这些策略是SEO优化的基本原则，通过结合它们，您可以提高您的网站在搜索引擎中的排名，从而吸引更多的有针对性流量并提升在线可见性。请记住，SEO是一个长期的过程，需要持之以恒的努力和监控。

​目录前几天跟阿里云数据库大佬电话沟通 and Google解决方案 and 问群里大佬，总结如下（都是精华）：1.数据库设计和表创建时就要考虑性能2.sql的编写需要注意优化3.分区4.分表5.分库数据库设计和表创建时就要考虑性能

优化设计第一步想要在表设计中节省空间，就必须精通各种数据类型的特点（能用在什么业务上）、长度等int类型只增主键字段=>4字节=>每个字节8位=>32位，在CPU加载一条指令的时候，谷歌搜索留痕4字节是和CPU寄存器的运算有关，如：64位，由于直接的系统一般都是32位的，所以在运算4字节的数据是刚好的，效率最高，而现今我们系统基本都是64位的时候，其实没有更好的利用好CPU运算，所以在设计表字段建议，使用8字节的主键bigint，而不是直接使用int来做主键。

uuid做主键，字符类型做主键，在CPU的加载是需要消耗更多的运算过程char(10) 不管该字段是否存储数据，都占10个字符的存储空间char(10) 同时存在一个坑，就是存储abc数据后改数据库字段的值为“abc 7个空格 ”，在精准查询（where）就必须带上后面的7个空格

varchar 不存的时候不占空间，存多长数据就占谷歌搜索留痕多少空间优化设计第二步如何合理的设计出符合三范式数据库表?1NF：列不可分每一列都是不可分割的基本数据项，如这样的设计就不合理，姓名（王五，wangwu）。

2NF：1NF的基础上面，非主属性完全依赖于主关键字，如学生姓名（非主属性）就是依赖于学号（主属性）的3NF：属性不依赖于其它非主属性 , 消除传递依赖，如这样的设计就不合理，学号做主键，学生课程表（学号=课程），当学号修改，对应的课程表也需要修改，这就是属于传递依赖

BCNF：符合3NF，每个表中只有一个候选键4NF：没有多值依赖由于学号不能做主键，那用什么做主键？首先就有这样的规则：不要用业务规则来做主键，主键就应该和业务无关如经常用的的谷歌搜索留痕order_no（业务订单号），即使是唯一的，也不建议做主键的，容易产生传递依赖的问题，这样就不符合。

第三范式了优化设计第三步数据库优化策略1、选择小的数据类型2、单独设计主键，并考虑分布式扩展3、外键设计（重要，我们之前开发都是直接使用的弱外键来设置主外键关系，而实际项目中，如果要是删除了主键对应的记录后，外键表中的记录是没有删除的，这样对于数据库的数据是很容易混乱的，不便于维护，那我要是使用的是强外键的方式，这样直接删除主键记录，没有删除外键表中的记录，这样是要报错的，这样容易找到代码上的问题，。

外键的设计能对于数据完整性有一个好的约束，当你开发的系统已经完全不会出现数据不完整的问题的时候谷歌搜索留痕，你可以考虑使用弱外键来关联表操作，也同时会省去外键消耗，具体的设置外键方法查考博客：外键及其约束理解）4、索引设计

（对于业务上的字段，那些需要字段需要建立索引？）5、关联关系表设计，多对一，多对多6、读写频繁的信息，与不频繁的信息分开（如在设计支付系统的时候，会同时存在订单表和订单记录表，订单表读写频繁，而订单记录表就管理人员用，读写一般）

7、配置表，日志表，定时任务表等8、汇总表设计（多表关联查询会很慢，还容易卡死的情况，可以考虑在业务上汇总，记录到汇总表）优化设计第四步经过业务的沉淀，积累出一些设计思路或抽取出多项目的共同点，减少开发成本

1、通用型设计例：人员，部门，角色2、特别设计附件谷歌搜索留痕，日志，配置，监控等3、存储设计类型划分便于分区4、一些附加字段创建日期，修改日期，排序5、流水表类似于日志，但由业务处理结果组成，帐户变动或业务处理的中间值

MySQL 大表优化方案方案一：优化现有mysql数据库优点：不影响现有业务，源程序不需要修改代码，成本最低缺点：有优化瓶颈，数据量过亿就玩完了方案二：升级数据库类型，换一种100%兼容mysql的数据库。

