可程序中需要查询每行的所有数据、“查询全部九百万条数据”--- 这样的需求跟索引没有关系了（因为已经肯定是走全表扫描的了），要提高效率的办法就是：提高硬盘的io速度；增加内存以使sql server有更多的缓存。
对查询进行优化，应尽量避免全表扫描，首先应考虑在 where 及 order by 涉及的列上建立索引。
建索引的选择必须结合SQL查询、修改、删除语句的需要，一般的说法是在WHERE里经常出现的字段建索引。如果在WHERE经常是几个字段一起出现而且是用AND连接的，那就应该建这几个字段一起的联合索引，而且次序也需要考虑，一般是最常出现的放前面，重复率低的放前面。
最近一段时间由于工作需要，开始关注针对Mysql数据库的select查询语句的相关优化方法。由于在参与的实际项目中发现当mysql表的数据量达到百万级时，普通SQL查询效率呈直线下降，而且如果where中的查询条件较多时，其查询速度简直无法容忍。
可以在SQL Server Management Studio里新建一个数据库关系图，将要查看的表添加到关系图里，主外键关系就能很清晰的显示出来了。数据库关系图在每个数据库的“数据库关系图”节点创建。
1、如果在 where 子句中使用参数，也会导致全表扫描。因为SQL只有在运行时才会解析局部变量，但优化程序不能将访问计划的选择推迟到运行时；它必须在编译时进行选择。然而，如果在编译时建立访问计划，变量的值还是未知的，因而无法作为索引选择的输入项。
2、用JOIN替换子查询从MySQL 1起，JOIN取代子查询，减少了内存中临时表的使用。比如，查找无订单客户时，使用JOIN比子查询更快，特别是当JOIN字段有索引时。 利用JOIN的性能优势JOIN查询效率高，因为MySQL可以直接处理JOIN逻辑，而无需临时表。确保JOIN字段有索引且类型匹配，以优化性能。
3、优先选index key_len小的索引进行count（*），尽量不使用聚簇索引 在没有where条件的情况下，count（*）和count（常量），如果有非聚簇索引，mysql会自动选择非聚簇索引，因为非聚簇索引所占的空间小，如果没有非聚簇索引会使用聚集索引。count（primary key）主键id为聚集索引，使用聚集索引。
4、关于mysql处理百万级以上的数据时如何提高其查询速度的方法 最近一段时间由于工作需要，开始关注针对Mysql数据库的select查询语句的相关优化方法。由于在参与的实际项目中发现当mysql表的数据量达到百万级时，普通SQL查询效率呈直线下降，而且如果where中的查询条件较多时，其查询速度简直无法容忍。
5、使用LOAD DATA INFILE从文本下载数据这将比使用插入语句快20倍。
6、建索引根据索引查询 2：在后台做数据处理、是千万条数据总不能一次显示出来吧、可以根据一次显示或者用到多少条就查询多少条、不用一次性都查询出来、这样效率是很高的。
英语发音：/si/ C（字母符号）排名：第三个字母 大写：C 小写：c 由来：字母C的产生可能是由于一个投掷棒的符号，像在古埃及的象形文字里字母C的发展史并很早出现在闪族的书面当中-大约在公元前1500年的西奈半岛。
C为碳的元素符号。作为化学式，它的含义为：表示碳单质，如金刚石 ，或者石墨。。表示金刚石或者石墨。。由碳元素组成 表示金刚石或者石墨。。由碳原子构成 另外，作为元素符号：还表示碳元素 还表示一个碳原子。
表示浓度，单位为mol/L，计算式为：C=n/V. C=1000ρω/M。含义：以1升溶液中所含溶质的摩尔数表示的浓度。以单位体积里所含溶质的物质的量（摩尔数）来表示溶液组成的物理量，叫作该溶质的摩尔浓度，又称该溶质物质的量浓度。溶质含量越多，浓度越大。
C在化学中有两种含义：表示浓度，单位为mol/L，计算式为：C=n/V. C=1000ρω/M。含义：以1升溶液中所含溶质的摩尔数表示的浓度。以单位体积里所含溶质的物质的量（摩尔数）来表示溶液组成的物理量，叫作该溶质的摩尔浓度，又称该溶质物质的量浓度。溶质含量越多，浓度越大。
1、一个不正确的优化是采用 SQL_CALC_FOUND_ROWS，SQL_CALC_FOUND_ROWS 可以在能够在分页查询时事先准备好符合条件的记录数，随后只要执行一句 select FOUND_ROWS（）； 就能获得总记录数。但是在大多数情况下，查询语句简短并不意味着性能的提高。
2、这种方式的做法是先定位偏移位置的id，然后再往后查询，适用于id递增的情况。
3、主要原因是offset limit的分页方式是从头开始查询，然后舍弃前offset个记录，所以offset偏移量越大，查询速度越慢。比如： 读第10000到10019行元素（pk是主键/唯一键）.使用order by id可以在查询时使用主键索引。但是这种方式在id为uuid的时候就会出现问题。
4、通过简单的变换，其实思路很简单：1）通过优化索引，找出id，并拼成 123，90000，12000 这样的字符串。2）第2次查询找出结果。
5、W数据基本不用优化的。走索引就可以了。上百万了再说吧。
offset+limit方式的分页查询，当数据表超过100w条记录，性能会很差。主要原因是offset limit的分页方式是从头开始查询，然后舍弃前offset个记录，所以offset偏移量越大，查询速度越慢。比如： 读第10000到10019行元素（pk是主键/唯一键）.使用order by id可以在查询时使用主键索引。
我们知道可以将一个海量记录的 MySQL 大表根据主键、时间字段，条件字段等分成若干个表甚至保存在若干服务器中。唯一的问题就是跨服务器批量查询麻烦，只能通过应用程序来解决。谈谈在Java中的解决思路。其他语言原理类似。
一种方法是靠经验：update 语句的 where 中会扫描多少行，是否修改主键，是否修改唯一键，以这些条件来估算系数。另一种方法就是在同样结构的较小的表上试验一下，获取倍数。这样，我们就能准确估算一个“不小心”执行的大型 update 的进度了。