Mysql优化-字段设计

摘抄并用于自查笔记

1. 对精度有要求decimal

　　float 类型用于表示单精度浮点数值，而double类型用于表示双精度浮点数值，float 和 double 都是浮点型，而 decimal 是定点型。

　　MySQL浮点型和定点型可以用类型名称后加 (M,D) 来表示，M表示该值的总共长度，D表示小数后面的长度，M和D又称为精度和标度，如 float(7,4) 可显示为 -999.9999，MySQL保存值时进行四舍五入，如果插入 999.00009，则结果为 999.0001。float 的精度大概在7为左右，超过了就是1000000...... double的精度在15位左右.......

　　浮点数通常用来保存一些数量特别大，大到不用那么精确的数据，如果要更精确的，可以用decimal。

　　decimal(M,D) M表示总长度，不能超过65，D表示小数部分，最长不能超过38。

　　float 和 double 在不指定精度时，默认会按照实际的精度来显示，而 decimal 在不指定精度时，默认整数为10，小数为0。

　　decimal 和 numeric 值作为字符串存储，而不是二进制浮点数，以便保存那些值的小数精度。

　　

　　缺点： decimal 类型字段插入超过定义的数字会省略后面几位的数字（四舍五入）

　　优点：1）数值以字符串的形式保存，存储了一个准确的数字表达法，不存储值的近似值。这种方法很好的处理 float 和 double 类型都会发生的错误，因为他们都是以二进制存储的，所以有一定的误差。一个字符用于值的每一位、小数点

　　　　    2）decimal 有更多的位数保存数值

　　　　　　float：浮点型，含字节数为4,32bit，7个有效位

　　　　　　double：双精度实型，含字节数为8,64bit，15个有效位

　　　　　　decimal：数字型，128bit，不存在精度损失，常用于银行账目计算，28个有效位。

　　　　

2. 尽量用整数代替字符串

　　数据库处理数字比字符串快，在正常情况下查询数字比查询字符快很多。

　　对数字建立索引也比字符快

　　对数字比大小时，如果拿到程序端比较还要转型，在数据端比较也很麻烦

　　...

3. 尽量使用 not null

　　在mysql数据库中，“NULL” 和 “空值（空字符串）”是不一样的。NULL是一种比较特殊的数据类型，这也可以解释为什么字段设置为NOT NULL，却可以插入空值。空值是不占用空间的，而NULL需要占用空间。

　　在平常我们设计数据库时，如果是索引字段，一定要定义为 NOT NULL 。因为 NULL 值会影响优化器对索引的选择，索引效率会下降很多。虽然表中允许 NULL 列，但其他字段也尽量定义为 NOT NULL 。 mysql 在进行比较的时候，NULL 会参与字段比较。因为 NULL 是一种比较特殊的数据类型。数据库在处理的时候需要进行特殊的处理。如此的话，就会增加数据库处理记录的复杂性。当表中有比较多的空字段时，在同等条件下，数据库处理的性能会降低许多。

　　在往数据表插入数据时，如果一直不能保证该字段一定有值，可以借鉴以下解决方法：

　　1）通过设置默认的形式，定义时使用DEFAULT " 或 DEFAULT 0，来避免空字段的产生。

　　2）若一张表中，允许为空的列比较多，接近全部列数的三分之一，而且这些列在大部分情况下都可有可无，可以考虑另外建立一张附表，以保存这些列。

4. 定长和非定长的选择

　　对于长度基本固定的列，如果该列恰好更新又特别频繁，适合char。

　　varchar虽然存储变长字符串，但不可太小也不可太大。UTF8最多能存储21844个汉字，或者65532个英文。

　　varbinary(M) 保存的是二进制字符串，它保存的是字节而不是字符，所以没有字符集的概念，M长度0-255（字节）。只用于排序或比较时大小写敏感的类型，不包括密码存储。

　　text 类型与 VARCHAR 都类似，存储可变长度，最大限制2^16，但是它20Byte以后的内容是在数据页以外的空间存储（row_format=dynamic），对他的使用需要多一次寻址，没有默认值。一般用于存放容量平均都很大、操作没有其他字段那样频繁的值。（网上部分说要避免使用 text 和blob，如果纯用varchar可能会导致行溢出，效果差不多，但因为每行占用字节数过多，会导致 buffer_pool 能缓存的数据行、页下降。另外 text 和 blob 上面一般不会去建索引，而是利用 sphinx 之类的第三方全文搜索引擎，如果确实要创建（前缀）索引，那就会影响性能）

　　在 mysql 中，若一张表里面不存在 varchar、text 、blob 字段的话，那么这张表也叫静态表，即该表的 row_format 是 fixed ， 就是说每条记录所占用的字节一样。其优点是读取快，缺点是浪费额外一部分空间。

　　若一张表里面存在 varchar、text、blob 字段的话，那么这张表也叫动态表，即该表的 row_format 是 dynamic，就是说每条记录所占用的字节是动态的。其优点是节省空间，缺点是增加读取的时间开销。

