一.命名规范
- 库名、表名、字段名必须使用小写字母,并采用下划线分割
为了统一规范, 库名、表名、字段名使用小写字母,禁用关键字(index,order等) - 前缀命令规范
- 视图以view_开头,事件以event_开头,触发器以trig_开头,存储过程以proc_开头,函数以func_开头,应用上面禁用
- 普通索引以idx_各个列名简称,唯一索引以uk_各个列名简称命名,中间用_隔开。如 idx_col1_col2_col3(col1,col2,col3),如果列过长,用简写
- 临时表以tmp_实体表名,线上禁用,备份表以bak_日期_实体表名,尽可能备份至HDFS
- 库名、表名、字段名禁止超过32个字符,需见名知意
- 库名、表名、字段名支持最多32个字符,但为了统一规范、易于辨识以及减少传输量,禁止超过32个字符,例:业务名称/实体_表作用
- 按日期时间分表须符合_YYYYMMDD格式
- 按月或日生成的表,以_YYYYMM[DD]方式命名。
二.库表基础规范
- 使用Innodb存储引擎
- 所有表必须使用默认存储引擎InnoDB。
- 表编码方式统一使用UTF8或UTF8MB4的
- 创建索引时utf8比utf8mb4少一个字节,所以明确没有emoj时,尽量使用utf8
- 所有表都要添加注释
- 所有字段必需要有注释,包括表注释,并标注简单意义
- 控制单表字段数量
- 单表字段数上限50左右,再多的话考虑垂直分表,一是冷热数据分离,二是大字段分离,三是常在一起做条件和返回列的不分离
- 表字段控制少而精,可以提高IO效率,内存缓存更多有效数据,从而提高响应速度和并发能力,后续 alter table 也更快
- 所有表都必须要显式指定主键
- 双活的表必须禁用自增主键【snowflake】,InnoDB表实际是一棵索引组织表,顺序存储可以提高存取效率,充分利用磁盘空间。还有对一些复杂查询可能需要自连接来优化时需要用到
- 不使用外键
- 外键严重影响数据库性能,增加表维护复杂度,所以线上禁用外键
- 字段名称统一
- 每张表原则上必须含有gmt_create,gmt_modify,gmt_create为创建时间。gmt_modify属性为NOT NULL DEFAULT CURRENT_TIMESTAMP ON UPDATE CURRENT_TIMESTAMP,gmt_create属性为NOT NULL DEFAULT CURRENT_TIMESTAMP,统一放至字段最后
- 所有相同意义的表采用统一字段名称,并且字段类型一致,这样应用与维护人员见字段知其含义,方便理解
- 简单单表数据量控制在1000w以内
- 尽量保证单表存储空间小于10GB
- 建表时不要加入COLLATE相关内容
三. 字段规范
- char、varchar、text等字符串类型定义
- 对于长度基本固定的列,如果该列恰好更新又特别频繁,适合char
- varchar虽然存储变长字符串,但不可太小也不可太大。UTF8最多能存21844个汉字,或65532个英文
- TEXT类型与VARCHAR都类似,存储可变长度,最大限制也是2^16,但是它20bytes以后的内容是在数据页以外的空间存储(row_format=dynamic),对它的使用需要多一次寻址,没有默认值
- 把text/blob拆到另一个表中,如果只存不读的禁用,建议直接存HDFS
- BLOB可以看出varbinary的扩展版本,内容以二进制字符串存储,无字符集,区分大小写,有一种经常提但不用的场景:不要在数据库里存储图片
- 字符集为utf8,varchar类型最大只能创建索引为前255字节;字符集为utf8mb4,varchar类型最大只能创建索引为前191字节。所以字段造型时首选int,如果varchar时字段做查询的越小越好,长度不要超过191
- int、tinyint、decimal等数字类型定义
- 使用tinyint来代替 enum和booleanENUM类型在需要修改或增加枚举值时,需要在线DDL,成本较高;ENUM列值如果含有数字类型,可能会引起默认值混淆tinyint使用1个字节,一般用于status,type,flag的列
- 建议使用 UNSIGNED 存储非负数值相比不使用 unsigned,可以扩大一倍使用数值范围
- int使用固定4个字节存储,int(11)与int(4)只是显示宽度的区别
- 使用int存储IPv4地址,可节省 9%+的数据存储空间
- 使用Decimal 代替float/double存储精确浮点数对于货币、金额这样的类型,可以使用(货币使用bigint+币种+最小单位),如果精度不高,可以使用decimal(9,2)。float默认只能能精确到6位有效数字
- timestamp与datetime选择
- datetime 和 timestamp类型所占的存储空间不同,前者8个字节,后者4个字节,这样造成的后果是两者能表示的时间范围不同。前者范围为1000-01-01 00:00:00 ~ 9999-12-31 23:59:59,后者范围为 1970-01-01 00:00:00 到 2037-12-31 23:59:59。所以 TIMESTAMP 支持的范围比 DATATIME 要小
- timestamp可以在insert/update行时,自动更新时间字段(如 NOT NULL DEFAULT CURRENT_TIMESTAMP ON UPDATE CURRENT_TIMESTAMP),但一个表只能有一个这样的定义
- timestamp显示与时区有关,内部总是以 UTC 毫秒 来存的。还受到严格模式的限制
- 优先使用timestamp,timestamp精度可以到秒后6位,即timestamp(6)
- where条件里不要对时间列上使用时间函数
- 建议字段都定义为NOT NULL加上default值
- 类型选择原则
- Int->char->varchar->text,从左到右性能越差
四.索引规范
- 索引个数限制
- 索引是双刃剑,会增加维护负担,增大IO压力,索引占用空间是成倍增加的
