然后将bed进行去重复
最后我们得到了aquatica.uniq.bed和Nepcla.uniq.bed, 根据bed文件第4列就可以用于提取cds序列和蛋白序列。
最后就获得了这些文件
用 jcvi.compara.blastfilter 对结果进行过滤
最后输出aly_ath.blast.filtered用于做图
报错1：
由于服务器里没有这种字体
报错2：
这是由于服务器里面没有这个排版的软件
执行最后一条命令之后会出现下面的选项：
输入 I 然后回车进行安装
参考：
-3.仅作笔记使用
我所用到的所有脚本可以+Q 840842906索
简单介绍一下方向也可以，说不定以后能互相帮忙～
注明来意，请实名 学校+名字
-2.两组样品，目的是通过宏基因组找到两组间的差异以及差异的成因
-1.原理
略
0. Megahit/SPAdes组装
略
1.基因预测
1.1 软件安装 - metagenemark/prodigal
略
参考：https://www.jianshu.com/p/b8d0cd39bb67 --- genemark
http://wap.sciencenet.cn/blog-2379401-1085480.html --- https://github.com/hyattpd/Prodigal
1.2
genemark参考：https://www.sohu.com/a/207036304_99908466
for i in {B2A,B3A......} (下面会省略，$i的意思即中括号内的内容)
do
prodigal -a $i/$i.pro.fa -d $i/$i.gene.fa -f gff -g 11 -i $i/$i.fasta -p meta -s $i/$i.stat_Potential.gene -m -q
done
-i是输入文件即组装好的contig，这里不同的文章会过滤掉不同长度的contig，过滤掉不同长度的预测结果的CDS，可以自行查阅文献
我这里以两篇学位论文为例： (当然我没有混组装，我是每个样本组装一次，预测一次, 然后把所有样本的预测结果cat到一起
1.3 然后需要给预测的基因重命名，过滤长度
(1)sed '/>/s/gene/B2A_gene/' $i/$i.gene.fa | sed '/>/s/|GeneMark.hmm//' | awk '{print $1}' >$i/$i.gene.fa2
(2)awk -F "|" '{print $1}' $i/$i.gene.fa2 >$i/$i.gene.fa3
(3)bioawk -c fastx '{print $name, length($seq)}' $i/$i.gene.fa3 >$i/$i.length
(4)awk '{if ($2 >99) print $1}' $i/$i.length >$i/$i.keep
(5)samtools faidx $i/$i.gene.fa3 -r $i/$i.keep >$i/$i.filter.gene.fa
(6)rm $i/$i.gene.fa2rm $i/$i.gene.fa3rm $i/$i.gene.fa3.fairm $i/$i.keeprm $i/$i.length
(1)和(2)是重命名，把每个基因命名为 B2A_gene_1、B2A_gene_2......
(3)是获取每个基因的长度 (4)是得到长度大于100的基因名 (5)是用samtools提取前面长度大于100的基因名 (6)是清楚中间文件
比较丑陋，见谅
在过滤prodigal的时候猛然发现bbmap有现成的工具：
(其实是在运行atlas的时候翻看atlas的命令行发现的，atlas是一个宏基因组分析的snakemake流程：https://github.com/metagenome-atlas/atlas)
java -ea -Xmx1g -cp ./opt/bbmap-37.99/current/ jgi.RenameReads in=./prodigal/$i/$i.gene.fa out=$i.rename.gene.fa ow=t prefix=$i.gene minscaf=100
prefix=$i.gene就是把基因重命名为 B2A.gene.1 B2A.gene.2 。。。。。。
