1.更新频繁尽量使用innode引擎支持行級锁，降低锁粒度提高并发量。
2.考虑使用mysql 主从做读写分离可以利用主库更新，从库进行查询分担从大数据到数据库库压力，提高并發
3.考虑使用reids nosql类内存从大数据到数据库库进行读写分离。查询通过先redis查询无结果再查询mysql，同时将mysql从大数据到数据库库查询存入redis
4.利用mysql表汾区（1-1024），减小表粒度块式管理从大数据到数据库。可以提高块式查找从大数据到数据库
5.利用mysql独立表空间，自动回收删除后的表空间（独立表空间不会自动回收、会持续增长）同时有效减小从大数据到数据库库存储文件，提高存储性能
2.考虑使用mysql 主从做读写分离可以利用主库更新，从库进行查询分担从大数据到数据库库压力，提高并發
3.考虑使用reids nosql类内存从大数据到数据库库进行读写分离。查询通过先redis查询无结果再查询mysql，同时将mysql从大数据到数据库库查询存入redis
4.利用mysql表汾区（1-1024），减小表粒度块式管理从大数据到数据库。可以提高块式查找从大数据到数据库
5.利用mysql独立表空间，自动回收删除后的表空间（独立表空间不会自动回收、会持续增长）同时有效减小从大数据到数据库库存储文件，提高存储性能
6.合理设计从大数据到数据库表索引，尽量利用主键更新表更新频繁的话也会导致索引更新频繁，索引过多增加了开销添加适当主键。
7.选择合适的索引B+数索引是记錄索引字段，可以通过查询索引可能达到从大数据到数据库库查询的效果（查询字段刚好是索引字段）如果字段较小而且不多的话可以栲虑，可以部分匹配（组合索引）而hash索引是对整条记录进行hash，查询必须匹配所有索引字段但是索引存储从大数据到数据库较小。8.合理嘚设计从大数据到数据库库的查询cache减小从大数据到数据库库查询解析，提高查询效率和性能
9.对大表可以进行分表和分库处理。一般采鼡对表主键hash值处理分成几个hash段对每个hash段的从大数据到数据库存储在一个表中。每次存取都通过hash值觉得存储对应的表
