![u=282892264,1591668383&fm=173&app=25&f=JPEG.jpg](https://sctwang.github.io/images/xiaolv/u=282892264,1591668383&fm=173&app=25&f=JPEG.jpg)
参考文章 : https://yq.aliyun.com/articles/690978?spm=a2c4e.11155435.0.0.275611f7KFCdbz
https://segmentfault.com/a/1190000012155267
前言
记录数据库优化方法,自己的项目目前还没有到这种量级,记录以备不时之需。
心得
设计和创建表的时候需要尽可能全面考虑(现阶段需求、可能会出现的需求),尽量使得性价和效率比达到最高。
问题概述
使用阿里云 rds for MySQL 数据库(就是 MySQL5.6 版本),有个用户上网记录表 6 个月的数据量近 2000 万,保留最近一年的数据量达到 4000 万,查询速度极慢,日常卡死。严重影响业务。
问题前提:老系统,当时设计系统的人大概是大学没毕业,表设计和 sql 语句写的不仅仅是垃圾,简直无法直视。原开发人员都已离职,到我来维护,这就是传说中的维护不了就跑路,然后我就是掉坑的那个!!!
我尝试解决该问题,so,有个这个日志。
方案概述
- 方案一:优化现有 mysql 数据库。优点:不影响现有业务,源程序不需要修改代码,成本最低。缺点:有优化瓶颈,数据量过亿就玩完了。
- 方案二:升级数据库类型,换一种 100%兼容 mysql 的数据库。优点:不影响现有业务,源程序不需要修改代码,你几乎不需要做任何操作就能提升数据库性能,缺点:多花钱
- 方案三:一步到位,大数据解决方案,更换 newsql/nosql 数据库。优点:扩展性强,成本低,没有数据容量瓶颈,缺点:需要修改源程序代码
以上三种方案,按顺序使用即可,数据量在亿级别一下的没必要换 nosql,开发成本太高。三种方案我都试了一遍,而且都形成了落地解决方案。该过程心中慰问跑路的那几个开发者一万遍 :)
方案一详细说明:优化现有 mysql 数据库
跟阿里云数据库大佬电话沟通 and Google 解决方案 and 问群里大佬,总结如下(都是精华):
- 1.数据库设计和表创建时就要考虑性能
- 2.sql 的编写需要注意优化
- 4.分区
- 4.分表
- 5.分库
1.数据库设计和表创建时就要考虑性能
mysql 数据库本身高度灵活,造成性能不足,严重依赖开发人员能力。也就是说开发人员能力高,则 mysql 性能高。这也是很多关系型数据库的通病,所以公司的 dba 通常工资巨高。
设计表时要注意:
- 表字段避免 null 值出现,null 值很难查询优化且占用额外的索引空间,推荐默认数字 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),当然能使用 TINYINT、SMALLINT、MEDIUM_INT 更好。
- 使用枚举或整数代替字符串类型
- 尽量使用 TIMESTAMP 而非 DATETIME
- 单表不要有太多字段,建议在 20 以内
- 用整型来存 IP
索引
- 索引并不是越多越好,要根据查询有针对性的创建,考虑在 WHERE 和 ORDER BY 命令上涉及的列建立索引,可根据 EXPLAIN 来查看是否用了索引还是全表扫描
- 应尽量避免在 WHERE 子句中对字段进行 NULL 值判断,否则将导致引擎放弃使用索引而进行全表扫描
- 值分布很稀少的字段不适合建索引,例如”性别”这种只有两三个值的字段
- 字符字段只建前缀索引
- 字符字段最好不要做主键
- 不用外键,由程序保证约束
- 尽量不用 UNIQUE,由程序保证约束
- 使用多列索引时主意顺序和查询条件保持一致,同时删除不必要的单列索引
简言之就是使用合适的数据类型,选择合适的索引
选择合适的数据类型 (1)使用可存下数据的最小的数据类型,整型 < date,time < char,varchar < blob (2)使用简单的数据类型,整型比字符处理开销更小,因为字符串的比较更复杂。如,int 类型存储时间类型,bigint 类型转 ip 函数 (3)使用合理的字段属性长度,固定长度的表会更快。使用 enum、char 而不是 varchar (4)尽可能使用 not null 定义字段 (5)尽量少用 text,非用不可最好分表 # 选择合适的索引列 (1)查询频繁的列,在 where,group by,order by,on 从句中出现的列 (2)where 条件中 <,<=,=,>,>=,between,in,以及 like 字符串+通配符(%)出现的列 (3)长度小的列,索引字段越小越好,因为数据库的存储单位是页,一页中能存下的数据越多越好 (4)离散度大(不同的值多)的列,放在联合索引前面。查看离散度,通过统计不同的列值来实现,count 越大,离散程度越高:
原开发人员已经跑路,该表早已建立,我无法修改,故:该措辞无法执行,放弃!
