MySQL千万级数据的表如何优化

 MySQL为了提升性能，会将表的索引装载到内存中。但是当表的数据到达一定的量的时候，会导致内存无法存储这些索引，无法存储索引，就只能进行磁盘IO，从而导致性能下降。

实战调优

我这里有张表，数据有1000w，目前只有一个主键索引

复制

CREATE TABLE `user` ( 
  `id` int(10) NOT NULL AUTO_INCREMENT, 
  `uname` varchar(20) DEFAULT NULL COMMENT '账号', 
  `pwd` varchar(20) DEFAULT NULL COMMENT '密码', 
  `addr` varchar(80) DEFAULT NULL COMMENT '地址', 
  `tel` varchar(20) DEFAULT NULL COMMENT '电话', 
  `regtime` char(30) DEFAULT NULL COMMENT '注册时间', 
  `age` int(11) DEFAULT NULL COMMENT '年龄', 
  PRIMARY KEY (`id`) 
) ENGINE=InnoDB AUTO_INCREMENT=10000003 DEFAULT CHARSET=utf8; 

查询所有大概16s。可谓是相当慢了。通常我们一个后台系统，比如这个是一个电商平台，这个是用户表。后台管理系统，一般会查询这些用户信息，做一些操作，比如后台直接新增用户啊，或者删除用户啊这些操作。

所以这里就诞生了两个需求，一个是查询count，一个是分页查询

我们分别来测试一下count用的时间和分页查询所用的时间

复制

select * from user limit 1, 10   //几乎不用时 
select * from user limit 1000000, 10  //0.35s 
select * from user limit 5000000, 10  //1.7s 
select * from user limit 9000000, 10  //2.8s 
select count(1) from user  //1.7s 

从上面查询所用时间可以看出来，如果是分页查询的话，查询的数据越往后用时是越长的，查询count也需要1.7s。这显然是不符合我们的要求的。所以，这里我们就需要优化。首先我们在这里进行索引优化试试

首先看一下这是只有主键索引的执行计划：

复制

alter table `user` add INDEX `sindex` (`uname`,`pwd`,`addr`,`tel`,`regtime`,`age`) 

看上面的执行计划，虽然type是从all->index,走了sindex索引，但是实际上查询速度并没有发生改变。

其实，创建联合索引，是为了有条件查询的时候速度更快，而不是全表查询

复制

select * from user where uname='6.445329111484186' //3.5s(无联合索引) 
select * from user where uname='6.445329111484186' //0.003s(有联合索引) 

所以这就是有联合索引和无索引的差距

这里基本上可以证明，加了索引和不加索引，进行全表查询的时候，效率就是会很慢

既然索引这个结果已经不好使了，那就只能找其他方案了。根据我之前mysql面试里面讲的，count我们可以单独存储到一个表里面

复制

CREATE TABLE `attribute` ( 
  `id` int(11) NOT NULL, 
  `formname` varchar(50) COLLATE utf8_bin NOT NULL COMMENT '表名', 
  `formcount` int(11) NOT NULL COMMENT '表总数据', 
  PRIMARY KEY (`id`) 
) ENGINE=InnoDB DEFAULT CHARSET=utf8 COLLATE=utf8_bin; 

这里说一下，这种表一般不会查所有，只会查询一条，所以建表的时候，可以建成hash

复制

select formcount from attribute where formname='user' //几乎不用时 

count就进行优化完了。如果上面有选择条件的话，就可以建立索引，通过走索引筛选的形式来查询，这样就可以不用读这个count了。

那么，count是没问题了，分页查询优化要如何优化呢?这里可以使用子查询来优化

复制

select * from user where 
id>=(select id from user limit 9000000,1) limit 10 //1.7s

其实子查询这种写法，判断id，其实就是通过覆盖索引来查询。效率会大大增加。不过我这里测试是1.7s，以前在公司优化这方面的时候，比这个查询时间要低，大家也可以自己生成数据自己测试

但是如果说数据量太大了，我还是建议走es或者进行一些默认选择，count可以单独列出来

至此，一个千万级的数据分页查询的优化就完成了。