超级全面的MySQL优化面试解析

作者：Anwen

juejin.im/post/5c6b9c09f265da2d8a55a855

本文概要

文章内图片有损，需要高清可以添加【zhilingting550】获取

概述

为什么要优化

系统的吞吐量瓶颈往往出现在数据库的访问速度上

随着应用程序的运行，数据库的中的数据会越来越多，处理时间会相应变慢

数据是存放在磁盘上的，读写速度无法和内存相比

如何优化

设计数据库时：数据库表、字段的设计，存储引擎

利用好MySQL自身提供的功能，如索引等

横向扩展：MySQL集群、负载均衡、读写分离

SQL语句的优化（收效甚微）

字段设计

字段类型的选择，设计规范，范式，常见设计案例

原则：尽量使用整型表示字符串

存储IP

，address to number

，number to address

MySQL内部的枚举类型（单选）和集合（多选）类型

但是因为维护成本较高因此不常使用，使用关联表的方式来替代

原则：定长和非定长数据类型的选择

decimal不会损失精度，存储空间会随数据的增大而增大。double占用固定空间，较大数的存储会损失精度。非定长的还有varchar、text

金额

对数据的精度要求较高，小数的运算和存储存在精度问题（不能将所有小数转换成二进制）

定点数decimal

有2位小数的定点数，定点数支持很大的数（甚至是超过存储范围的数）

小单位大数额避免出现小数

元->分

字符串存储

定长，非定长（上限65535，其中还会消耗1-3字节记录长度，而使用额外空间记录长度）

原则：尽可能选择小的数据类型和指定短的长度

原则：尽可能使用 not null

非字段的处理要比字段的处理高效些！且不需要判断是否为。

在MySQL中，不好处理，存储需要额外空间，运算也需要特殊的运算符。如和（为不等号）有着同样的结果，只能通过和来判断字段是否为。

如何存储？MySQL中每条记录都需要额外的存储空间，表示每个字段是否为。因此通常使用特殊的数据进行占位，比如、

原则：字段注释要完整，见名知意

原则：单表字段不宜过多

二三十个就极限了

原则：可以预留字段

在使用以上原则之前首先要满足业务需求

关联表的设计

外键只能实现一对一或一对多的映射

一对多

使用外键

多对多

单独新建一张表将多对多拆分成两个一对多

一对一

如商品的基本信息（）和商品的详细信息（），通常使用相同的主键或者增加一个外键字段（）

范式 Normal Format

数据表的设计规范，一套越来越严格的规范体系（如果需要满足N范式，首先要满足N-1范式）。N

第一范式1NF：字段原子性

字段原子性，字段不可再分割。

关系型数据库，默认满足第一范式

注意比较容易出错的一点，在一对多的设计中使用逗号分隔多个外键，这种方法虽然存储方便，但不利于维护和索引（比如查找带标签的文章）

第二范式：消除对主键的部分依赖

即在表中加上一个与业务逻辑无关的字段作为主键

主键：可以唯一标识记录的字段或者字段集合。

依赖：A字段可以确定B字段，则B字段依赖A字段。比如知道了下一节课是数学课，就能确定任课老师是谁。于是周几和下一节课和就能构成复合主键，能够确定去哪个教室上课，任课老师是谁等。但我们常常增加一个作为主键，而消除对主键的部分依赖。

对主键的部分依赖：某个字段依赖复合主键中的一部分。

解决方案：新增一个独立字段作为主键。

第三范式：消除对主键的传递依赖

传递依赖：B字段依赖于A，C字段又依赖于B。比如上例中，任课老师是谁取决于是什么课，是什么课又取决于主键。因此需要将此表拆分为两张表日程表和课程表（独立数据独立建表）：

这样就减少了数据的冗余（即使周一至周日每天都有Java课，也只是出现了7次）

存储引擎选择

早期问题：如何选择MyISAM和Innodb？

现在不存在这个问题了，Innodb不断完善，从各个方面赶超MyISAM，也是MySQL默认使用的。

存储引擎Storage engine：MySQL中的数据、索引以及其他对象是如何存储的，是一套文件系统的实现。

功能差异

存储差异

锁扩展

表级锁（）：，。其中是共享锁，一旦锁定任何客户端都不可读；是独占/写锁，只有加锁的客户端可读可写，其他客户端既不可读也不可写。锁定的是一张表或几张表。

行级锁（）：锁定的是一行或几行记录。共享锁：，对查询的记录增加共享锁；，对查询的记录增加排他锁。

这里值得注意的是：的行锁，其实是一个子范围锁，依据条件锁定部分范围，而不是就映射到具体的行上，因此还有一个学名：间隙锁。比如会锁定在左右以下的范围，你可能无法插入为或的一条新纪录。