2.sql 的编写需要注意优化
- 使用 limit 对查询结果的记录进行限定
- 避免 select *,将需要查找的字段列出来
- 使用连接(join)来代替子查询
- 拆分大的 delete 或 insert 语句
- 可通过开启慢查询日志来找出较慢的 SQL
- 不做列运算:SELECT id WHERE age + 1 = 10,任何对列的操作都将导致表扫描,它包括数据库教程函数、计算表达式等等,查询时要尽可能将操作移至等号右边
- sql 语句尽可能简单:一条 sql 只能在一个 cpu 运算;大语句拆小语句,减少锁时间;一条大 sql 可以堵死整个库
- OR 改写成 IN:OR 的效率是 n 级别,IN 的效率是 log(n) 级别,in 的个数建议控制在 200 以内
- 不用函数和触发器,在应用程序实现
- 避免%xxx 式查询
- 少用 JOIN
- 使用同类型进行比较,比如用 ‘123’ 和 ‘123’ 比,123 和 123 比
- 尽量避免在 WHERE 子句中使用!=或 <> 操作符,否则将引擎放弃使用索引而进行全表扫描
- 对于连续数值,使用 BETWEEN 不用 IN:SELECT id FROM t WHERE num BETWEEN 1 AND 5
- 列表数据不要拿全表,要使用 LIMIT 来分页,每页数量也不要太大
原开发人员已经跑路,程序已经完成上线,我无法修改 sql,故:该措辞无法执行,放弃!
引擎
引擎
目前广泛使用的是 MyISAM 和 InnoDB 两种引擎:
- MyISAM
- MyISAM 引擎是 MySQL 5.1 及之前版本的默认引擎,它的特点是:
- 不支持行锁,读取时对需要读到的所有表加锁,写入时则对表加排它锁
- 不支持事务
- 不支持外键
- 不支持崩溃后的安全恢复
- 在表有读取查询的同时,支持往表中插入新纪录
- 支持 BLOB 和 TEXT 的前 500 个字符索引,支持全文索引
- 支持延迟更新索引,极大提升写入性能
- 对于不会进行修改的表,支持压缩表,极大减少磁盘空间占用
- InnoDB
- InnoDB 在 MySQL 5.5 后成为默认索引,它的特点是:
- 支持行锁,采用 MVCC 来支持高并发
- 支持事务
- 支持外键
- 支持崩溃后的安全恢复
- 不支持全文索引
总体来讲,MyISAM 适合 SELECT 密集型的表,而 InnoDB 适合 INSERT 和 UPDATE 密集型的表
MyISAM 速度可能超快,占用存储空间也小,但是程序要求事务支持,故 InnoDB 是必须的,故该方案无法执行,放弃!
