标签：索引优化

共 4 篇相关文章

IT 累计浏览 7,276

索引与优化like查询

这篇讲的是 MySQL 中一个经典又头疼的索引问题：当你的查询语句是 `LIKE '%keyword'` 时，索引会失效，迫使数据库进行全表扫描，导致查询变慢。问题的根源在于 B+ 树索引的工作原理。它只能高效地处理前缀匹配（如 `LIKE 'keyword%'`），因为模糊部分的通配符 `%` 放在最前面，破坏了索引的有序性，所以优化器只能放弃索引，选择全表扫描。文章给出的解决方案非常巧妙，核心思路是“转换匹配模式”。通过使用 MySQL 的 `REVERSE()` 函数，将字段内容和搜索关键词同时翻转。这样，原本的“后缀匹配”（`LIKE '%keyword'`）就被转化为了“前缀匹配”（`LIKE '%draeyk'`）。翻转后，就能利用常规的索引了。具体步骤是：为需要查询的字段创建一个使用 `REVERSE()` 函数的函数索引，然后在查询时对字段和参数都使用 `REVERSE()` 函数。这个技巧虽然绕了个弯，但确实能将全表扫描优化为索引范围扫描。需要注意的是，它对查询性能的提升是显著的，尤其在大表上。不过，使用函数索引会增加存储开销，并且在写入时也有额外的计算成本，所以需要根据实际场景的读写比例来权衡是否采用。

IT 累计浏览 2,211

在Oracle中如何调整 I/O 相关的等待

这篇讲的是作者如何在实际运维中，一步步诊断并优化Oracle数据库里那些让人头疼的I/O等待事件。文章从生产环境遇到的性能瓶颈切入，直接点明了诸如“log file sync”这类等待事件往往是I/O子系统跟不上数据库处理速度的警报。作者没有停留在表面，而是深入分析了等待事件背后的多重根因：既可能是日志缓冲区设置不当导致的频繁刷盘，也可能是存储层面对高并发读写的瓶颈，甚至与操作系统级的文件系统配置息息相关。针对这些根源，文章给出了一套组合调整方案。从调整DBWR和LGWR的I/O参数、优化重做日志文件的大小与数量，到在存储层面为日志文件和数据文件规划不同的磁盘组与I/O调度策略，每一步都紧扣“减少I/O竞争”这个核心。文中可能还包含了一些关键参数（如`db_file_multiblock_read_count`）调整前后的性能对比，让优化效果一目了然。它没有给出“一刀切”的万能公式，而是强调要像侦探一样，先定位具体是哪一类I/O等待在拖累系统，再进行有针对性的调优。对于需要面对复杂数据库性能问题的工程师来说，这篇从现象追踪到存储底层的实战复盘，提供了一套清晰的排障与优化思路。

IT 累计浏览 4,585

冗余索引对查询效率的影响

这篇讲的是数据库里一个常见但容易被忽略的陷阱：冗余索引。它并不是一个全新的技术概念，而是对“索引并非越多越好”这一原则的具体剖析。作者从一个线上查询变慢的真实场景切入，最终定位到的根因并非缺索引，恰恰是存在了几组多余的冗余索引。文章详细拆解了冗余索引是如何产生的——比如手动创建了一个与联合索引前缀重复的单列索引，或是因为历史迭代遗留下来的索引。关键点在于，这些索引不仅白白占用存储空间，更严重的是会拖慢所有涉及该表的写入（INSERT/UPDATE/DELETE）操作，因为每次数据变更都需要同步更新多个索引。为了证明其影响，文中提供了一组对比数据：在清理掉特定冗余索引后，相关写入操作的性能提升了约40%，同时查询效率并未受到任何负面影响。这对于DBA和后端开发者来说是一个明确的信号：定期审查索引策略，用 `sys.schema_unused_indexes` 这类工具找出未使用的索引，并果断清理，是成本很低却效果显著的优化手段。

IT 累计浏览 3,994

Mysql中大批量删除数据

这篇聊的是MySQL中一个非常常见但容易“踩雷”的场景：如何高效清理大批量过期数据。很多开发者遇到表数据膨胀、性能下降时，第一反应可能是简单粗暴的`DELETE FROM`。但作者指出，这种操作在数据量巨大时几乎不可行——它会长时间锁表、产生海量的binlog日志，甚至导致主从同步延迟，对线上服务影响巨大。文章的核心方案是引导读者采用“化整为零”和“巧用工具”的思路。比如，分批次删除数据，并在每批之间预留时间让数据库喘息；或者通过创建新表、迁移有效数据再切换的方式，实现“无损”清理。作者很可能还介绍了一些具体工具（如`pt-archiver`）或利用延迟关联来优化删除流程的技巧。关键结论在于，处理大批量删除绝不能图省事，必须根据数据量、业务容忍度和技术栈来选择合适策略，以最小化对线上业务的影响。掌握正确的姿势，才能让数据库维护从“事故”变为日常运维的一部分。