mysql：索引原理与慢查询优化

发布时间：2020-12-12 00:02:59 所属栏目：MySql教程来源：网络整理

导读：h1 class="js-evernote-checked" data-evernote-id="789"strong class="js-evernote-checked" data-evernote-id="926"一索引的原理、，因为局部预读性原理告诉我们，当计算机访问一个地址的数据的时候，与其相邻的数据也会很快被访问到。每一次IO读取的数

<h1 class="js-evernote-checked" data-evernote-id="789">一索引的原理

、<、between、in)、模糊查询(like)、并集查询(or)等等。数据库应该选择怎么样的方式来应对所有的问题呢？我们回想字典的例子，能不能把数据分成段，然后分段查询呢？最简单的如果1000条数据，1到100分成第一段，101到200分成第二段，201到300分成第三段......这样查第250条数据，只要找第三段就可以了，一下子去除了90%的无效数据。但如果是1千万的记录呢，分成几段比较好？稍有算法基础的同学会想到搜索树，其平均复杂度是lgN，具有不错的查询性能。但这里我们忽略了一个关键的问题，复杂度模型是基于每次相同的操作成本来考虑的。而数据库实现比较复杂，一方面数据是保存在磁盘上的，另外一方面为了提高性能，每次又可以把部分数据读入内存来计算，因为我们知道访问磁盘的成本大概是访问内存的十万倍左右，所以简单的搜索树难以满足复杂的应用场景。

，因为局部预读性原理告诉我们，当计算机访问一个地址的数据的时候，与其相邻的数据也会很快被访问到。每一次IO读取的数据我们称之为一页(page)。具体一页有多大数据跟操作系统有关，一般为4k或8k，也就是我们读取一页内的数据时候，实际上才发生了一次IO，这个理论对于索引的数据结构设计非常有帮助。

前面讲了索引的基本原理，数据库的复杂性，又讲了操作系统的相关知识，目的就是让大家了解，任何一种数据结构都不是凭空产生的，一定会有它的背景和使用场景，我们现在总结一下，我们需要这种数据结构能够做些什么，其实很简单，那就是：每次查找数据时把磁盘IO次数控制在一个很小的数量级，最好是常数数量级。那么我们就想到如果一个高度可控的多路搜索树是否能满足需求呢？就这样，b+树应运而生。

如上图，是一颗b+树，关于b+树的定义可以参见B+树，这里只说一些重点，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。

###b+树的查找过程
如图所示，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+树性质
1.索引字段要尽量的小：通过上面的分析，我们知道IO次数取决于b+数的高度h，假设当前数据表的数据为N，每个磁盘块的数据项的数量是m，则有h=㏒(m+1)N，当数据量N一定的情况下，m越大，h越小；而m = 磁盘块的大小 / 数据项的大小，磁盘块的大小也就是一个数据页的大小，是固定的，如果数据项占的空间越小，数据项的数量越多，树的高度越低。这就是为什么每个数据项，即索引字段要尽量的小，比如int占4字节，要比bigint8字节少一半。这也是为什么b+树要求把真实的数据放到叶子节点而不是内层节点，一旦放到内层节点，磁盘块的数据项会大幅度下降，导致树增高。当数据项等于1时将会退化成线性表。
2.索引的最左匹配特性：当b+树的数据项是复合的数据结构，比如(name,age,sex)的时候，b+数是按照从左到右的顺序来建立搜索树的，比如当(张三,20,F)这样的数据来检索的时候，b+树会优先比较name来确定下一步的所搜方向，如果name相同再依次比较age和sex，最后得到检索的数据；但当(20,F)这样的没有name的数据来的时候，b+树就不知道下一步该查哪个节点，因为建立搜索树的时候name就是第一个比较因子，必须要先根据name来搜索才能知道下一步去哪里查询。比如当(张三,F)这样的数据来检索时，b+树可以用name来指定搜索方向，但下一个字段age的缺失，所以只能把名字等于张三的数据都找到，然后再匹配性别是F的数据了，这个是非常重要的性质，即索引的最左匹配特性。



