优化数据库对象有这四种：
1>:优化表的数据类型，每个字段选择合适的数据类型匹配。
2>:通过拆分表提高表的访问速度
2.1 垂直拆分表
把主码和一些列放到一张表，然后主码和另外的列放另外一张表，把常用的列放一张表，不常用的放另外一张表。
优点：数据行变小，一个数据页存储数据更多，在查询时减少I/O
缺点：需要管理冗余列，查询所有数据需要联合JOIN操作
2.2 水平拆分表
根据一列或者多列的值把数据放到不同的表中，比如根据性别来分表，比如移动每三个月分一张表，根据区域分表。
但是如果查询所有的话，会增加查询时间，所以一般需要根据实际情况考虑是否水平拆分表
3>:逆规范化
3.1 增加冗余列。通常在多个表中有相同的列，常用来在查询时候避免连接操作，如账单中没有用户名字，只要id,但是显示的时候有用户名字，可以考虑在账单表中添加一列用户的名字。
3.2 增加派生列。指增加的列来自于其他表中的数据，有其他表中的数据经过计算得来。也可以减少连接查询
3.3 重新组表。指如果许多用户需要查看两个表连接出来的结果数据，则把这两个表重新组成一个表来减少连接提高性能
对于上面的冗余，派生列逻辑实现方案：
1. 批处理维护，对冗余列或者派生列的修改积累到一定时间后，进行批处理修改，这是在实时性要求不高的情况下执行
2. 可以通过应用逻辑实现，涉及到事务的使用增删
3. 使用触发器，任何的修改都触发相应的列修改
4>:使用中间表提高查询效率
对于统计查询，通过建立中间表效率更高。
例如：一个商店记录了每个客户的消费记录，现在需要查询最近一周的消费情况，这样就需要用这个数据
方式一：
select sum(cust_amount) from consume where cust_date > addate(now(),-7);
方式二：
先创建一个中间表 tmp_consume(表结构数据可以和原表完全相同，如果需要多余的列也可以添加)
insert into tmp_consume select * from consume where cust_date > adddate(now(),-7);
select sum(cust_amout) from tmp_consume; //然后再通过中间表的数据进行统计
比较两个方案，在cust_date字段没有索引并且源表数据量很大的情况下，后者花费的时间明显比第一种低。
后者方式的优点，减少在原有表中存在大量数据进行数据运算（非常消耗时间），可以对后面的表自己添加索引来提高查询速度。并且中间表和源表数据完全隔离，不会产生副作用。可以灵活的添加索引或者临时的新字段。