分享一篇關於SQL最佳化的硬核文章，全文有點長，建議收藏後慢慢看。
很多朋友在做資料分析時，分析兩分鐘，跑數兩小時？
在使用SQL過程中不僅要關注資料結果，同樣要注意SQL語句的執行效率。
本文涉及三部分：
SQL介紹
SQL最佳化方法
SQL最佳化例項
1、MySQL的基本架構
1）MySQL的基礎架構圖
左邊的client可以看成是客戶端，客戶端有很多，像我們經常你使用的CMD黑視窗，像我們經常用於學習的WorkBench，像企業經常使用的Navicat工具，它們都是一個客戶端。右邊的這一大堆都可以看成是Server（MySQL的服務端），我們將Server在細分為sql層和儲存引擎層。
當查詢出資料以後，會返回給執行器。執行器一方面將結果寫到查詢快取裡面，當你下次再次查詢的時候，就可以直接從查詢快取中獲取到資料了。另一方面，直接將結果響應回客戶端。
2）查詢資料庫的引擎
show engines;
show variables like “%storage_engine%”;
3）指定資料庫物件的儲存引擎
SQL最佳化
1）為什麼需要進行SQL最佳化？
在進行多表連線查詢、子查詢等操作的時候，由於你寫出的SQL語句欠佳，導致的伺服器執行時間太長，我們等待結果的時間太長。基於此，我們需要學習怎麼最佳化SQL。
2）mysql的編寫過程和解析過程
編寫過程
解析過程
提供一個網站，詳細說明了mysql解析過程：
https：//www。cnblogs。com/annsshadow/p/5037667。html
3）SQL最佳化—主要就是最佳化索引
最佳化SQL，最重要的就是最佳化SQL索引。
索引相當於字典的目錄。利用字典目錄查詢漢字的過程，就相當於利用SQL索引查詢某條記錄的過程。有了索引，就可以很方便快捷的定位某條記錄。
什麼是索引？
索引就是幫助MySQL高效獲取資料的一種【資料結構】。索引是一種樹結構，MySQL中一般用的是【B+樹】。
索引圖示說明(這裡用二叉樹來幫助我們理解索引)
樹形結構的特點是：子元素比父元素小的，放在左側；子元素比父元素大的，放在右側。
這個圖示只是為了幫我們簡單理解索引的，真實的關於【B+樹】的說明，我們會在下面進行說明。
索引是怎麼查詢資料的呢？兩個字【指向】，上圖中我們給age列指定了一個索引，即類似於右側的這種樹形結構。mysql表中的每一行記錄都有一個硬體地址，例如索引中的age=50，指向的就是源表中該行的識別符號（“硬體地址”）。
也就是說，樹形索引建立了與源表中每行記錄硬體地址的對映關係，當你指定了某個索引，這種對映關係也就建成了，這就是為什麼我們可以透過索引快速定位源表中記錄的原因。
以【select * from student where age=33】查詢語句為例。當我們不加索引的時候，會從上到下掃描源表，當掃描到第5行的時候，找到了我們想要找到了元素，一共是查詢了5次。
當添加了索引以後，就直接在樹形結構中進行查詢，33比50小，就從左側查詢到了23，33大於23，就又查詢到了右側，這下找到了33，整個索引結束，一共進行了3次查詢。是不是很方便，假如我們此時需要查詢age=62，你再想想“新增索引”前後，查詢次數的變化情況。
4）索引的弊端
1。當資料量很大的時候，索引也會很大（當然相比於源表來說，還是相當小的），也需要存放在記憶體/硬碟中（通常存放在硬碟中），佔據一定的記憶體空間/物理空間。
2。索引並不適用於所有情況：a。少量資料；b。頻繁進行改動的欄位，不適合做索引；c。很少使用的欄位，不需要加索引；
3。索引會提高資料查詢效率，但是會降低“增、刪、改”的效率。當不使用索引的時候，我們進行資料的增刪改，只需要操作源表即可，但是當我們新增索引後，不僅需要修改源表，也需要再次修改索引，很麻煩。儘管是這樣，新增索引還是很划算的，因為我們大多數使用的就是查詢，“查詢”對於程式的效能影響是很大的。
5）索引的優勢
1。提高查詢效率（降低了IO使用率）。當建立了索引後，查詢次數減少了。
2。降低CPU使用率。比如說【…order by age desc】這樣一個操作，當不加索引，會把源表載入到記憶體中做一個排序操作，極大的消耗了資源。但是使用了索引以後，第一索引本身就小一些，第二索引本身就是排好序的，左邊資料最小，右邊資料最大。
