字段设计

- 优先选择符合存储需求的最小数据类型

字段越大，建索引需要的空间就越大，一页存储下的索引结点就越少，这样一次索引查找的io次数就会上升，导致索引性能变差

- 尽可能把所有列定义为not null

索引设计

索引的目的是，在磁盘io去提取数据之前，尽可能多地过滤不必要的数据，缩小磁盘io的“范围”

- 联合索引。一般区分度高的、使用最频繁的字段，放到联合索引的最左侧

- 前缀索引。索引列的字符串过长时，全部拿来建索引那么索引文件就会偏大，磁盘io上升。这时可以选择使用前n位建索引

存储引擎

- innodb使用B+tree索引

• 支持随机检索和顺序检索（顺序检索直接扫叶子结点）
• B+tree磁盘读写代价更低。因为其非叶子结点不存储指向具体信息的指针，在同样的磁盘占用下，B+tree能够存下更多的结点。当存储索引的磁盘块按页载入内存时，一页包含的结点更多，那么整个B+tree就更加矮胖。树的高度就是在一次索引上查找涉及的磁盘io次数，因此B+tree磁盘读写代价更低
• B+tree非常适合范围查找，遍历叶子结点即可

查询优化

- 如可以，尽量使用left join or not exists替换not in，not in通常不走索引

- 一条sql语句，where和order by都可以使用索引

- index_merge. where子句中可能有多个条件(或者join)涉及到一张表的多个字段，它们之间进行 AND 或者 OR，就有可能会使用到 index merge 。index merge 其实就是对一张表的多个索引分别进行条件扫描，然后将它们各自的结果进行合并(intersect/union)

The Index Merge access method retrieves rows with multiple range scans and merges their results into one. This access method merges index scans from a single table only, not scans across multiple tables. The merge can produce unions, intersections, or unions-of-intersections of its underlying scans

- 推荐使用union替代or

- IN clause.

expr IN (value,...)
optimization of IN expr:

• Common IN expr: The values the list are sorted and the search for expr is done using a binary search, which makes the IN() operation very quick.
• if expr is a specific column with a index, then 将根据in的范围进行索引扫描。the list are sorted，因此扫描边界很好判断