- 单张表的索引数量控制在5个以内,索引的大小尽量比表小。若单张表多个字段在查询需求上都要单独用到索引,需要经过DBA评估。
- 避免冗余索引
- InnoDB表是一棵索引组织表,主键是和数据放在一起的聚集索引,普通索引最终指向的是主键地址,所以把主键做最后一列是多余的。如id作为主键,联合索引(user_id,id)上的id就完全多余
- (a,b,c)、(a,b),后者为冗余索引。可以利用前缀索引来达到加速目的,减轻维护负担
- 索引创建原则
- 尽可能选择过滤效果好的列上创建索引
- 索引选择性计算方法(基数 ÷ 数据行数)Selectivity = Cardinality / Total Rows = select count(distinct col1)/count(*) from tbname,越接近1说明col1上使用索引的过滤效果越好
- 如果某列为sex,数据倾斜比较大,male占比99%,female占比1%,而每次查询都为female,则需要创建该列的索引
- 最左前缀原则
- mysql使用联合索引时,从左向右匹配,遇到断开或者范围查询时,无法用到后续的索引列比如索引idx_c1c2c3 (c1,c2,c3),相当于创建了(c1)、(c1,c2)、(c1,c2,c3)三个索引,where条件包含上面三种情况的字段比较则可以用到索引,但像 where c1=a and c3=c 只能用到c1列的索引,像 c2=b and c3=c等情况就完全用不到这个索引
- 遇到范围查询(>、<、between、like)也会停止索引匹配,比如 c1=a and c2 > 2 and c3=c,只有c1,c2列上的比较能用到索引,(c1,c2,c3)排列的索引才可能会都用上
- where条件里面字段的顺序与索引顺序无关,mysql优化器会自动调整顺序
- mysql的optimizer_switch,可以配置icp,mrr等特性。mrr为多个字段做合并,如已存在c1,c2,c3索引,查询时c1=’a’ and/or c2=’b’,则会使用到索引合并,如果大部分查询没有c1和c2同时存在,则建议创建单列索引
- 前缀索引
- 前缀索引尽量第一列区分度高,这样如果优化器判断时会比较准确 ,A列1000个不同值,B列有100000个不同值,这样建议索引创建时idx_B_A(B,A)
- 合理使用覆盖索引减少IO
- INNODB存储引擎中,secondary index(非主键索引,又称为辅助索引、二级索引)没有直接存储行地址,而是存储主键值。如果用户需要查询secondary index中所不包含的数据列,则需要先通过secondary index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。覆盖索引则可以在一个索引中获取所有需要的数据列,从而避免回表进行二次查找,节省IO因此效率较高。例如SELECT email,uid FROM user_email WHERE uid=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。
- 不要在频繁更新的列上创建索引
五. SQL设计
- 杜绝直接 SELECT * 读取全部字段
- 即使需要所有字段,减少网络带宽消耗,能有效利用覆盖索引,表结构变更对程序基本无影响
- 能确定返回结果只有一条时,使用 limit 1
- 在保证数据不会有误的前提下,能确定结果集数量时,多使用limit,尽快的返回结果
- 建议不要使用隐式类型转换
- 禁止在where条件列上使用函数
- 会导致索引失效,如lower(email),f_qq % 4。可放到右边的常量上计算
- 返回小结果集不是很大的情况下,可以对返回列使用函数,简化程序开发,但尽量不要使用函数索引
- 使用like模糊匹配,%不要放首位
- 会导致索引失效,有这种搜索需求是,考虑其它方案,如es全文搜索
- 使用join时,where条件尽量使用充分利用同一表上的索引
- 如 select t1.a,t2.b * from t1,t2 where t1.a=t2.a and t1.b=123 and t2.c= 4 ,如果t1.c与t2.c字段相同,那么t1上的索引(b,c)就只用到b了。此时如果把where条件中的t2.c=4改成t1.c=4,那么可以用到完整的索引
- 这种情况可能会在字段冗余设计(反范式)时出现
- 正确选取inner join和left join
- 少用或不用子查询,改用join
- mysql 5.6版本只支持nest loop,让mysql自已判断需要使用的索引
- 考虑使用union all,少使用union,注意考虑去重
- union all不去重,而少了排序操作,速度相对比union要快,如果没有去重的需求,优先使用union all
- 如果UNION结果中有使用limit,在2个子SQL可能有许多返回值的情况下,各自加上limit。如果还有order by,请找DBA
- IN的内容尽量不超过200个
- 超过200个值使用批量的方式,否则一次执行会影响数据库的并发能力,因为单SQL只能且一直占用单CPU,而且可能导致主从复制延迟
- 拒绝大事务
- 比如在一个事务里进行多个select,多个update,如果是高频事务,会严重影响MySQL并发能力,因为事务持有的锁等资源只在事务rollback/commit时才能释放。但同时也要权衡数据写入的一致性
- 避免使用is null, is not null这样的比较
- 杜绝危险SQL
- 去掉where 1=1 这样无意义或恒真的条件,如果遇到update/delete或遭到sql注入就恐怖了
- SQL中不允许出现DDL语句。一般也不给予create/alter这类权限
- 编写SQL 慎用分组、聚合
在编写SQL中,原则上不能使用以下方法,尽可能将这些逻辑交由应用实现
- group by having
- count/sum/avg etc.
