优化数据库对象

优化表的数据类型

procedure anylyse() 可以对当前应用的表进行分析，该函数可以对数据表中列的数据类型提出优化建议

select * from tablename procedure analyse();

通过拆分提高表的访问效率

这里所说的拆分，是指对数据表进行拆分。如果针对 MyISAM 类型的表进行，那么有两种拆分方法

• 第一种是垂直拆分，即把主码和一些列放到一个表，然后把主码和另外的列放到另一个表中。如果一个表中某些列常用，而另一些列不常用，则可以采用垂直拆分，另外，垂直拆分可以使得数据行变小，一个数据页就能存放更多的数据，在查询时就会减少 I/O 次数。其缺点是需要管理冗余列，查询所有数据需要联合操作
• 第二种方法是水平拆分，即根据一列或多列数据的值把数据行放到两个独立的表中。水平拆分通常在以下几种情况下使用：
  • 表很大，分割后可以降低在查询时需要读的数据和索引的页数，同时也降低了索引的层数，提高查询速度
  • 表中的数据本来就有独立性，例如，表中分别记录各个地区的数据或不同时期的数据，特别是有些数据常用，而另外一些数据不常用
  • 而要把数据存放到多个介质上

逆规范化

数据库设计时要满足规范化这个道理大家都非常清楚，但是否数据的规范化程度越高越好呢？这还是由实际需求来决定。因为规范化越高，那么产生的关系就越多，关系过多的直接结果就是导致表之间的连接操作越频繁，而表之间的连接操作是性能较低的操作，直接影响到查询的速度，所以，对于查询较多的应用，就需要根据实际情况运用逆规范化对数据进行设计，通过逆规范化来提高查询的性能

反规范的好处是降低连接操作的需求降低外码和索引的数目，还可能减少表的数目，相应带来的问题是可能出现数据的完整性问题。加快查询速度，但会降低修改速度。因此，决定做反规范时，一定要权衡利弊，仔细分析应用的数据存取需求和实际的性能特点，好的索引和其他方法经常能够解决性能问题，而不必采用反规范这种方法

在进行反规范操作之前，要充分考虑数据的存取需求，常用表表的大小，一些特殊的计算，数据的物理存储位置等。常用的反规范技术有增加冗余列，增加派生列，重新组表和分割表

另外，逆规范技术需要维护数据的完整性。无论使用何种反规范技术，都需要一定的管理来维护数据的完整性，常用的方法是批处理维护，应用逻辑和触发器

使用中间表提高统计查询速度

对于数据量较大的表，在其上进行统计查询通常会效率很低，并且还要考虑统计查询是否会对在线的应用产生负面影响。通常在这种情况下，使用中间表可以提高统计查询的效率

中间表复制原表部分数据，并且与原表相隔离，在中间表上做统计查询不会对在线应用产生负面影响

中间表上可以灵活的添加索引或正价临时用的新字段，从而达到提高统计查询效率和辅助统计查询作用