模拟场景一：
给数据库中的一张表的结构调整，添加几个字段，后面对之前的数据进行刷新，刷新的内容是对其中的一个已有字段url进行匹配，然后更新新加的字段type和typeid。
后来就写了个shell脚本来刷数据，结果运行shell脚本后我就懵了，怎么这么慢~~~
情景再现
CREATE TABLE `fuckSpeed` (
`uin` bigint(20) unsigned NOT NULL DEFAULT 0,
`id` int(11) unsigned NOT NULL DEFAULT 0,
`url` varchar(255) NOT NULL DEFAULT '',
`type` int(11) unsigned NOT NULL DEFAULT 0,
`typeid` varchar(64) NOT NULL DEFAULT '',
......
KEY `uin_id` (`uin`,`id`)
) ENGINE=InnoDB DEFAULT CHARSET=utf8;
表结构大概是上面这样的（省略了好多字段），表中只有一个联合索引uin_id，而我在更新的时候是下面的思路：
首先根据一个id范围获取到一定数量的数据
select id,url from funkSpeed where id>=101 and id<=200;
遍历所有的数据，对每一条数据进行更新
#首先对数据进行处理，匹配获取type和typeid
update fuckSpeed set type=[type],typeid=[typeid] where id=[id]
按照上面的思路搞了之后，发现更新特别的慢，平均每秒钟3~5个左右，我也是醉了，我看看要更新的数据，总共有32w+条，这样更新下来大概需要24h+，也就是1天还要多，额~~哭了，想想肯定是哪里出问题了。
发现问题
首先我想到的是是不是因为只有一个进程在更新，导致很慢，我启动了5个进程，将id分段了，就像下面这样
./update_url.sh 0 10000 &
./update_url.sh 10000 20001 &
./update_url.sh 20001 30001 &
./update_url.sh 30002 40002 &
./update_url.sh 40003 50003 &
运行之后发现还是那样，速度没有提升多少，还是每秒钟更新3~5个左右，想想也是啊，时间不可能花费在插入数据之前的那些步骤（匹配、组装sql语句、。。。），应该是插入的时候有问题
再来看看我的sql语句
select id,url from funkSpeed where id>=101 and id<=200;，
这里，试着在命令行执行了下，结果如下
mysql> select id,url from funkSpeed where id>=0 and id<=200;
Empty set (0.18 sec)
竟然花了0.18秒，这个时候我猜恍然大悟，联合索引我没有使用到，联合索引生效的条件是――必须要有左边的字段，用explain验证下，果然是这样：
mysql> explain id,url from funkSpeed where id>=0 and id<=200;
+-------------+------+---------------+------+---------+------+--------+-------------+
| table | type | possible_keys | key | key_len | ref | rows | Extra |
+-------------+------+---------------+------+---------+------+--------+-------------+
| funkSpeed | ALL | NULL | NULL | NULL | NULL | 324746 | Using where |
+-------------+------+---------------+------+---------+------+--------+-------------+
1 row in set (0.00 sec)
然后使用联合索引：
mysql> select uin,id from funkSpeed where uin=10023 and id=162;
+------------+----------+
| uin | id |
+------------+----------+
| 10023 | 162 |
+------------+----------+
1 row in set (0.00 sec)
mysql> explain select uin,id from funkSpeed where uin=10023 and id=162;
+-------------+------+---------------+----------+---------+-------------+------+-------------+
| table | type | possible_keys | key | key_len | ref | rows | Extra |
+-------------+------+---------------+----------+---------+-------------+------+-------------+
| funkSpeed | ref | uin_id | uin_id | 12 | const,const | 4 | Using index |
+-------------+------+---------------+----------+---------+-------------+------+-------------+
1 row in set (0.00 sec)
可以看到几乎是秒查，这个时候基本可以断定问题是出现在索引这个地方了
我select的时候次数比较少，每两个select之间id相差10000，所以这里可以忽略掉，而且这里没办法优化，除非在id上面添加索引。
问题发生在
update fuckSpeed set type=[type],typeid=[typeid] where id=[id]
这里在更新的时候也是会用到查询的，我的mysql版本是5.5，不能explain update，不然肯定可以验证我所说的，这里要更新32w+条数据，每条数据都会去更新，每条数据0.2s左右，这太吓人了~~
解决问题
问题找到了，解决起来就容易多了~~
select的时候加了一个字段uin，改为下面这样
select uin,id,url from funkSpeed where id>=101 and id<=200;
然后更新的时候使用
update fuckSpeed set type=[type],typeid=[typeid] where uin=[uin] id=[id]
这样一来索引就是用上了。
三下五除二改好了代码，试着启动了一个进程，看看效果如何，果然，效果提升的不是一点点，平均30+次/s，这样大概3个小时左右就可以完成所有的更新了。
模拟场景二：
需求6个表 pid字段 写到对应的brand_id字段
问题sql背景：项目有6个表的要根据pid字段要写入对应的brand_id字段。但是这个其中有两个表是千万级别的。我的worker运行之后，线上的mysql主从同步立刻延迟了！运行了一个多小时之后，居然延迟到了40分钟，而且只更新了十几万行数据。问题sql如下：
<!-- 根据商品id更新品牌id -->
<update id="updateBrandIdByPid" parameterClass="com.jd.chat.worker.domain.param.UpdateBrandIdParam">
UPDATE $tableName$
SET brand_id = #newBrandId#
WHERE pid = #pid#
AND brand_id = 0
</update>
项目组的mysql专家帮我分析了下，因为pid字段没有索引，mysql引擎要逐行扫描出与传入的pid值相等的列，然后更新数据，也就是要扫描完1000W+行磁盘数据才能执行完这个sql。更严重的是，这个千万级的表里面有多少个不同的pid，我就要执行多少个这样的sql。
同事给我的建议的根据id字段进行sql代码层次的纵向分表。每次更新1000行的数据，这样mysql引擎就不用每次在扫全表了，数据库压力是之前的万分之一。而且id作为主键，是有索引的有索引，有索引能大大优化查询性能，优化后的sql如下：
<!-- 根据商品id更新品牌id -->
<update id="updateBrandIdByPid" parameterClass="com.jd.chat.worker.domain.param.UpdateBrandIdParam">
UPDATE $tableName$
SET brand_id = #newBrandId#
WHERE pid = #pid#
AND brand_id = 0
AND id BETWEEN #startNum# AND #endNum#
</update>
仅仅用了id限区间的语句，将一个千万级的大表代码层次上进行纵向切割。重新上线worker后，mysql主从没有任何延迟！而且经过监视，短短10分钟就更新了十几万数据，效率是之前的6倍！更重要的是数据库负载均衡，应用健康运行。
以上通过两个问题模拟场景再现分析MySql更新优化策略，希望对大家在数据库方面有所帮助。