MySQL大数据量下优化原则：

一、SQL语句及索引优化

1、只返回需要的数据，不要写SELECT * 的语句，合理的WHERE子句，不要写没有WHERE的SQL语句。

2、尽量少做重复的工作。

a、控制一条语句的多次执行

b、减少多次的数据转换

c、杜绝不必要的子查询

d、合并多同一表的多次UPDATE操作

e、UPADTE操作不要拆分成DELETE+INSERT操作

f、不要写一些没有意义的查询

3、适当的建立索引，避免如下操作：

a、对索引字段进行计算操作

b、在索引字段上使用not，<>，!=，列如a<>0 改为 a>0 or a<0

c、在索引字段上使用IS NULL和IS NOT NULL

d、在索引字段上出现数据类型的转换

e、在索引字段上使用函数

f、在建立的索引列中使用空值

g、like使用左模糊查询'%...'

h、or左边使用索引右边不适用索引，必须两边都使用

i、where子句中字段索引和联合索引顺序不一致

4、避免使用临时表，除非却有需要。使用union代替手动创建临时表

5、使用join代替子查询

二、加缓存，memcache，redis。

三、主从复制或者主主复制，读写分离，可以在应用层做，效率高，也可以使用第三方的工具，列如：360的atlas，MySQL高可用架构之MHA

四、如果以上都做了还是慢，不要想着去做切分，mysql自带分区表，先试试这个，对你的应用是透明的，无需更改代码,但是sql语句是需要针对分区表做优化的，sql条件中要带上分区条件的列，从而使查询定位到少量的分区上，否则就会扫描全部分区。分区表介绍：http://www.jb51.net/article/48425.htm

五、如果以上都做了，那就先做垂直拆分，其实就是根据你模块的耦合度，将一个大的系统分为多个小的系统，也就是分布式系统；

六、才是水平切分，针对数据量大的表，这一步最麻烦，最能考验技术水平，要选择一个合理的sharding key,为了有好的查询效率，表结构也要改动，做一定的冗余，应用也要改，sql中尽量带sharding key，将数据定位到限定的表上去查，而不是扫描全部的表。

MySQL大数据量下一般都是按照这个步骤去优化的，成本也是由低到高。