3.分区
MySQL 在 5.1 版引入的分区是一种简单的水平拆分,用户需要在建表的时候加上分区参数,对应用是透明的无需修改代码
对用户来说,分区表是一个独立的逻辑表,但是底层由多个物理子表组成,实现分区的代码实际上是通过对一组底层表的对象封装,但对 SQL 层来说是一个完全封装底层的黑盒子。MySQL 实现分区的方式也意味着索引也是按照分区的子表定义,没有全局索引
用户的 SQL 语句是需要针对分区表做优化,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,可以通过 EXPLAIN PARTITIONS 来查看某条 SQL 语句会落在那些分区上,从而进行 SQL 优化,我测试,查询时不带分区条件的列,也会提高速度,故该措施值得一试。
分区的好处是:
- 可以让单表存储更多的数据
- 分区表的数据更容易维护,可以通过清楚整个分区批量删除大量数据,也可以增加新的分区来支持新插入的数据。另外,还可以对一个独立分区进行优化、检查、修复等操作
- 部分查询能够从查询条件确定只落在少数分区上,速度会很快
- 分区表的数据还可以分布在不同的物理设备上,从而搞笑利用多个硬件设备
- 可以使用分区表赖避免某些特殊瓶颈,例如 InnoDB 单个索引的互斥访问、ext3 文件系统的 inode 锁竞争
- 可以备份和恢复单个分区
分区的限制和缺点:
- 一个表最多只能有 1024 个分区
- 如果分区字段中有主键或者唯一索引的列,那么所有主键列和唯一索引列都必须包含进来
- 分区表无法使用外键约束
- NULL 值会使分区过滤无效
- 所有分区必须使用相同的存储引擎
分区的类型:
- RANGE 分区:基于属于一个给定连续区间的列值,把多行分配给分区
- LIST 分区:类似于按 RANGE 分区,区别在于 LIST 分区是基于列值匹配一个离散值集合中的某个值来进行选择
- HASH 分区:基于用户定义的表达式的返回值来进行选择的分区,该表达式使用将要插入到表中的这些行的列值进行计算。这个函数可以包含 MySQL 中有效的、产生非负整数值的任何表达式
- KEY 分区:类似于按 HASH 分区,区别在于 KEY 分区只支持计算一列或多列,且 MySQL 服务器提供其自身的哈希函数。必须有一列或多列包含整数值
- 具体关于 mysql 分区的概念请自行 google 或查询官方文档,我这里只是抛砖引玉了。
我首先根据月份把上网记录表 RANGE 分区了 12 份,查询效率提高 6 倍左右,效果不明显,故:换 id 为 HASH 分区,分了 64 个分区,查询速度提升显著。问题解决!
结果如下:PARTITION BY HASH (id)PARTITIONS 64
select count() from readroom_website; –11901336 行记录
/ 受影响行数: 0 已找到记录: 1 警告: 0 持续时间 1 查询: 5.734 sec. /
select * from readroom_website where month(accesstime) =11 limit 10;
/ 受影响行数: 0 已找到记录: 10 警告: 0 持续时间 1 查询: 0.719 sec. */
4.分表
分表就是把一张大表,按照如上过程都优化了,还是查询卡死,那就把这个表分成多张表,把一次查询分成多次查询,然后把结果组合返回给用户。
分表分为垂直拆分和水平拆分,通常以某个字段做拆分项。比如以 id 字段拆分为 100 张表: 表名为 tableName_id%100
但:分表需要修改源程序代码,会给开发带来大量工作,极大的增加了开发成本,故:只适合在开发初期就考虑到了大量数据存在,做好了分表处理,不适合应用上线了再做修改,成本太高!!!而且选择这个方案,都不如选择我提供的第二第三个方案的成本低!故不建议采用。
5.分库
把一个数据库分成多个,建议做个读写分离就行了,真正的做分库也会带来大量的开发成本,得不偿失!不推荐使用。
方案二详细说明:升级数据库,换一个 100%兼容 mysql 的数据库
mysql 性能不行,那就换个。为保证源程序代码不修改,保证现有业务平稳迁移,故需要换一个 100%兼容 mysql 的数据库。
- 开源选择
- tiDB https://github.com/pingcap/tidb
- Cubrid https://www.cubrid.org/
- 开源数据库会带来大量的运维成本且其工业品质和 MySQL 尚有差距,有很多坑要踩,如果你公司要求必须自建数据库,那么选择该类型产品。
- 云数据选择
- 阿里云 POLARDB
- https://www.aliyun.com/product/polardb?spm=a2c4g.11174283.cloudEssentials.47.7a984b5cS7h4wH
官方介绍语:POLARDB 是阿里云自研的下一代关系型分布式云原生数据库,100%兼容 MySQL,存储容量最高可达 100T,性能最高提升至 MySQL 的 6 倍。POLARDB 既融合了商业数据库稳定、可靠、高性能的特征,又具有开源数据库简单、可扩展、持续迭代的优势,而成本只需商用数据库的 1/10。
我开通测试了一下,支持免费 mysql 的数据迁移,无操作成本,性能提升在 10 倍左右,价格跟 rds 相差不多,是个很好的备选解决方案!