6）B+樹圖示說明
MySQL中索引使用的就是B+樹結構。
關於B+樹的說明：
首先，Btree一般指的都是【B+樹】，資料全部存放在葉子節點中。對於上圖來說，最下面的第3層，屬於葉子節點，真實資料部份都是存放在葉子節點當中的。
那麼對於第1、2層中的資料又是幹嘛的呢？答：用於分割指標塊兒的，比如說小於26的找P1，介於26-30之間的找P2，大於30的找P3。
其次，三層【B+樹】可以存放上百萬條資料。這麼多資料怎麼放的呢？增加“節點數”。圖中我們只有三個節點。
最後，【B+樹】中查詢任意資料的次數，都是n次，n表示的是【B+樹】的高度。
3、索引的分類與建立
1）索引分類
單值索引
唯一索引
複合索引
單值索引
利用表中的某一個欄位建立單值索引。一張表中往往有多個欄位，也就是說每一列其實都可以建立一個索引，這個根據我們實際需求來進行建立。還需要注意的一點就是，一張表可以建立多個“單值索引”。
假如某一張表既有age欄位，又有name欄位，我們可以分別對age、name建立一個單值索引，這樣一張表就有了兩個單值索引。
唯一索引
也是利用表中的某一個欄位建立單值索引，與單值索引不同的是：建立唯一索引的欄位中的資料，不能有重複值。像age肯定有很多人的年齡相同，像name肯定有些人是重名的，因此都不適合建立“唯一索引”。像編號id、學號sid，對於每個人都不一樣，因此可以用於建立唯一索引。
複合索引
多個列共同構成的索引。比如說我們建立這樣一個“複合索引”（name，age），先利用name進行索引查詢，當name相同的時候，我們利用age再進行一次篩選。注意：複合索引的欄位並不是非要都用完，當我們利用name欄位索引出我們想要的結果以後，就不需要再使用age進行再次篩選了。
2）建立索引
語法
語法：create 索引型別 索引名 on 表（欄位）；
建表語句如下：
查詢表結構如下：
建立索引的第一種方式
Ⅰ 建立單值索引
Ⅱ 建立唯一索引：這裡我們假定name欄位中的值都是唯一的
Ⅲ 建立複合索引
建立索引的第二種方式
先刪除之前建立的索引以後，再進行這種建立索引方式的測試；
語法：alter table 表名 add 索引型別 索引名(欄位)
Ⅰ 建立單值索引
Ⅱ 建立唯一索引：這裡我們假定name欄位中的值都是唯一的
Ⅲ 建立複合索引
補充說明
如果某個欄位是primary key，那麼該欄位預設就是主鍵索引。
主鍵索引和唯一索引非常相似。相同點：該列中的資料都不能有相同值；不同點：主鍵索引不能有null值，但是唯一索引可以有null值。
3）索引刪除和索引查詢
索引刪除
語法：drop index 索引名 on 表名；
索引查詢
語法：show index from 表名；
結果如下：
4、SQL效能問題的探索
人為最佳化：
需要我們使用explain分析SQL的執行計劃。該執行計劃可以模擬SQL最佳化器執行SQL語句，可以幫助我們瞭解到自己編寫SQL的好壞。
SQL最佳化器自動最佳化：
最開始講述MySQL執行原理的時候，我們已經知道MySQL有一個最佳化器，當你寫了一個SQL語句的時候，SQL最佳化器如果認為你寫的SQL語句不夠好，就會自動寫一個好一些的等價SQL去執行。
SQL最佳化器自動最佳化功能【會干擾】我們的人為最佳化功能。當我們查看了SQL執行計劃以後，如果寫的不好，我們會去最佳化自己的SQL。當我們以為自己最佳化的很好的時候，最終的執行計劃，並不是按照我們最佳化好的SQL語句來執行的，而是有時候將我們最佳化好的SQL改變了，去執行。
SQL最佳化是一種機率問題，有時候系統會按照我們最佳化好的SQL去執行結果（最佳化器覺得你寫的差不多，就不會動你的SQL）。有時候最佳化器仍然會修改我們最佳化好的SQL，然後再去執行。
1）檢視執行計劃
語法：explain + SQL語句
eg：explain select * from tb；
2）“執行計劃”中需要知道的幾個“關鍵字”
id ：編號
select_type ：查詢型別
table ：表
type ：型別
possible_keys ：預測用到的索引
key ：實際使用的索引
key_len ：實際使用索引的長度
ref ：表之間的引用
rows ：透過索引查詢到的資料量