　　所以，做搜索查询量大的表一般都是以空间来换取时间，设计成静态表。

5. timestamp 和 datetime 选择

　　datetime 和 timestamp 类型所占的存储空间不同，前者8字节，后者4字节，这样造成的后果是两者能表示的时间范围不同。前者范围是 1000-01-01 00:00:00 ~ 9999-12-31 23:59:59，后者范围是 1970-01-01 8:00:01 ~ 2038-01-19 11:14:07. 所以 timestamp 支持的范围比 datetime 要小。

　　timestamp 可以在 insert/update 时，自动更新时间字段（如 f_set_time timestamp NOT NULL DEFAULT CURRENT_TIMESTAMP ON UPDATE CURRENT_TIMESTAMP），但一个表只能有一个这样的定义。

　　timestamp 显示与时区有关，内部总是以 UTC 毫秒来存的。

　　优先使用 timestamp ，datetime 也没问题

　　where 条件里不要对时间列上使用时间函数。

6. 所有表显示指定主键，不要强制使用外键

　　主键尽量采用自增方式，InnoDB 表实际是一棵索引组织表，顺序存储可以提高存储效率，充分利用磁盘空间。还有对一些复杂查询可能需要自连接来优化时需要用到。（如果表使用自增主键，那么每次插入新的记录，记录就会顺序添加到当前索引节点的后续位置，当写满一页就会自动开辟一个新的页，如果使用非自增主键，由于每次插入主键的值近似随机，因此每次的新记录都要被插到现有索引页的中间某个位置，此时，MySQL不得不为了将新记录插到合适位置而移动数据，升职目标页面可能已经被回写到磁盘而从缓存中清掉，此时又要从磁盘上读回来，这增加了很多开销，同时频繁的移动、分页操作造成了大量的碎片，得到了不够紧凑的索引结构，后续不得不通过OPTIMIZE TABLE（这个用来删除空洞，利用未使用的空间，并整理数据文件的碎片）来重新 建表并优化填充页面）

　　当删除数据时，mysql 并不会回收被已删除数据占据的存储空间，以及索引位。而是空在那里，等待新的数据来弥补这个空缺。所以如果一时半会没有数据

　　如果没有主键或者唯一索引，update/delete 是通过所有字段来定位操作的行，相当于每行就是一次全表扫描。

　　即使2个表的字段有明确的外键参考关系，也不使用 FOREIGN KEY，因为新纪录会去主键表做校验，影响性能。

7. 字段不要过多，取名见名思义，加注释，预留字段供扩展

　　单表字段数上限30个左右，再多的话考虑垂直分表，一时冷热数据分离，二是大字段分离，三是常在一起查询条件和返回的不分离。

　　表字段控制少而精，可以提高IO效率，内存缓存更多有效数据，从而提高响应速度和并发能力，后续 alter table 速度也更快。

8. 数据库三大范式

　　范式是关系数据库关系模式规范化的标准，从规范化的宽松到严格，分为不同的范式，通常使用的有第一范式、第二范式、第三范式及BC范式。范式是建立在函数依赖基础上的。

第一范式

　　1NF是对属性的原子性，要求属性具有原子性，不可再分解；

　　如学生（学号、姓名、性别、出生年月日），如果认为最后一列还可以再分成（出生年、出生月、出生日），他就不是第一范式了。（这个分解应该根据具体业务来确定，使用这个字段的情况，是查看年月日，还是分开查看年、月、日）

第二范式

　　2NF是对记录的唯一性，要求记录有唯一标识，即实体的唯一性，即不存在部分依赖（两个事务）；

　　如：表：学号、课程号、姓名、学分；

　　这个表明显说明了两个事务：学生信息，课程信息；由于非主键字段必须依赖主键，这里学分依赖课程号，姓名依赖学号，所以不符合第二范式；

可能会存在问题：

　　1. 数据冗余，每条记录都含有相同信息；

　　2. 删除异常，删除所有学生成绩，就把课程信息全部删除了；

　　3. 插入异常，学生未选课，无法记录进数据库；

　　4. 更新异常，调整课程学分，所有行都调整。

正确做法：

　　学生：Student（学号，姓名）；

　　课程：Course（课程号，学分）；

　　选课关系：StudentCourse（学号、课程号、成绩）。

第三范式

　　3NF是对字段的冗余性，要求任何字段不能由其他字段派生出来，它要求字段没有冗余，即不存在传递依赖。

　　如：表：学号，姓名，年龄，学院名称，学院电话

　　因为存在依赖传递：学号 --> 学生 --> 所在学院 --> 学院电话

可能会存在问题：

　　1. 数据冗余，有重复值；

　　2. 更新异常，有重复的冗余信息，修改时需要同时修改多条记录，否则会出现不一致的情况，

正确做法：

　　学生：学号、姓名、年龄、所在学院；

　　学院：学院、电话

反范式化

　　一般来说，数据库只需满足第三范式（3NF）就行了。

　　没有冗余的数据库设计可以做到，但是，没有冗余的数据库未必是最好的数据库，有时为了提高运行效率，就必须降低范式标准，适当保留冗余数据。具体做法是：在概念数据模型设计时遵守第三范式，降低范式标准的工作放到物理数据模型设计时考虑。降低范式就是增加字段，允许冗余，达到以空间换时间的目的。

　　例如：有一张存放商品的基本表，“金额”这个字段的存在，表明该表的设计不满足第三范式，因为“金额”可以由“单价”乘以“数量”得到，说明“金额”是冗余字段。但是，增加“金额”这个字段，可以提高查询统计的速度，这就是以空间换时间的做法。

范式化设计和反范式化设计的优缺点

　　1. 范式化优点：

　　　　可以尽量的减少数据冗余，数据表更新快体积小

　　　　范式化的更新操作比反范式化更快

　　　　范式化的表通常比反范式化更小

　　2. 范式化缺点：

　　　　对于查询需要对多个表进行关联，导致性能降低

　　　　更难进行索引优化

　　3. 反范式化优点

　　　　可以减少表的关联

　　　　可以更好的进行索引优化

　　4. 反范式化缺点

　　　　存在数据冗余及数据维护异常

　　　　对数据的修改需要更多的成本