- order by 非id
- 3张及3张以上表做嵌套
- left join/ right join
- select * from
- 无where条件的查询
六. 行为规范
- 不允许在DBA不知情的情况下导现网数据
- 大批量更新,如修复数据,避开高峰期,并通知DBA
- 及时处理已下线业务的SQL
- 复杂sql上线审核
因为目前还没有SQL审查机制,复杂sql如多表join,count,group by,主动上报DBA评估 - 重要项目的数据库方案选型和设计必须提前通知DBA参与
- 严格按照现有的SQL规范提交SQL审核,如果有不确认单独和DBA沟通,如SQL较多,建议以脚本文件方式提交
- 每周定某段时间窗口内提交SQL,其他时间段需要走紧急审批流程,原则上至少提前一天提交脚本审核
- 严格执行【在线业务,客户直接使用,保证实时性】,【客户olap应用】,【离线、运营相关】,【内部系统】 存放,核心业务与其他业务隔离,业务耦合度高的应用尽可能放在一个实例中
- 提交SQL时,不允许出现drop table if exists
- 重要项目涉及数据库DBA必须参加,不然影响项目进度由项目自己负责
- 表字段名称修改如果有otter同步时,则必须要保证两边数据没写入
- count(*)无条件,或者扫描行数较大,大于10000行,理论上都是不被允许的,计数功能尽可能交由redis处理
- 批量操作必须由DBA审核执行
- 杭州、上海机房双活、双向,自增长主键的使用必须禁用
- 在线数据库的人工变更(已有表结构变更、数据导入、更新、删除等)须要提前申请,主管审批,并知会运营可能的影响面
七.使用建议
- order by .. limit
这种查询更多的是通过索引去优化,但order by的字段有讲究,比如主键id与gmt_create都是顺序递增,那就可以考虑order by id而非 gmt_create - c1 < a order by c2
与上面不同的是,order by之前有个范围查询,由前面的内容可知,用不到类似(c1,c2)的索引,但是可以利用(c2,c1)索引。另外还可以改写成join的方式实现 分页优化
建议使用合理的分页方式以提高分页效率,大页情况下不使用跳跃式分页假如有类似下面分页语句:SELECT *FROM table1 ORDER BY ftime 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 table1 WHERE ftime < last_time ORDER BY ftime DESC LIMIT 10即传入上一次分页的界值SELECT * FROM table as t1 inner JOIN (SELECT id FROM table ORDER BY time LIMIT 10000,10) as t2 ON t1.id=t2.id
- count计数
- 首先count()、count(1)、count(col1)是有区别的,count()表示整个结果集有多少条记录,count(1)表示结果集里以primary key统计数量,绝大多数情况下count()与count(1)效果一样的,但count(col1)表示的是结果集里 col1 列 NOT null 的记录数。优先采用count()
- 大数据量count是消耗资源的操作,甚至会拖慢整个库,查询性能问题无法解决的,应从产品设计上进行重构。例如当频繁需要count的查询,考虑使用汇总表
- 遇到distinct的情况,group by方式可能效率更高
- delete,update语句改成select再explain
- 涉及到复杂sql时,务必先参考已有索引设计,先explain
- 简单SQL拆分,不以代码处理复杂为由
- 比如 OR 条件: f_phone=’10000’ or f_mobile=’10000’,两个字段各自有索引,可以使用索引合并使用两个索引。不过建议拆分成2个sql,或者union all,如果非要用mysql索引实现,则需要创建两列单列索引,打开index_merge_union后会转义成union
- 先explain的好处是可以为了利用索引,增加更多查询限制条件
- 减少与数据库交互的次数,尽量采用批量SQL语句
- INSERT … ON DUPLICATE KEY UPDATE …,插入行后会导致在一个UNIQUE索引或PRIMARY KEY中出现重复值,则执行旧行UPDATE,如果不重复则直接插入,影响1行
- REPLACE INTO类似,但它是冲突时删除旧行。INSERT IGNORE相反,保留旧行,丢弃要插入的新行
- INSERT INTO VALUES(),(),(),合并插入
隐式类型使用注意事项
- 两个参数至少有一个是 NULL 时,比较的结果也是 NULL,例外是使用 <=> 对两个 NULL 做比较时会返回 1,这两种情况都不需要做类型转换