Extra ：額外的資訊
建表語句和插入資料：
explain執行計劃常用關鍵字詳解
1）id關鍵字的使用說明
案例：查詢課程編號為2 或 教師證編號為3 的老師資訊：
結果如下：
接著，在往teacher表中增加幾條資料。
再次檢視執行計劃。
結果如下：
表的執行順序 ，因表數量改變而改變的原因：笛卡爾積。
分析：最終執行的條數，雖然是一致的。但是中間過程，有一張臨時表是6，一張臨時表是12，很明顯6
結論：id值相同，從上往下順序執行。表的執行順序因表數量的改變而改變。
案例：查詢教授SQL課程的老師的描述(desc)
結果如下：
結論：id值不同，id值越大越優先查詢。這是由於在進行巢狀子查詢時，先查內層，再查外層。
針對做一個簡單的修改
結果如下：
結論：id值有相同，又有不同。id值越大越優先；id值相同，從上往下順序執行。
2）select_type關鍵字的使用說明：查詢型別
simple：簡單查詢
不包含子查詢，不包含union查詢。
結果如下：
primary：包含子查詢的主查詢(最外層)
subquery：包含子查詢的主查詢(非最外層)
derived：衍生查詢(用到了臨時表)
a。在from子查詢中，只有一張表；
b。在from子查詢中，如果table1 union table2，則table1就是derived表；
結果如下：
union：union之後的表稱之為union表，如上例
union result：告訴我們，哪些表之間使用了union查詢
3）type關鍵字的使用說明：索引型別
system、const只是理想狀況，實際上只能最佳化到index ——> range ——> ref這個級別。要對type進行最佳化的前提是，你得建立索引。
system
源表只有一條資料（實際中，基本不可能）；
衍生表只有一條資料的主查詢（偶爾可以達到）。
const
僅僅能查到一條資料的SQL ，僅針對Primary key或unique索引型別有效。
結果如下：
刪除以前的主鍵索引後，此時我們新增一個其他的普通索引：
結果如下：
eq_ref
唯一性索引，對於每個索引鍵的查詢，返回匹配唯一行資料（有且只有1個，不能多 、不能0），並且查詢結果和資料條數必須一致。
此種情況常見於唯一索引和主鍵索引。
結果如下：
總結：以上SQL，用到的索引是t。tcid，即teacher表中的tcid欄位；如果teacher表的資料個數和連線查詢的資料個數一致（都是3條資料），則有可能滿足eq_ref級別；否則無法滿足。條件很苛刻，很難達到。
ref
非唯一性索引，對於每個索引鍵的查詢，返回匹配的所有行（可以0，可以1，可以多）
準備資料：
建立索引，並檢視執行計劃：
結果如下：
range
檢索指定範圍的行 ，where後面是一個範圍查詢（between， >， =， in）
in有時候會失效，從而轉為無索引時候的ALL
結果如下：
index
查詢全部索引中的資料（掃描整個索引）
ALL
查詢全部源表中的資料（暴力掃描全表）
注意：cid是索引欄位，因此查詢索引欄位，只需要掃描索引表即可。但是tid不是索引欄位，查詢非索引欄位，需要暴力掃描整個源表，會消耗更多的資源。
4）possible_keys和key
possible_keys可能用到的索引。是一種預測，不準。瞭解一下就好。
key指的是實際使用的索引。
結果如下：
有一點需要注意的是：如果possible_key/key是NULL，則說明沒用索引。
5）key_len
索引的長度，用於判斷複合索引是否被完全使用（a，b，c）。
新建一張新表，用於測試
結果如下：
結果分析：因為我沒有設定服務端的字符集，因此預設的字符集使用的是latin1，對於latin1一個字元代表一個位元組，因此這列的key_len的長度是20，表示使用了name這個索引。
給test_kl表，新增name1列，該列沒有設定“not null”
結果如下：
結果分析：如果索引欄位可以為null，則mysql底層會使用1個位元組用於標識。
刪除原來的索引name和name1，新增一個複合索引
結果如下：
結果分析：
