第一：函数
一：内置函数
MYSQL中提供了很多内置的函数，以下：
CHAR_LENGTH(str) 返回值为字符串str 的长度，长度的单位为字符。一个多字节字符算作一个单字符。 对于一个包含五个二字节字符集, LENGTH()返回值为 10, 而CHAR_LENGTH()的返回值为5。eg：mysql> select char_length('zhang') -> ;+----------------------+| char_length('zhang') |+----------------------+| 5 |+----------------------+1 row in set (0.00 sec)CONCAT(str1,str2,...) 字符串拼接 如有任何一个参数为NULL ，则返回值为 NULL。mysql> select concat('zz','l') -> ;+------------------+| concat('zz','l') |+------------------+| zzl |+------------------+1 row in set (0.01 sec) CONCAT_WS(separator,str1,str2,...) 字符串拼接（自定义连接符） CONCAT_WS()不会忽略任何空字符串。 (然而会忽略所有的 NULL）。 mysql> select CONCAT_WS('**','zzl','cyy');+-----------------------------+| CONCAT_WS('**','zzl','cyy') |+-----------------------------+| zzl**cyy |+-----------------------------+1 row in set (0.00 sec) CONV(N,from_base,to_base) 进制转换mysql> SELECT CONV('a',16,2); 表示将 a 由16进制转换为2进制字符串表示+----------------+| CONV('a',16,2) |+----------------+| 1010 |+----------------+1 row in set (0.01 sec)mysql> SELECT CONV('10',8,2); 表示将 a 由8进制转换为2进制字符串表示+----------------+| CONV('10',8,2) |+----------------+| 1000 |+----------------+1 row in set (0.00 sec)FORMAT(X,D) 将数字X 的格式写为'#,###,###.##',以四舍五入的方式保留小数点后 D 位， 并将结果以字符串的形式返回。若 D 为 0, 则返回结果不带有小数点，或不含小数部分。eg：mysql> SELECT FORMAT(89333322.31,5);+-----------------------+| FORMAT(89333322.31,5) |+-----------------------+| 89,333,322.31000 |+-----------------------+1 row in set (0.00 sec)INSERT(str,pos,len,newstr) 在str的指定位置插入字符串 pos：要替换位置其实位置 len：替换的长度 newstr：新字符串 特别的： 如果pos超过原字符串长度，则返回原字符串 如果len超过原字符串长度，则由新字符串完全替换mysql> select insert('zhang','1','1','Z') -> ;+-----------------------------+| insert('zhang','1','1','Z') |+-----------------------------+| Zhang |+-----------------------------+1 row in set (0.01 sec)INSTR(str,substr) 返回字符串 str 中子字符串的第一个出现位置。mysql> select instr('zhang','an') -> ;+---------------------+| instr('zhang','an') |+---------------------+| 3 |+---------------------+1 row in set (0.01 sec)LEFT(str,len) 返回字符串str 从开始的len位置的子序列字符。mysql> select left('zhang',8) -> ;+-----------------+| left('zhang',8) |+-----------------+| zhang |+-----------------+1 row in set (0.00 sec)mysql> select left('zhang',3);+-----------------+| left('zhang',3) |+-----------------+| zha |+-----------------+1 row in set (0.00 sec)LOWER(str) 变小写mysql> select LOWER('ZHAng');+----------------+| LOWER('ZHAng') |+----------------+| zhang |+----------------+1 row in set (0.00 sec)UPPER(str) 变大写mysql> select UPPER('ZHAng');+----------------+| UPPER('ZHAng') |+----------------+| ZHANG |+----------------+1 row in set (0.00 sec) SUBSTRING(str,pos,len) 获取字符串子序列mysql> select substring('zhang','3','2') -> ;+----------------------------+| substring('zhang','3','2') |+----------------------------+| an |+----------------------------+1 row in set (0.00 sec) LOCATE(substr,str,pos) 获取子序列索引位置mysql> select locate('f','zhangfddadadafff','1');+------------------------------------+| locate('f','zhangfddadadafff','1') |+------------------------------------+| 6 |+------------------------------------+1 row in set (0.00 sec)REPEAT(str,count) 返回一个由重复的字符串str 组成的字符串，字符串str的数目等于count 。 若 count <= 0,则返回一个空字符串。 若str 或 count 为 NULL，则返回 NULL 。 mysql> select repeat('zhang',3) -> ;+-------------------+| repeat('zhang',3) |+-------------------+| zhangzhangzhang |+-------------------+1 row in set (0.01 sec)mysql> select repeat('zhang',2) -> ;+-------------------+| repeat('zhang',2) |+-------------------+| zhangzhang |+-------------------+1 row in set (0.00 sec)REPLACE(str,from_str,to_str) 返回字符串str 以及所有被字符串to_str替代的字符串from_str 。 mysql> select replace('zhangzhanling','ling','zhan') -> ;+----------------------------------------+| replace('zhangzhanling','ling','zhan') |+----------------------------------------+| zhangzhanzhan |+----------------------------------------+1 row in set (0.00 sec) REVERSE(str) 返回字符串 str ，顺序和字符顺序相反。 mysql> select reverse('zhang') -> ;+------------------+| reverse('zhang') |+------------------+| gnahz |+------------------+1 row in set (0.01 sec)RIGHT(str,len) 从字符串str 开始，返回从后边开始len个字符组成的子序列mysql> select right('zhang','3') -> ;+--------------------+| right('zhang','3') |+--------------------+| ang |+--------------------+1 row in set (0.00 sec)SPACE(N) 返回一个由N空格组成的字符串。mysql> select space(4) -> ;+----------+| space(4) |+----------+| |+----------+1 row in set (0.00 sec) 不带有len 参数的格式从字符串str返回一个子字符串，起始于位置 pos。带有len参数的格式从字符串str返回一个长度同len字符相同的子字符串，起始于位置 pos。 使用 FROM的格式为标准 SQL 语法。也可能对pos使用一个负值。假若这样，则子字符串的位置起始于字符串结尾的pos 字符，而不是字符串的开头位置。在以下格式的函数中可以对pos 使用一个负值。