选择依据

如果没有特别的需求，使用默认的即可。

MyISAM：以读写插入为主的应用程序，比如博客系统、新闻门户网站。

Innodb：更新（删除）操作频率也高，或者要保证数据的完整性；并发量高，支持事务和外键保证数据完整性。比如OA自动化办公系统。

索引

关键字与数据的映射关系称为索引（包含关键字和对应的记录在磁盘中的地址）。关键字是从数据当中提取的用于标识、检索数据的特定内容。

索引检索为什么快？

关键字相对于数据本身，数据量小

关键字是有序的，二分查找可快速确定位置

图书馆为每本书都加了索引号（类别-楼层-书架）、字典为词语解释按字母顺序编写目录等都用到了索引。

MySQL中索引类型

普通索引（），唯一索引（），主键索引（），全文索引（）

三种索引的索引方式是一样的，只不过对索引的关键字有不同的限制：

普通索引：对关键字没有限制

唯一索引：要求记录提供的关键字不能重复

主键索引：要求关键字唯一且不为null

索引管理语法

查看索引

：

创建索引

创建表之后建立索引

：

创建表时指定索引

删除索引

根据索引名删除普通索引、唯一索引、全文索引：

删除主键索引：（因为主键只有一个）。这里值得注意的是，如果主键自增长，那么不能直接执行此操作（自增长依赖于主键索引）：

需要取消自增长再行删除：

但通常不会删除主键，因为设计主键一定与业务逻辑无关。

执行计划explain

我们可以通过来分析SQL语句执行前的执行计划：

由上图可看出此SQL语句是按照主键索引来检索的。

执行计划是：当执行SQL语句时，首先会分析、优化，形成执行计划，在按照执行计划执行。

索引使用场景（重点）

where

上图中，根据查询记录，因为字段仅建立了主键索引，因此此SQL执行可选的索引只有主键索引，如果有多个，最终会选一个较优的作为检索的依据。

可以尝试在一个字段未建立索引时，根据该字段查询的效率，然后对该字段建立索引（），同样的SQL执行的效率，你会发现查询效率会有明显的提升（数据量越大越明显）。

order by

当我们使用将查询结果按照某个字段排序时，如果该字段没有建立索引，那么执行计划会将查询出的所有数据使用外部排序（将数据从硬盘分批读取到内存使用内部排序，最后合并排序结果），这个操作是很影响性能的，因为需要将查询涉及到的所有数据从磁盘中读到内存（如果单条数据过大或者数据量过多都会降低效率），更无论读到内存之后的排序了。

但是如果我们对该字段建立索引，那么由于索引本身是有序的，因此直接按照索引的顺序和映射关系逐条取出数据即可。而且如果分页的，那么只用取出索引表某个范围内的索引对应的数据，而不用像上述那取出所有数据进行排序再返回某个范围内的数据。（从磁盘取数据是最影响性能的）

join

对语句匹配关系（）涉及的字段建立索引能够提高效率

索引覆盖

如果要查询的字段都建立过索引，那么引擎会直接在索引表中查询而不会访问原始数据（否则只要有一个字段没有建立索引就会做全表扫描），这叫索引覆盖。因此我们需要尽可能的在后只写必要的查询字段，以增加索引覆盖的几率。

这里值得注意的是不要想着为每个字段建立索引，因为优先使用索引的优势就在于其体积小。

语法细节（要点）

在满足索引使用的场景下（或索引覆盖），索引也不一定被使用

字段要独立出现

比如下面两条SQL语句在语义上相同，但是第一条会使用主键索引而第二条不会。

`like`查询，不能以通配符开头

比如搜索标题包含的文章：

这种SQL的执行计划用不了索引（语句匹配表达式以通配符开头），因此只能做全表扫描，效率极低，在实际工程中几乎不被采用。而一般会使用第三方提供的支持中文的全文索引来做。