- 阿里云 OcenanBase
- 淘宝使用的,扛得住双十一,性能卓著,但是在公测中,我无法尝试,但值得期待
- 阿里云 HybridDB for MySQL (原 PetaData)
- https://www.aliyun.com/product/petadata?spm=a2c4g.11174283.cloudEssentials.54.7a984b5cS7h4wH
官方介绍:云数据库 HybridDB for MySQL (原名 PetaData)是同时支持海量数据在线事务(OLTP)和在线分析(OLAP)的 HTAP(Hybrid Transaction/Analytical Processing)关系型数据库。
我也测试了一下,是一个 olap 和 oltp 兼容的解决方案,但是价格太高,每小时高达 10 块钱,用来做存储太浪费了,适合存储和分析一起用的业务。
官方介绍:DCDB 又名 TDSQL,一种兼容 MySQL 协议和语法,支持自动水平拆分的高性能分布式数据库——即业务显示为完整的逻辑表,数据却均匀的拆分到多个分片中;每个分片默认采用主备架构,提供灾备、恢复、监控、不停机扩容等全套解决方案,适用于 TB 或 PB 级的海量数据场景。
腾讯的我不喜欢用,不多说。原因是出了问题找不到人,线上问题无法解决头疼!但是他价格便宜,适合超小公司,玩玩。
方案三详细说明:去掉 mysql,换大数据引擎处理数据
数据量过亿了,没得选了,只能上大数据了。
- 开源解决方案
- hadoop 家族。hbase/hive 怼上就是了。但是有很高的运维成本,一般公司是玩不起的,没十万投入是不会有很好的产出的!
- 云解决方案
- 这个就比较多了,也是一种未来趋势,大数据由专业的公司提供专业的服务,小公司或个人购买服务,大数据就像水/电等公共设施一样,存在于社会的方方面面。
- 国内做的最好的当属阿里云。
- 我选择了阿里云的 MaxCompute 配合 DataWorks,使用超级舒服,按量付费,成本极低。
- MaxCompute 可以理解为开源的 Hive,提供 sql/mapreduce/ai 算法/python 脚本/shell 脚本等方式操作数据,数据以表格的形式展现,以分布式方式存储,采用定时任务和批处理的方式处理数据。DataWorks 提供了一种工作流的方式管理你的数据处理任务和调度监控。
- 当然你也可以选择阿里云 hbase 等其他产品,我这里主要是离线处理,故选择 MaxCompute,基本都是图形界面操作,大概写了 300 行 sql,费用不超过 100 块钱就解决了数据处理问题。
作者:王帅 http://database.51cto.com/art/201902/592522.htm
声明一下:下面的优化方案都是基于 “ Mysql-索引-BTree 类型 ” 的
一、EXPLAIN
做 MySQL 优化,我们要善用 EXPLAIN 查看 SQL 执行计划。
下面来个简单的示例,标注 (1,2,3,4,5) 我们要重点关注的数据
- type 列,连接类型。一个好的 sql 语句至少要达到 range 级别。杜绝出现 all 级别
- key 列,使用到的索引名。如果没有选择索引,值是 NULL。可以采取强制索引方式
- key_len 列,索引长度
- rows 列,扫描行数。该值是个预估值
- extra 列,详细说明。注意常见的不太友好的值有:Using filesort, Using temporary
二、SQL 语句中 IN 包含的值不应过多
MySQL 对于 IN 做了相应的优化,即将 IN 中的常量全部存储在一个数组里面,而且这个数组是排好序的。但是如果数值较多,产生的消耗也是比较大的。再例如:select id from table_name where num in(1,2,3)
对于连续的数值,能用 between 就不要用 in 了;再或者使用连接来替换。
三、SELECT 语句务必指明字段名称
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,前断也需要更新。所以要求直接在 select 后面接上字段名。
四、当只需要一条数据的时候,使用 limit 1
这是为了使 EXPLAIN 中 type 列达到 const 类型
五、如果排序字段没有用到索引,就尽量少排序
六、如果限制条件中其他字段没有索引,尽量少用 or
or 两边的字段中,如果有一个不是索引字段,而其他条件也不是索引字段,会造成该查询不走索引的情况。很多时候使用 union all 或者是 union(必要的时候) 的方式来代替“or”会得到更好的效果
七、尽量用 union all 代替 union
union 和 union all 的差异主要是前者需要将结果集合并后再进行唯一性过滤操作,这就会涉及到排序,增加大量的 CPU 运算,加大资源消耗及延迟。当然,union all 的前提条件是两个结果集没有重复数据。
八、不使用 ORDER BY RAND()
