mysql 分表问题，哪一种会更有性能呢？

[ekeyme]

业务：
有1大批基因，按2中方式分类：1类是按 功能，另1类是按 代谢途径。
此外，1个基因可能同属于多个功能、或者多个代谢途径。
平时主要是通过 功能、或代谢途径 获得相应类别下的所有基因，或者查询某个基因给出相应的代谢途径或功能。

想法：
我想到了2种分表方式，但不知道哪一种更好，所以想请大家给我点建议，甚至提出更好的分表方式更欢迎。我还有想知道一般数据库的性能测试一般都怎么做的呢？有一些经验或者书可以推荐的话那就更好了，先事先感谢大家的关注。

---方式1
1. 表1 代谢途径：category_id（index，自增） / name 类名
2. 表2 基因功能：category_id（index，自增） / name 类名
3. 表达 基因：gene_id（index，用唯一的通用的ID名，不一定自增） / category_id（对应上面的功能、或代谢途径） / type（1代表对应代谢途径，2代表对应基因功能的id）

此方式在此方式搜寻或者join的时候，仅能 用 ON 代谢途径/基因功能.category_id = 基因.category_id 衔接后，加一个where 基因.type=1/2。

---方式2
1. 表1 代谢途径：
/ category_id（index，自增）
/ name 类名
2. 表2 基因功能：
/category_id（index，自增）
/ name 类名
3. 表达 基因：
/gene_id（index，用唯一的通用的ID名，不一定自增）
/category_id（以num-category_id形式储存，如{1-category_id}；或是{2-category_id}；category_id对应上面的功能、或代谢途径中的id；前面的1代表对应代谢途径，2代表对应基因功能的id）

此方式搜寻或者join的时候可以 用 ON 代谢途径/基因功能.concat('1或者2', '-', category_id) = 基因.category_id 链接到一起

[msg7086]

虽然不知道能不能回答你的问题。
不过很多时候用JOIN本身效率不一定高。
特别是对于复杂的表连接来说。
以及简单的请求更容易被cache缓存住。

另外建议说一下数据的规模？

[ekeyme]

@msg7086 嗯。首先非常感谢。如果不用join的话，那就是先select出一部分条件在select么？另外，我在数据库上很多东西还是不熟悉，你问的数据规模是怎么表示呢？ 我这里gene那个数据库中有7万条记录，一个库中所有表的数据加起来 达到1G上。

[ekeyme]

@msg7086 更正：这里gene那个数据库，应该是那张表

[msg7086]

主要是我没看明白你表到底是怎么存放数据的。
你可以考虑先把要存的数据写出来，给点例子，这样比较方便看。
1G的数据量很小，大多数时候稍微优化一下就能跑得飞快了。
关于性能调优，如果你有生产环境的话，当然是放到生产环境来测试最方便。
如果没有的话，一般用explain去看查询计划，看看是不是都用了索引了。
另外，由于通常短小的查询更容易被cache，所以做两次或者三次select或许会更快。
当然具体还是要看实际的业务情况来定。

时间不早先睡了，如果问题没有解决的话，明天上班的时候我会再来回复。

[JamesRuan]

都不是正确的方法。你应该去学学数据库范式。

最先应该弄清楚的是数据之间的关系：基因和功能，基因和代谢途径是互相有交叉的多对多的关系：

同一个基因可以有多个功能：
gene_id(one) -> function_id(many)
同一个基因可以参与多个代谢途径：
gene_id(one) -> pathway_id(many)
同一个功能有多个基因：
function_id(one) -> gene_id(many)
同一个代谢途径有多个基因：
pathway_id(one) -> gene_id(many)

你需要上面四张表去记录数据间的关系，少一张不行。