MySQL——全球最流行的数据库（没有之一，就使用量而言）。
——开源数据库。
——与mongoDB不同，MySQL是一门关系型数据库。
此系列文章，作者本人将推演至个人毕业设计之中。所以在毕设前，git项目不公开。若有真实的必要需求，请在文章底部联系本人。
转载文章需注明出处，thank you！PS.文章颇显粗糙稚嫩，承望不吝赐教！
性能测试灵感来源：
前几天在读的《深入NOSQL》时，引发一个思考，在庞大的数据中，是否应该思考一下MySQL关联查询的实用性！
举一个简单的例子，微博网站，A关注了100个人，B关注了100个人，A和B是好友，那么两个人共同关注了哪些人呢，然后查询显示出来？（在数据量是百万级千万级的情况下）
那么，是否这个时候，使用NOSQL来设计整个数据库更加优越呢？
研究方向：
1.使用批量插入数据快？还是循环一条条插入数据快？两者相差多少？
（批量插入：关闭事务，等数据全部加入命令列表，再开启事务插入数据）
（单一插入：一条一条数据插入）
2.数据池的加入对数据插入性能是否有影响？
3.远程数据库与本地数据库插入的差距？
测试环境：
本地机器：CPU：i5-4210U 双核四线程
内存：8GB，DDR3L
系统：Windows10专业版 1709版本
服务器：系统：CentOS7.4 64位
CPU：Intel(R) Xeon(R) CPU E5-2682 v4 @ 2.50GHz 单核
内存：2GB
测试工具：
开发工具：IDEA 2017.3
本地MySQL版本：MySQL 5.7.17
远程MySQL版本：MySQL 5.7.17
其他：JDK1.8，阿里maven仓库，阿里druid连接池
百万级数据插入：
——为了保证数据的精确性，每次数据测试，都将进行三次测试！
项目目录结构（后续将加入c3p0、dbcp以及hikaricp连接池的性能测试）
数据库设计
万级数据的本地插入
——druid/local/批量数据插入
万级数据的本地插入
——druid/local/一一数据插入
总结：万级的数据的本地插入既可以看出，MySQL中用批量插入，性能是一条条数据插入的13倍！
因此在下一级的十万级数据插入，只进行一次一一插入数据的测试。
十万级数据的本地插入
——druid/local/批量数据插入
十万级数据的本地插入
——druid/local/一一数据插入
总结：十万级的数据本地插入即可以看出，MySQL中用批量插入，性能消耗和数据量插入应该不是成正比的，同时一条条数据插入完全可以淘汰！
万级数据的远程插入
——druid/remote/一一数据插入
未完待续！待补：
1.远程数据库连接 插入数据（万级、十万级、百万级）
2.本地数据库连接 插入数据（百万级）
3.不用数据库连接 插入数据（本地+远程 （万，十万，百万）级）
4.打包项目，在服务器模拟服务器本地数据库插入，打印日志，进行测试
5.购买阿里的云数据库RDS，插入比较
6. c3p0、dbcp以及hikaricp连接池的性能测试
关于查询
1.建立索引查询与纯粹关联查询差距
2.使用nosql的插入数据性能测试
3.使用nosql的查询数据性能测试
（后续测试不会基本不会测试单一数据插入，毕竟是不推荐的技术，性能差距太大。后续应该基本采用数据库连接池查询，因为实际开发中项目都是需要数据库连接池的开进行高效复用）
个人博客：写过诗的程序猿(https://www.hezhiming.xin)
个人邮箱：hezhimingabc@qq.com
个人微信：hezhiming_
如果您喜欢请点击一波关注，谢谢你的支持！