SUBSTRING(str,pos) , mysql> SELECT SUBSTRING('zhangzhanling',5);+------------------------------+| SUBSTRING('zhangzhanling',5) |+------------------------------+| gzhanling |+------------------------------+1 row in set (0.00 sec)SUBSTRING(str FROM pos)mysql> SELECT SUBSTRING('zhangzhanling' from 5);+-----------------------------------+| SUBSTRING('zhangzhanling' from 5) |+-----------------------------------+| gzhanling |+-----------------------------------+1 row in set (0.00 sec)SUBSTRING(str,pos,len) , mysql> SELECT SUBSTRING('zhangzhanling',4,5);+--------------------------------+| SUBSTRING('zhangzhanling',4,5) |+--------------------------------+| ngzha |+--------------------------------+1 row in set (0.00 sec)SUBSTRING(str FROM pos FOR len)mysql> SELECT SUBSTRING('zhangzhanling' from -4 for 2);+------------------------------------------+| SUBSTRING('zhangzhanling' from -4 for 2) |+------------------------------------------+| li |+------------------------------------------+1 row in set (0.01 sec) 更多的请参照：
https://dev.mysql.com/doc/refman/5.7/en/functions.html
二：自定义函数
1.查看自定义函数功能是个否开启:
mysql> show variables like '%func%';+---------------------------------+-------+| Variable_name | Value |+---------------------------------+-------+| log_bin_trust_function_creators | OFF |+---------------------------------+-------+1 row in set, 12 warnings (0.02 sec)mysql> SET GLOBAL log_bin_trust_function_creators=1; 开启自定义函数功能Query OK, 0 rows affected (0.00 sec)mysql> show variables like '%func%';+---------------------------------+-------+| Variable_name | Value |+---------------------------------+-------+| log_bin_trust_function_creators | ON |+---------------------------------+-------+1 row in set, 12 warnings (0.01 sec)注：SET GLOBAL log_bin_trust_function_creators=1; 关闭自定义函数功能
2.基本语法：
delimiter 自定义符号 -- 如果函数体只有一条语句, begin和end可以省略, 同时delimiter也可以省略 create function 函数名(形参列表) returns 返回类型 -- 注意是retruns begin 函数体 -- 函数内定义的变量如：set @x = 1; 变量x为全局变量，在函数外面也可以使用 返回值 end 自定义符号 delimiter ;
3.创建自定义函数示例：
mysql> delimiter $$mysql> create function my(a int, b int) returns int -> begin -> return a + b; -> end -> $$Query OK, 0 rows affected (0.00 sec)mysql> delimiter ;
4.删除函数：
mysql> drop function my;Query OK, 0 rows affected (0.02 sec)
5.执行函数：
mysql> select my(11,23);+-----------+| my(11,23) |+-----------+| 34 |+-----------+1 row in set (0.01 sec)
第二：索引
一：索引介绍
为什么用索引？
在我们的生产环境中，一般读(查询)写(插入，更新，删除)的比例能占到1:10甚至更多，因此对查询语句的优化是非常重要的，这里就必须用索引喽。索引是什么？索引是数据库中专门用于帮助用户快速查询数据的一种数据结构，类似与字典中的目录，查找字典内容时可以根据目录查找到数据的存放位置目录，然后直接获取。索引的好处是什么？1.索引可以加快查询速度，但是并不是索引越多越好。2.mysql中的primary key，unique，联合唯一也都是索引，这些索引除了加速查找以外，还有约束的功能
如果mysql数据库添加太多的索引,磁盘的iostat磁盘使用率会持续很高，甚至长时间达到100%。
二：mysql中常见的索引：
普通索引：
只有加速查找的功能
eg：
创建表 + 索引 mysql> create table in1( -> nid int not null auto_increment primary key, -> name varchar(32) not null, -> email varchar(64) not null, -> extra text, -> index ix_name (name) -> );Query OK, 0 rows affected (0.05 sec)创建索引mysql> create index int_name on in1(nid);Query OK, 0 rows affected (0.04 sec)Records: 0 Duplicates: 0 Warnings: 0查看索引mysql> show index from in1;+-------+------------+----------+--------------+-------------+-----------+-------------+----------+--------+------+------------+---------+---------------+| Table | Non_unique | Key_name | Seq_in_index | Column_name | Collation | Cardinality | Sub_part | Packed | Null | Index_type | Comment | Index_comment |+-------+------------+----------+--------------+-------------+-----------+-------------+----------+--------+------+------------+---------+---------------+| in1 | 0 | PRIMARY | 1 | nid | A | 0 | NULL | NULL | | BTREE | | || in1 | 1 | ix_name | 1 | name | A | 0 | NULL | NULL | | BTREE | | || in1 | 1 | int_name | 1 | nid | A | 0 | NULL | NULL | | BTREE | | |+-------+------------+----------+--------------+-------------+-----------+-------------+----------+--------+------+------------+---------+---------------+3 rows in set (0.01 sec)删除索引mysql> drop index int_name on in1;Query OK, 0 rows affected (0.02 sec)Records: 0 Duplicates: 0 Warnings: 0查看是否删除成功mysql> show index from in1;+-------+------------+----------+--------------+-------------+-----------+-------------+----------+--------+------+------------+---------+---------------+| Table | Non_unique | Key_name | Seq_in_index | Column_name | Collation | Cardinality | Sub_part | Packed | Null | Index_type | Comment | Index_comment |+-------+------------+----------+--------------+-------------+-----------+-------------+----------+--------+------+------------+---------+---------------+| in1 | 0 | PRIMARY | 1 | nid | A | 0 | NULL | NULL | | BTREE | | || in1 | 1 | ix_name | 1 | name | A | 0 | NULL | NULL | | BTREE | | |+-------+------------+----------+--------------+-------------+-----------+-------------+----------+--------+------+------------+---------+---------------+2 rows in set (0.00 sec)注意：对于创建索引时如果是BLOB 和 TEXT 类型，必须指定length。create index ix_extra on in1(extra(32));
