影响MYSQL 性能的因素有： 服务器硬件 ， 操作 系统， MySQL 服务器配置。
影响最大的是 数据库结构， 良好的数据库物理设计与逻辑设计 是数据库高性能的基础。
数据库结构 优化的目的：
1.减少数据冗余。
2.尽量避免数据维护中出现更新， 插入和删除异常。
插入异常：表中某个实体随另一个实体而存在
更新异常：更新表某个实体的单独属性，需要对多行进行更新
删除异常：删除表中某一实体，会导致其他实体的消失。
对于该表，首先用户名与生日是数据冗余的，插入新学科 语文时， 该表主键是学号， 学科依赖学号存在， 直接插入语文学科会出错，这是插入异常， 更新 数学的学分时 ，如果表中存在大量数据，就会修改大量对应数学学科的数据，这是更新异常。
在删除数据时， 删除了数学学科信息， 对应的学生信息 也会消失， 这是删除异常。
3.节约数据存储空间
4.提交查询效率
数据库表结构设计步骤
1.了解产品设计的存储需求， 数据的存储需求，数据处理需求， 数据安全性与 完整性。
这一步很麻烦，提需求的人不懂技术， 懂技术的人又不太熟悉业务，沟通起来比较麻烦。
2.逻辑设计：设计数据的逻辑存储结构， 数据实体之间的逻辑关系，解决数据冗余和数据维护异常。（依照范式）
3.物理设计：根据所使用的数据库进行表结构设计。（关系型数据库， 非关系型数据库）
数据库存储引擎 （MySQL 为Innodb）和 数据字段的类型。
数据库三范式
案例
电子商务网站： 功能 ： 用户登录，用户管理， 商品展示，商品管理， 供应商管理， 在线销售。
完全的遵循 范式化，可能会降低SQL 查询效率。一是查询join 越多的表，性能越差。 二是 假如有订单表与用户表，如果遵循范式，每次获取用户订单都需要join, 那么要是用户手机号变了，就会导致购物时的手机号 与 先查询出的手机号不一致的问题。
这时就需要反范式化设计。
利用少量冗余数据来提高SQL 查询效率， 利用空间换时间。
订单表中加上 用户手机号， 用户名等信息。
使用反范式化设计，达到的效果可能 是无论怎么优化SQL语句都达不到的。
范式化和反范式化的优缺点
范式化优点：
范式化缺点：
Innodb 引擎来说，全表扫描 是顺序IO, join是 随机IO， 全表扫描更快
范式化可能把不同列的分为不同的表中，所以这两个表中的两个列就不能创建复合索引
反范式化优点：
缺点：
数据库物理设计
根据所选数据库特点，对逻辑模型进行存储结构设计。
表中字段 选择合适类型
为字段选择太大长度，会增加数据库的内存，和磁盘IO。
原因：数据进行比较时（join连接条件，Where 条件）， 字符类型处理与处理规则相关，而数字不需要根据字典规则进行处理，数据根据二进制大小来处理。同样数据，字符串处理往往比数字处理要慢。
另外，在数据库中数据处理是以页为单位的，每个页所存储的数据量是有限的。Innodb中是16K, 数据列越小意味着数据页中的能容纳数据越多。数据列小加载的数据页 就会比数据列大的数据 加载的数据页少， 减少磁盘IO,利于性能提升。
Decimal 类型 数据精确， 但是 占用字节数大。`
两个额外字节16位，决定varchar存储最大字符串长度是65535， 要定义大的varchar类型， 使用text类型。
更新字符串，因为长度会发生变化，可能会发生存储页的分裂，造成内存碎片。
如果字符串长度超过255，就使用varchar.
TimeStamp 是以int来存储的， 所以占4个字节。 也决定了时间范围。
第二个功能非常有用，经常用来标记数据最后被修改的时间。
date类型可以用来存储 用户生日。
