◆避免在索引字段上使用函数
◆避免建立索引的列中使用空值。
3.复杂操作
部分UPDATE、SELECT 语句 写得很复杂（经常嵌套多级子查询）——可以考虑适当拆成几步，先生成一些临时数据表，再进行关联操作
4. update
同一个表的修改在一个过程里出现好几十次，如：
update table1
set col1=...
where col2=...;
update table1
set col1=...
where col2=...
......
象这类脚本其实可以很简单就整合在一个UPDATE语句来完成（前些时候在协助xxx项目做性能问题分析时就发现存在这种情况）
学生表 Student
id(编号) name(名字) age(年龄) height(身高)
1 Tommy 26 170
2 Jerry 23 180
3 Frank 30 160
如表所示，这里只是呈现了3条数据，我们这里假设有1万条数据，
查询年龄25岁以上，身高170以上的全部学生
Select * from Student where age > 25 and height > 170;//正常情况下可以这么写，
假设1：年龄在25岁以上的有8000个学生，而身高170以上的只有10个学生，
上述的SQL的执行顺序和查询的行数应该是：
1.先查询年龄25岁以上的学生，结果有8000条记录，
2.再查询身高170以上的学生，就得在8000条结果里再次判断，最坏的可以遍历8000次左右，这效率较低
假如更改上述SQL语句where条件字段的顺序，如下：
Select * from Student where height > 170 and age > 25;
那么结果将是：
1.首先是查询出身高170以上的学生，结果只有10个；
2.然后再在这10个结果中查询出年龄大于25岁的学生，这样遍历的次数一下子就减少了很多很多
总结：所以，千万不要以为where语句中字段的顺序可以随便乱写，应该结合具体情况来安排好顺序，以使效率更高，
当然，如果想效率进一步提高，应该在这两个字段上建立索引 (题外: 索引的建立以及 什么条件下索引才会被调用)
网友评论