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）创建表 mysql> create table in2( -> nid int not null auto_increment primary key, -> name varchar(32) not null, -> email varchar(64) not null, -> extra text, -> unique ix_name (name) -> );Query OK, 0 rows affected (0.03 sec)创建唯一索引mysql> create unique index nid_name on in2(nid);Query OK, 0 rows affected (0.02 sec)Records: 0 Duplicates: 0 Warnings: 0
主键索引：
加速查询 和 唯一约束（不可含null）
第一种创建方式：mysql> create table in3( -> nid int not null auto_increment primary key, -> name varchar(32) not null, -> email varchar(64) not null, -> extra text, -> index ix_name (name) -> );Query OK, 0 rows affected (0.03 sec)第二种创建方式：mysql> create table in4( -> nid int not null auto_increment, -> name varchar(32) not null, -> email varchar(64) not null, -> extra text, -> primary key(nid), -> index ix_name (name) -> );Query OK, 0 rows affected (0.03 sec)删除主键索引mysql> alter table in4 modify nid int, drop primary key;Query OK, 0 rows affected (0.05 sec)Records: 0 Duplicates: 0 Warnings: 0增加主键索引mysql> alter table in4 add primary key(name);Query OK, 0 rows affected (0.05 sec)Records: 0 Duplicates: 0 Warnings: 0
组合索引：
简单的讲是将n个列组合成一个索引
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
mysql> create table in5( -> nid int not null auto_increment primary key, -> name varchar(32) not null, -> email varchar(64) not null, -> extra text -> );PRIMARY KEY(id,name):联合主键索引mysql> create index ix_name_email on in5(nid,name);Query OK, 0 rows affected (0.02 sec)Records: 0 Duplicates: 0 Warnings: 0UNIQUE(id,name):联合唯一索引mysql> alter table in5 add unique index(nid,name);Query OK, 0 rows affected (0.02 sec)Records: 0 Duplicates: 0 Warnings: 0INDEX(id,name):联合普通索引mysql> create index ix_name on in5(name,email);Query OK, 0 rows affected (0.02 sec)Records: 0 Duplicates: 0 Warnings: 0
第三：测试索引
一：测试准备数据
创建表mysql> create table s1( -> id int, -> name varchar(20), -> gender char(6), -> email varchar(50) -> );Query OK, 0 rows affected (0.03 sec)创建存储过程，实现批量插入记录mysql> delimiter $$ 声明存储过程的结束符号 :$$mysql> create procedure auto_insert1() -> BEGIN -> declare i int default 1; -> while(i<3000000)do -> insert into s1 values(i,'zzl','man',concat('zzl',i,'@wsdashi.com')); -> set i=i+1; -> end while; -> END #$$结束 Query OK, 0 rows affected (0.01 sec)mysql> delimiter ;重新声明分号为结束符号查看存储过程mysql> show create procedure auto_insert1\G*************************** 1. row *************************** Procedure: auto_insert1 sql_mode: ONLY_FULL_GROUP_BY,STRICT_TRANS_TABLES,NO_ZERO_IN_DATE,NO_ZERO_DATE,ERROR_FOR_DIVISION_BY_ZERO,NO_AUTO_CREATE_USER,NO_ENGINE_SUBSTITUTION Create Procedure: CREATE DEFINER=`root`@`localhost` PROCEDURE `auto_insert1`()BEGIN declare i int default 1; while(i<3000000)do insert into s1 values(i,'zzl','man',concat('zzl',i,'@wsdashi.com')); set i=i+1; end while;ENDcharacter_set_client: gbkcollation_connection: gbk_chinese_ci Database Collation: latin1_swedish_ci1 row in set (0.00 sec)调用存储过程mysql> call auto_insert1(); mysql> call auto_insert1(); Query OK, 1 row affected (6 hours 30 min 52.60 sec) 二：没有建索引的情况下查询
mysql> select * from s1 where id=3500000;Empty set (1.63 sec)
时间1.63 sec
三：已经存在大量数据建索引
mysql> create index s1_id on s1(id);Query OK, 0 rows affected (7.54 sec)Records: 0 Duplicates: 0 Warnings: 0
注：如果在生产环境下面，在已经有的数据中，创建索引的时候，会锁表，用户不能使用该表，所以一般这样的操作要晚上做
四：索引建立完成，并且依据刚建立的字段索引查询数据
mysql> select * from s1 where id=35000000;Empty set (0.01 sec)
时间0.01 sec
五：小结：
1. 一定是为搜索条件的字段创建索引，比如select * from s1 where id = 222;就需要为id加上索引，如果id加上索引查询其他的字段是不管用的
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，建完后查询速度加快
注意:在生产环境中，一个新的功能上线，需要建表，站在运维的角度，一定要多问以下开发，这个表是否有大量的读操作，如果有的话，需要开发明确怎么查询的，从而建索引，如果读的少，写的多，可根据情况不建索引，索引过多会消耗磁盘利用率的。
第四：如何正确命中索引
一：索引未命中
1.范围问题：或者说条件不明确，条件中出现这些符号或关键字：>、>=、<、<=、!= 、between...and...、like、