<h1 class="js-evernote-checked" data-evernote-id="791">三 MySQL索引管理

唯一索引：
-主键索引primary key：加速查找+约束（不为空、不能重复）
-唯一索引unique:加速查找+约束（不能重复）

联合索引（组合索引）：
-primary key(id,name):联合主键索引
-unique(id,name):联合唯一索引
-index(id,name):联合普通索引

这个系统有一个会员表
有下列字段：
会员编号 int
会员姓名 varchar(10)
会员身份证号码 varchar(18)
会员电话 varchar(10)
会员住址 varchar(50)
会员备注信息 text

那么这个会员编号，作为主键，使用 primary
会员姓名如果要建索引的话，那么就是普通的 index
会员身份证号码如果要建索引的话，那么可以选择 unique （唯一的，不允许重复）

#除此之外还有全文索引，即FULLTEXT
会员备注信息，如果需要建索引的话，可以选择全文搜索。
用于搜索很长一篇文章的时候，效果最好。
用在比较短的文本，如果就一两行字的，普通的 index 也可以。
但其实对于全文搜索，我们并不会使用MySQL自带的该索引，而是会选择第三方软件如Sphinx，专门来做全文搜索。

#其他的如空间索引SPATIAL，了解即可，几乎不用

+#不同的存储引擎支持的索引类型也不一样
InnoDB 支持事务，支持行级别锁定，支持 B-tree、Full-text 等索引，不支持 Hash 索引；
MyISAM 不支持事务，支持表级别锁定，支持 B-tree、Full-text 等索引，不支持 Hash 索引；
Memory 不支持事务，支持表级别锁定，支持 B-tree、Hash 等索引，不支持 Full-text 索引；
NDB 支持事务，支持行级别锁定，支持 Hash 索引，不支持 B-tree、Full-text 等索引；
Archive 不支持事务，支持表级别锁定，不支持 B-tree、Hash、Full-text 等索引；

1#方法一：创建表时
- 在创建表时就创建
　　create table 表名 (
字段名1 数据类型 [完整性约束条件…],字段名2 数据类型 [完整性约束条件…],[unique | fulltext | spatial ] index | key
[索引名] (字段名[(长度)] [asc |desc])
);
#例：
 create table s1(
id int,name char(6),age int,email varchar(30),index(id) #不是约束条件，故不能直接跟在字段后面
 );

#方法二：CREATE在已存在的表上创建索引
create [unique | fulltext | spatial ] index 索引名
on 表名 (字段名[(长度)] [asc |desc]) ;

#例 - 在创建表后创建
create index name on s1(name);#添加普通索引
create unique index age on s1(age);#添加唯一索引
create index name on s1(id,name);#添加联合普通索引

#方法三：ALTER TABLE在已存在的表上创建索引
alter table 表名 add [unique | fulltext | spatial ] index
索引名 (字段名[(长度)] [asc |desc]) ;
#例：
alter table s1 add primary key(id);#添加主键索引

2 删除索引
# 删除索引：DROP INDEX 索引名 ON 表名字;

例：

drop index id on s1;
drop index name on s1;
alter table s1 drop primary key; # 删除主键索引

<h1 class="js-evernote-checked" data-evernote-id="792">四测试索引

20650#2. 创建存储过程，实现批量插入记录
delimiter $$ #声明存储过程的结束符号为$$
create procedure auto_insert1()
BEGIN
declare i int default 1;
while(i<300000)do #插入比较慢，耗时比较长
insert into s1 values(i,concat('egon',i),'male',i,'@oldboy'));
set i=i+1;
end while;
END$$ #$$结束
delimiter ; #重新声明分号为结束符号

#3. 查看存储过程
show create procedure auto_insert1G

#4. 调用存储过程
call auto_insert1();

mysql> select * s1 where id=333+------+---------+--------+----------------+ | id | name | gender | email | +------+---------+--------+----------------+ | 333 | egon333 | male | egon333@oldboy | +------+---------+--------+----------------+ 1 row set (0.17mysql> select * from s1 where email='egon333@oldboy';
+------+---------+--------+----------------+
| id | name | gender | email |
+------+---------+--------+----------------+
| 333 | egon333 | male | egon333@oldboy |
+------+---------+--------+----------------+
1 row in set (0.15 sec)