优点：不影响现有业务，源程序不需要修改代码，你几乎不需要做任何操作就能提升数据库性能，缺点：多花钱方案三：一步到位，大数据解决方案，更换newsql/nosql数据库优点：扩展性强，成本低，没有数据容量瓶颈，。

缺点：需要修改源程序代码针谷歌搜索留痕对于SQL查询方面优化语句的计算方法1.对查询进行优化，应尽量避免全表扫描，首先应考虑在 where 及 order by 涉及的列上建立索引 2.应尽量避免在 where 子句中对字段进行 null 值判断，否则将导致引擎放弃使用索引而进行全表扫描，如： 。

select id from t where num is null可以在num上设置默认值0，确保表中num列没有null值，然后这样查询： select id from t where num=0

3.应尽量避免在 where 子句中使用!=或<>操作符，否则将引擎放弃使用索引而进行全表扫描 4.应尽量避免在 where 子句中使用 o谷歌搜索留痕r 来连接条件，否则将导致引擎放弃使用索引而进行全表扫描，如： 。

select id from t where num=10 or num=20 可以这样查询： select id from t where num=10 union all select id from t where num=20

http://5.in 和 not in 也要慎用，否则会导致全表扫描，如： select id from t where num in(1,2,3) 对于连续的数值，能用 between 就不要用 in 了：

select id from t where num between 1 and 3 6.谷歌搜索留痕下面的查询也将导致全表扫描： select id from t where name like %abc%

7.应尽量避免在 where 子句中对字段进行表达式操作，这将导致引擎放弃使用索引而进行全表扫描如： select id from t where num/2=100 应改为: select id from t where num=100*2 。

8.应尽量避免在where子句中对字段进行函数操作，这将导致引擎放弃使用索引而进行全表扫描如： select id from t where substring(name,1,3)=abc--name以abc开头的id 。

应改为: select i谷歌搜索留痕d from t where name like abc% 9.不要在 where 子句中的“=”左边进行函数、算术运算或其他表达式运算，否则系统将可能无法正确使用索引。

10.在使用索引字段作为条件时，如果该索引是复合索引，那么必须使用到该索引中的第一个字段作为条件时才能保证系统使用该索引，否则该索引将不会被使用，并且应尽可能的让字段顺序与索引顺序相一致 。

11.不要写一些没有意义的查询，如需要生成一个空表结构： select col1,col2 into #t from t where 1=0 这类代码不会返回任何结果集，但是会消耗系统资源的，应改成这样：

create table #t(..谷歌搜索留痕.) 12.很多时候用 exists 代替 in 是一个好的选择： select num from a where num in(select num from b)

用下面的语句替换： select num from a where exists(select 1 from b where num=a.num) 13.并不是所有索引对查询都有效，SQL是根据表中数据来进行查询优化的，当索引列有大量数据重复时，SQL查询可能不会去利用索引，如一表中有字段sex，male、

female几乎各一半，那么即使在sex上建了索引也对查询效率起不了作用 14.索引并不是越多越好，索引固然可以提高相应的 s谷歌搜索留痕elect 的效率，但同时也降低了 insert 及 update 的效率， 。

因为 insert 或 update 时有可能会重建索引，所以怎样建索引需要慎重考虑，视具体情况而定 一个表的索引数最好不要超过6个，若太多则应考虑一些不常使用到的列上建的索引是否有必要 15.尽量使用数字型字段，若只含数值信息的字段尽量不要设计为

字符型，这会降低查询和连接的性能，并会增加存储开销 这是因为引擎在处理查询和连接时会逐个比较字符串中每一个字符，而对于数字型而言只需要比较一次就够了 16.尽可能的使用 varchar 代替 char ，因为首先变长字段存储空间小，可以节省存储空间，

其次对于查询来说，在一谷歌搜索留痕个相对较小的字段内搜索效率显然要高些 17.任何地方都不要使用 select * from t ，用具体的字段列表代替“*”，不要返回用不到的任何字段 18.避免频繁创建和删除。

临时表，以减少系统表资源的消耗19.临时表并不是不可使用，适当地使用它们可以使某些例程更有效，例如，当需要重复引用大型表或常用表中的某个数据集时但是，对于一次性事件，最好使用导出表 20.在新建临时表时，如果一次性插入数据量很大，那么可以使用 select into 代替 create table，避免造成大量 log ， 。