等于：指定要找2000这个id号，在索引树中可以快速的查找mysql> select count(*) from s1 where id=2000;+----------+| count(*) |+----------+| 1 |+----------+1 row in set (0.00 sec)大于：会利用索引树，没有指定那个id，而是指定了一个范围，这个范围包含大于2000的id，则mysql会拿着2001去搜索树中找一次，然后2002在找，一次类推，整体下来，和整表扫描没啥区别mysql> select count(*) from s1 where id>2000;+----------+| count(*) |+----------+| 2997999 |+----------+1 row in set (1.21 sec)如果范围小的话，查询速度仍然是很快的。mysql> select count(*) from s1 where id>2000 and id<3000;+----------+| count(*) |+----------+| 999 |+----------+1 row in set (0.01 sec)不等于：不等于2000，范围很大，查询很慢。mysql> select count(*) from s1 where id != 2000;+----------+| count(*) |+----------+| 2999998 |+----------+1 row in set (1.20 sec)等于2000，就一个数，则查询很快。mysql> select count(*) from s1 where id = 2000;+----------+| count(*) |+----------+| 1 |+----------+1 row in set (0.00 sec)between ...and...范围大的，查询依然还是很慢的mysql> select count(*) from s1 where id between 1 and 3000000;+----------+| count(*) |+----------+| 2999999 |+----------+1 row in set (1.30 sec)范围小的，查询是快的mysql> select count(*) from s1 where id between 1 and 2;+----------+| count(*) |+----------+| 2 |+----------+1 row in set (0.00 sec)like：前面带%号查询比后面带%或者等于特定值的要慢mysql> select count(*) from s1 where id like '1000dd';+----------+| count(*) |+----------+| 0 |+----------+1 row in set (1.09 sec)mysql> select count(*) from s1 where id like '1000dd%';+----------+| count(*) |+----------+| 0 |+----------+1 row in set (1.08 sec)mysql> select count(*) from s1 where id like '%1000';+----------+| count(*) |+----------+| 300 |+----------+1 row in set (1.14 sec)
2.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，这个比例使用场景不同，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
查看下表结构mysql> desc s1;+--------+-------------+------+-----+---------+-------+| Field | Type | Null | Key | Default | Extra |+--------+-------------+------+-----+---------+-------+| id | int(11) | YES | MUL | NULL | || name | varchar(20) | YES | | NULL | || gender | char(6) | YES | | NULL | || email | varchar(50) | YES | | NULL | |+--------+-------------+------+-----+---------+-------+4 rows in set (0.02 sec)删除id的索引mysql> drop index s1_id on s1;Query OK, 0 rows affected (0.03 sec)Records: 0 Duplicates: 0 Warnings: 0查看下是否删除成功mysql> desc s1;+--------+-------------+------+-----+---------+-------+| Field | Type | Null | Key | Default | Extra |+--------+-------------+------+-----+---------+-------+| id | int(11) | YES | | NULL | || name | varchar(20) | YES | | NULL | || gender | char(6) | YES | | NULL | || email | varchar(50) | YES | | NULL | |+--------+-------------+------+-----+---------+-------+4 rows in set (0.00 sec)查看一个name等于dddd的个数有多少，速度是慢的mysql> select count(*) from s1 where name='dddd';+----------+| count(*) |+----------+| 0 |+----------+1 row in set (1.77 sec)创建name的索引mysql> create index s1_name on s1(name);Query OK, 0 rows affected (8.35 sec)Records: 0 Duplicates: 0 Warnings: 0查询速度明显提升很多mysql> select count(*) from s1 where name='dddd';+----------+| count(*) |+----------+| 0 |+----------+1 row in set (0.01 sec)查询name为zzl的字段，速度再一次变慢mysql> select count(*) from s1 where name='zzl';+----------+| count(*) |+----------+| 2999999 |+----------+1 row in set (1.05 sec)为何是这种情况呢？我们编写存储过程为表s1批量添加记录，name字段的值均为zzl，也就是说name这个字段的区分度很低利用b+树的结构，查询的速度与树的高度成反比，要想将树的高低控制的很低，需要保证：在某一层内数据项均是按照从左到右，从小到大的顺序依次排开，即左1 <左2> <左3> <...而对于区分度低的字段，无法找到大小关系，因为值都是相等的，毫无疑问，还想要用b+树存放这些等值的数据，只能增加树的高度，字段的区分度越低，则树的高度越高。极端的情况，索引字段的值都一样，那么b+树几乎成了一根棍。本例中就是这种极端的情况，name字段所有的值均为'zzl'所以得出，为区分度低的字段建立索引，索引树的高度会很高。1：如果条件是name='dddd',那么肯定是可以第一时间判断出'dddd'是不在索引树中的（因为树中所有的值均为'zzl’），所以查询速度很快2：如果条件正好是name='zzl',查询时，我们永远无法从树的某个位置得到一个明确的范围，只能往下找，在往下找，在在往下找。。。这与全表扫描的IO次数没有多大区别，所以速度很慢
3.=和in可以乱序，比如a = 1 and b = 2 and c = 3 建立(a,b,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
查看表结构
mysql> desc s1;+--------+-------------+------+-----+---------+-------+| Field | Type | Null | Key | Default | Extra |+--------+-------------+------+-----+---------+-------+| id | int(11) | YES | | NULL | || name | varchar(20) | YES | MUL | NULL | || gender | char(6) | YES | | NULL | || email | varchar(50) | YES | | NULL | |+--------+-------------+------+-----+---------+-------+4 rows in set (0.00 sec)删除原有的索引
mysql> drop index s1_name on s1;Query OK, 0 rows affected (0.02 sec)Records: 0 Duplicates: 0 Warnings: 0确认删除
mysql> desc s1;+--------+-------------+------+-----+---------+-------+| Field | Type | Null | Key | Default | Extra |+--------+-------------+------+-----+---------+-------+| id | int(11) | YES | | NULL | || name | varchar(20) | YES | | NULL | || gender | char(6) | YES | | NULL | || email | varchar(50) | YES | | NULL | |+--------+-------------+------+-----+---------+-------+4 rows in set (0.00 sec)没有建索引之前，查询速度是很慢点
mysql> select count(*) from s1 where name='zzl' and gender='man' and email='137@wsdashi.com' -> ;+----------+| count(*) |+----------+| 0 |+----------+1 row in set (1.73 sec)创建联合索引
mysql> create index s1_name on s1(name,gender,email);Query OK, 0 rows affected (15.21 sec)Records: 0 Duplicates: 0 Warnings: 0查询速度加快
mysql> select count(*) from s1 where name='zzl' and gender='man' and email='137@wsdashi.com' -> ;+----------+| count(*) |+----------+| 0 |+----------+1 row in set (0.00 sec)随意的还位置，查询速度不变