但是关键字查询热搜提醒功能还是可以做的，比如键入之后提醒、、等。用到的语句是：

这种是可以利用索引的（当然前提是字段建立过索引）。

复合索引只对第一个字段有效

建立复合索引：

其原理就是将索引先按照从中提取的关键字排序，如果无法确定先后再按照从提取的关键字排序，也就是说该索引表只是按照记录的字段值有序。

因此是可以利用索引的，而无法利用索引。

那么该复合索引的应用场景是什么？组合查询

比如对于，复合索引就比对和单独建立索引要高效些。很好理解，复合索引首先二分查找与匹配的记录，再在这些记录中二分查找与匹配的记录，只涉及到一张索引表。

or，两边条件都有索引可用

一但有一边无索引可用就会导致整个SQL语句的全表扫描

状态值，不容易使用到索引

如性别、支付状态等状态值字段往往只有极少的几种取值可能，这种字段即使建立索引，也往往利用不上。这是因为，一个状态值可能匹配大量的记录，这种情况MySQL会认为利用索引比全表扫描的效率低，从而弃用索引。

索引是随机访问磁盘，而全表扫描是顺序访问磁盘，这就好比有一栋20层楼的写字楼，楼底下的索引牌上写着某个公司对应不相邻的几层楼，你去公司找人，与其按照索引牌的提示去其中一层楼没找到再下来看索引牌再上楼，不如从1楼挨个往上找到顶楼。

如何创建索引

建立基础索引：在字段上建立索引。

优化，组合索引：基于业务逻辑

如果条件经常性出现在一起，那么可以考虑将多字段索引升级为复合索引

如果通过增加个别字段的索引，就可以出现索引覆盖，那么可以考虑为该字段建立索引

查询时，不常用到的索引，应该删除掉

前缀索引

语法：，使用字段值的前10个字符建立索引，默认是使用字段的全部内容建立索引。

前提：前缀的标识度高。比如密码就适合建立前缀索引，因为密码几乎各不相同。

实操的难度：在于前缀截取的长度。

我们可以利用，通过从调整的值（从1自增）查看不同前缀长度的一个平均匹配度，接近1时就可以了（表示一个密码的前个字符几乎能确定唯一一条记录）

索引的存储结构

BTree

btree（多路平衡查找树）是一种广泛应用于磁盘上实现索引功能的一种数据结构，也是大多数数据库索引表的实现。

以为例：

BTree的一个node可以存储多个关键字，node的大小取决于计算机的文件系统，因此我们可以通过减小索引字段的长度使结点存储更多的关键字。如果node中的关键字已满，那么可以通过每个关键字之间的子节点指针来拓展索引表，但是不能破坏结构的有序性，比如按照第一有序、第二有序的规则，新添加的就可以插到之后。。

这与二叉搜索树的思想是一样的，只不过二叉搜索树的查找效率是（以2为底N的对数），而BTree的查找效率是（其中x为node的关键字数量，可以达到1000以上）。

从可以看出，少量的磁盘读取即可做到大量数据的遍历，这也是btree的设计目的。

B+Tree聚簇结构

聚簇结构（也是在BTree上升级改造的）中，关键字和记录是存放在一起的。

在MySQL中，仅仅只有的主键索引为聚簇结构，其它的索引包括的非主键索引都是典型的BTree结构。

哈希索引

在索引被载入内存时，使用哈希结构来存储。

查询缓存

缓存语句的查询结果

在配置文件中开启缓存

windows上是，linux上是

在段中配置：

0：不开启

1：开启，默认缓存所有，需要在SQL语句中增加提示来放弃缓存

2：开启，默认都不缓存，需要在SQL语句中增加来主动缓存（常用）

更改配置后需要重启以使配置生效，重启后可通过来查看：

在客户端设置缓存大小

通过配置项来设置：

将查询结果缓存

重置缓存

缓存失效问题（大问题）

当数据表改动时，基于该数据表的任何缓存都会被删除。（表层面的管理，不是记录层面的管理，因此失效率较高）

注意事项

应用程序，不应该关心的使用情况。可以尝试使用，但不能由决定业务逻辑，因为由DBA来管理。

缓存是以SQL语句为key存储的，因此即使SQL语句功能相同，但如果多了一个空格或者大小写有差异都会导致匹配不到缓存。

分区

一般情况下我们创建的表对应一组存储文件，使用存储引擎时是一个和文件，使用存储引擎时是一个和（表结构）文件。

当数据量较大时（一般千万条记录级别以上），MySQL的性能就会开始下降，这时我们就需要将数据分散到多组存储文件，保证其单个文件的执行效率。

最常见的分区方案是按分区，如下将的哈希值对10取模将数据均匀分散到10个存储文件中：

查看目录：

服务端的表分区对于客户端是透明的，客户端还是照常插入数据，但服务端会按照分区算法分散存储数据。

MySQL提供的分区算法

分区依据的字段必须是主键的一部分，分区是为了快速定位数据，因此该字段的搜索频次较高应作为强检索字段，否则依照该字段分区毫无意义

hash(field)