以提高速度；如果数据量不大，为了缓和系统表的资源，应先create table，然后inser谷歌搜索留痕t21.如果使用到了临时表，在存储过程的最后务必将所有的临时表显式删除，先 truncate table ，然后 drop table ，这样可以避免系统表的较长时间锁定。

22.尽量避免使用游标，因为游标的效率较差，如果游标操作的数据超过1万行，那么就应该考虑改写 23.使用基于游标的方法或临时表方法之前，应先寻找基于集的解决方案来解决问题，基于集的方法通常更有效。

24.与临时表一样，游标并不是不可使用对小型数据集使用 FAST_FORWARD 游标通常要优于其他逐行处理方法，尤其是在必须引用几个表才能获得所需的数据时在结果集中包括“合计”的例程通常要比使用游标执行的速度快。

如果开发时间允许，谷歌搜索留痕基于游标的方法和基于集的方法都可以尝试一下，看哪一种方法的效果更好25.尽量避免大事务操作，提高系统并发能力26.尽量避免向客户端返回大数据量，若数据量过大，应该考虑相应需求是否合理26.使用联合(UNION)来代替手动创建的临时表

MySQL 从 4.0 的版本开始支持 UNION 查询，它可以把需要使用临时表的两条或更多的 SELECT 查询合并的一个查询中在客户端的查询会话结束的时候，临时表会被自动删除，从而保证数据库整齐、高效。

使用 UNION 来创建查询的时候，我们只需要用 UNION作为关键字把多个 SELECT 语句连接起来就可以了，要注意的是所有 SELECT 语句中的字段数目要谷歌搜索留痕想同下面的例子就演示了一个使用 UNION的查询。

SELECT Name, Phone FROM client UNION SELECT Name, BirthDate FROM authorUNIONSELECT Name, Supplier FROM product

MySQL面试：left join我要怎优化？MySQL面试：left join我要怎优化？23 赞同 · 1 评论文章

1.2.2 价值主张： 确定您的产品或服务在目标市场上的独特价值，为什么客户应该选择您。

分区优化分区又可以分为两种：水平分区（Horizontal Partitioning）这种形式分区是对表的行进行分区，通过谷歌搜索留痕这样的方式不同分组里面的物理列分割的数据集得以组合，从而进行个体分割（单分区）或集体分割（1个或多个分区）。

所有在表中定义的列在每个数据集中都能找到，所以表的特性依然得以保持举个简单例子：一个包含十年发票记录的表可以被分区为十个不同的分区，每个分区包含的是其中一年的记录（注：这里具体使用的分区方式我们后面再说，可以先说一点，一定要通过某个属性列来分割，譬如这里使用的列就是年份）。

垂直分区（Vertical Partitioning）这种分区方式一般来说是通过对表的垂直划分来减少目标表的宽度，使某些特定的列被划分到特定的分区，每个分区都包含了其中的列所对应的行举个简单例子：一个包含了大text和谷歌搜索留痕。

BLOB列的表，这些text和BLOB列又不经常被访问，这时候就要把这些不经常使用的text和BLOB了划分到另一个分区，在保证它们数据相关性的同时还能提高访问速度分区表的原理分区表是由多个相关的底层表实现，这些底层表也是由句柄对象表示，所以我们也可以。

直接访问各个分区，存储引擎管理分区的各个底层表和管理普通表一样（所有的底层表都必须使用相同的存储引擎），分区表的索引只是在各个底层表上各自加上一个相同的索引，从存储引擎的角度来看，底层表和一个普通表没有任何不同，存储引擎也无须知道这是一个普通表还是一个分区表的一部分。

在分区表上的操作按照下面的操作逻辑进行：select查询：当查询一个分区表的谷歌搜索留痕时候，分区层先打开并锁住所有的底层表，优化器判断是否可以过滤部分分区，然后再调用对应的存储引擎接口访问各个分区的数据insert操作：

当写入一条记录时，分区层打开并锁住所有的底层表，然后确定哪个分区接受这条记录，再将记录写入对应的底层表delete操作：当删除一条记录时，分区层先打开并锁住所有的底层表，然后确定数据对应的分区，最后对相应底层表进行删除操作

update操作：当更新一条数据时，分区层先打开并锁住所有的底层表，mysql先确定需要更新的记录在哪个分区，然后取出数据并更新，再判断更新后的数据应该放在哪个分区，然后对底层表进行写入操作，并对原数据所在的底层表进行删除操作