mysql> select count(*) from s1 where name='zzl' and email='137@wsdashi.com' and gender='man';+----------+| count(*) |+----------+| 0 |+----------+1 row in set (0.00 sec)但是如果是两个的话，查询速度是慢的
mysql> select count(*) from s1 where name='zzl' and email='137@wsdashi.com' ;+----------+| count(*) |+----------+| 0 |+----------+1 row in set (2.00 sec)是一个的话，查询速度也是慢的
mysql> select count(*) from s1 where name='zzl' ;+----------+| count(*) |+----------+| 2999999 |+----------+1 row in set (1.91 sec)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’)
查看表结构mysql> desc s1;+--------+-------------+------+-----+---------+-------+| Field | Type | Null | Key | Default | Extra |+--------+-------------+------+-----+---------+-------+| id | int(11) | YES | | NULL | || name | varchar(20) | YES | MUL | NULL | || gender | char(6) | YES | | NULL | || email | varchar(50) | YES | | NULL | |+--------+-------------+------+-----+---------+-------+4 rows in set (0.01 sec)删除原有的索引mysql> drop index s1_name on s1;Query OK, 0 rows affected (0.03 sec)Records: 0 Duplicates: 0 Warnings: 0创建id索引mysql> create index s1_name on s1(id);Query OK, 0 rows affected (7.63 sec)Records: 0 Duplicates: 0 Warnings: 0查看表结构mysql> desc s1;+--------+-------------+------+-----+---------+-------+| Field | Type | Null | Key | Default | Extra |+--------+-------------+------+-----+---------+-------+| id | int(11) | YES | MUL | NULL | || name | varchar(20) | YES | | NULL | || gender | char(6) | YES | | NULL | || email | varchar(50) | YES | | NULL | |+--------+-------------+------+-----+---------+-------+4 rows in set (0.01 sec)查询id的速度是相当快的，因为id有索引。mysql> select count(*) from s1 where id=4000;+----------+| count(*) |+----------+| 1 |+----------+1 row in set (0.00 sec)索引id字段参与了计算，无法拿到一个明确的值去索引树中查找，所以查询速度是比较慢的mysql> select count(*) from s1 where id*2=4000;+----------+| count(*) |+----------+| 1 |+----------+1 row in set (1.02 sec)
5.and/or
1、and与or的逻辑 条件1 and 条件2:所有条件都成立才算成立，但凡要有一个条件不成立则最终结果不成立 条件1 or 条件2:只要有一个条件成立则最终结果就成立2、and的工作原理 条件： a = 10 and b = 'ddd' and c > 3 and d =4 索引： 制作联合索引(d,a,b,c) 工作原理: 对于连续多个and：mysql会按照联合索引，从左到右的顺序找一个区分度高的索引字段(这样便可以快速锁定很小的范围)，加速查询，即按照d—>a->b->c的顺序3、or的工作原理 条件： a = 10 or b = 'ddd' or c > 3 or d =4 索引： 制作联合索引(d,a,b,c) 工作原理: 对于连续多个or：mysql会按照条件的顺序，从左到右依次判断，即a->b->c->d
eg：
mysql> desc s1;+--------+-------------+------+-----+---------+-------+| Field | Type | Null | Key | Default | Extra |+--------+-------------+------+-----+---------+-------+| id | int(11) | YES | MUL | NULL | || name | varchar(20) | YES | | NULL | || gender | char(6) | YES | | NULL | || email | varchar(50) | YES | | NULL | |+--------+-------------+------+-----+---------+-------+4 rows in set (0.00 sec)name字段添加索引，但是改字段的区分度比较低mysql> create index s1name on s1(name); Query OK, 0 rows affected (9.00 sec)Records: 0 Duplicates: 0 Warnings: 0name='ddd'可以很快的从索引树中区分出该字段不存在，因而速度会很快mysql> select count(*) from s1 where name='ddd';+----------+| count(*) |+----------+| 0 |+----------+1 row in set (0.00 sec)gender是非索引字段的，但是，name='ddd'不成立的话，就不用管gender的条件了呢，相当于只有name='ddd'速度还是很快的；mysql> select count(*) from s1 where name='ddd' and gender='man' -> ;+----------+| count(*) |+----------+| 0 |+----------+1 row in set (0.00 sec) 在左边条件成立但是索引字段的区分度低的情况下（name与gender均属于这种情况），会依次往右找到一个区分度高的索引字段，加速查询mysql> select count(*) from s1 where name='ddd' and gender='man';+----------+| count(*) |+----------+| 0 |+----------+1 row in set (0.00 sec)mysql> select count(*) from s1 where name='zzl' and gender='man';+----------+| count(*) |+----------+| 2999999 |+----------+1 row in set (20.95 sec)mysql> create index s1_gender on s1(gender);Query OK, 0 rows affected (11.72 sec)Records: 0 Duplicates: 0 Warnings: 0mysql> select count(*) from s1 where name='zzl' and gender='man';+----------+| count(*) |+----------+| 2999999 |+----------+1 row in set (3.74 sec)mysql> select count(*) from s1 where name='zzl' and gender='xxx';+----------+| count(*) |+----------+| 0 |+----------+1 row in set (0.01 sec)mysql> select count(*) from s1 where name='zzl' and gender='man';+----------+| count(*) |+----------+| 2999999 |+----------+1 row in set (3.01 sec)mysql> select count(*) from s1 where name='zzl' and gender='man' and id=333;+----------+| count(*) |+----------+| 1 |+----------+1 row in set (0.01 sec)mysql> select count(*) from s1 where name='zzl' and gender='man' and id>333;+----------+| count(*) |+----------+| 2999666 |+----------+1 row in set (18.17 sec)mysql> select count(*) from s1 where name='zzl' and gender='xxx' and id>333;+----------+| count(*) |+----------+| 0 |+----------+1 row in set (0.02 sec)mysql> select count(*) from s1 where name='zzl' and -> gender='xxx' and