#2. 在表中已经有大量数据的情况下，建索引会很慢，且占用硬盘空间，插入删除更新都很慢，只有查询快
比如create index idx on s1(id);会扫描表中所有的数据，然后以id为数据项，创建索引结构，存放于硬盘的表中。
建完以后，再查询就会很快了

#3. 需要注意的是：innodb表的索引会存放于s1.ibd文件中，而myisam表的索引则会有单独的索引文件table1.MYI

<h1 class="js-evernote-checked" data-evernote-id="793">五正确使用索引

mysql> select count(*) s1 where id=1000+----------+ | count(*) | +----------+ | 1 | +----------+ 1 row set (0.00mysql> select count() from s1 where id>1000;
+----------+
| count() |
+----------+
| 298999 |
+----------+
1 row in set (0.11 sec)

mysql> select count() from s1 where id>1000 and id < 2000;
+----------+
| count() |
+----------+
| 999 |
+----------+
1 row in set (0.00 sec)

mysql> select count() from s1 where id>1000 and id < 300000;
+----------+
| count() |
+----------+
| 298999 |
+----------+
1 row in set (0.13 sec)

-//blog.itpub.net/22664653/viewspace-774667/
#分析
select from s1 where id=123;
该sql命中了索引，但未覆盖索引。
利用id=123到索引的数据结构中定位到该id在硬盘中的位置，或者说再数据表中的位置。
但是我们select的字段为，除了id以外还需要其他字段，这就意味着，我们通过索引结构取到id还不够，还需要利用该id再去找到该id所在行的其他字段值，这是需要时间的，很明显，如果我们只select id，就减去了这份苦恼，如下
select id from s1 where id=123;
这条就是覆盖索引了，命中索引，且从索引的数据结构直接就取到了id在硬盘的地址，速度很快

<div class="cnblogs_code">

#分析：
组合索引能做到的事情，我们都可以用索引合并去解决，比如
create index ne on s1(name,email);#组合索引
我们完全可以单独为name和email创建索引

组合索引可以命中：
select from s1 where name='egon' ;
select from s1 where name='egon' and email='adf';

索引合并可以命中：
select from s1 where name='egon' ;
select from s1 where email='adf';
select * from s1 where name='egon' and email='adf';

乍一看好像索引合并更好了：可以命中更多的情况，但其实要分情况去看，如果是name='egon' and email='adf',那么组合索引的效率要高于索引合并，如果是单条件查，那么还是用索引合并比较合理

-* s1 where name=; select * s1 where name= email=; select * s1 where email=; mysql会一直向右匹配直到遇到范围查询(>、<、between、like)就停止匹配，比如a = 1 b = 2 c > 3 d = 4#2.=和in可以乱序，比如a = 1 and b = 2 and c = 3 建立(a,c)索引可以任意顺序，mysql的查询优化器会帮你优化成索引可以识别的形式

#3.尽量选择区分度高的列作为索引,区分度的公式是count(distinct col)/count(*)，表示字段不重复的比例，比例越大我们扫描的记录数越少，唯一键的区分度是1，而一些状态、性别字段可能在大数据面前区分度就是0，那可能有人会问，这个比例有什么经验值吗？使用场景不同，这个值也很难确定，一般需要join的字段我们都要求是0.1以上，即平均1条扫描10条记录

#4.索引列不能参与计算，保持列“干净”，比如from_unixtime(create_time) = ’2014-05-29’就不能使用到索引，原因很简单，b+树中存的都是数据表中的字段值，但进行检索时，需要把所有元素都应用函数才能比较，显然成本太大。所以语句应该写成create_time = unix_timestamp(’2014-05-29’);

#5.尽量的扩展索引，不要新建索引。比如表中已经有a的索引，现在要加(a,b)的索引，那么只需要修改原来的索引即可

<div class="cnblogs_code" onclick="cnblogs_code_show('fed8dbea-9c3e-4455-8be2-bc1eac3694bf')">

<div id="cnblogs_code_open_fed8dbea-9c3e-4455-8be2-bc1eac3694bf" class="cnblogs_code_hide">