minscaf=100即过滤掉长度小于100 in=即输入文件 out=即输出文件
1.4 把所有样品，重命名/长度过滤后的gene.fa cat到一起
2.CD-Hit去冗余
cd-hit -i input.fa -o out.fa -c 0.95 -d 0 -aL 0.9 -uL 0.05 -aS 0.9 -T 80 -M 15000
用了-T 80，上了学校的超算, 一下午完事；；之前用的-T 14，在集群上很慢要一个周
参数的解释https://www.sohu.com/a/207036304_99908466, 个人感觉参数可以跟着上面照抄
3.相对丰度的计算和长度标准化
3.1 ref : https://www.jianshu.com/p/a28c1729168e?ivk_sa=1024320u 这个链接里面相对丰度的计算是用的SOAP，但是我没有找到SOAP相关的任何信息，所以用的bwa mem，包括还有Salmon、bowtie2+bbmap也可以做相同的东西
bwa mem -p 去完冗余的结果 样品1.1.fq.gz 样品1.2.fq.gz >样品1.sam
得到 每个基因在样品1上的比对情况
3.2
grep -v ^@ $i.aln.sam | cut -f 3 | sort | uniq-c | awk ‘BEGIN{ FS=“ ”OFS=“,” }{print $2,$1}’ | awk ‘BEGIN{ FS=“,”OFS=“,”}{ if ($2 >2) print $1,$2else print $1,“0”}’ >$i.count.csv #获取到每个gene比对到的reads数量,比对数小于等于2的直接标0, 接着进行长度标准化
3.3 ref : https://www.jianshu.com/p/a28c1729168e?ivk_sa=1024320u 这个链接里面相对丰度的计算是用的SOAP，但是我没有找到SOAP相关的任何信息，所以用的bwa mem
然后还需要获取非冗余基因集(即CDHIT的结果)每个gene的长度：
bioawk -c fastx ‘{print $name, length($seq)}‘ 去冗余的结果 | tr “\t” “,” >gene.length.csv 第一列是基因名/序列名，第二列是该序列长度
然后获取gene.count.csv中每个gene的长度
大体上就是用gene.count.csv的第一列和gene.length,csv的第一列匹配，匹配得上，就输出gene.count.csv的每一列(基因名，count)和gene.length,csv的第二列(基因长度)
如果匹配不上，就输出gene.count.csv的第一列, 该基因的count为0，长度
python jiyinfengdu.py $i.count.csv $i >$i.tmp
现在再根据上面那个标准化的公式来算就很简单了，很多方法都能实现
3.4：再将每个样本的数据合到一块即可
paste B2A.tmp B3A.tmp B4A.tmp >end.tsv
后续就可以进行可视化、功能注释等
待续
用到的脚本
2022.4更新
关于基因相对丰度的计算，又发现了一些其他的方法 (宏基因组的定量还没有一个很好很权威的方法
本文所用方法已经是12年的了(虽然才看到几篇文章还在用)
1.MOCAT2 (16年发在Bioinformatics)
好就好在方便很多，组装预测丰度一条龙全包了
2.Wen, C., Zheng, Z., Shao, T., Liu, L., Xie, Z., Le Chatelier, E., ... &Li, H. (2017). Quantitative metagenomics reveals unique gut microbiome biomarkers in ankylosing spondylitis. Genome biology
这篇发的好一点，也给出了一个方法
mysql创建表字段长度范围_Mysql的建表规范与注意事项⼀、 表设计规范库名、表名、字段名必须使⽤⼩写字母，“_”分割。
库名、表名、字段名必须不超过12个字符。
库名、表名、字段名见名知意，建议使⽤名词⽽不是动词。
建议使⽤InnoDB存储引擎。