- 两个参数都是字符串,会按照字符串来比较,不做类型转换
- 两个参数都是整数,按照整数来比较,不做类型转换
- 十六进制的值和非数字做比较时,会被当做二进制串
- 有一个参数是 TIMESTAMP 或 DATETIME,并且另外一个参数是常量,常量会被转换为 timestamp
- 有一个参数是 decimal 类型,如果另外一个参数是 decimal 或者整数,会将整数转换为 decimal 后进行比较,如果另外一个参数是浮点数,则会把 decimal 转换为浮点数进行比较
所有其他情况下,两个参数都会被转换为浮点数再进行比较。
例:A列为int类型时,A=’123’隐式转换后可以使用索引;A为char类型时,A=123隐式转换后无法使用索引
- 任何新的select,update,delete上线,建议都要先explain,看索引使用情况
尽量避免extra列出现:Using File Sort,Using Temporary,rows超过1000的要谨慎上线。explain解读
- type:ALL, index, range, ref, eq_ref, const, system(从左到右,性能从差到好)
- possible_keys:指出MySQL能使用哪个索引在表中找到记录,查询涉及到的字段上若存在索引,则该索引将被列出,但不一定被查询使用
- key:表示MySQL实际决定使用的键(索引)如果没有选择索引,键是NULL。要想强制MySQL使用或忽视possible_keys列中的索引,在查询中使用FORCE INDEX、USE INDEX或者IGNORE INDEX
- ref:表示选择 key 列上的索引,哪些列或常量被用于查找索引列上的值
- rows:根据表统计信息及索引选用情况,估算的找到所需的记录所需要读取的行数
- Extra“Using temporary:表示MySQL需要使用临时表来存储结果集,常见于排序和分组查询Using filesort:MySQL中无法利用索引完成的排序操作称为“文件排序”
八.SQL提交规范
业务名称或者功能模块: 某个应用的用户表【越详细越好】
实例库名: asgard
建表语句:
CREATE TABLE user
(
id
int(11) NOT NULL AUTO_INCREMENT,
login_id
varchar(200) DEFAULT NULL 登录id,
password
varchar(100) DEFAULT NULL COMMENT ‘密码’,
user_name
varchar(45) DEFAULT NULL COMMENT ‘姓名’,
user_type
int(1) NOT NULL COMMENT ‘应用类型:1.内网应用,走域帐号;2.外网应用,只做映射关系’,
user_code
varchar(45) NULL COMMENT ‘asgard的管理员:asgard_admin 内部应用 fraudmetrix 外部应用’,
status
int(1) DEFAULT ‘0’ COMMENT ‘是否可用,0:停用,1:可用’,
created_by
varchar(100) DEFAULT NULL COMMENT ‘新增者’,
updated_by
varchar(100) DEFAULT NULL COMMENT ‘修改者’,
gmt_create
timestamp NOT NULL DEFAULT CURRENT_TIMESTAMP COMMENT ‘创建时间’,
gmt_modify
timestamp NOT NULL DEFAULT CURRENT_TIMESTAMP ON UPDATE CURRENT_TIMESTAMP COMMENT ‘修改时间’,
PRIMARY KEY (id
),
KEY idx_loginId
(login_id
(191)) ,
KEY idx_userType
(user_type
) ,
KEY idx_userCode
(user_code
)
) ENGINE=InnoDB DEFAULT CHARSET=utf8mb4 COMMENT=’用户表’
注:时间字段放于最后
查询条件(包括DML中的条件)及每个条件占比数据量:
where login_id=1 100%不同值 算法:count(distinct login_id) / count(1)
where user_name=1 and status=1 order by id desc limit 5 80%不同值,算法:count(distinct user_name,status) / count(1)
原则上大于20%以上就要创建下索引
表的预估数据量条数: 10K条左右
表的预估并发量QPS: 50
分库分表要求: 无【原则上1000万以上需要分库分表,这个待中间件上线上正式实施】
其他说明: 无