技术小白的初次SQL优化实践，我如何把百万数据的查询与更新时长从半个多小时缩短至毫秒级别

前言：本文章记录了技术小白遇到问题的解决步骤与所思所想，参考了不少大佬的分享，如有侵权请联系我删除。

一. 背景引入与SELECT语句优化（第一次优化）

这两天接着前几天的工作，我在写完一个不同取整策略影响等级分段的接口之后，现在要根据不同科目以及其划分的等级分数段、将数据库表中原始成绩将其做转换并得到赋分成绩，然后将其保存下来。

怎么设计这部分数据库的逻辑？原始成绩肯定要查，一条select语句是必然要存在的，其次根据我写的赋分转换的接口，我最开始的想法是：根据原始成绩得到赋分成绩之后，将所有成绩都是原始成绩的数据一起把他的赋分成绩给更新了（因为我们不必关心考生是谁、考生ID等信息，我们就想把这个赋分后的成绩给记录下来，这里并没有进一步深入的想，也为后面埋下了祸根......），那么另一条update语句也必不可少。

public R updateGradeScore(OriScoreBody oriScoreBody) {
    Map<String, Integer> boundaryScoreMap = oriScoreBody.getBoundaryScoreMap();
    String subject = oriScoreBody.getSubject();
    List<Score> scoreList = scoreMapper.selectScoreListBySubject(subject);
    for(Score score : scoreList) {
        Integer oriScore = score.getCourseScore();
        Integer calculatedScore = convertToGradeScore(subject,oriScore,boundaryScoreMap);
        scoreMapper.updateGradeScore(subject,oriScore,calculatedScore);
    }
    return R.ok("已将原始成绩计算为赋分成绩并插入成绩对照表");
}

Mapper:
@Select("SELECT * FROM score WHERE course_code = #{courseCode} " )

@Update("UPDATE score SET calculated_score = #{calculatedScore} " +
    "WHERE course_score = #{courseScore} AND course_code = #{subject}")

写完之后乍一看没啥问题，感觉信心满满，用Postman测试了一下，看着一直转圈的postman我陷入了沉思，估计要出事儿，去数据库一看才想起来， 表里选1这门课的记录有六十多万条，很合理，因为一百三十万考生每人选两门，那么一门差不多就是六十多万个人选。这就意味着转换完一个分数之后，我要给所有这个分数的行进行一次update更新字段，耗时会非常大。因此考虑优化，一共两条SQL语句，一个一个来。

Select语句一般是比较快的，我写了条测试了一下，大概7s左右即可查询到六十五万条数据的所有信息，毕竟有索引，还是比较给力的，但是我敏锐的发现这里有一个问题，因为我Mapper查询到的数据返回的是List<Score>类型，显然在for循环遍历的时候，要遍历六十多万次，每一次都去执行赋分成绩的转换以及UPDATE语句写库，时长直接爆炸。