1.在数据库设计方面，设计一个结构良好的数据库，允许部分数据下沉，徐昂要设置最合适的字段属性，尽量将字段设置为notnull，这样数据库在查询时就不需要比较null值了。
2、系统架构设计，表哈希。将海量数据哈希到不同的表中，集群、数据库查询和写入分离。
3.写高效的sql语句提高效率，用join代替子查询，用union代替手动创建的临时表，这些都是必须的。只从数据库中删除必要的数据，并使用不同的存储引擎，如innodb，以减少不需要时的死锁。。keap可以提高查新的数量和速度。4.使用事物，使用外键，使用索引。
我的天，一块九千万的表也太棒了！
我上一家公司明确规定一个表不能超过5000万，因为查询效率会更低！
无论如何，让我们让我们看看如何优化数据查询！
(1)、单库单表:
1、添加索引，一个好的索引可以换取空间，大大减少查询时间！
2.使用存储过程:减少sql编译的时间！
3，优化sql:包括联合查询的方向，where，order语句使用索引字段，减少多表联合查询的使用，不要使用select*等等！
4、参数配置【6】扩展内存，调整线程池参数等等！
5、打开缓存【7】打开二级缓存和三级缓存，提高查询效率！
(2)、单库多表:
用水平拆分(比如按月)把表分成12个表，然后在代码末尾逐月访问对应的月的表！
使用垂直分割:许多字段仅用于保存记录(像一些约定一样，备注的字段通常非常大)。可以把查询中经常用到的字段放在一个常用的表中进行查询，其他字段存储在另一个表中，可以通过唯一的索引字段进行链接。证书查询效率大大提高(因为磁盘io减少)！
③多数据库多表:
(1)、主从读写分离:虽然表中的数据仍然一致，但是由于多个从库读取，主库写入数据，共享锁的性能开销大大降低！
(2)、子数据库表:指定一个字段为子数据库字段，使用哈希值或其他策略分布在不同的数据库中，然后根据相应的分布策略(如上面的水平拆分或垂直拆分)分散到不同的表中！
比如我们现在的数据库设计为8个数据库，1024个表，而你的近1亿数据在我们单个表中不到10w！
虽然理论上一个表的大小没有限制，但是基于查询效率和索引性能应该不会超过5000万个数据！
更多关于多线程、分布式、微服务、数据库、缓存的干货会继续分享，敬请关注。。