存储精确浮点数必须使⽤DECIMAL替代FLOAT和DOUBLE。
建议使⽤UNSIGNED存储⾮负数值。
建议使⽤INT UNSIGNED存储IPV4。
整形定义中不添加长度，⽐如使⽤INT，⽽不是INT(4)。
使⽤短数据类型，⽐如取值范围为0-80时，使⽤TINYINT UNSIGNED。
不建议使⽤ENUM类型，使⽤TINYINT来代替。
尽可能不使⽤TEXT、BLOB类型。
VARCHAR(N)，N表⽰的是字符数不是字节数，⽐如VARCHAR(255)，可以最⼤可存储255个汉字，需要根据实际的宽度来选择N。
VARCHAR(N)，N尽可能⼩，因为MySQL⼀个表中所有的VARCHAR字段最⼤长度是65535个字节，进⾏排序和创建临时表⼀类的内存操作时，会使⽤N的长度申请内存。
表字符集选择UTF8。
使⽤VARBINARY存储变长字符串。
存储年使⽤YEAR类型。
存储⽇期使⽤DATE类型。
存储时间(精确到秒)建议使⽤TIMESTAMP类型，因为TIMESTAMP使⽤4字节，DATETIME使⽤8个字节。
建议字段定义为NOT NULL。
将过⼤字段拆分到其他表中。
禁⽌在数据库中使⽤VARBINARY、BLOB存储图⽚、⽂件等。
表结构变更需要通知DBA审核。
⼆、 索引规范
⾮唯⼀索引必须按照“idx_字段名称_字段名称[_字段名]”进⾏命名。
唯⼀索引必须按照“uniq_字段名称_字段名称[_字段名]”进⾏命名。
索引名称必须使⽤⼩写。
索引中的字段数建议不超过5个。
单张表的索引数量控制在5个以内。
唯⼀键由3个以下字段组成，并且字段都是整形时，使⽤唯⼀键作为主键。
没有唯⼀键或者唯⼀键不符合5中的条件时，使⽤⾃增(或者通过发号器获取)id作为主键。
唯⼀键不和主键重复。
索引字段的顺序需要考虑字段值去重之后的个数，个数多的放在前⾯。
ORDER BY，GROUP BY，DISTINCT的字段需要添加在索引的后⾯。
使⽤EXPLAIN判断SQL语句是否合理使⽤索引，尽量避免extra列出现：Using File Sort，UsingTemporary。
UPDATE、DELETE语句需要根据WHERE条件添加索引。
不建议使⽤%前缀模糊查询，例如LIKE “%weibo”。
对长度过长的VARCHAR字段建⽴索引时，添加crc32或者MD5 Hash字段，对Hash字段建⽴索引。
合理创建联合索引(避免冗余)，(a,b,c) 相当于 (a) 、(a,b) 、(a,b,c)。
合理利⽤覆盖索引。
SQL变更需要确认索引是否需要变更并通知DBA。
三、 SQL语句规范
使⽤prepared statement，可以提供性能并且避免SQL注⼊。
SQL语句中IN包含的值不应过多。
UPDATE、DELETE语句不使⽤LIMIT。
WHERE条件中必须使⽤合适的类型，避免MySQL进⾏隐式类型转化。
SELECT语句只获取需要的字段。
SELECT、INSERT语句必须显式的指明字段名称，不使⽤SELECT *，不使⽤INSERTINTO table()。
使 ⽤SELECT column_name1, column_name2 FROM table WHERE[condition]⽽不是SELECT column_name1 FROM table WHERE[condition]和SELECT column_name2 FROM table WHERE [condition]。
WHERE条件中的⾮等值条件(IN、BETWEEN、、>=)会导致后⾯的条件使⽤不了索引。
避免在SQL语句进⾏数学运算或者函数运算，容易将业务逻辑和DB耦合在⼀起。
INSERT语句使⽤batch提交(INSERT INTO tableVALUES(),(),()……)，values的个数不应过多。
避免使⽤存储过程、触发器、函数等，容易将业务逻辑和DB耦合在⼀起，并且MySQL的存储过程、触发器、函数中存在⼀定的bug。
避免使⽤JOIN。
使⽤合理的SQL语句减少与数据库的交互次数。
不使⽤ORDER BY RAND()，使⽤其他⽅法替换。
建议使⽤合理的分页⽅式以提⾼分页的效率。
统计表中记录数时使⽤COUNT(*)，⽽不是COUNT(primary_key)和COUNT(1)。
禁⽌在从库上执⾏后台管理和统计类型功能的QUERY。
四、 散表规范
