1）查询时能不用*就不用，尽量写全字段名
2）索引优化
尽量使用"短"索引，即索引的长度/size小点，这样单位页内能存储的数据量更多。因为数据的加载都是以页为单位加载的。
经常在where子句使用的列，最好设置好索引，加快查找速度。
对于有多个列where或者order by子句的，应该建立复合索引
不要使用not in和<>操作
最左前缀匹配原则，mysql会一直向右匹配直到遇到范围查询(>,
=和in可以乱序
尽量选择区分度高的列作为索引，区分度的公式是count(distinct col)/count(*),表示字段不重复的比例
索引的列不能参与计算，保持列“干净“，b+树存的都是数据表中的字段值，但是进行检索时，需要把所有元素都应用函数才能比较，成本太大。
尽量扩展索引，不要新建索引。
3）多使用explain和profile分析查询语句，设置slow_query_log查看慢查询日志，找出执行时间长的sql语句优化
4）多表连接时，尽量小表驱动大表，即小表join大表,可以减少数据的匹配量。在hive里有map join操作，可以将小表加载到内存与大表join，加快速度。此处应该也有相关的优化原理。
5）在千万级的分页时使用limit，限制结果返回的数据量
6）对于经常使用的查询，可以开启缓存。
7）对于热点数据，可以缓存到分布式缓存里。
8）当表的数据量变得很大时，可以考虑分库分表，对数据进行垂直拆分和水平拆分等。
9）避免在where字句中对字段进行null值判断，会导致引擎放弃使用索引而进行全表扫描
10）对于联合索引，要遵守最左前缀法则
11）exists以外层表为驱动表，先被访问，如果是in，先执行子查询，所以in适合于外表大而内表小的情况，exists适合于外表小而内表大的情况。
总结：mysql的优化主要在于:索引的优化.sql语句的优化，表的优化， 在高并发网络环境下除了优化数据库外，还会涉及到分布式缓存，cdn，数据库读写分离等高并发优化技术。
