分享几个简单MySQL优化小妙招-木庄网络博客

本文整理自网络，侵删。

SQL语句执行顺序

设置大小写不敏感

查看大小写是否敏感：show variables like '%lower_case_table_names%'; windows 系统默认大小写不敏感，但是 linux 系统是大小写敏感的。
设置大小写不敏感：在 my.cnf 这个配置文件 [mysqld] 中加入 lower_case_table_names = 1 ，然后重启服务器。

属性设置	描述
0	大小写敏感
1	大小写不敏感。创建的表，数据库都是以小写形式存放在磁盘上，对于 sql 语句都是转换为小写对表和 DB 进行查找
2	创建的表和 DB 依据语句上格式存放，凡是查找都是转换为小写进行

注意：在设置属性为大小写不敏感前就需要将原来的数据库和表转换为小写，否则会找不到数据库名。 ?

MySql 的用户和权限管理

用户管理： ?

-- 创建用户
create user ahzoo identified by '123456';?

-- 查看用户和权限的相关信息
select host,user,password,select_priv,insert_priv,drop_priv from mysql.user

-- 修改当前用户密码
set password =password('1234');

-- 修改其他用户密码
update mysql.user set password=password('123456') where user='ouo';
-- 所有通过user表的操作，都必须使用下面命令才能生效
flush privileges;

-- 修改用户名
update mysql.user set user='ahzoo' where user='ouo';
flush privileges;

-- 删除用户
drop user ouo;
-- 注意：删除用户时，不建议使用下面命令进行删除，因为系统会有残留信息保留
delete from user where user='ouo'?
flush privileges;

权限管理: ?

授予权限

grant 权限 1,权限 2,…权限 n on 数据库名称.表名称 to 用户名@用户地址 identified by '密码';

-- 授予数据库下所有表，所有权限
grant all privileges on testDB.* to ahzoo@localhost identified by '123456';
-- 授予所有库、表增删改查权限
grant select,insert,delete,drop on *.* to ahzoo@localhost identified by '123456';
-- 对网络用户授权；@'%' 表示对非本地主机用户授权，不包括localhost
grant all privileges on *.* to ouo@'%' identified by '123456'


-- 查看权限
show grants;

取消权限

revoke [权限 1,权限 2,…权限 n] on 库名.表名 from 用户名@用户地址;

revoke all privileges on testDB.* from ahzoo@localhost;

索引优化

在数据之外，数据库系统还维护着满足特定查找算法的数据结构，这些数据结构以某种方式引用（指向）数据，这样就可以在这些数据结构上实现高级查找算法。这种数据结构，就是索引。

下图就是一种可能的索引方式示例：

左边是数据表，一共有两列七条记录，最左边的是数据记录的物理地址。为了加快 Col2 的查找，可以维护一个右边所示的二叉查找树，每个节点分别包含索引键值和一个指向对应数据记录物理地址的指针，这样就可以运用二叉查找在一定的复杂度内获取到相应数据，从而快速的检索出符合条件的记录。一般来说索引本身也很大，不可能全部存储在内存中，因此索引往往以索引文件的形式存储的磁盘上。

索引优势： ?

提高数据检索的效率，降低数据库的IO成本。
通过索引列对数据进行排序，降低数据排序的成本，降低了CPU的消耗。

索引劣势： ?

虽然索引大大提高了查询速度，同时却会降低更新表的速度，如对表进行INSERT、UPDATE和DELETE。因为更新表时，MySQL不仅要保存数据，还要保存一下索引文件每次更新添加了索引列的字段，都会调整因为更新所带来的键值变化后的索引信息。
实际上索引也是一张表，该表保存了主键与索引字段，并指向实体表的记录，所以索引列也是要占用空间的。

MySQL 索引

Btree

MySQL 使用的是 Btree 索引： ?

一颗 b 树，浅蓝色的块我们称之为一个磁盘块，可以看到每个磁盘块包含几个数据项（深蓝色所示）和指针（黄色所示)，如磁盘块 1 包含数据项 17 和 35，包含指针 P1、P2、P3，P1 表示小于 17 的磁盘块，P2 表示在 17 和 35 之间的磁盘块，P3 表示大于 35 的磁盘块。

真实的数据存在于叶子节点即 3、5、9、10、13、15、28、29、36、60、75、79、90、99。

非叶子节点只不存储真实的数据，只存储指引搜索方向的数据项，如 17、35 并不真实存在于数据表中。

查找过程： ?

如果要查找数据项 29，那么首先会把磁盘块 1 由磁盘加载到内存，此时发生一次 IO，在内存中用二分查找确定 29在 17 和 35 之间，锁定磁盘块 1 的 P2 指针，内存时间因为非常短（相比磁盘的 IO）可以忽略不计，通过磁盘块 1的 P2 指针的磁盘地址把磁盘块 3 由磁盘加载到内存，发生第二次 IO，29 在 26 和 30 之间，锁定磁盘块 3 的 P2 指针，通过指针加载磁盘块 8 到内存，发生第三次 IO，同时内存中做二分查找找到 29，结束查询，总计三次 IO。

真实的情况是，3 层的 b+树可以表示上百万的数据，如果上百万的数据查找只需要三次 IO，性能提高将是巨大的，如果没有索引，每个数据项都要发生一次 IO，那么总共需要百万次的 IO，显然成本非常非常高。

?B+tree

B+Tree 与 B-Tree 的区别： ?

1、B-树的关键字和记录是放在一起的，叶子节点可以看作外部节点，不包含任何信息；B+树的非叶子节点中只有关键字和指向下一个节点的索引，记录只放在叶子节点中。

2、在 B-树中，越靠近根节点的记录查找时间越快，只要找到关键字即可确定记录的存在；而 B+树中每个记录的查找时间基本是一样的，都需要从根节点走到叶子节点，而且在叶子节点中还要再比较关键字。从这个角度看 B- 树的性能好像要比 B+树好，而在实际应用中却是 B+树的性能要好些。因为 B+树的非叶子节点不存放实际的数据，这样每个节点可容纳的元素个数比 B-树多，树高比 B-树小，这样带来的好处是减少磁盘访问次数。尽管 B+树找到一个记录所需的比较次数要比 B-树多，但是一次磁盘访问的时间相当于成百上千次内存比较的时间，因此实际中B+树的性能可能还会好些，而且 B+树的叶子节点使用指针连接在一起，方便顺序遍历（例如查看一个目录下的所有文件，一个表中的所有记录等），这也是很多数据库和文件系统使用 B+树的缘故。

为什么 B+树比 B-树更适合实际应用中操作系统的文件索引和数据库索引： ?

B+树的磁盘读写代价更低

B+树的内部结点并没有指向关键字具体信息的指针。因此其内部结点相对 B 树更小。如果把所有同一内部结点的关键字存放在同一盘块中，那么盘块所能容纳的关键字数量也越多。一次性读入内存中的需要查找的关键字也就越多。相对来说 IO 读写次数也就降低了。

B+树的查询效率更加稳定

由于非终结点并不是最终指向文件内容的结点，而只是叶子结点中关键字的索引。所以任何关键字的查找必须走一条从根结点到叶子结点的路。所有关键字查询的路径长度相同，导致每一个数据的查询效率相当。