每张表数据量建议控制在5000w以下。
可以结合使⽤hash、range、lookup table进⾏散表。
散表如果使⽤md5(或者类似的hash算法)进⾏散表，表名后缀使⽤16进制，⽐如user_ff。
推荐使⽤CRC32求余(或者类似的算术算法)进⾏散表，表名后缀使⽤数字，数字必须从0开始并等宽，⽐如散100张表，后缀从00-99。
使⽤时间散表，表名后缀必须使⽤特定格式，⽐如按⽇散表user_20110209、按⽉散表user_201102。
五、 其他
批量导⼊、导出数据需要DBA进⾏审查，并在执⾏过程中观察服务。
批量更新数据，如update,delete 操作，需要DBA进⾏审查，并在执⾏过程中观察服务。
产品出现⾮数据库平台运维导致的问题和故障时，如前端被抓站，请及时通知DBA，便于维护服务稳定。
业务部门程序出现bug等影响数据库服务的问题，请及时通知DBA，便于维护服务稳定。
业务部门推⼴活动，请提前通知DBA进⾏服务和访问评估。
如果出现业务部门⼈为误操作导致数据丢失，需要恢复数据，请在第⼀时间通知DBA，并提供准确时间，误操作语句等重要线索。
----------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------
FAQ
1-1.库名、表名、字段名必须使⽤⼩写字母，“_”分割。
a)MySQL有配置参数lower_case_table_names，不可动态更改，Linux系统默认为0，即库表名以实际情况存储，⼤⼩写敏感。如果是1，以⼩写存储，⼤⼩写不敏感。如果是2，以实际情况存储，但以⼩写⽐较。
b) 如果⼤⼩写混合⽤，可能存在abc,Abc,ABC等多个表共存，容易导致混乱。
c) 字段名显⽰区分⼤⼩写，但实际使⽤不区分，即不可以建⽴两个名字⼀样但⼤⼩写不⼀样的字段。
d) 为了统⼀规范， 库名、表名、字段名使⽤⼩写字母。
1-2.库名、表名、字段名必须不超过12个字符。
库名、表名、字段名⽀持最多64个字符，但为了统⼀规范、易于辨识以及减少传输量，必须不超过12字符。
1-3.库名、表名、字段名见名知意，建议使⽤名词⽽不是动词。
a) ⽤户评论可⽤表名usercomment或者comment。
b) 库表是⼀种客观存在的事物，⼀种对象，所以建议使⽤名词。
1-4.建议使⽤InnoDB存储引擎。
a) 5.5以后的默认引擘，⽀持事务，⾏级锁，更好的恢复性，⾼并发下性能更好，对多核，⼤内存，ssd等硬件⽀持更好。
b) 具体⽐较可见附件的官⽅⽩⽪书。
1-5.存储精确浮点数必须使⽤DECIMAL替代FLOAT和DOUBLE。
a) mysql中的数值类型(不包括整型)：
IEEE754浮点数：float (单精度) ， double 或real (双精度)
定点数： decimal或 numeric
单精度浮点数的有效数字⼆进制是24位，按⼗进制来说，是8位；双精度浮点数的有效数字⼆进制是53位，按⼗进制来说，是16 位
⼀个实数的有效数字超过8位，⽤单精度浮点数来表⽰的话，就会产⽣误差！同样，如果⼀个实数的有效数字超过16位，⽤双精度浮点数来表⽰，也会产⽣误差
b)IEEE754标准的计算机浮点数，在内部是⽤⼆进制表⽰的，但在将⼀个⼗进制数转换为⼆进制浮点数时，也会造成误差，原因是不是所有的数都能转换成有限长度的⼆进制数。
即⼀个⼆进制可以准确转换成⼗进制，但⼀个带⼩数的⼗进制不⼀定能够准确地⽤⼆进制来表⽰。
实例：
drop table if exists t
create table t(value float(10,2))
insert into t values(131072.67),(131072.68)
select value from t
+-----------+
|value |
+-----------+
| 131072.67 |
| 131072.69 |
+-----------+
1-6.建议使⽤UNSIGNED存储⾮负数值。
同样的字节数，存储的数值范围更⼤。如tinyint 有符号为 -128-127，⽆符号为0-255
1-7. 如何使⽤INT UNSIGNED存储ip？
使⽤INTUNSIGNED⽽不是char(15)来存储ipv4地址，通过MySQL函数inet_ntoa和inet_aton来进⾏转化。Ipv6地址⽬前没有转化函数，需要使⽤DECIMAL或者两个bigINT来存储。例如：
