15、使用索引的缺点
1)减慢增删改数据的速度;
2)占用磁盘空间;
3)增加查询优化器的负担;
当查询优化器生成执行计划时，会考虑索引，太多的索引会给查询优化器增加工作量，导致无法选择最优的查询方案;
16、分析索引效率
方法：在一般的SQL语句前加上explain;
分析结果的含义：
1)table：表名;
2)type：连接的类型，(ALL/Range/Ref)。其中ref是最理想的;
3)possible_keys：查询可以利用的索引名;
4)key：实际使用的索引;
5)key_len：索引中被使用部分的长度(字节);
6)ref：显示列名字或者"const"(不明白什么意思);
7)rows：显示MySQL认为在找到正确结果之前必须扫描的行数;
8)extra：MySQL的建议;
17、使用较短的定长列
1)尽可能使用较短的数据类型;
2)尽可能使用定长数据类型;
a)用char代替varchar，固定长度的数据处理比变长的快些;
b)对于频繁修改的表，磁盘容易形成碎片，从而影响数据库的整体性能;
c)万一出现数据表崩溃，使用固定长度数据行的表更容易重新构造。使用固定长度的数据行，每个记录的开始位置都是固定记录长度的倍数，可以很容易被检测到，但是使用可变长度的数据行就不一定了;
d)对于MyISAM类型的数据表，虽然转换成固定长度的数据列可以提高性能，但是占据的空间也大;
18、使用not null和enum
尽量将列定义为not null，这样可使数据的出来更快，所需的空间更少，而且在查询时，MySQL不需要检查是否存在特例，即null值，从而优化查询;
如果一列只含有有限数目的特定值，如性别，是否有效或者入学年份等，在这种情况下应该考虑将其转换为enum列的值，MySQL处理的更快，因为所有的enum值在系统内都是以标识数值来表示的;
19、使用optimize table
对于经常修改的表，容易产生碎片，使在查询数据库时必须读取更多的磁盘块，降低查询性能。具有可变长的表都存在磁盘碎片问题，这个问题对blob数据类型更为突出，因为其尺寸变化非常大。可以通过使用optimize table来整理碎片，保证数据库性能不下降，优化那些受碎片影响的数据表。 optimize table可以用于MyISAM和BDB类型的数据表。实际上任何碎片整理方法都是用mysqldump来转存数据表，然后使用转存后的文件并重新建数据表;
20、使用procedure analyse()
可以使用procedure analyse()显示最佳类型的建议，使用很简单，在select语句后面加上procedure analyse()就可以了;例如：
select * from students procedure analyse();
select * from students procedure analyse(16,256);
第二条语句要求procedure analyse()不要建议含有多于16个值，或者含有多于256字节的enum类型，如果没有限制，输出可能会很长;
21、使用查询缓存
1)查询缓存的工作方式：
第一次执行某条select语句时，服务器记住该查询的文本内容和查询结果，存储在缓存中，下次碰到这个语句时，直接从缓存中返回结果;当更新数据表后，该数据表的任何缓存查询都变成无效的，并且会被丢弃。
2)配置缓存参数：
变量：query_cache _type，查询缓存的操作模式。有3中模式，0：不缓存;1：缓存查询，除非与 select sql_no_cache开头;2：根据需要只缓存那些以select sql_cache开头的查询; query_cache_size：设置查询缓存的最大结果集的大小，比这个值大的不会被缓存。
22、调整硬件
1)在机器上装更多的内存;
2)增加更快的硬盘以减少I/O等待时间;
寻道时间是决定性能的主要因素，逐字地移动磁头是最慢的，一旦磁头定位，从磁道读则很快;
3)在不同的物理硬盘设备上重新分配磁盘活动;
如果可能，应将最繁忙的数据库存放在不同的物理设备上，这跟使用同一物理设备的不同分区是不同的，因为它们将争用相同的物理资源(磁头)。