mysql的later加列的原理 mysql加列 性能

总想写一篇MySQL的设计和列类型选取的文章，一直挤不出时间。天天晚上都要加班，正逢5.1放假，抽了几天就有了此文。如果对朋友们能有帮助的话，关注一波不过分吧？求关！

选择更优的数据类型

1. 尽量选择存储空间更小的数据类型

空间更小占用的磁盘空间会更小，更加节省空间

2. 数据类型尽量简单

可以选择简单的数据类型就不要选择复杂的，例如可以用INT存储数据就不要用DOUBLE或者FLOAT存储，这没有任何意义

3. 尽量不要使用NULL值列

因为NULL会给索引带来额外的存储空间、在SQL查询中更难优化

整数类型

一般会选择BIGINT作为主键列的列类型，注意：即使在创建列时指定数据长度，也无法改变占用空间。例如INT(11)和INT(20)都是占用32位存储空间，指定数据长度只能够在显示结果的时候起作用。

在运算操作中，一般会使用BIGINT数据类型，即使在32位计算机中也如此。

实数类型

实数类型包括了小数部分，在MySQL中主要有三种数据类型：FLOAT、DOUBLE、DECIMAL

FLOAT和DOUBLE都是采用近似浮点运算，有可能出现精度损失问题；DECIMAL是精确存储数字的类型，在运算中可以不损失精度，一般用于精确数值运算场景-例如财务数据；DECIMAL类型每9个数字占用4个字节。

DECIMAL可以动态指定数据长度，例如：DECIMAL(18, 9)代表保留小数点前9位、后9位，存储空间为9个字节，小数点占1个字节。

注意：CPU本身不支持浮点数的精确运算，DECIMAL的精确运算在MySQL服务器中实现，而运算速度比CPU的浮点运算慢，即FLOAT和DOUBLE的运算比DECIMAL快

字符串类型

选用VARCHAR的标准：

1. 数据的长度差异较大
2. 不确定数据的长度
3. 每个字符占用的字节数不一致，例如UTF-8编码下的字符可能占用1~2个字节

选用CHAR的标准：

1. 数据的长度较一致，例如长度相同的MD5散列码值
2. 数据长度很短的列，例如存储'Y'或'N'，因为VARCHAR需要额外1个字节存储数据长度

VARCHAR类型在更新时可能因为数据长度变得比原来更长，磁盘没有足够的存储空间存储该值，导致页分裂；而CHAR类型相对稳定，因为长度一致。

VARCHAR类型有可能导致内存碎片，它在存储值时如果数据长度未满，则会浪费一些存储空间，所以定义VARCHAR的数据长度需要谨慎考虑，以免产生大量内存碎片。例如VARCHAR(20)和VARCHAR(255)存储最大长度为15个字节的字符串，那么VARCHAR(255)就非常奢侈了。

日期和时间类型

建议使用TIMESTAMP而不是DATETIME，因为在存储空间上占有优势，TIMESTAMP可以利用FROM_UNIXTIME()转换为日期，UNIX_TIMESTAMP()转换为时间戳，也可以在应用程序级别上进行两者的转换输出。

由于TIMESTAMP默认是NOT NULL，如果在插入时没有指定时间戳，会采用当前的时间戳存储。

位数据类型

在开发中应尽量少或者非常谨慎的使用BIT，原因如下：

1. 在字符串上下文中，BIT查询到的结果是ASCII码对应的字符，而在数字上下文中，显示的是ASCII码本身的值

例如：

CREATE TABLE bittest(a bit(8));INSERT INTO bittest (a) VALUES (b'00111001');SELECT a, a + 0 FROM bittest;

SET可以用于存储多个BIT的值，例如('dog', 'fish', 'chicken')，但是带来的代价是修改表开销非常大，所以有另外一种更好的方式替代SET-利用整数的每一位代表不同的含义。

这样做的好处：

1. 如果要表示新的含义，不用频繁地修改表
2. 可以在应用程序级别上表示各个值的含义

类似的Linux操作文件的权限：

1. READ：4
2. WRITE：2
3. EXECUTE：1

那么也可以使用TINYINT标识某个用户的执行权限

选择标识列

通常有两种选择：整数类型、字符串类型

整数类型：

1. 最好采用AUTO_INCREMENT，这有利于提高索引查找的效率，因为相邻的数据在磁盘上相隔不远，大概率在同一个磁盘页内；

字符串类型：

1. 由于字符串类型是无序的，在索引分布上不均匀，根据主键查找数据时效率非常低，如果使用字符串做主键，最好采用UUID()生成主键，因为在某种程度上UUID生成的字符串也是有序的，只不过程度很低
2. 插入时，查找插入的位置也要比整数类型效率低下，原因也是因为索引分布不均匀

范式和反范式的使用

先看看什么是三范式：

• 第一范式满足每一列都是不可再分的、最小的原子列
• 第二范式满足非主属性完全依赖于主属性
• 第三范式满足所有非主属性都直接依赖于主属性，没有传递依赖

数据库三大范式实例

经典的“雇员-部门-领导”表：

该表存在如下问题：

1. 如果员工不存在，部门和领导的信息也没法显示
2. 如果员工Jones和Brown的部门领导显示不一致，就不知道哪个是正确的了

所以上面的表结构符合第一范式，第一范式有可能出现的问题就是：删除异常、修改异常

范式化

将上面的表“升级”，得到的结果如下

“员工-部门”表：

“部门-领导”表：

解决了上面的两个问题了：

1. 这里的DEPARTMENT_ID作为外键关联列，只要DEPARTMENT或者HEAD作修改，都不会产生一致性问题
2. 即使删除所有的EMPLOYEE也不会丢失部门信息

上面的表结构符合第二范式(实际上也满足第三范式)，在很多情况下符合第二范式已经很不错了，范式化的缺点有：

1. 范式越高，查询的代价越大，造成过多的表关联，第三范式即是如此
2. 关联查询在一些情况下使索引失效，全表扫描

范式化的优点有：

1. 每张表的内存较小，数据操作更快
2. 更新操作更容易、代价更小
3. 很少出现冗余数据，例如第一范式存在DEPARTMENT和HEAD冗余

反范式化

"USER"用户表：

"MESSAGE"消息表：索引列(PUBLISHED)

要查看付费用户的最近的10条消息，可以用关联查询：

但是这会扫描USER表中的所有用户，判断是不是付费用户preminmv，效率极低，即使调换查询顺序也是一样的道理，此时可以在MESSAGE表中增加两个冗余字段ACCOUNT_TYPE和USER_NAME，建立索引(PUBLISHED, ACCOUNT_TYPE)，只需要查询MESSAGE表，且可以利用组合索引扫描，效率提高很多。

SELECT MESSAGE_TEXT, USER_NAMEFROM MESSAGEWHERE ACCOUNT_TYPE='preminmv'ORDER BY PUBLISHED DESCLIMIT 10;

反范式化大部分都是通过添加冗余字段达到目的，优点是：

• 避免关联查询，可以使用组合索引提高查询效率

缺点是：

• 字段冗余(这看起来很搞笑)

混用范式化和反范式化

完全的范式化导致查询的昂贵代价、完全的反范式化导致插入异常和删除异常，折中的办法就是两者混用：

1. 如果在某个查询中代价过大，加入冗余字段可以减轻查询的代价(参考反范式化)
2. 如果存在插入异常和删除异常，果断需要范式化(参考范式化)

作者：SmallPineappLe