相同的输入得到相同的输出。输出的结果跟输入是否具有规律无关。仅适用于整型字段

key(field)

和的性质一样，只不过是处理字符串的，比多了一步从字符串中计算出一个整型在做取模操作。

range算法

是一种条件分区算法，按照数据大小范围分区（将数据使用某种条件，分散到不同的分区中）。

如下，按文章的发布时间将数据按照2018年8月、9月、10月分区存放：

注意：条件运算符只能使用less than，这以为着较小的范围要放在前面，比如上述分区的定义顺序依照数值范围从小到大，不能颠倒。

由于插入的文章的发布时间小于（），因此被存储到分区中，这种算法的存储到哪个分区取决于数据状况。

list算法

也是一种条件分区，按照列表值分区（）。

分区管理语法

range/list

增加分区

前文中我们尝试使用对文章按照月份归档，随着时间的增加，我们需要增加一个月份：

删除分区

注意：删除分区后，分区中原有的数据也会随之删除！

key/hash

新增分区

销毁分区

分区的管理不会删除数据，但是每一次调整（新增或销毁分区）都会将所有的数据重写分配到新的分区上。效率极低，最好在设计阶段就考虑好分区策略。

分区的使用

当数据表中的数据量很大时，分区带来的效率提升才会显现出来。

只有检索字段为分区字段时，分区带来的效率提升才会比较明显。因此，分区字段的选择很重要，并且业务逻辑要尽可能地根据分区字段做相应调整（尽量使用分区字段作为查询条件）。

水平分割和垂直分割

水平分割：通过建立结构相同的几张表分别存储数据

垂直分割：将经常一起使用的字段放在一个单独的表中，分割后的表记录之间是一一对应关系。

分表原因

为数据库减压

分区算法局限

数据库支持不完善（之后才支持分区操作）

id重复的解决方案

借用第三方应用如的自增器

单独建一张只包含一个字段的表，每次自增该字段作为数据记录的

集群

横向扩展：从根本上（单机的硬件处理能力有限）提升数据库性能 。由此而生的相关技术：读写分离、负载均衡

安装和配置主从复制

环境

（虚拟机）

安装和配置

解压到对外提供的服务的目录（我自己专门创建了一个来存放）

添加目录的所属组和所属者：

创建数据存放目录（其中是我创建专门用来为各种服务存放数据的目录）

初始化服务

如果成功会显示的账户的初始密码，记下来以备后续登录。如果报错缺少依赖，则使用依次安装即可

配置

将服务添加到开机自动启动

启动服务

配置环境变量，在中添加如下内容

使配置即可生效

使用登录

登录上去之后，更改账户密码（我为了方便将密码改为root），否则操作数据库会报错

设置服务可被所有远程客户端访问

这样就可以在宿主机使用远程连接虚拟机linux上的mysql了

配置主从节点

配置master

以（）上的为，宿主机（）上的为配置主从复制。（可以参考：数据库从主备到主主的高可用方案）

修改的如下

重启

登录查看配置是否生效（即为开启，默认为）：

在的数据库中建立备份账号：为用户名，表示任何远程地址，用户可以使用密码通过任何远程客户端连接

查看表可以看到我们刚创建的用户：

新建数据库，创建一个表以备后续测试

重启服务并刷新数据库状态到存储文件中（表示在此过程中，客户端只能读数据，以便获得一个一致性的快照）

查看上当前的二进制日志和偏移量（记一下其中的和）

表示实现复制功能的日志，即上图中的；则表示日志文件的偏移量之后的都会同步到中，那么在偏移量之前的则需要我们手动导入。

主服务器上面的任何修改都会保存在二进制日志Binary log里面，从服务器上面启动一个I/O thread（实际上就是一个主服务器的客户端进程），连接到主服务器上面请求读取二进制日志，然后把读取到的二进制日志写到本地的一个Realy log里面。从服务器上面开启一个SQL thread定时检查Realy log，如果发现有更改立即把更改的内容在本机上面执行一遍。