1> select count(*) s1 where id=1000+----------+ | count(*) | +----------+ | 1 | +----------+ 1 row set (0.12mysql> select count() from s1 where id>1000;
+----------+
| count() |
+----------+
| 298999 |
+----------+
1 row in set (0.12 sec)

mysql> create index a on s1(id)
-> ;
Query OK,0 rows affected (3.21 sec)
Records: 0 Duplicates: 0 Warnings: 0

mysql> select count() from s1 where id=1000;
+----------+
| count() |
+----------+
| 1 |
+----------+
1 row in set (0.00 sec)

mysql> select count() from s1 where id>1000;
+----------+
| count() |
+----------+
| 298999 |
+----------+
1 row in set (0.12 sec)

mysql> select count() from s1 where id>1000 and id < 2000;
+----------+
| count() |
+----------+
| 999 |
+----------+
1 row in set (0.00 sec)

mysql> select count() from s1 where id>1000 and id < 300000;
+----------+
| count() |
+----------+
| 298999 |
+----------+
1 row in set (0.13 sec)

3 区分度低的字段不能加索引
mysql> select count() from s1 where name='xxx';
+----------+
| count() |
+----------+
| 0 |
+----------+
1 row in set (0.00 sec)

mysql> select count() from s1 where name='egon';
+----------+
| count() |
+----------+
| 299999 |
+----------+
1 row in set (0.19 sec)

mysql> select count() from s1 where name='egon' and age=123123123123123;
+----------+
| count() |
+----------+
| 0 |
+----------+
1 row in set (0.45 sec)

mysql> create index c on s1(age);
Query OK,0 rows affected (3.03 sec)
Records: 0 Duplicates: 0 Warnings: 0

mysql> select count() from s1 where name='egon' and age=123123123123123;
+----------+
| count() |
+----------+
| 0 |
+----------+
1 row in set (0.00 sec)

mysql> select count() from s1 where name='egon' and age=10;
+----------+
| count() |
+----------+
| 299999 |
+----------+
1 row in set (0.35 sec)

mysql> select count() from s1 where name='egon' and age=10 and id>3000 and id < 4000;
+----------+
| count() |
+----------+
| 999 |
+----------+
1 row in set (0.00 sec)

mysql> select count() from s1 where name='egon' and age=10 and id>3000 and email='xxxx';
+----------+
| count() |
+----------+
| 0 |
+----------+
1 row in set (0.47 sec)

mysql> create index d on s1(email);
Query OK,0 rows affected (4.83 sec)
Records: 0 Duplicates: 0 Warnings: 0

mysql> select count() from s1 where name='egon' and age=10 and id>3000 and email='xxxx';
+----------+
| count() |
+----------+
| 0 |
+----------+
1 row in set (0.00 sec)

mysql> drop index a on s1;
Query OK,0 rows affected (0.10 sec)
Records: 0 Duplicates: 0 Warnings: 0

mysql> drop index b on s1;
Query OK,0 rows affected (0.09 sec)
Records: 0 Duplicates: 0 Warnings: 0

mysql> drop index c on s1;
Query OK,0 rows affected (0.09 sec)
Records: 0 Duplicates: 0 Warnings: 0

mysql> desc s1;
+-------+-------------+------+-----+---------+-------+
| Field | Type | Null | Key | Default | Extra |
+-------+-------------+------+-----+---------+-------+
| id | int(11) | NO | | NULL | |
| name | char(20) | YES | | NULL | |
| age | int(11) | YES | | NULL | |
| email | varchar(30) | YES | MUL | NULL | |
+-------+-------------+------+-----+---------+-------+
4 rows in set (0.00 sec)

mysql> select count() from s1 where name='egon' and age=10 and id>3000 and email='xxxx';
+----------+
| count() |
+----------+
| 0 |
+----------+
1 row in set (0.00 sec)