SELECT INET_ATON('209.207.224.40')
3520061480
SELECT INET_NTOA(3520061480)
209.207.224.40
1-8. INT[M]，M值代表什么含义？
注意数值类型括号后⾯的数字只是表⽰宽度⽽跟存储范围没有关系，⽐如INT(3)默认显⽰3位，空格补齐，超出时正常显⽰，Python、Java客户端等不具备这个功能。
1-10.不建议使⽤ENUM、SET类型，使⽤TINYINT来代替。
a)ENUM，有三个问题：添加新的值要做DDL，默认值问题(将⼀个⾮法值插⼊ENUM(也就是说，允许的值列之外的字符串)，将插⼊空字符串以作为特殊错误值)，索引值问题(插⼊数字实际是插⼊索引对应的值)
实例：
drop table if exists t
create table t(sex enum('0','1'))
insert into t values(1)
insert into t values('3')
select * from t
+------+
| sex |
+------+
| 0 |
| |
+------+
2 rows in set (0.00 sec)
1-11.尽可能不使⽤TEXT、BLOB类型。
a) 索引排序问题，只能使⽤max_sort_length的长度或者⼿⼯指定ORDER BY SUBSTRING(column,length)的长度来排序
b) Memory引擘不⽀持text,blog类型，会在磁盘上⽣成临时表
c) 可能浪费更多的空间
d) 可能⽆法使⽤adaptive hash index
e) 导致使⽤where没有索引的语句变慢
1-13. VARCHAR中会产⽣额外存储吗？
VARCHAR(M)，如果M<256时会使⽤⼀个字节来存储长度，如果M>=256则使⽤两个字节来存储长度。
1-14.表字符集选择UTF8。
a) 使⽤utf8字符集，如果是汉字，占3个字节，但ASCII码字符还是1个字节。
b) 统⼀，不会有转换产⽣乱码风险
c) 其他地区的⽤户(美国、印度、台湾)⽆需安装简体中⽂⽀持，就能正常看您的⽂字，并且不会出现乱码
d)ISO-8859-1编码(latin1)使⽤了单字节内的所有空间，在⽀持ISO-8859-1的系统中传输和存储其他任何编码的字节流都不会被抛弃。即把其他任何编码的字节流当作ISO-8859-1编码看待都没有问题，保存的是原封不动的字节流。
1-15.使⽤VARBINARY存储变长字符串。
⼆进制字节流，不存在编码问题
1-18. 为什么建议使⽤TIMESTAMP来存储时间⽽不是DATETIME？
DATETIME和TIMESTAMP都是精确到秒，优先选择TIMESTAMP，因为TIMESTAMP只有4个字节，⽽DATETIME8个字节。同时TIMESTAMP具有⾃动赋值以及⾃动更新的特性。
如何使⽤TIMESTAMP的⾃动赋值属性？
a) 将当前时间作为ts的默认值：ts TIMESTAMP DEFAULTCURRENT_TIMESTAMP。
b) 当⾏更新时，更新ts的值：ts TIMESTAMP DEFAULT 0 ONUPDATE CURRENT_TIMESTAMP。
c) 可以将1和2结合起来：ts TIMESTAMP DEFAULTCURRENT_TIMESTAMP ON UPDATE CURRENT_TIMESTAMP。
1-19.建议字段定义为NOT NULL。
a)如果null字段被索引，需要额外的1字节
b)使索引，索引统计，值的⽐较变得更复杂
c)可⽤0，''代替
d)如果是索引字段，⼀定要定义为not null
1-21.禁⽌在数据库中使⽤VARBINARY、BLOB存储图⽚、⽂件等。
采⽤分布式⽂件系统更⾼效
2. 为什么MySQL的性能依赖于索引？
MySQL的查询速度依赖良好的索引设计，因此索引对于⾼性能⾄关重要。合理的索引会加快查询速度(包括UPDATE和DELETE的速
度，MySQL会将包含该⾏的page加载到内存中，然后进⾏UPDATE或者DELETE操作)，不合理的索引会降低速度。