如果一主多从的话，这时主库既要负责写又要负责为几个从库提供二进制日志。此时可以稍做调整，将二进制日志只给某一从，这一从再开启二进制日志并将自己的二进制日志再发给其它从。或者是干脆这个从不记录只负责将二进制日志转发给其它从，这样架构起来性能可能要好得多，而且数据之间的延时应该也稍微要好一些

手动导入，从中导出数据

将中的内容在上执行一遍。

配置slave

修改的文件中的部分

保存修改后重启，->->->重新启动

登录检查是否以被开启：

配置与的同步复制：

启用节点并查看状态

注意查看第4、14、15三行，若与我一致，表示配置成功

测试

关闭的读取锁定

向中插入一条数据

查看是否自动同步了数据

至此，主从复制的配置成功！：)

读写分离

读写分离是依赖于主从复制，而主从复制又是为读写分离服务的。因为主从复制要求不能写只能读（如果对执行写操作，那么将会呈现，此时你需要按照前面提到的手动同步一下）。

方案一、定义两种连接

就像我们在学JDBC时定义的一样，我们可以抽取出，但是这种方式无法利用优秀的线程池技术如帮我们管理连接，也无法利用让连接对层透明。

方案二、使用Spring AOP

如果能够使用解决数据源切换的问题，那么就可以和、整合到一起了。

我们在整合和时，我们只需写DAO接口和对应的语句，那么DAO实例是由谁创建的呢？实际上就是帮我们创建的，它通过我们注入的数据源，帮我们完成从中获取数据库连接、使用连接执行 语句的过程以及最后归还连接给数据源的过程。

如果我们能在调用DAO接口时根据接口方法命名规范（增、删、改、查）动态地选择数据源（读数据源对应连接而写数据源对应连接），那么就可以做到读写分离了。（可以参考：Spring 动态切换、添加数据源实现以及源码浅析）

项目结构

引入依赖

其中，为了方便访问数据库引入了和，实现数据源动态切换主要依赖和

数据类

spring配置文件

其中是实现动态切换功能的核心类，稍后介绍。

dp.properties

mybatis-config.xml

mapper接口和配置文件

ArticleMapper.xml

核心类RoutingDataSourceImpl

它的主要功能是，本来我们只配置一个数据源，因此动态代理DAO接口时直接使用该数据源，现在我们有了读、写两个数据源，我们需要加入一些自己的逻辑来告诉调用哪个接口使用哪个数据源（读数据的接口使用，写数据的接口使用。

这个告诉该使用哪个数据源的类就是，必须重写的方法返回数据源的标识，结合配置文件（下段代码的5，6两行）

如果返回那么使用，如果返回就使用。

DataSourceHandler

DataSourceAspect

测试读写分离

如何测试读是从中读的呢？可以将写后复制到中的数据更改，再读该数据就知道是从中读了。注意，一但对做了写操作就要重新手动将与同步一下，否则主从复制就会失效。

负载均衡

负载均衡算法

轮询

加权轮询：按照处理能力来加权

负载分配：依据当前的空闲状态（但是测试每个节点的内存使用率、CPU利用率等，再做比较选出最闲的那个，效率太低）

高可用

在服务器架构时，为了保证服务器7x24不宕机在线状态，需要为每台单点服务器（由一台服务器提供服务的服务器，如写服务器、数据库中间件）提供冗余机。（推荐：mysql+mycat搭建稳定高可用集群）

对于写服务器来说，需要提供一台同样的写-冗余服务器，当写服务器健康时（写-冗余通过心跳检测），写-冗余作为一个从机的角色复制写服务器的内容与其做一个同步；当写服务器宕机时，写-冗余服务器便顶上来作为写服务器继续提供服务。对外界来说这个处理过程是透明的，即外界仅通过一个IP访问服务。

典型SQL

线上DDL

DDL(Database Definition Language)是指数据库表结构的定义（）和维护（）的语言。在线上执行DDL，在低于版本时会导致全表被独占锁定，此时表处于维护、不可操作状态，这会导致该期间对该表的所有访问无法响应。但是在之后，支持，大大缩短了锁定时间。

