引言
本文主要通过数据库表设计、sql处理、应用层优化三个层面，来谈谈笔者在工作中的一些心得和建议。
合理设计数据库表
合理添加索引
（1）经常进行条件查询（where或join on）的字段考虑加上索引
（2）经常分组（GROUP BY）或排序（ORDER BY）的字段考虑加上索引（Btree）
（3）差异性大的字段才适合建立索引。
差异性表示某行数据的字段在所有数据中是否足够独特，鹤立鸡群。就好像qq号，独一无二，全部数据中的qq号都不一样；相对而言，性别男或者女，都有近一半是相同的，这时候加上索引效果并不理想。
有一种情况，例如某个文章的状态status（0未审核，1审核通过待发布，2已发布，3审核不通过），我们应用层有个定时器（10秒一次）在扫数据库中 审核通过待发布的，然后进行发布，更新status为2。在实际数据中，尽管大部分数据都是已发布（差异性小），但审核通过待发布的数据是非常少的（差异性较大），这时候也可以考虑加上索引（用于where status=1的条件查询则非常有效）。
（4）当需要保证数据某个重要字段的唯一性时，考虑加上唯一索引（做数据库级别的限制往往能避免很多因为错误数据导致的问题）
注：索引并不是越多越好，因为增加索引后，新增（insert）或更新对应字段（update）时，索引会做对应的调整，效率会有一定影响，索引越多影响越大。
表字段个数不要太多
- 简化业务逻辑开发
- 当字段太多时，插入数据时，其中往往有许多用不上（默认值），会占用空间（null值也会占用空间）
- 防止应用层直接select * 情况下取了多余的无用数据
我们公司是建议业务相关字段10个以内。
一般最初设计阶段，某个业务表有很多字段时，可以考虑拆分。一是按业务逻辑分、二是根据预估使用频率分。
避免使用触发器、函数、存储过程等
函数、触发器这些往往在应用层就能处理，而开发人员可以直接管理，并不需要和DBA打过多的交道，移植也方便。
另外数据库是拿来存数据的，除了增删改查，其他都不建议让数据库层面来干了。
注意 varchar 长度，取合理长度即可
varchar 超过255会多1个字节存储该字段值的长度；比如varchar(255)使用1个字节存储值长度，而varchar(256)则需要2个。
而定义的长度会影响对应的索引长度，比如 varchar(100) 和 varchar(20) 其对应建立的索引，前者要比后者的长度要大。
所以在满足业务场景的前提下，尽量取小的值即可。
小数（点）的设计，考虑使用decimal
在业务中往往包含一些小数的设计，例如价格（9.99元）、重量（51.3kg）等。
因为float和double这种浮点类型都存在精度问题，当需要较高精度时，可以使用decimal来取代；
另外一种达到要求精度的方案是降低字段表示的单位，从而消除小数，例如9.99元=999分，51.3kg=51300g，对应的字段使用整数表示即可。这种设计可能会增加应用层的复杂度（需要单位转换等），但如果经常进行排序的话，会有一定优势。
而在一些金融相关的行业，有时候往往不仅仅精确小数点后面两三位，而是4位、5位甚至更多位（例如0.9065元），这时候最好使用decimal。
注：decimal(10,4) 中，4表示小数位数，插入时超出则进行截取；10表示含小数在内的最多位数，这里整数则最多 (10-4) 位，超出时则报错。
sql篇
尽量避免联表查询
- 联表查询时，数量尽量不要超过2个
- 使用单表某些数据缓存（redis、memcached等）+ 应用层代码实现联表查询。
- 必要时，联表查询的条件列加上索引
大量数据时需要分页时 用索引字段条件查询 + limit N 替代直接 limit M,N
在大量数据时，mysql的limit M,N分页是存在比较严重的性能问题的，因为其会扫足前面M+N条数据，然后再取N条；当M非常大时，如2000万+时，效率就会非常慢了（10s+）；
其中一个解决方法是：适当结合索引字段（如主键id）+ limit N 就能避免这个问题。
如 ：select id, userName from t_user limit 20 000 000, 50;
假设第2000万条数据的id为 22 000 000；
改为：select id, userName from t_user where id >= 22 000 000 limit 50;
尽管在实际中客户端往往没有这样需求（页码太大），但当需要加载所有数据时则经常用到（如缓存预热）。
不要对条件查询的字段进行运算或函数操作
反例：
(1) select id from t_user where age/2 > 10;
(2) select id from t_user where year(birthday) < 2000;
当age或birthday存在索引时，上面的语句并不会使用索引，而是直接进行全表扫描。
修改为：
(1) select id from t_user where age > 20;
(2) select id from t_user where birthday < '2000-01-01';
上面的转换均可以在应用层的代码实现，尽量不要在数据库层面进行运算操作。
经典优化
- name字段有索引，name like '%zhang%' 没有用上索引，而name like 'zhang%'则用上。
- 联合索引(name, age) 最左匹配，where name='li' 或 where name='li' and age=18 用上该索引，而where age=18 则无法用到该索引。
- 连接查询一般 优于 子查询
- exist 优于 in
- 范围查询 between and 优于 in
- insert into t values(..),(..); 优于多条 insert into t (...);，因为前者索引只做了一次调整。
应用层优化
能在应用层处理的就不要在数据库处理
数据库连接数量时有限的，数据库处理的东西越少，压力越小，处理时间越短，连接放回连接池的速度就越快，整个应用的吞吐量也会随之增大。
所以一些条件运算、函数计算等都可以尽量在应用层面进行。
注：要综合考虑代价，不要什么都不管就往应用层里面怼。当运用到索引的分组、排序往往在数据库中处理效率更高。
合理利用缓存
一些热点数据可以进行缓存，这时候大流量下，可以大大减少DB的压力。
注：要注意缓存的管理，尽量保证数据一致性，在分布式环境下，应用本地缓存往往是不适用的（可以考虑redis等对缓存进行集中管理）。
利用消息机制进行异步DB操作
高并发下，DB往往扛不住，要么直接被压垮，要么连接数远远不够用。
目前来说，利用消息机制进行异步处理（相关DB操作）是一个不错的选择，因为消费的线程数量是有限的（DB可以承受的范围），这时候DB不会有那么大的压力，可以保证整个应用和DB都正常运行。
当结合缓存时，就能保证异步处理期间，仍认为数据已经被正常处理的了，因为取数据时，优先取缓存中的而不是DB。
选择适合的框架
为了简化开发往往会选择对DB操作的框架，而这个的选择在数流量/数据量小时往往没有什么区别。但是一旦到哪里都在抠性能时，这里的优化往往是非常重要的。
一个是考虑公司情况（对哪种框架处理更有经验），另外一个是考虑业务场景，不同的框架往往有其擅长的地方。
如果选择不合适（可能框架本身原因，肯能是因为对框架缺乏了解），想要优化时，往往显得捉襟见肘，难以应对。
总结
- 数据库是拿来存东西的，擅长的是增删改查，而不是各种逻辑处理和计算
- 结合实际业务场景，才能设计出最合理的字段，不长不短，不多不少
- sql优化归根结底都是怎样把索引给用上，把索引的作用最大化
- 善用缓存
网友评论