该存储过程的实现：
1.两个表的查询（由于业务需要，还涉及到该表的子查询），分别插入到临时表；两个表的数据分别为310W+，120W
2. 中间还需要做一些处理，将临时表的数据group by插入到另一个临时表；
3.最后将临时表的数据group by插入到一张正式表，插入的数据140W+
接着这几天就在优化性能的路上越走越远，尝尽了各种方法，也尝到了各种苦头。
图片发自App
各种各样的尝试：
一、我感觉这实现的逻辑有点复杂，然后按照我的想法把实现简化了。然而性能并没有得到改善。因为我的实现是把大数据量提到了前面，而后面的操作还得争对这部分大数据量进行操作，比如group by。所以虽然我的实现在逻辑上简化了，但是性能并没有提升。
二、根据不同的逻辑标识，创建了两套临时表，这样一张表的数据量就不会那么大，希望给后面的操作减少些压力。还是以失败告终。原因是因为逻辑标识的设置，所有都是走的一套逻辑，第二套逻辑根本就只是走过过场，不会真正去查那百万数据的表，所以压力还是在那300多万的表。
三、使用预处理语句。其实对预处理语句的机制不是太明白，只是听说预处理的效率更高。性能还是没提升，大概是因为并没有太多相似的查询或插入吧。嗯，不是太明白预处理机制。
四、将子查询拿掉，先用临时表保存这部分数据。这样那300多万数据的表还是得查两次，没啥性能提升。
五、将临时表的引擎由myisam改为memory，数据库的全局变量max_heap_table_size，tmp_table_size也设置为了1000M，同生产环境。结果还是报
The table 'tmp_item_bu_parter_price' is full
，所以说数据量太大，导致内存撑爆？
六、也是在逻辑上走不同分支，结果发现走的都是同一个逻辑。这个有点亏，之前在这方面考虑的时间也挺长，没有先去查明客户的设置。
七、多线程。由于存储过程中使用了insert into ...select...的句式，而且where条件未中索引，所以造成了全表锁。而多线程的测试结果无疑就是锁表了，有些数据执行失败。
八、在逻辑上不以全量的方式插入，而是增量，可是那些已存在的数据还是得更新啊。所以性能应该差不多。
性能主要耗在了百万数据的插入。现在完全是处于没辙的状态，不知道如何处理。
【相关推荐】
1. 免费mysql在线视频教程
2. MySQL最新手册教程
3. 数据库设计那些事
以上就是分享自己三天的性能调优遇到的一些问题的详细内容，更多请关注微课江湖其它相关文章！