针对20万条数据超过1GB的数据库优化，可以采取以下几种策略：

数据库设计和表创建时考虑性能

避免在表字段中使用null值，推荐使用数字0代替null。

尽量使用INT而非BIGINT，如果非负则加上UNSIGNED，这样数值容量会扩大一倍。如果数值范围较小，可以使用TINYINT、SMALLINT或MEDIUM_INT。

使用枚举或整数代替字符串类型，减少存储空间和提高查询效率。

尽量使用TIMESTAMP而非DATETIME。

单表字段数量建议不超过20个。

用整型来存储IP地址。

合理设计数据库

在创建数据库时，要根据实际情况和需求进行详细的规划和设计，包括数据类型的选择、表结构的设计、索引的建立等。

保证表的字段尽量小，避免浪费不必要的空间，选择合适的数据类型以减少数据访问时间。

正确设置索引，避免全表扫描，提高查询效率。

定期清理数据

在不影响业务流程的前提下，定期清理无用数据，如过期数据、重复数据、冗余数据等，以减轻数据库负担，提高查询效率。

选择合适的存储引擎

根据业务需求和实际情况选择合适的存储引擎，如InnoDB适合高并发和事务处理，MyISAM适合大量的读操作，Memory适合临时数据存储等。

避免使用子查询和模糊查询

在数据库查询语句中，子查询和模糊查询会大大降低查询效率，尽量避免使用，可以考虑使用JOIN、IN和LIKE等语句来提高查询效率。

缓存数据

缓存数据是提高数据库性能的一项重要技巧，可以减轻数据库负担，提高查询效率。

索引优化

索引可以提高查询效率，特别是对于频繁访问的数据。优化索引可以从索引列的数量、空间利用率和查询优化等方面考虑。

查询优化

在实现功能的基础上，尽量减少对数据库的访问次数，通过搜索参数减少对表的访问行数，最小化结果集，从而减轻网络负担。

能够分开的操作尽量分开处理，提高每次的响应速度。

在数据窗口使用SQL时，尽量把使用的索引放在选择的首列。

算法结构尽量简单，在查询时不要过多地使用通配符，如SELECT * FROM T1语句，要用到几列就选择几列。

在可能的情况下尽量限制结果集行数。

数据库表结构设计

从源头解决问题性能差，大多数时候是“表”设计得不合理。表结构就像房子的地基，歪了就别指望后面盖得稳。

字段类型要精简，每个字段都占用空间，类型选得不好，存储和查询都费劲。

避免过度设计，有些表字段过多，查询速度慢，解决办法是垂直拆分和水平拆分。

分区和分表

将数据按时间或其他维度进行分区，以减少查询的数据量。

通过垂直拆分和水平拆分将表的数据分散到多个表或库中，提高查询性能和可扩展性。

升级数据库类型

如果现有MySQL数据库无法支撑相应业务，可以考虑升级数据库类型，换一种100%兼容MySQL的数据库，如MariaDB或Percona Server，这些数据库在性能和扩展性方面表现更好。

大数据解决方案

如果数据量继续增长，可以考虑使用大数据解决方案，如NoSQL数据库（如MongoDB、Cassandra）或NewSQL数据库（如VoltDB、CockroachDB），这些数据库具有更好的扩展性和性能。

根据具体业务需求和实际情况，可以选择一种或多种优化策略进行组合应用，以达到最佳的优化效果。