對於下面這個執行計劃，可以看到我們只使用了複合索引的第一個索引欄位name，因此key_len是20，這個很清楚。再看上面這個執行計劃，我們雖然僅僅在where後面使用了複合索引欄位中的name1欄位，但是你要使用複合索引的第2個索引欄位，會預設使用了複合索引的第1個索引欄位name，由於name1可以是null，因此key_len = 20 + 20 + 1 = 41呀！
再次怎加一個name2欄位，併為該欄位建立一個索引。
不同的是：該欄位資料型別是varchar
結果如下：
結果分析：
key_len = 20 + 1 + 2，這個20 + 1我們知道，這個2又代表什麼呢？原來varchar屬於可變長度，在mysql底層中，用2個位元組標識可變長度。
6）ref
這裡的ref的作用，指明當前表所參照的欄位。
注意與type中的ref值區分。在type中，ref只是type型別的一種選項值。
結果如下：
結果分析：
有兩個索引，c表的c。tid引用的是t表的tid欄位，因此可以看到顯示結果為【資料庫名。t。tid】，t表的t。name引用的是一個常量“tw”，因此可以看到結果顯示為const，表示一個常量。
7）rows(這個目前還是有點疑惑)
被索引最佳化查詢的資料個數 （實際透過索引而查詢到的資料個數）
結果如下：
8）extra
表示其他的一些說明，也很有用。
using filesort：針對單索引的情況
當出現了這個詞，表示你當前的SQL效能消耗較大。表示進行了一次“額外”的排序。常見於order by語句中。
Ⅰ 什麼是“額外”的排序？
為了講清楚這個，我們首先要知道什麼是排序。我們為了給某一個欄位進行排序的時候，首先你得先查詢到這個欄位，然後在將這個欄位進行排序。
緊接著，我們檢視如下兩個SQL語句的執行計劃。
結果如下：
結果分析：
對於第一個執行計劃，where後面我們先查詢了a1欄位，然後再利用a1做了依次排序，這個很輕鬆。但是對於第二個執行計劃，where後面我們查詢了a1欄位，然而利用的卻是a2欄位進行排序，此時myql底層會進行一次查詢，進行“額外”的排序。
總結：對於單索引，如果排序和查詢是同一個欄位，則不會出現using filesort；如果排序和查詢不是同一個欄位，則會出現using filesort；因此where哪些欄位，就order by哪些些欄位。
using filesort：針對複合索引的情況
不能跨列（官方術語：最佳左字首）
結果如下：
結果分析：
複合索引的順序是（a1，a2，a3），可以看到a1在最左邊，因此a1就叫做“最佳左字首”，如果要使用後面的索引欄位，必須先使用到這個a1欄位。對於explain1，where後面我們使用a1欄位，但是後面的排序使用了a3，直接跳過了a2，屬於跨列；對於explain2，where後面我們使用了a2欄位，直接跳過了a1欄位，也屬於跨列；對於explain3，where後面我們使用a1欄位，後面使用的是a2欄位，因此沒有出現【using filesort】。
using temporary
當出現了這個詞，也表示你當前的SQL效能消耗較大。這是由於當前SQL用到了臨時表。一般出現在group by中。
結果如下：
結果分析：
當你查詢哪個欄位，就按照那個欄位分組，否則就會出現using temporary。
針對using temporary，我們在看一個例子：
using temporary表示需要額外再使用一張表，一般出現在group by語句中。雖然已經有表了，但是不適用，必須再來一張表。
再次來看mysql的編寫過程和解析過程。
Ⅰ 編寫過程
Ⅱ 解析過程
很顯然，where後是group by，然後才是select。基於此，我們再檢視如下兩個SQL語句的執行計劃。
分析如下：
對於第一個執行計劃，where後面是a2和a4，接著我們按照a2和a4分組，很明顯這兩張表已經有了，直接在a2和a4上分組就行了。但是對於第二個執行計劃，where後面是a2和a4，接著我們卻按照a3分組，很明顯我們沒有a3這張表，因此有需要再來一張臨時表a3。因此就會出現using temporary。
using index
當你看到這個關鍵詞，恭喜你，表示你的SQL效能提升了。
using index稱之為“索引覆蓋”。
當出現了using index，就表示不用讀取源表，而只利用索引獲取資料，不需要回源表查詢。