id>222;+----------+| count(*) |+----------+| 0 |+----------+1 row in set (0.00 sec)mysql> select count(*) from s1 where name='zzl' and -> gender='man' and id>222;+----------+| count(*) |+----------+| 2999777 |+----------+1 row in set (21.25 sec)当前面三个条件都成立的时候，都无法用索引达到加速的目的，name和gender是因为区分度低，第三个id因为范围太大了，第四个email的区分度很高，但是没有添加索引，所以该语句查询速度是非常的低的mysql> select count(*) from s1 where name='zzl' and -> gender='man' and id> 222 and email='dddd';+----------+| count(*) |+----------+| 0 |+----------+1 row in set (22.87 sec)给email字段添加索引mysql> create index s1_email on s1(email);Query OK, 0 rows affected (16.55 sec)Records: 0 Duplicates: 0 Warnings: 0添加上email字段的索引后，索引明显的提升mysql> select count(*) from s1 where name='zzl' and -> gender='man' and id> 222 and email='dddd';+----------+| count(*) |+----------+| 0 |+----------+1 row in set (0.02 sec)经过分析，在条件为name='zzl' and gender='man' and id>222 and email='dddd'的情况下，我们完全没必要为前三个条件的字段加索引，因为只能用上email字段的索引，前三个字段的索引反而会降低我们的查询效率验证：mysql> select count(*) from s1 where name='zzl' and -> gender='man' and id> 222 and email='dddd';+----------+| count(*) |+----------+| 0 |+----------+1 row in set (0.02 sec)mysql> desc s1;+--------+-------------+------+-----+---------+-------+| Field | Type | Null | Key | Default | Extra |+--------+-------------+------+-----+---------+-------+| id | int(11) | YES | MUL | NULL | || name | varchar(20) | YES | MUL | NULL | || gender | char(6) | YES | MUL | NULL | || email | varchar(50) | YES | MUL | NULL | |+--------+-------------+------+-----+---------+-------+4 rows in set (0.01 sec)mysql> drop index s1_gender on s1;Query OK, 0 rows affected (0.02 sec)Records: 0 Duplicates: 0 Warnings: 0mysql> drop index s1name on s1;Query OK, 0 rows affected (0.02 sec)Records: 0 Duplicates: 0 Warnings: 0mysql> drop index s1_name on s1;Query OK, 0 rows affected (0.02 sec)Records: 0 Duplicates: 0 Warnings: 0mysql> desc s1;+--------+-------------+------+-----+---------+-------+| Field | Type | Null | Key | Default | Extra |+--------+-------------+------+-----+---------+-------+| id | int(11) | YES | | NULL | || name | varchar(20) | YES | | NULL | || gender | char(6) | YES | | NULL | || email | varchar(50) | YES | MUL | NULL | |+--------+-------------+------+-----+---------+-------+4 rows in set (0.01 sec)mysql> select count(*) from s1 where name='zzl' and -> gender='man' and id> 222 and email='dddd';+----------+| count(*) |+----------+| 0 |+----------+1 row in set (0.00 sec)删掉索引后时间是0.00不删是0.02，同时也论证了不是索引越多越好的哦
6. 最左前缀匹配原则
对于组合索引mysql会一直向右匹配直到遇到范围查询(>、<、between、like)就停止匹配(指的是范围大了，有索引速度也慢)，比如a = 1 and b = 2 and c > 3 and d = 4 如果建立(a,b,c,d)顺序的索引，d是用不到索引的，如果建立(a,b,d,c)的索引则都可以用到，a,b,d的顺序可以任意调整。
mysql> drop index s1_email on s1;Query OK, 0 rows affected (0.02 sec)Records: 0 Duplicates: 0 Warnings: 0建立索引的时候，没有将范围写到最后面，查询速度慢mysql> create index ddd on s1(id,name,gender,email);Query OK, 0 rows affected (16.29 sec)Records: 0 Duplicates: 0 Warnings: 0mysql> select count(*) from s1 where name='zzl' and gender='man' and id > 222 and email='dddd';+----------+| count(*) |+----------+| 0 |+----------+1 row in set (2.27 sec)更改查询的位置，有些许的提升，但是提升不大mysql> select count(*) from s1 where name='zzl' and gender='man' and email='dddd' and id>222;+----------+| count(*) |+----------+| 0 |+----------+1 row in set (2.10 sec)删除刚才的索引mysql> drop index ddd on s1;Query OK, 0 rows affected (0.03 sec)Records: 0 Duplicates: 0 Warnings: 0把查询范围的，放到最后mysql> create index ddd on s1(name,gender,email,id);Query OK, 0 rows affected (17.44 sec)Records: 0 Duplicates: 0 Warnings: 0查询速度显著提升mysql> select count(*) from s1 where name='zzl' and gender='man' and email='dddd' and id>222;+----------+| count(*) |+----------+| 0 |+----------+1 row in set (0.01 sec)
7.其他
- 使用函数 select * from s1 where reverse(email) = '123@wsdashi.com'; - 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 s1 where email = 999; #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，则速度仍然很慢 select email from s1 order by email desc; 特别的：如果对主键排序，则还是速度很快： select * from s1 order by nid desc; - 组合索引最左前缀 如果组合索引为：(name,email) name and email -- 命中索引 name -- 命中索引 email -- 未命中索引- 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
二：其他注意的地方
1 避免使用select *2 count(1)或count(列) 代替 count(*)3 创建表时尽量时 char 代替 varchar4 表的字段顺序固定长度的字段优先5 组合索引代替多个单列索引（经常使用多个条件查询时）6 尽量使用短索引7 使用连接（JOIN）来代替子查询(Sub-Queries)8 连表时注意条件类型需一致9 索引散列值（重复少）不适合建索引，例：性别不适合
第五：详谈组合索引和覆盖索引
一：组合索引
组合索引时指对表上的多个列合起来做一个索引。组合索引的创建方法与单个索引的创建方法一样，不同之处在仅在于有多个索引列，如下
mysql> create table s2( -> a int, -> b int, -> primary key(a), -> key id_a_b(a,b) -> );Query OK, 0 rows affected (0.04 sec)
