Java Web实战篇-轻松提高千万级数据库查询效率

数据查询.jpeg

大家在刚开始搭建项目的时候可能考虑的不够全面，随着产品的推广 、业务场景的复杂和使用用户越来越多 数据会呈现快速增长。当数据达到千万级的时候 就会发现 查询速度越来越慢 用户体验也就越来越差，那怎样提升千万级数据查询效率呢？小萌简单整理了一下，希望对大家有所帮助！

优化数据库设计：

数据字段类型使用varchar/nvarchar替换char/nchar，变长字段存储空间小，节省存储空间。在查询的时候小的空间字段搜索效率更高。

查询的时候避免全表扫描，可以在where和order by的字段上建立索引。

where查询子句中不对null值做判断，会导致检索引擎放弃使用索引而使用全表扫描，如：select id,name from user where age is null 可以设置age 的默认值为0，保证没有null值，修改后的sql查询语句为：select id,name from user where age = 0。

谨慎使用索引，索引不是越多越好。一般一张表的索引数不要超过6个，如果太多要讨论业务是否合理或者是否索引建在了不常用的字段上。索引可以提高select 查询的效率，但是也响应降低了 insert和update 的效率，因为在执行insert和update时也可能会重建索引。

尽量不要更新索引数据，因为索引数据的顺序是表记录的物理顺序，一旦发生改变将会导致整个表记的顺序发生改变，将会消耗大量资源。如果业务需要频繁更新索引数据列 就要考虑索引是否创建合理，比如 用户ID、身份证号码或者手机号码不经常改变的列可以考虑创建索引。

字符型字段如果符合业务需求可以修改为数字类型字段，因为字符型字段会降低查询和连接的性能，并且增加存储的开销。执行搜索的适合查询和连接会逐个比较字符串的每一个字符，如果是数据类型比对一次就可以了。

SQL查询优化

where 查询语句中避免使用**!=或 **操作符，搜索引擎会执行全表扫描而不执行创建的索引。

where 查询语句中 避免使用or来连接条件查询数据，也会导致搜索引擎执行全表扫描而不执行创建的索引，例如：select id,name from user where age = 18 or age = 25可以修改为select id,name from user where age = 18 union all select id,name from user where age = 25。

** in 和 not in也避免使用，也将导致全表扫描，例如：select id,name from user where age in (18,19,20)** 如果是连续的则可以考虑使用between and，例如：select id,name from user where age between 18 and 20。

like 语句导致全表扫描，例如：select id,name from user where name like ‘%微信%’。

wehre 查询语句中避免使用参数，也会全表扫描，SQL在运行时才会进行局部变量的解析，优化程序不能将访问计划的选择推迟到运行时；它必须在编译时进行选择。如果编译时建立访问计划，变量的值还是未知的，因而无法作为索引选择的输入项。如下面语句将进行全表扫描：select id,name from user where age = @age当然也可以改为强制使用索引：select id,name from user with(index(索引名)) where age =@ age

where查询语句避免使用表达式，也会导致查询的时候放弃使用索引导致全表扫描。例select id,name from user where age/2 = 10 ** 可以更改为 ** select id,name from user where age = 102*。

where查询语句避免使用函数操作，也会导致查询的时候放弃使用索引导致全表扫描。例如：select id,name from user where substring(name,1,3)=’abc’可以改为select id,name from user where name like ‘abc%’。

不要使用select * from user 查询，要用具体的字段名。不要返回任何用不到的字段。

不要使用游标，大家都知道游标的效率非常差。

避免出现大实务业务，会降低系统的并发能力。

Java后台优化

使用JDBC连接数据库。

合理使用数据缓存。

控制好内存，不要全部数据放到内出做处理，可以边读边处理。

少创造对象。

数据库性能优化

使用存储过程

硬件调整

调整数据库

跟多实战资讯请关注“IT实战联盟”公众号哦~~~