只要使用到的列，全部出現在索引中，就是索引覆蓋。
結果如下：
結果分析：
我們建立的是a1和a2的複合索引，對於第一個執行計劃，我們卻出現了a3，該欄位並沒有建立索引，因此沒有出現using index，而是using where，表示我們需要回表查詢。對於第二個執行計劃，屬於完全的索引覆蓋，因此出現了using index。
針對using index，我們在檢視一個案例：
結果如下：
如果用到了索引覆蓋（using index時），會對possible_keys和key造成影響：
a。如果沒有where，則索引只出現在key中；
b。如果有where，則索引 出現在key和possible_keys中。
using where
表示需要【回表查詢】，表示既在索引中進行了查詢，又回到了源表進行了查詢。
結果如下：
結果分析：
我們既使用了索引a1，表示我們使用了索引進行查詢。但是又對於a3欄位，我們並沒有使用索引，因此對於a3欄位，需要回源表查詢，這個時候出現了using where。
impossible where(瞭解)
當where子句永遠為False的時候，會出現impossible where
結果如下：
6、最佳化示例
1）引入案例
結果如下：
推薦寫法：
複合索引順序和使用順序一致。
下面看看【
不推薦寫法
】：複合索引順序和使用順序不一致。
結果如下：
結果分析：
雖然結果和上述結果一致，但是不推薦這樣寫。但是這樣寫怎麼又沒有問題呢？這是由於SQL最佳化器的功勞，它幫我們調整了順序。
最後再補充一點：對於複合索引，不要跨列使用
結果如下：
結果分析：
a1_a2_a3是一個複合索引，我們使用a1索引後，直接跨列使用了a3，直接跳過索引a2，因此索引a3失效了，當使用a3進行分組的時候，就會出現using where。
2）單表最佳化
結果如下：
案例：查詢authorid=1且typeid為2或3的bid，並根據typeid降序排列。
結果如下：
這是沒有進行任何最佳化的SQL，可以看到typ為ALL型別，extra為using filesort，可以想象這個SQL有多恐怖。
最佳化：新增索引的時候，要根據MySQL解析順序新增索引，又回到了MySQL的解析順序，下面我們再來看看MySQL的解析順序。
最佳化1：基於此，我們進行索引的新增，並再次檢視執行計劃。
結果如下：
結果分析：
結果並不是和我們想象的一樣，還是出現了using where，檢視索引長度key_len=8，表示我們只使用了2個索引，有一個索引失效了。
最佳化2：使用了in有時候會導致索引失效，基於此有了如下一種最佳化思路。
將in欄位放在最後面。需要注意一點：每次建立新的索引的時候，最好是刪除以前的廢棄索引，否則有時候會產生干擾（索引之間）。
結果如下：
結果分析：
這裡雖然沒有變化，但是這是一種最佳化思路。
總結如下：
a.最佳做字首，保持索引的定義和使用的順序一致性
b.索引需要逐步最佳化(每次建立新索引，根據情況需要刪除以前的廢棄索引)
c.將含In的範圍查詢，放到where條件的最後，防止失效。
本例中同時出現了Using where（需要回原表）； Using index（不需要回原表）：原因，where authorid=1 and typeid in（2，3）中authorid在索引（authorid，typeid，bid）中，因此不需要回原表（直接在索引表中能查到）；而typeid雖然也在索引（authorid，typeid，bid）中，但是含in的範圍查詢已經使該typeid索引失效，因此相當於沒有typeid這個索引，所以需要回原表（using where）；
例如以下沒有了In，則不會出現using where：
結果如下：
3）兩表最佳化
案例：使用一個左連線，查詢教java課程的所有資訊。
結果如下：
最佳化
對於兩張表，索引往哪裡加？答：對於表連線，小表驅動大表。索引建立在經常使用的欄位上。
為什麼小表驅動大表好一些呢？
分析：
以上2個FOR迴圈，最終都會迴圈3000次；但是對於雙層迴圈來說：一般建議，將資料小的迴圈，放外層。資料大的迴圈，放內層。不用管這是為什麼，這是程式語言的一個原則，對於雙重迴圈，外層迴圈少，記憶體迴圈大，程式的效能越高。
