在大数据量场景下，数据的入库性能成为了重中之重，记录下数据库性能优化的点

1 索引层面

索引是为了方便查询的，但是索引的建立需要额外的性能开销。在测试中发现，500w数据场景下，建立一个单列索引需要3min左右。如果还有其他索引

可能带来的影响更大。索引的建立必须是在业务场景下使用频繁，能够带来较大的查询收益的。

（1）首先需要整理业务中的查询逻辑，各场景下的查询条件，得到最为频繁的查询条件。

（2）针对查询条件建立索引，索引最好能够复用。且满足常见索引的建立原则。

（3）去除没有使用的索引

（4）若有大数据量的更新，先去除索引，然后再重建索引，update时候，会去更新索引，带来开销

（5）在数据发现的时候，若首次发现数据量非常大，尽量保证数据先插入完成，然后再建立索引

（6）在查询的时候，若有联合索引需要保证最佳左前，查看业务中哪些查询逻辑可优化

2 sql书写层面

（1）通过执行计划去观察执行的效率

（2）查询时候，尽量保证查询能够走索引

（3）更新的时候，在pg数据库中，update耗时还是比较大的，300w数据的update某一列，需要1min。

update set 和upsert语句的性能相差20%左右。但是具体还需要结合业务场景。

（4）select 的时候，只选择关心的数据，不要查所有

3 对于批量的数据新增

（1）在pgsql中，采用copy语句相对于insert的批量插入来说性能提高200%

（2）update的时候只更新需要的列

4 表层面

（1）分析表之间的关系，对于大表，是否考虑拆分，对于只有少数有用信息时候，表之间的内容是否能够合并

（2）通过数据库的中间件，来完成分表和分库的功能（得结合业务场景）