分页优化
由于limit的查询方式，因此使用limit进行分页效率并不高
我们举个🌰：limit 1000,10
实际执行的时候，会从头开始查询到1010条数据，然后再舍弃掉前1000条。。。没错就手笔是这么阔(˶‾᷄ ⁻̫ ‾᷅˵)
既然limit效率不高，那么如何进行优化呢？
不同场景的优化方式
自增且连续的主键（要求数据中间无缺失）
WHERE id LIMIT 1000,10可以优化为WHERE id>1000 LIMIT 10
举个🌰
优化前
select * from app_user ORDER BY name limit 100000,5;
优化后
select * from app_user a inner join (select id from app_user order by name limit 100000,5) b on a.id = b.id;
分别使用Explain分析下
优化前，也用到了索引，但是是使用了range进行范围扫描
优化后， 有三行数据，第一行看着虽然走的是全局扫描，但是他是由第三行派生出的，即只有一“页”（本案例中只有5行数据），第二行可以看出使用的是主键进行关联索引，type是eq_ref比ref的速度还快，第三行虽然是遍历索引，但是没有进行回表，而且只查询五个值即可，因而优化后速度快很多
JOIN关联优化
先介绍下驱动表和被驱动表的概念(￣∇￣)/
简单理解先执行的就是驱动表，不同的join类型MySQL选择的驱动表不同
inner join不确定，MySQL会自行判断（一般选数据量小的表做驱动表）left join左边👈的是驱动表right join右边👉的是驱动表
算法介绍
使用索引字段进行关联的关联查询一般会使用NLJ
简单理解就是拿一张表（驱动表）中的所有数据，一次一次的去另一张表（被驱动表）中查找对应行，最后取出两张表的结果合集
EXPLAIN select * from app_user a inner join app_user_copy1 b on a.id = b.id;
上面SQL执行的大致流程如下：
使用非索引字段进行关联的关联查询一般会使用BNL
EXPLAIN select * from app_user a inner join app_user_copy1 b on a.age = b.age;
Extra中Using join buffer (hash join)表示使用BNL，可以看到两张表进行的都是全表扫描
上面SQL执行的大致流程如下：
为什么MySQL会根据关联字段是否有索引而使用不同的算法
首先，我们大致量化下两个算法总消耗
NLJ总消耗（有索引）
- 磁盘扫描：a表行数 * 2（会先扫描索引之后直接扫描符合条件的数据行）
- 内存判断：a表行数 * b索引
BNL总消耗（无索引）
- 磁盘扫描：a表行数 + b表行数
- 内存判断：a表行数 * b表行数（由于join_buffer中的数据是无序的，因此判断次数=a表行数 * b表行数）
如果在没索引的情况下使用NLJ，会导致磁盘扫描=a表行数 * b表行数，由于内存判断要比磁盘扫描快的多，因此在没索引的情况下，MySQL一般会选择BNL，而有索引则选择NLJ
优化方式
关联字段加索引
减少不必要的字段查询
加大join_buffer_size的大小（一次缓存的越多，内层扫描的次数就越少）
小表驱动大表（Explain结果集中小表在上）
可使用straight join设置左表驱动右表，不过只适用于inner join
尽量让MySQL的优化器自行判断（MySQL的优化器还是很稳的）
关于in和exsits：
当后半部分筛选出的结果集小于前面半部分，一般用in
in可以理解为以后面部分的结果集的大小作为外层循环的遍历次数，做个简单的代换就是a IN b就相当于for(b.size){a}，因此in会先执行b部分，b部分越小，也就相当于for循环次数越少当后半部分筛选出的结果集大于前面半部分，一般用exsits
exsits会先执行exsits前面的部分，做个简单的代换就是a EXSITS b就相当于for(a.size){b}，即a部分越小，for循环次数越少值得注意的是，这里的小表的“小”是指关联的表们分别按照各自的过滤条件进行过滤后，参与join的数据量，而非原始数据量
说白了就是先执行的那部分所得到的结果集越小，执行效率越高
COUNT优化
关于count(*)、count(1)、count(id)、count(字段)哪种效率最高?
自问自答：
-
字段有索引
count(*)约等于count(1)>count(字段)>count(id)- 二级索引存储的数据比主键索引小
count(1)无需取字段，count(字段)需要取字段，理论上来说count(1)会比count(字段)快一点count(*)被特别优化了下，按行累加，效率很高
-
字段无索引
count(*)约等于count(1)>count(id)>count(字段)
但其实MySQL优化到现在的版本，这四个的执行效率基本差不多，explain下
可以看到四条执行结果完全一致，SO你懂的(o^^o)/🎉
不过count(字段)跟其他3个有个很大的区别，当字段中有NULL时（如下图id为5的数据行name的值为NULL）
我们分别执行下count(*)、count(1)、count(id)、count(name)
可以看到，当count某个字段时，如果该字段为NULL，则不会被统计到（其他三个都会统计到）
优化方式
查询MySQL自己维护的总行数
WHERE的）会被myisam存储到磁盘上，查询无需计算，超级快模糊获取
show table status like '表名'获取近似值，不准确，但很快并且无需额外操作在Redis中维护总行数
在数据库增加计数表