5 增加联合索引，关于范围查询的字段要放到后面
select count(*) from s1 where name='egon' and age=10 and id>3000 and email='xxxx';
index(name,id)

select count(*) from s1 where name='egon' and age> 10 and id=3000 and email='xxxx';
index(name,id,age)

select count(*) from s1 where name like 'egon' and age= 10 and id=3000 and email='xxxx';
index(email,name)

mysql> desc s1;
+-------+-------------+------+-----+---------+-------+
| Field | Type | Null | Key | Default | Extra |
+-------+-------------+------+-----+---------+-------+
| id | int(11) | NO | | NULL | |
| name | char(20) | YES | | NULL | |
| age | int(11) | YES | | NULL | |
| email | varchar(30) | YES | | NULL | |
+-------+-------------+------+-----+---------+-------+
4 rows in set (0.00 sec)

mysql> create index xxx on s1(age,name,id);
Query OK,0 rows affected (6.89 sec)
Records: 0 Duplicates: 0 Warnings: 0

mysql> select count() from s1 where name='egon' and age=10 and id>3000 and email='xxxx';
+----------+
| count() |
+----------+
| 0 |
+----------+
1 row in set (0.00 sec)

6. 最左前缀匹配：必须按照从左到右的顺序匹配
index(id,name)
#条件中一定要出现id
id
id age
id email
id name

email #不行
mysql> select count() from s1 where id=3000;
+----------+
| count() |
+----------+
| 1 |
+----------+
1 row in set (0.11 sec)

mysql> create index xxx on s1(id,email);
Query OK,0 rows affected (6.44 sec)
Records: 0 Duplicates: 0 Warnings: 0

mysql> select count() from s1 where id=3000;
+----------+
| count() |
+----------+
| 1 |
+----------+
1 row in set (0.00 sec)

mysql> select count() from s1 where name='egon';
+----------+
| count() |
+----------+
| 299999 |
+----------+
1 row in set (0.16 sec)

mysql> select count() from s1 where email='egon3333@oldboy.com';
+----------+
| count() |
+----------+
| 1 |
+----------+
1 row in set (0.15 sec)

mysql> select count() from s1 where id=1000 and email='egon3333@oldboy.com';
+----------+
| count() |
+----------+
| 0 |
+----------+
1 row in set (0.00 sec)

mysql> select count() from s1 where email='egon3333@oldboy.com' and id=3000;
+----------+
| count() |
+----------+
| 0 |
+----------+
1 row in set (0.00 sec)

6.索引列不能参与计算，保持列“干净”

mysql> select count() from s1 where id=3000;
+----------+
| count() |
+----------+
| 1 |
+----------+
1 row in set (0.11 sec)

mysql> create index xxx on s1(id,0 rows affected (6.44 sec)
Records: 0 Duplicates: 0 Warnings: 0

mysql> select count() from s1 where id=3000;
+----------+
| count() |
+----------+
| 1 |
+----------+
1 row in set (0.00 sec)

mysql> select count() from s1 where name='egon';
+----------+
| count() |
+----------+
| 299999 |
+----------+
1 row in set (0.16 sec)

mysql> select count() from s1 where email='egon3333@oldboy.com';
+----------+
| count() |
+----------+
| 1 |
+----------+
1 row in set (0.15 sec)

mysql> select count() from s1 where id=1000 and email='egon3333@oldboy.com';
+----------+
| count() |
+----------+
| 0 |
+----------+
1 row in set (0.00 sec)

mysql> select count() from s1 where email='egon3333@oldboy.com' and id=3000;
+----------+
| count() |
+----------+
| 0 |
+----------+
1 row in set (0.00 sec)

mysql> select * s1 where id>3 name= email= gender=0.39mysql> create index idx on s1(id,gender); #未遵循最左前缀
Query OK,0 rows affected (15.27 sec)
Records: 0 Duplicates: 0 Warnings: 0

mysql> select * from s1 where id>3 and name='egon' and email='alex333@oldboy.com' and gender='male';
Empty set (0.43 sec)

mysql> drop index idx on s1;
Query OK,0 rows affected (0.16 sec)
Records: 0 Duplicates: 0 Warnings: 0

mysql> create index idx on s1(name,gender,id); #遵循最左前缀
Query OK,0 rows affected (15.97 sec)
Records: 0 Duplicates: 0 Warnings: 0

mysql> select * from s1 where id>3 and name='egon' and email='alex333@oldboy.com' and gender='male';
Empty set (0.03 sec)