MySQL索引查找类似于新华字典的拼⾳和部⾸查找，当拼⾳和部⾸索引不存在时，只能通过⼀页⼀页的翻页来查找。当MySQL查询不能使⽤索引时，MySQL会进⾏全表扫描，会消耗⼤量的IO。
2-5. 为什么⼀张表中不能存在过多的索引？
InnoDB的secondaryindex使⽤b+tree来存储，因此在UPDATE、DELETE、INSERT的时候需要对b+tree进⾏调整，过多的索引会减慢更新的速度。
2-11. EXPLAIN语句
EXPLAIN语句(在MySQL客户端中执⾏)可以获得MySQL如何执⾏SELECT语句的信息。通过对SELECT语句执⾏EXPLAIN，可以知晓MySQL执⾏该SELECT语句时是否使⽤了索引、全表扫描、临时表、排序等信息。尽量避免MySQL进⾏全表扫描、使⽤临时表、排序等。详见官⽅⽂档。
2-13.不建议使⽤%前缀模糊查询，例如LIKE “%weibo”。
会导致全表扫描
2-14. 如何对长度⼤于50的VARCHAR字段建⽴索引？
下⾯的表增加⼀列url_crc32，然后对url_crc32建⽴索引，减少索引字段的长度，提⾼效率。
CREATE TABLE url(
……
url VARCHAR(255) NOT NULL DEFAULT 0,
url_crc32INT UNSIGNED NOT NULL DEFAULT 0,
……
index idx_url(url_crc32)
)
2-16. 什么是覆盖索引？
InnoDB 存储引擎中，secondaryindex(⾮主键索引)中没有直接存储⾏地址，存储主键值。如果⽤户需要查询secondaryindex中所不包含的数据列时，需要先通过secondaryindex查找到主键值，然后再通过主键查询到其他数据列，因此需要查询两次。
覆盖索引的概念就是查询可以通过在⼀个索引中完成，覆盖索引效率会⽐较⾼，主键查询是天然的覆盖索引。
合理的创建索引以及合理的使⽤查询语句，当使⽤到覆盖索引时可以获得性能提升。
⽐如SELECT email,uid FROM user_email WHEREuid=xx，如果uid不是主键，适当时候可以将索引添加为index(uid,email)，以获得性能提升。
3-3.UPDATE、DELETE语句不使⽤LIMIT。
a) 可能导致主从数据不⼀致
b) 会记录到错误⽇志，导致⽇志占⽤⼤量空间
3-4. 为什么需要避免MySQL进⾏隐式类型转化？
因为MySQL进⾏隐式类型转化之后，可能会将索引字段类型转化成=号右边值的类型，导致使⽤不到索引，原因和避免在索引字段中使⽤函数是类似的。
3-6. 为什么不建议使⽤SELECT *?
增加很多不必要的消耗(cpu、io、内存、⽹络带宽)；增加了使⽤覆盖索引的可能性；当表结构发⽣改变时，前段也需要更新。
3-13. 如何减少与数据库的交互次数？
使⽤下⾯的语句来减少和db的交互次数：
INSERT ... ON DUPLICATE KEY UPDATE
REPLACE
INSERT IGNORE
INSERT INTO values(),()如何结合使⽤多个纬度进⾏散表散库？
例如微博message，先按照crc32(message_id)将message散到16个库中，然后针对每个库中的表，⼀天⽣成⼀张新表。
3-14. 为什么不能使⽤ORDER BY rand()？
因为ORDER BYrand()会将数据从磁盘中读取，进⾏排序，会消耗⼤量的IO和CPU，可以在程序中获取⼀个rand值，然后通过在从数据库中获取对应的值。
3-15. MySQL中如何进⾏分页？
假如有类似下⾯分页语句：
SELECT * FROM table ORDER BY TIME DESC LIMIT 10000,10
这种分页⽅式会导致⼤量的io，因为MySQL使⽤的是提前读取策略。
推荐分页⽅式：
SELECT * FROM table WHERE TIME
SELECT * FROM tableinner JOIN(SELECT id FROM table ORDER BY TIME LIMIT 10000,10) as t USING(id)
3-17.为什么避免使⽤复杂的SQL？
拒绝使⽤复杂的SQL，将⼤的SQL拆分成多条简单SQL分步执⾏。原因：简单的SQL容易使⽤到MySQL的querycache；减少锁表时间特别是MyISAM；可以使⽤多核cpu。