那么何时需要使用组合索引呢？在讨论这个问题之前，先来看一下组合索引内部的结果。从本质上来说，组合索引就是一棵B+树，不同的是组合索引的键值得数量不是1，而是>=2。接着来讨论两个整型列组成的组合索引，假定两个键值得名称分别为a、b如图
可以看到这与我们之前看到的单个键的B+树并没有什么不同，键值都是排序的，通过叶子结点可以逻辑上顺序地读出所有数据，就上面的例子来说，即（1,1），（1,2），（2,1），（2,4），（3,1），（3,2），数据按（a,b）的顺序进行了存放。
因此，对于查询select * from table where a=xxx and b=xxx, 显然是可以使用(a,b) 这个联合索引的，对于单个列a的查询select * from table where a=xxx,也是可以使用（a,b）这个索引的。
但对于b列的查询select * from table where b=xxx,则不可以使用（a,b） 索引，其实你不难发现原因，叶子节点上b的值为1、2、1、4、1、2显然不是排序的，因此对于b列的查询使用不到(a,b) 索引
组合索引的第二个好处是在第一个键相同的情况下，已经对第二个键进行了排序处理，例如在很多情况下应用程序都需要查询某个用户的购物情况，并按照时间进行排序，最后取出最近三次的购买记录，这时使用组合索引可以帮我们避免多一次的排序操作，因为索引本身在叶子节点已经排序了，如下
准备数据表mysql> create table buy_log( -> userid int unsigned not null, -> buy_date date -> );Query OK, 0 rows affected (0.03 sec)mysql>mysql> insert into buy_log values -> (1,'2009-01-01'), -> (2,'2009-01-01'), -> (3,'2009-01-01'), -> (1,'2009-02-01'), -> (3,'2009-02-01'), -> (1,'2009-03-01'), -> (1,'2009-04-01');Query OK, 7 rows affected (0.00 sec)Records: 7 Duplicates: 0 Warnings: 0mysql>mysql> alter table buy_log add key(userid);Query OK, 0 rows affected (0.02 sec)Records: 0 Duplicates: 0 Warnings: 0mysql> alter table buy_log add key(userid,buy_date);Query OK, 0 rows affected (0.03 sec)Records: 0 Duplicates: 0 Warnings: 0mysql> show create table buy_log;+---------+---------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------+| Table | Create Table |+---------+---------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------+| buy_log | CREATE TABLE `buy_log` ( `userid` int(10) unsigned NOT NULL, `buy_date` date DEFAULT NULL, KEY `userid` (`userid`), KEY `userid_2` (`userid`,`buy_date`)) ENGINE=InnoDB DEFAULT CHARSET=latin1 |+---------+---------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------+1 row in set (0.01 sec)可以看到possible_keys在这里有两个索引可以用，分别是单个索引userid与联合索引userid_2,但是优化器最终选择了使用的key是userid因为该索引的叶子节点包含单个键值，所以理论上一个页能存放的记录应该更多mysql> explain select * from buy_log where userid=2;+----+-------------+---------+------------+------+-----------------+--------+---------+-------+------+----------+-------+| id | select_type | table | partitions | type | possible_keys | key | key_len | ref | rows | filtered | Extra |+----+-------------+---------+------------+------+-----------------+--------+---------+-------+------+----------+-------+| 1 | SIMPLE | buy_log | NULL | ref | userid,userid_2 | userid | 4 | const | 1 | 100.00 | NULL |+----+-------------+---------+------------+------+-----------------+--------+---------+-------+------+----------+-------+1 row in set, 1 warning (0.01 sec)假定要取出userid为1的最近3次的购买记录，用的就是联合索引userid_2了，因为在这个索引中，在userid=1的情况下，buy_date都已经排序好了mysql> explain select * from buy_log where userid=1 order by buy_date desc limit 3;+----+-------------+---------+------------+------+-----------------+----------+---------+-------+------+----------+--------------------------+| id | select_type | table | partitions | type | possible_keys | key | key_len | ref | rows | filtered | Extra |+----+-------------+---------+------------+------+-----------------+----------+---------+-------+------+----------+--------------------------+| 1 | SIMPLE | buy_log | NULL | ref | userid,userid_2 | userid_2 | 4 | const | 4 | 100.00 | Using where; Using index |+----+-------------+---------+------------+------+-----------------+----------+---------+-------+------+----------+--------------------------+1 row in set, 1 warning (0.00 sec)
二：覆盖索引
InnoDB存储引擎支持覆盖索引（covering index，或称索引覆盖），即从辅助索引中就可以得到查询记录，而不需要查询聚集索引中的记录。
使用覆盖索引的一个好处是：辅助索引不包含整行记录的所有信息，故其大小要远小于聚集索引，因此可以减少大量的IO操作注意：覆盖索引技术最早是在InnoDB Plugin中完成并实现，这意味着对于InnoDB版本小于1.0的，或者MySQL数据库版本为5.0以下的，InnoDB存储引擎不支持覆盖索引特性对于InnoDB存储引擎的辅助索引而言，由于其包含了主键信息，因此其叶子节点存放的数据为（primary key1，priamey key2，...,key1，key2，...）eg:
select age from s1 where id=123 and name = 'zzl'; #id字段有索引，但是name字段没有索引,该sql命中了索引，但未覆盖，需要去聚集索引中再查找详细信息。重要的是:索引字段覆盖了所有，那全程通过索引来加速查询以及获取结果就ok了mysql> desc s1;+--------+-------------+------+-----+---------+-------+| Field | Type | Null | Key | Default | Extra |+--------+-------------+------+-----+---------+-------+| id | int(11) | NO | | NULL | || name | varchar(20) | YES | | NULL | || gender | char(6) | YES | | NULL | || email | varchar(50) | YES | | NULL | |+--------+-------------+------+-----+---------+-------+rows in set (0.21 sec)mysql> explain select name from s1 where id=1000; #没有任何索引+----+-------------+-------+------------+------+---------------+------+---------+------+---------+----------+-------------+| id | select_type | table | partitions | type | possible_keys | key | key_len | ref | rows | filtered | Extra |+----+-------------+-------+------------+------+---------------+------+---------+------+---------+----------+-------------+| 