概述

数据管理型系统，由于用户的要求或者系统设计要求，会出现大量表进行join，还要进行大量统计性数据查询展示，甚至数据权限控制等操作。最后会导致sql异常复杂，随着数据量增加，或者只是应用到生产环境（正式环境）就会出现系统反应慢，体验差的现象，这个时候不得不对这些，复杂的sql进行优化。

sql优化是一个说容易不容易，说难也不难的问题，还是得具体问题具体分析，下面介绍下一般sql存在的问题和解决的思路。

存在问题

一般sql语句性能达不到你的要求，会是下面几种情况：

• 网速不给力，不稳定。
• 服务器内存不够，或者SQL 被分配的内存不够。
• sql语句设计不合理
• 没有相应的索引，索引不合理
• 没有有效的索引视图
• 表数据过大没有有效的分区设计
• 数据库设计太2，存在大量的数据冗余
• 索引列上缺少相应的统计信息，或者统计信息过期
• ....

优化思路

如何找出来导致性能慢的的原因呢？思路如下：

1、用之前分享给大家的spooldb.sql和spoolsql.sql脚本一键获取sql的相关信息，分析sql慢的相关因素

2、对sql语句进行格式化，使sql条理清晰，甚至分步骤添加注释，弄清楚每个步骤是为了得到什么

3、用第一部格式化过的sql与最终需求做对比，没有用的表，就不要进行join了，没有用的字段也不要进行返回了。（这里要注意是不是存在太多重复的实体表）

4、分模块检查子查询，到底是哪个表查询速度慢，或者哪个条件导致的查询速度慢。

5、配合sql执行计划（前面脚本已经有了），尽量避免全表扫描，提前限制sql数据筛选范围，这里要考虑是不是建索引。

6、检查是否用了不合适的in查询，过量的in会导致效率骤然降低很多。

7、检查是否存在过多的or查询，or会导致全表扫描，能避免尽量避免。

8、检查子查询是否过于复杂，或者sql处理是否过于复杂，如果可以将复杂处理放到程序中进行。

9、可以用exists替代的地方，用exists进行替代。

10、可以建视图，对sql进行简化，至于视图是否可以提高查询效率，就需要大家进一步测试了。

这里主要讲一个优化思路，后面会根据一些具体的sql来做优化，到时用案例做分析，感兴趣的朋友走一波关注哩~