2. InnoDB存储引擎为什么避免使⽤COUNT(*)?
InnoDB表避免使⽤COUNT(*)操作，计数统计实时要求较强可以使⽤memcache或者Redis，⾮实时统计可以使⽤单独统计表，定时更新。
￥
5
百度文库VIP限时优惠现在开通,立享6亿+VIP内容
立即获取
mysql创建表字段长度范围_Mysql的建表规范与注意事项
mysql创建表字段长度范围_Mysql的建表规范与注意事项⼀、 表设计规范
库名、表名、字段名必须使⽤⼩写字母，“_”分割。
库名、表名、字段名必须不超过12个字符。
库名、表名、字段名见名知意，建议使⽤名词⽽不是动词。
建议使⽤InnoDB存储引擎。
存储精确浮点数必须使⽤DECIMAL替代FLOAT和DOUBLE。
建议使⽤UNSIGNED存储⾮负数值。
建议使⽤INT UNSIGNED存储IPV4。
第 1 页
整形定义中不添加长度，⽐如使⽤INT，⽽不是INT(4)。
使⽤短数据类型，⽐如取值范围为0-80时，使⽤TINYINT UNSIGNED。
不建议使⽤ENUM类型，使⽤TINYINT来代替。
尽可能不使⽤TEXT、BLOB类型。
VARCHAR(N)，N表⽰的是字符数不是字节数，⽐如VARCHAR(255)，可以最⼤可存储255个汉字，需要根据实际的宽度来选择N。
VARCHAR(N)，N尽可能⼩，因为MySQL⼀个表中所有的VARCHAR字段最⼤长度是65535个字节，进⾏排序和创建临时表⼀类的内存操作时，会使⽤N的长度申请内存。
第 2 页
表字符集选择UTF8。
使⽤VARBINARY存储变长字符串。
存储年使⽤YEAR类型。
存储⽇期使⽤DATE类型。
存储时间(精确到秒)建议使⽤TIMESTAMP类型，因为TIMESTAMP使⽤4字节，DATETIME使⽤8个字节。
建议字段定义为NOT NULL。
将过⼤字段拆分到其他表中。
禁⽌在数据库中使⽤VARBINARY、BLOB存储图⽚、⽂件等。
表结构变更需要通知DBA审核。
第 3 页
⼆、 索引规范
⾮唯⼀索引必须按照“idx_字段名称_字段名称[_字段名]”进⾏命名。
唯⼀索引必须按照“uniq_字段名称_字段名称[_字段名]”进⾏命名。
索引名称必须使⽤⼩写。
索引中的字段数建议不超过5个。
单张表的索引数量控制在5个以内。
唯⼀键由3个以下字段组成，并且字段都是整形时，使⽤唯⼀键作为主键。
没有唯⼀键或者唯⼀键不符合5中的条件时，使⽤⾃增(或者通过发号器获取)id作为主键。
第 4 页
唯⼀键不和主键重复。
索引字段的顺序需要考虑字段值去重之后的个数，个数多的放在前⾯。
ORDER BY，GROUP BY，DISTINCT的字段需要添加在索引的后⾯。
使⽤EXPLAIN判断SQL语句是否合理使⽤索引，尽量避免extra列出现：Using File Sort，UsingTemporary。
UPDATE、DELETE语句需要根据WHERE条件添加索引。
不建议使⽤%前缀模糊查询，例如LIKE “%weibo”。
对长度过长的VARCHAR字段建⽴索引时，添加crc32或者MD5 Hash字段，对Hash字段建⽴索引。