虽然每个操作都会打谷歌搜索留痕开并锁住所有的底层表，但这并不是说分区表在处理过程中是锁住全表的，如果存储引擎能够自己实现行级锁，如：innodb，则会在分区层释放对应的表锁，这个加锁和解锁过程与普通Innodb上的查询类似。

在下面的场景中，分区可以起到非常大的作用：A：表非常大以至于无法全部都放在内存中，或者只在表的最后部分有热点数据，其他都是历史数据B：分区表的数据更容易维护，如：想批量删除大量数据可以使用清除整个分区的方式。

另外，还可以对一个独立分区进行优化、检查、修复等操作C：分区表的数据可以分布在不同的物理设备上，从而高效地利用多个硬件设备D：可以使用分区表来避免某些特殊的瓶颈，如：innodb的单个索引的互斥访问谷歌搜索留痕，ext3

文件系统的inode锁竞争等E：如果需要，还可以备份和恢复独立的分区，这在非常大的数据集的场景下效果非常好F：优化查询，在where字句中包含分区列时，可以只使用必要的分区来提高查询效率，同时在涉及sum()和count()这类

聚合函数的查询时，可以在每个分区上面并行处理，最终只需要汇总所有分区得到的结果分库场景：分表能够解决单表数据量过大带来的查询效率下降的问题，但是，却无法给数据库的并发处理能力带来质的提升面对高并发的读写访问，当数据库master。

服务器无法承载写操作压力时，不管如何扩展slave服务器，此时都没有意义了因此，我们必须换一种思路，对数据库进行拆分，从而提高数据库谷歌搜索留痕写入能力，这就是所谓的分库!与分表策略相似，分库可以采用通过一个关键字取模的方式，来对数据访问进行路由，如下图所示：。

还是之前的订单表，假设user_id 字段的值为258，将原有的单库分为256个库，那么应用程序对数据库的访问请求将被路由到第二个库(258%256 = 2)补充：1，硬件优化a>内存——大内存、大内存位宽，尽量不要用SWAP；。

b>硬盘——15000RPM、RAID5、raid10c>CPU——64位、高主频、高缓存，高并行处理能力d>网络——标配的千兆网卡足矣，尽可能在同一局域网内，尽量避免诸如防火墙策略等不必要的开销2，架构上的优化

a>纵向拆解最简单的一台服务同时负责we谷歌搜索留痕b、中间件、数据库多个角色；纵向拆解后就是数据库服务器专机专用，避免额外的服务可能导致的性能下降和不稳定性；如果将数据库服务器专机专用仍然无法满足需求，可以考虑在数据库和

应用服务器之间加Memcachedb>横向拆解主从同步、负载均衡、高可用性集群，当单个mysql数据库无法满足日益增加的需求时，可以考虑在数据库这个逻辑层面增加多台服务器，以达到稳定、高效的效果http://。

bbs.linuxtone.org/thread-5152-1-1.html3，操作系统级别的优化a>64位系统可以分给单个进程更多的内存、服务调优，禁用不必要启动的服务，修改文件描述符限制，留更多的资源给mysql；

b谷歌搜索留痕>文件系统调优，给数据仓库一个单独的文件系统,推荐使用XFS，一般效率更高、更可靠c>可以考虑在挂载分区时启用noatime选项4，数据库服务的优化a>使用linux/bsd操作系统进行编译安装，对编译参数进行性能优化，精简不必要启用的功能。

b>合适的应用程序接口c>保持每个表都不要太大，可以对大表做横切和纵切；比如说我要取得某ID的lastlogin，完全可以做一张只有“ID”和 “lastlog”的小表，而非几十、几百列数据的并排大表；另外对一个有1000万条记录的表做更新比对10个100万记录的表做更新一般来的要慢。

d>myisam引擎，表级锁，单锁开销小，但影响范围大，适合读多写少的表谷歌搜索留痕，不支持事物日志；表锁定不存在死锁e>innodb引擎，行级锁，锁定行的开销要比锁定全表要大，但影响范围小，适合写操作比较频繁的数据表；行级锁可能存在死锁。

