1、为什么要对SQL进行优化： 我们开发的项目上线使用的初期，由于业务数据量相对较少，一些SQL的执行效率对程序运行效率的影响不太明显，而开发和运维人员也无法判断SQL对程序的运行效率有多大，故很少针对SQL进行专门优化。而随着时间的积累，业务数据量的增多，SQL的执行效率对程序运行效率的影响逐渐增大，此时对SQL的优化就很有必要。
2、SQL优化的准则： 这个我们可以使用一句话来总结：SQL优化的准则就是尽一切可能提高SQL的执行效率，从而使得我们程序的运行速度很快。
3、SQL优化的一些方法：① 设计数据库表结构时，要对表做数量级和性能影响预测和评估，表的字段尽量都设置default值，尽量避免default为null，主要防止在执行SQL查询时直接将查询条件设置为null或者not null而导致数据库放弃索引，直接全表扫描；② SQL条件中允许出现库函数和左模糊查询，sql条件中库函数会导致数据库执行时放弃索引，直接全表扫描，而左模糊也是，直接就全表扫描了；③ 原则上，SQL条件中避免出现<>，in，not in，exists，not exists等操作符；④ 子查询中的实际查询结果要设置上限要求，且子查询必须要有索引支持，否则子查询也去扫描全表就悲剧了；⑤ 单个事务的SQL语句数量要有上限要求，不能前台一个提交操作，后台要去插入几十张表的数据，那如果是千万级用户数，基本上就光去插入数据了；⑥ 同上一条类似，单条SQL语句的数据影响量也要有上限要求，不能一个update操作更新了上千条数据；⑦ 尽量减少多表关联的SQL，如果必须使用多表关联，也尽量减少关联的表数量，且多表关联时，关联字段必须包含在查询索引中。多表关联SQL中尽量不要使用视图和代理表；⑧ 充分利用索引，严禁出现表扫描。同时，创建表时也注意索引的字段顺序。
4、其他的话： 一般情况下，不同的行业数据量水平相对而言是比较固定的，比如电信行业的数据主要以用户数为基准，按照省级行政单位划分，数量级在千万到亿级之间。而法院的数据主要以案件数为基准，按照市级行政单位划分，数量级在百万到千万之间。（这里只是简要描述一下，实际数据量比这个大得多啊~）一般情况下，系统上线前都会针对不同行业不同地区的数据量做一个估算，然后再通过超大数据量对系统进行性能测试。但是如果遇到技术升级更新或者部署方式发生改变（比如数据集中存放到云上或者分布式部署改为大集中部署），那数据量几乎是十倍百倍的增长，这时候前期SQL执行效率的问题就会暴露出来。
