模式设计的根本方案：

1.避免过多Join，较小重复开销；

2.减小空间，降低表扫描IO；

3.保证索引被及Query Cache被充分利用

总之，根据实际数据库访问需求，在三者之间寻找平衡，到达效率最优的目的。

?

高效的模型设计：

1.适度冗余，让Query减少Join。查询频率远远大于插于更新频率的时候，维护冗余数据一致性带来的性能开销对于查询提高的效率来说，是可以忍受的。通过少部分操作的成本换来更大（更频繁操作）的性能收获，是性能优化总经常使用的策略。Join几个表影响数据库优化执行计划。

2.大字段垂直分拆，summary表优化。分离大字段，通过单独的表存放，在我们访问数据库的收获大大降低了IO访问，从而使性能得到极大的改善。选择冗余和大字段分拆必须根据操作类型的分布来判定。只要满足相对访问频率低，就可分离出去。另外由于分离的大字段和原表记录是——对应的关系，因此Join的时候，性能影响也不是非常大。

3.大表水平分拆——基于类型的分拆优化。表数据空间很大，部分数据访问频率很高，与其他记录没有关联交互，记录量比普通记录少很多，这种情况，考虑将这部分的数据单独放在表中，避免普通记录的大量访问导致该部分数据的Query Cache失效。

4.统计表，准实时优化。将实时的统计需求，转化为定时任务，平衡实际需求和性能开销。

?

?

优化数据类型主要包括两个方面：

1.选用小数据类型，减少存储空间，降低查询数据IO；

2.合理数据类型加速数据的比较

?

数据类型：