在我们实际工作中大部分人会遇到sql优化的问题，这篇文章主要介绍SQL优化相关。首先我们怎么发现我们的sql执行效率低呢，最简单的方法就是当用户反馈慢的时候我们就会知道哪里可能会有sql效率影响的问题，这里排除其他影响情况，只考虑数据库sql慢的问题。当然这种方式对于我们来说很被动，我们还可以通过什么方式找到有性能问题sql，我们可以通过MySQL的配置文

(一)慢sql一问题发现将应用发布到生产环境后，前端页面请求后台API返回数据，发现至少需要6s。查看到慢sql：!(https://oscimg.oschina.net/oscnet/a81e2a4765114fd1a6e69d7146abe179.jpg"慢sql定位.png")慢sql定位.png

在日常工作中，我们会遇见一些慢SQL，在分析这些慢SQL时，我们通常会看下SQL的执行计划，验证SQL执行过程中有没有走索引。通常我们会调整一些查询条件，增加必要的索引，SQL执行效率就会提升几个数量级。我们有没有思考过，为什么加了索引就会能提高SQL的查询效率，为什么有时候加了索引SQL执行反而会没有变化，本文就从MySQL索引的底层数据结构和算法来进行详细分析。

导语MySQLBinlog用于记录用户对数据库操作的结构化查询语言(StructuredQueryLanguage，SQL)语句信息。是MySQL数据库的二进制日志，可以使用mysqlbin命令查看二进制日志的内容。爱奇艺在会员订单系统使用到了MySQLBinlog，用来实现订单事件驱动。在使用Binlog后在简化系统设计的同

在分析SQL性能的时候，经常需要确定资源消耗多的SQL，总结如下：1查看值得怀疑的SQLselectsubstr(to\_char(s.pct,'99.00'),2)||'%'load,       s.executionsexecutes,       p.sql\_text from(select

Spark是一个大规模的数据处理引擎，集成了SQL查询分析，该引擎是用Scala写的，所以一些高级的实现了的算法都是用它进行描述。已知支持的第三方语言有：C【https://github.com/Microsoft/Mobius，Java,Scala,Python,R【http://spark.apache.org】一般性理解：Spark

起因：因工作需要，在本机测试环境升级mysql数据库，需逐条执行mysql数据库的sql文件对数据库进行升级，因此找了些关于mysql的文章，对批量升级数据库所需的sql文件进行升级。整理思路：1.首先，需要对所需升级的sql所在目录的sql文件进行遍历。生成新的批量执行sql文件。想到是windows系统安装的mysql，首先

本次发布增加了一个贴心功能，可以限制Mapper方法中的SQL长度，以避免过长SQL导致难以维护配置属性MAPPER\_SQL\_MAX\_LENGTH，限制Mapper中的SQL长度，默认不限制代码自动生成的ID使用@AssingID无论是JAP，还是SpringData，还是MyBatis，还是BeetSQL，都支持Mappe

Hibernate除了支持HQL查询外，还支持原生SQL查询。对原生SQL查询执行的控制是通过SQLQuery接口进行的，通过执行Session.createSQLQuery()获取这个接口。该接口是Query接口的子接口。执行SQL查询步骤如下：1、获取HibernateSession对象2、编写SQL语句3、通过Session的createS

现象最近收到一个慢sql工单,慢sql大概是这样：“selectxxxfromtabelwheretype1”。咦，type字段明明有索引啊，为啥是慢sql呢？原因通过执行explain，发现实际上数据库执行了全表扫描，从而被系统判定为慢sql。这时有一定