- like * tb1 where email like - 使用函数
select * from tb1 where reverse(email) = 'wupeiqi';

- or
select * from tb1 where nid = 1 or name = 'seven@live.com';

特别的：当or条件中有未建立索引的列才失效，以下会走索引 select * from tb1 where nid = 1 or name = 'seven'; select * from tb1 where nid = 1 or name = 'seven@live.com' and email = 'alex'

- 类型不一致
如果列是字符串类型，传入条件是必须用引号引起来，不然...
select * from tb1 where email = 999;

普通索引的不等于不会走索引
- !=
select * from tb1 where email != 'alex'

特别的：如果是主键，则还是会走索引 select * from tb1 where nid != 123


select * from tb1 where email > 'alex'

特别的：如果是主键或索引是整数类型，则还是会走索引
select from tb1 where nid > 123
select from tb1 where num > 123

#排序条件为索引，则select字段必须也是索引字段，否则无法命中
- order by
select name from s1 order by email desc;
当根据索引排序时候，select查询的字段如果不是索引，则不走索引
select email from s1 order by email desc;
特别的：如果对主键排序，则还是走索引：
select * from tb1 order by nid desc;

- 组合索引最左前缀
如果组合索引为：(name,email)
name and email -- 使用索引
name -- 使用索引
email -- 不使用索引

- count(1)或count(列)代替count(*)在mysql中没有差别了

- create index xxxx on tb(title(19)) #text类型，必须制定长度

- 避免使用select * - count(1)或count(列) 代替 count(*----- 使用连接（JOIN）来代替子查询(Sub--- 索引散列值（重复高的）不适合建索引，例：性别不适合
六查询优化神器-explain

关于explain命令相信大家并不陌生，具体用法和字段含义可以参考官网，这里需要强调rows是核心指标，绝大部分rows小的语句执行一定很快（有例外，下面会讲到）。所以优化语句基本上都是在优化rows。
< index < range < index_merge < ref_or_null < ref < eq_ref < system/慢： select * from userinfo3 where name='alex' explain select * from userinfo3 where name='alex' type: ALL(全表扫描) select * from userinfo3 limit 1; 快： select * from userinfo3 where email='alex' type: const(走索引)</pre>
http://blog.itpub.net/29773961/viewspace-1767044/

七慢查询优化的基本步骤
123456.观察结果，不符合预期继续从0分析
八慢日志管理
- 执行时间 > 10 --配置： - 内存 show variables like '%query%'; show variables like '%queries%'; set global 变量名 = 值 - 配置文件 mysqld --defaults-file='E:wupeiqimysql-5.7.16-winx64mysql-5.7.16-winx64my-default.ini' my.conf内容： slow_query_log = ON slow_query_log_file = D:/.... 注意：修改配置文件之后，需要重启服务</pre>
<div class="cnblogs_code" onclick="cnblogs_code_show('67c81b6e-3e35-467b-8446-c425476ecd1c')">

<div id="cnblogs_code_open_67c81b6e-3e35-467b-8446-c425476ecd1c" class="cnblogs_code_hide">

================================================================================================================-1 -bin[= 2//==13 4. 截断bin-log（产生新的bin- 5. 删除bin- 二、查询日志
启用通用查询日志
# vim /etc/my.cnf
[mysqld]
log[=dir[filename]]
# service mysqld restart

三、慢查询日志
启用慢查询日志
# vim /etc/my.cnf
[mysqld]
log-slow-queries[=dir[filename]]
long_query_time=n
# service mysqld restart
MySQL 5.6:
slow-query-log=1
slow-query-log-file=slow.log
long_query_time=3
查看慢查询日志
测试:BENCHMARK(count,expr)
SELECT BENCHMARK(50000000,2*3);



（编辑：李大同）

【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容!

mysql：索引原理与慢查询优化

<span style="color: #008000;">例：

六 查询优化神器-explain

七 慢查询优化的基本步骤

八 慢日志管理

六查询优化神器-explain

七慢查询优化的基本步骤

八慢日志管理