优化技巧是采用的维护表结构的DDL（比如增加一列，或者增加一个索引），是copy策略。思路：创建一个满足新结构的新表，将旧表数据逐条导入（复制）到新表中，以保证一次性锁定的内容少（锁定的是正在导入的数据），同时旧表上可以执行其他任务。导入的过程中，将对旧表的所有操作以日志的形式记录下来，导入完毕后，将更新日志在新表上再执行一遍（确保一致性）。最后，新表替换旧表（在应用程序中完成，或者是数据库的rename，视图完成）。

但随着MySQL的升级，这个问题几乎淡化了。

数据库导入语句

在恢复数据时，可能会导入大量的数据。此时为了快速导入，需要掌握一些技巧：

1.导入时先禁用索引和约束：

待数据导入完成之后，再开启索引和约束，一次性创建索引

2.数据库如果使用的引擎是，那么它默认会给每条写指令加上事务（这也会消耗一定的时间），因此建议先手动开启事务，再执行一定量的批量导入，最后手动提交事务。

3.如果批量导入的SQL指令格式相同只是数据不同，那么你应该先预编译一下，这样也能节省很多重复编译的时间。

limit offset,rows

尽量保证不要出现大的，比如相当于对已查询出来的行数弃掉前行后再取行，完全可以加一些条件过滤一下（完成筛选），而不应该使用跳过已查询到的数据。这是一个做无用功的问题。对应实际工程中，要避免出现大页码的情况，尽量引导用户做条件过滤。

select * 要少用

即尽量选择自己需要的字段，但这个影响不是很大，因为网络传输多了几十上百字节也没多少延时，并且现在流行的ORM框架都是用的，只是我们在设计表的时候注意将大数据量的字段分离，比如商品详情可以单独抽离出一张商品详情表，这样在查看商品简略页面时的加载速度就不会有影响了。

order by rand()不要用

它的逻辑就是随机排序（为每条数据生成一个随机数，然后根据随机数大小进行排序）。如的执行效率就很低，因为它为表中的每条数据都生成随机数并进行排序，而我们只要前5条。

解决思路：在应用程序中，将随机的主键生成好，去数据库中利用主键检索。

单表和多表查询

多表查询：、子查询都是涉及到多表的查询。如果你使用分析执行计划你会发现多表查询也是一个表一个表的处理，最后合并结果。因此可以说单表查询将计算压力放在了应用程序上，而多表查询将计算压力放在了数据库上。

现在有ORM框架帮我们解决了单表查询带来的对象映射问题（查询单表时，如果发现有外键自动再去查询关联表，是一个表一个表查的）。

count(*)

在存储引擎中，会自动记录表的行数，因此使用能够快速返回。而内部没有这样一个计数器，需要我们手动统计记录数量，解决思路就是单独使用一张表：

limit 1

如果可以确定仅仅检索一条，建议加上，其实ORM框架帮我们做到了这一点（查询单条的操作都会自动加上）。

慢查询日志

用于记录执行时间超过某个临界值的SQL日志，用于快速定位慢查询，为我们的优化做参考。

开启慢查询日志

配置项：

可以使用查看是否开启，如果状态值为，可以使用来开启，它会在下产生一个的文件。

设置临界时间

配置项：

查看：，单位秒

设置：

实操时应该从长时间设置到短的时间，即将最慢的SQL优化掉

查看日志

一旦SQL超过了我们设置的临界时间就会被记录到中

profile信息

配置项：

开启profile

开启后，所有的SQL执行的详细信息都会被自动记录下来

查看profile信息

通过Query_ID查看某条SQL所有详细步骤的时间

上面的结果中，每个SQL有一个，可以通过它查看执行该SQL经过了哪些步骤，各消耗了多场时间

典型的服务器配置

以下的配置全都取决于实际的运行环境

，最大客户端连接数

，表文件句柄缓存（表数据是存储在磁盘上的，缓存磁盘文件的句柄方便打开文件读取数据）

，索引缓存大小（将从磁盘上读取的索引缓存到内存，可以设置大一些，有利于快速检索）

，存储引擎缓存池大小（对于来说最重要的一个配置，如果所有的表用的都是，那么甚至建议将该值设置到物理内存的80%，的很多性能提升如索引都是依靠这个）

（中，表数据存放在文件中，如果将该配置项设置为，那么一个表对应一个文件，否则所有共享表空间）

压测工具mysqlslap

安装MySQL时附带了一个压力测试工具（位于目录下）

自动生成sql测试

并发测试

多轮测试

存储引擎测试

-END-

看完本文有收获？请转发分享给更多人

关注「java程序媛之家」，提升Java技能