# MySQL
## 查询优化
### LIMIT 1
单条数据查询
```sql
SELECT uid FROM ?? WHERE email = ? LIMIT 1
```
或单条记录更改
```sql
UPDATE ?? SET lastonline = if(updatedat < ? , ? , lastonline), ? WHERE did = ? LIMIT 1
```
或单条记录删除，加 `LIMIT 1`。
## SELECT 嵌套 SELECT
如：
```sql
SELECT did,type,
(select username from ?? as t1 where t1.uid = fromuid LIMIT 1) username,
(select email from ?? as t1 where t1.uid = fromuid LIMIT 1) email,
FROM ?? WHERE --xxx
```
优化为：
```sql
SELECT t1.`type`,t1.did,t2.username,t2.email FROM ??
LEFT JOIN ?? ON t1.touid=t2.uid
WHERE --xxx
```
## 多次JOIN
```sql
SELECT
`t1`.`xxx`,
`t1`.`xxx`,
`t2`.`xxx`,
`t2`.`xxx`,
`t3`.`xxxx`,
`t3`.`xxx`,
`t4`.`xxx`,
`t5`.`xxxx`
FROM (((?? `t1`
left join ?? `t2` on((`t1`.`did` = `t2`.`did`)))
left join ?? `t3` on((`t1`.`did` = `t3`.`did`)))
left join ?? `t4` on((`t4`.`username` = `t1`.`did`)))
left join ?? `t5` on((`t1`.`did` = `t5`.`did`)))
WHERE --xxx;
```
80条记录结果的查询约40s，拆分查询，t1-t3主要查询，t4、t5表的数据只在部分记录中需要，分别做两次查询，共计三次查询，优化后查询总耗时1s以内。
## 表结构优化
### 引擎
如果需要用事务用 `InnoDB`。
如果对查询效率要求高用`MyISAM`。
### 表结构优化
基于 `MyISAM` 引擎。
* 避免使用自增ID；
* 避免使用`datetime`，而用`int`(Unix Timestamp)；
* `char`与`varchar`的选择，追求极致查询性能用`char`，追求空间成本用`varchar`；
* 避免使用`text`，而用`blob`；
* 避免使用`外键`；
* 不允许空 `null`；
* 如果查询的WHERE条件有多个字段，应该创建`联合索引`。
## 百万量级性能比较
项目源码： <https://github.com/js-benchmark/mysql>
### GUID 插入性能损耗
毫无疑问，使用自增 ID 的查询性能更好。
但使用 GUID 后插入性能损耗是多少呢？
```
insert with_id ................................. 131 op/s
insert with_guid ............................... 75 op/s
```
结果来自于百万条数据，每千条为拆分进行的插入性能（下文的插入同）。
### 时间戳（Timestamp） vs 日期时间（DateTime）
```
insert with_timestamp .......................... 123 op/s
insert with_datetime ........................... 66 op/s
select with_timestamp .......................... 538 op/s
select with_datetime ........................... 430 op/s
```
插入和查询均为 `Timestamp` 更优。
```js
bench('insert with_timestamp', (next) => {
let sql = 'INSERT INTO `with_timestamp`(timestamp) VALUES ';
for (let i = 0; i < 1000; i += 1) {
sql += `(${parseInt((new Date() / 1000) - (i * 86400), 10)})`;
if (i !== 999) {
sql += ',';
}
}
connection.query(sql, next);
});
bench('insert with_datetime', (next) => {
let sql = 'INSERT INTO `with_datetime`(datetime) VALUES ';
for (let i = 0; i < 1000; i += 1) {
sql += `('${new Date(new Date() - (i * 86400000)).format('yyyy-MM-dd hh:mm:ss')}')`;
if (i !== 999) {
sql += ',';
}
}
connection.query(sql, next);
});
bench('select with_timestamp', (next) => {
const sql = `SELECT * FROM \`with_timestamp\` WHERE \`timestamp\` > ${parseInt((new Date() / 1000) - (2 * 86400), 10)} AND \`timestamp\` < ${parseInt((new Date() / 1000) - 86400, 10)}`;
connection.query(sql, next);
});
bench('select with_datetime', (next) => {
const sql = `SELECT * FROM \`with_datetime\` WHERE \`datetime\` BETWEEN '${new Date(new Date() - (2 * 86400000)).format('yyyy-MM-dd hh:mm:ss')}' AND '${new Date(new Date() - 86400000).format('yyyy-MM-dd hh:mm:ss')}'`;
connection.query(sql, next);
});
```
### Char vs VarChar
```
90 op/s » insert with_char
97 op/s » insert with_varchar
308 op/s » select with_char
298 op/s » select with_varchar
```
查询性能平分秋色。多次测试发现`char`的查询性能略高于`varchar`。
而主要区别在于：
* VarChar存储空间：27.5MB
* Varchar索引空间：19.5MB
* Char 存储空间：34.6MB
* Char 索引空间：51.6MB
MyISAM 引擎查询性能结果：
```
64 op/s » insert with_char
43 op/s » insert with_varchar
210 op/s » select with_char
185 op/s » select with_varchar
```
MyISAM下查询性能`char`更优。（实例代码中将`ENGINE`替换，并删除已有表跑测试即可）
### Blob vs Text
```
101 op/s » insert with_text
104 op/s » insert with_blob
167 op/s » select with_text
180 op/s » select with_blob
```
`Blob`略高一筹。存储方面两者基本使用相同。
## 其他
阿里云RDS DMS工具： <https://dms-rds.aliyun.com/>
阿里云RDS性能优化工具：