1 | SIMPLE | s1 | NULL | ALL | NULL | NULL | NULL | NULL | 2688336 | 10.00 | Using where |+----+-------------+-------+------------+------+---------------+------+---------+------+---------+----------+-------------+row in set, 1 warning (0.00 sec)mysql> create index idx_id on s1(id); #创建索引Query OK, 0 rows affected (4.16 sec)Records: 0 Duplicates: 0 Warnings: 0mysql> explain select name from s1 where id=1000; #命中辅助索引，但是未覆盖索引，还需要从聚集索引中查找name+----+-------------+-------+------------+------+---------------+--------+---------+-------+------+----------+-------+| id | select_type | table | partitions | type | possible_keys | key | key_len | ref | rows | filtered | Extra |+----+-------------+-------+------------+------+---------------+--------+---------+-------+------+----------+-------+| 1 | SIMPLE | s1 | NULL | ref | idx_id | idx_id | 4 | const | 1 | 100.00 | NULL |+----+-------------+-------+------------+------+---------------+--------+---------+-------+------+----------+-------+row in set, 1 warning (0.08 sec)mysql> explain select id from s1 where id=1000; #在辅助索引中就找到了全部信息，Using index代表覆盖索引+----+-------------+-------+------------+------+---------------+--------+---------+-------+------+----------+-------------+| id | select_type | table | partitions | type | possible_keys | key | key_len | ref | rows | filtered | Extra |+----+-------------+-------+------------+------+---------------+--------+---------+-------+------+----------+-------------+| 1 | SIMPLE | s1 | NULL | ref | idx_id | idx_id | 4 | const | 1 | 100.00 | Using index |+----+-------------+-------+------------+------+---------------+--------+---------+-------+------+----------+-------------+row in set, 1 warning (0.03 sec)
innodb存储引擎并不会选择通过查询聚集索引来进行统计。由于buy_log表有辅助索引，而辅助索引远小于聚集索引，选择辅助索引可以减少IO操作，故优化器的选择如上key为userid辅助索引对于（a,b）形式的联合索引，一般是不可以选择b中所谓的查询条件。但如果是统计操作，并且是覆盖索引，则优化器还是会选择使用该索引，如下
#联合索引userid_2（userid,buy_date）,一般情况，我们按照buy_date是无法使用该索引的，但特殊情况下：查询语句是统计操作，且是覆盖索引，则按照buy_date当做查询条件时，也可以使用该联合索引mysql> explain select count(*) from buy_log where buy_date >= '2011-01-01' and buy_date < '2011-02-01';+----+-------------+---------+-------+---------------+----------+---------+------+------+--------------------------+| id | select_type | table | type | possible_keys | key | key_len | ref | rows | Extra |+----+-------------+---------+-------+---------------+----------+---------+------+------+--------------------------+| 1 | SIMPLE | buy_log | index | NULL | userid_2 | 8 | NULL | 7 | Using where; Using index |+----+-------------+---------+-------+---------------+----------+---------+------+------+--------------------------+1 row in set (0.00 sec)
第六：执行计划
详细的参考：https://dev.mysql.com/doc/refman/5.5/en/explain-output.html执行计划：一般情况下是这样的 all < index < range < index_merge < ref_or_null < ref < eq_ref < system/const id,email 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)
第七：MySQL慢查询
一：慢查询优化的基本步骤
1.如果运行真的是非常的慢，需要设置SQL_NO_CACHE2.where条件单表查，锁定最小返回记录表。这句话的意思是把查询语句的where都应用到表中返回的记录数最小的表开始查起，单表每个字段分别查询，看哪个字段的区分度最高3.explain查看执行计划，是否与1预期一致（从锁定记录较少的表开始查询）4.order by limit 形式的sql语句让排序的表优先查5.了解业务方使用场景6.加索引时参照建索引的几大原则7.观察结果，不符合预期继续从0分析
二：慢日志管理
慢日志 - 执行时间 > 10 - 未命中索引 - 日志文件路径 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:\xunyou\mysql-5.7.16-winx64\mysql-5.7.16-winx64\my-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
MySQL日志管理========================================================错误日志: 记录 MySQL 服务器启动、关闭及运行错误等信息二进制日志: 又称binlog日志，以二进制文件的方式记录数据库中除 SELECT 以外的操作查询日志: 记录查询的信息慢查询日志: 记录执行时间超过指定时间的操作中继日志： 备库将主库的二进制日志复制到自己的中继日志中，从而在本地进行重放通用日志： 审计哪个账号、在哪个时段、做了哪些事件事务日志或称redo日志： 记录Innodb事务相关的如事务执行时间、检查点等========================================================一、bin-log1. 启用# vim /etc/my.cnf[mysqld]log-bin[=dir\[filename]]# service mysqld restart2. 暂停//仅当前会话SET SQL_LOG_BIN=0;SET SQL_LOG_BIN=1;3. 查看查看全部：# mysqlbinlog mysql.000002按时间：# mysqlbinlog mysql.000002 --start-datetime="2012-12-05 10:02:56"# mysqlbinlog mysql.000002 --stop-datetime="2012-12-05 11:02:54"# mysqlbinlog mysql.000002 --start-datetime="2012-12-05 10:02:56" --stop-datetime="2012-12-05 11:02:54" 按字节数：# mysqlbinlog mysql.000002 --start-position=260# mysqlbinlog mysql.000002 --stop-position=260# mysqlbinlog mysql.000002 --start-position=260 --stop-position=9304. 截断bin-log（产生新的bin-log文件）a. 重启mysql服务器b. # mysql -uroot -p123 -e 'flush logs'5. 删除bin-log文件# mysql -uroot -p123 -e 'reset master' 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 restartMySQL 5.6:slow-query-log=1slow-query-log-file=slow.loglong_query_time=3查看慢查询日志测试:BENCHMARK(count,expr)SELECT BENCHMARK(50000000,2*3);