5，my.cnf内参数的优化；优化总原则：给mysql的资源太少，则mysql施展不开；给mysql的资源太多，可能会拖累整个OSa>总体资源占用的优化；open_files_limit——mysqld可以打开的文件的数量；。

max_connections——允许的并行客户端连接数目；max_connect_errors——允许的主机的错误连接数；table_cache——每个链接允许打开的表的数量；max_allowed_packet——谷歌搜索留痕从服务器接收的包的大小；

thread_cache_size——缓存多少个待用线程；b>具体buffer的优化sort_buffer_size——每个线程可以分配的缓冲区的大小；join_buffer_size——不走索引的join操作可分配的缓冲区的大小；

query_cache_size——为查询分配的缓存；query_cache_limit——不缓存大于该限制的查询结果；query_cache_min_res_unit——不缓存小于该限制的查询结果；tmp_table_size——内存内的临时表表超过该限制值，则写入硬盘；

binlog_cache_size——二进制日志文件的缓存大小；key谷歌搜索留痕_buffer_size——myisam引擎的索引块共用缓冲区；read_buffer_size——为从数据表顺序读取数据的读操作保留的缓存区的长度；

innodb_additional_mem_pool_size——InnoDB用来存储数据目录信息＆其它内部数据结构的内存池的大小你应用程序里的表越多，你需要在这里分配越多的内存innodb_buffer_pool_size——InnoDB用来缓存它的数据和索引的内存缓冲区的大小。

理论上来说是越大越好，但要注意不要设置过大,否则,由于物理内存的竞争可能导致操作系统的换页颠簸.innodb_data_file_path——innodb表空间的指定以谷歌搜索留痕及大小，初始表空间大一些可以减少日后自增加表空间的系统开销。

innodb_thread_concurrency——在InnoDb核心内的允许线程数量；innodb_log_buffer_size——InnoDB用来往磁盘上的日志文件写操作的缓冲区的大小当日志大小超过该限定时，日志会被写入磁盘，比写入内存的I/O开销大。

innodb_log_file_size——每个日志文件的大小max_allowed_packet——包服务所能处理的请求包的最大大小以及服务所能处理的最大的请求大小6，查询优化,a>建表时表结构要合理，每个表不宜过大；在任何情况下均应使用最精确的类型。

例如，如果ID列用Int是谷歌搜索留痕一个好主意，而用text类型则是个蠢办法；TIME列酌情使用DATE或者DATETIMEb>索引，所有的查询都走科学的索引，单个索引命中率低时使用联合索引；c>查询时尽量减少逻辑运算

(与运算、或运算、大于小于某值的运算)；d>减少不当的查询语句，不要查询应用中不需要的列，比如说select * from 等操作e>减小事务包的大小；f>将多个小的查询适当合并成一个大的查询，减少每次建立/关闭查询时的开销；。

g>将某些过于复杂的查询拆解成多个小查询，和上一条恰好相反h>建立和优化存储过程来代替大量的外部程序交互7，DEBUG工具：a>vmstat——vmstat 命令报告关于内核线程、虚拟内存、谷歌搜索留痕磁盘、陷阱和 CPU 活动的统计信息,。

b>iostat——iostat命令报告CPU、硬盘等设备的输入输出情况，可能需要安装sysstat rpm包c>top——动态显示当前系统的资源占用，和上文面的两个命令相比，top更侧重于进程d>free——显示内存和swap占用情况。

e>show processlist——显示当前运行或等待的线程，判断哪些查询语句总是处于等待状态f>EXPLAIN——“EXPLAIN + SQL语句”查看索引使用情况g>show create table + “table_name” ——查看指定表的表结构。

h> select count(distinct “row谷歌搜索留痕_name”) from "table_name";查看列内数据的唯一性，确定给哪一列创建索引i>create index 创建索引，并用 show processlist、top观察创建索引后的效果。

补充：关于MySQL性能优化的总结：最后呢：如果想学习技术，或者在学习技术的过程中有疑问，对编程方向的选择，可以来这里找小于哥，一个有思想有规划，被代码延误的心灵导师，可咨询offer的选择，职业规划，学习路线，技术开发中的问题

终端研发部45 次咨询5.053267 次赞同去咨询写在最后的话大家看完有什么不懂的可以在下方留言讨论，也可以私信问我一般看到后我都会回复的最后觉得文章对你有帮助的话记得谷歌搜索留痕点个赞哦，点点关注不迷路@终端研发部。

每天都有新鲜的干货分享！

联系我们的SEO专家，让我们一起制定一个个性化的SEO战略，提升您的在线存在感。