1、你的理解其实没啥问题。索引就是通过事先排好序，从而在查找时可以应用二分查找等高效率的算法。一般的顺序查找，复杂度为O(n)，而二分查找复杂度为O(log2n)。当n很大时，二者的效率相差及其悬殊。
成都创新互联公司专注于攀枝花网站建设服务及定制，我们拥有丰富的企业做网站经验。 热诚为您提供攀枝花营销型网站建设，攀枝花网站制作、攀枝花网页设计、攀枝花网站官网定制、微信小程序开发服务，打造攀枝花网络公司原创品牌,更为您提供攀枝花网站排名全网营销落地服务。
2、这种情况通过建立索引就能得到改善。如果一条索引记录只包含索引字段和一个指向原始记录的指针，那么这条记录肯定要比它所指向的包含更多字段的记录更小。
3、不加索引，会比较整个数据库，因为他不知道数据是不是规律的。添加了索引，相当于加了一个目录，给索引字段排序，比较的时候只用几次就可以查找到你需要的数据。数据越多，索引约有用。拿空间换时间。
导入mysql最快的方法：可以用infile语句来操作导入数据。MySQL是一个关系型数据库管理系统，由瑞典MySQLAB公司开发，目前属于Oracle旗下产品。
工具导入 1 我们常用的mysql工具有 phpmyadmin sqllog navcat 等。
点击电脑‘运行’，输入cmd，然后点击确定。cmd 找到sql的安装路径，打开命令行，进入Binn目录，输入：cmd，回车执行。
一般的数据备份用 ：mysql路径+bin/mysqldump -u 用户名 -p 数据库名 导出的文件名 数据还原是：到mysql命令行下面，用：source 文件名；的方法。但是这种方法对大数据量的表进行操作就非常慢。
) 先导出数据库SQL脚本，再导入；2) 直接拷贝数据库目录和文件。在不同操作系统或MySQL版本情况下，直接拷贝文件的方法可能会有不兼容的情况发生。所以一般推荐用SQL脚本形式导入。下面分别介绍两种方法。
1、现在往里面填充数据，填充1 MySQL数据库优化处理实现千万级快速分页分析，来看下吧。
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、在协议处使用Restful； 换token（类似于微信开发时使用的appid ）；本文讲解了MySQL如何优化，更多相关内容请关注Gxl网。
4、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。
5、模仿百度、谷歌方案（前端业务控制）类似于分段。我们给每次只能翻100页、超过一百页的需要重新加载后面的100页。
6、所以本案例，反而是优化成这种方式来执行分页，更合适，他只有一个扫描【聚簇索引】筛选符合你分页所有数据的成本：然后再做一页20条数据的20次回表查询即可。
使用压缩了的客户机/服务器协议以减少网络数据流量。对于大多数MySQL客户机，可以用--compress 命令行选项来指定。它一般只用于较慢的网络，因为压缩需要占用大量的处理器时间。
案例一：大学有段时间学习爬虫，爬取了知乎300w用户答题数据，存储到mysql数据中。那时不了解索引，一条简单的“根据用户名搜索全部回答的sql“需要执行半分钟左右，完全满足不了正常的使用。
应尽量避免在 where 子句中使用！=或操作符，否则将引擎放弃使用索引而进行全表扫描。 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。
没有需要查询的进程、系统负载较低。如果MySQL当前没有正在执行的进程，使用showprocesslist命令查询MySQL进程列表的速度会非常快，因为MySQL没有需要查询的进程。
第二：hive 目前应该还是业界的主流，毕竟快与慢很多时候并非是至关重要的，对于一个生产系统来说，更重要的应该是稳定性，spark毕竟还算是比较新兴的事务，快确实快，但是稳定性上距离hive相差甚远。
让查询速度也能快上许多。多表联合查询。在大数据量的时候这个多表查询尽量不用，毕竟是很耗内存的，宁愿用其他语言循环执行简单的 select 字段 from 表名 where 条件 这样的简单sql语句，这样也能加快速度。
处理和分析海量数据，以及在数据源之间构建实时管道以处理，模型和可视化数据等。因此，在性能表现上MySQL若是用于查询和数据检索的话会比Spark快得多，而Spark相对而言比MySQL更加擅长大数据处理，支持数据流和实时处理等功能。
MySQL可以很好的支持大数据量的存取，但是一般说来，数据库中的表越小，在它上面执行的查询也就会越快因此，在创建表的时候，为了获得更好的性能，我们可以将表中字段的宽度设得尽可能小。
