修改表的存储引擎
先创建新表，用新的引擎，再把数据导入
服务器分类
- SMP(Symmetric Multi-Processor)，对称单节点多核
- MPP(Massive Parallel Processing)，多节点多核
RAID
Redundant Array of Independent Disks（独立磁盘冗余阵列），简称磁盘阵列
####连接mysql mysql -hlocalhost -uroot -p ####查看表信息 show table status like 'user'
####服务器运行状态 show global status ####查看有哪些线程在运行 show full processlist show processlistG，(垂直方式输出) ####基准测试套件 Mysql基准测试套件(Benchmark Suite)是基于Perl开发的，在安装目录下的sql-bench子目录中 ####慢查询日志是否开启 SHOW VARIABLES LIKE 'slow_query_log'; ####慢查询日志存放位置 SHOW VARIABLES LIKE 'slow_query_log_file';
####尽量避免NULL 可为NULL的列使得索引，索引统计和值比较都更复杂。要建索引的列避免NULL ####timestamp和datetime + timestamp包含不同时区的时间，空间效率更高 + datetime保存更大范围，1001到9999年
范式和反范式
- 范式的表更小，很少有多余的数据，更少需要distinct和group by
- 缺点是经常需要关联查询
- 反范式所有数据都在一张表中，可以避免关联查询
- 缺点是查询最差情况要全表扫描
加快alter table操作的速度
- 先再1台不提供服务的机器上alter，然后和提供服务的主库切换
- 建一张新表，导完数据再重命名替换
####B-Tree索引 适用于全键值，键值范围，键前缀。如果查询中有某个列的范围查询，则其右边的列都无法使用索引 ####哈希索引（Memory引擎） 对每行数据的索引列计算一个hash code，将所有的哈希码存储在索引中，同时在哈希表中保存指向每行数据的指针。 #####创建自定义的哈希索引 key很长的时候比如url，where查询条件包括url常量值和经过哈希函数处理后的key，可以使用触发器在insert和update时维护哈希值。不包含常量值会引起哈希冲突 ####空间数据索引（R-Tree） MyISAM支持空间索引，地理数据存储 ####聚簇索引 聚集索引将索引和数据保存在同一个b-tree中 ####数据文件的结构 在data目录中，.MYD是数据文件，.MYI是索引文件，.frm是结构文件 ####explain 使用explain加查询语句，可以查看是否用上索引，有没有做全表扫描等 ```bash mysql> explain select * from user; +----+-------------+-------+------+---------------+------+---------+------+------+-------+ | id | select_type | table | type | possible_keys | key | key_len | ref | rows | Extra | +----+-------------+-------+------+---------------+------+---------+------+------+-------+ | 1 | SIMPLE | user | ALL | NULL | NULL | NULL | NULL | 4 | | +----+-------------+-------+------+---------------+------+---------+------+------+-------+ 1 row in set (0.01 sec) ``` ####optimize 删除大量数据后，容易产生碎片，会使数据文件大小不变(MYD和MYI大小没变)，影响插入。optimize可以清除碎片，把分散存储的数据和索引重新挪到一起，操作时会加锁 ####使用索引原则 + 尽可能将要做范围查询的列放到索引后面，以便优化器能用尽可能多的索引列。查询只能使用索引的最左前缀，知道遇到第一个范围条件列 + 可以的条件下，可以把范围查询替换成in(1,2,3)的等值查询
####分而治之 比如删除数据的时候，一次删除大量数据，可能一次锁住很多数据，阻塞其他查询。可以定时任务每个月删除数据，再每次到达一定行后删除，避免一次性删除大量数据。 ####关联查询using select * from a join b on a.id=b.id,可以简写为 select * from a join b using(id) ####分区表 通过分区函数来过滤一些分区 ####存储过程 存储过程速度更快，因为无需网路通信开销，解析开销和优化器开销