結論：當編寫【…on t。cid=c。cid】時，將資料量小的表放左邊（假設此時t表資料量小，c表資料量大。）
我們已經知道了，對於兩表連線，需要利用小表驅動大表，例如【…on t。cid=c。cid】，t如果是小表（10條），c如果是大表（300條），那麼t每迴圈1次，就需要迴圈300次，即t表的t。cid欄位屬於，經常使用的欄位，因此需要給cid欄位新增索引。
更深入的說明：
一般情況下，左連線給左表加索引。右連線給右表加索引。其他表需不需要加索引，我們逐步嘗試。
結果如下：
當然你可以下去接著最佳化，給cname新增一個索引。索引最佳化是一個逐步的過程，需要一點點嘗試。
結果如下：
最後補充一個：Using join buffer是extra中的一個選項，表示Mysql引擎使用了“連線快取”，即MySQL底層動了你的SQL，你寫的太差了。
4）三表最佳化
大於等於張表，最佳化原則一樣
小表驅動大表
索引建立在經常查詢的欄位上
7、避免索引失效的一些原則
複合索引需要注意的點
複合索引，不要跨列或無序使用（最佳左字首）
複合索引，儘量使用全索引匹配，也就是說，你建立幾個索引，就使用幾個索引
不要在索引上進行任何操作(計算、函式、型別轉換)，否則索引失效
結果如下：
索引不能使用不等於（!= ）或is null (is not null)，否則自身以及右側所有全部失效(針對大多數情況)。複合索引中如果有>，則自身和右側索引全部失效。
結果如下：
再觀看下面這個案例：
結果如下：
結論：複合索引中如果有【>】，則自身和右側索引全部失效。
在看看複合索引中有【
我們學習索引最佳化 ，是一個大部分情況適用的結論，但由於SQL最佳化器等原因 該結論不是100%正確。一般而言， 範圍查詢（>
SQL最佳化，是一種機率層面的最佳化。至於是否實際使用了我們的最佳化，需要透過explain進行推測。
結果如下：
結果分析：
我們建立了兩個索引，但是實際上只使用了一個索引。因為對於兩個單獨的索引，程式覺得只用一個索引就夠了，不需要使用兩個。
當我們建立一個複合索引，再次執行上面的SQL：
結果如下：
索引覆蓋，百分之百沒問題
like儘量以“常量”開頭，不要以’%'開頭，否則索引失效
結果如下：
結論如下：
like儘量不要使用類似“%x%”情況，但是可以使用“x%”情況。如果非使用 “%x%”情況，需要使用索引覆蓋。
儘量不要使用型別轉換（顯示、隱式），否則索引失效
結果如下：
儘量不要使用or，否則索引失效
結果如下：
注意：or很猛，會讓自身索引和左右兩側的索引都失效。
8、一些其他的最佳化方法
1）exists和in的最佳化
如果主查詢的資料集大，則使用i關鍵字，效率高。
如果子查詢的資料集大，則使用exist關鍵字，效率高。
2）order by最佳化
IO就是訪問硬碟檔案的次數
using filesort 有兩種演算法：雙路排序、單路排序（根據IO的次數）
MySQL4。1之前預設使用雙路排序；雙路：掃描2次磁碟（1：從磁碟讀取排序欄位，對排序欄位進行排序（在buffer中進行的排序）2：掃描其他欄位）
MySQL4。1之後預設使用單路排序：只讀取一次（全部欄位），在buffer中進行排序。但種單路排序會有一定的隱患（不一定真的是“單路/1次IO”，有可能多次IO）。原因：如果資料量特別大，則無法將所有欄位的資料一次性讀取完畢，因此會進行“分片讀取、多次讀取”。
注意：單路排序 比雙路排序 會佔用更多的buffer。
單路排序在使用時，如果資料大，可以考慮調大buffer的容量大小：
如果max_length_for_sort_data值太低，則mysql會自動從 單路->雙路（太低：需要排序的列的總大小超過了max_length_for_sort_data定義的位元組數）
提高order by查詢的策略：
選擇使用單路、雙路 ；調整buffer的容量大小
避免使用select * …（select後面寫所有欄位，也比寫*效率高）
複合索引，不要跨列使用 ，避免using filesort保證全部的排序欄位，排序的一致性（都是升序或降序）
篇幅很長，內容較多，建議收藏。
版權歸原作者所有，如有侵權，請聯絡刪除。