1 | select id from `table_name` order by rand() limit 1000; |
上面的 sql 语句,可优化为
1 | select id from `table_name` t1 join (select rand() * (select max(id) from `table_name`) as nid) t2 ont1.id > t2.nid limit 1000; |
九、区分 in 和 exists, not in 和 not exists
1 | select * from 表 A where id in (select id from 表 B) |
上面 sql 语句相当于
1 | select * from 表 A where exists(select * from 表 B where 表 B.id=表 A.id) |
区分 in 和 exists 主要是造成了驱动顺序的改变(这是性能变化的关键),如果是 exists,那么以外层表为驱动表,先被访问,如果是 IN,那么先执行子查询。所以IN 适合于外表大而内表小的情况;EXISTS 适合于外表小而内表大的情况。
关于 not in 和 not exists,推荐使用 not exists,不仅仅是效率问题,not in 可能存在逻辑问题。如何高效的写出一个替代 not exists 的 sql 语句?
原 sql 语句
1 | select colname … from A 表 where a.id not in (select b.id from B 表) |
高效的 sql 语句
1 | select colname … from A 表 Left join B 表 on where a.id = b.id where b.id is null |
取出的结果集如下图表示,A 表不在 B 表中的数据
十、使用合理的分页方式以提高分页的效率
1 | select id,name from table_name limit 866613, 20 |
使用上述 sql 语句做分页的时候,可能有人会发现,随着表数据量的增加,直接使用 limit 分页查询会越来越慢。
优化的方法如下:可以取前一页的最大行数的 id,然后根据这个最大的 id 来限制下一页的起点。比如此列中,上一页最大的 id 是 866612。sql 可以采用如下的写法:
1 | select id,name from table_name where id> 866612 limit 20 |
十一、分段查询
在一些用户选择页面中,可能一些用户选择的时间范围过大,造成查询缓慢。主要的原因是扫描行数过多。这个时候可以通过程序,分段进行查询,循环遍历,将结果合并处理进行展示。
如下图这个 sql 语句,扫描的行数成百万级以上的时候就可以使用分段查询
十二、避免在 where 子句中对字段进行 null 值判断
对于 null 的判断会导致引擎放弃使用索引而进行全表扫描。
十三、不建议使用%前缀模糊查询
例如 LIKE “%name”或者 LIKE “%name%”,这种查询会导致索引失效而进行全表扫描。但是可以使用 LIKE “name%”。
那如何查询%name%?
如下图所示,虽然给 secret 字段添加了索引,但在 explain 结果果并没有使用
那么如何解决这个问题呢,答案:使用全文索引
在我们查询中经常会用到 select id,fnum,fdst from table_name where user_name like ‘%zhangsan%’; 。这样的语句,普通索引是无法满足查询需求的。庆幸的是在 MySQL 中,有全文索引来帮助我们。
创建全文索引的 sql 语法是:
1 | ALTER TABLE `table_name` ADD FULLTEXT INDEX `idx_user_name` (`user_name`); |
使用全文索引的 sql 语句是:
1 | select id,fnum,fdst from table_name where match(user_name) against('zhangsan' in boolean mode); |
注意:在需要创建全文索引之前,请联系 DBA 确定能否创建。同时需要注意的是查询语句的写法与普通索引的区别
十四、避免在 where 子句中对字段进行表达式操作
比如
1 | select user_id,user_project from table_name where age*2=36; |
中对字段就行了算术运算,这会造成引擎放弃使用索引,建议改成
1 | select user_id,user_project from table_name where age=36/2; |
十五、避免隐式类型转换
where 子句中出现 column 字段的类型和传入的参数类型不一致的时候发生的类型转换,建议先确定 where 中的参数类型
十六、对于联合索引来说,要遵守最左前缀法则
举列来说索引含有字段 id,name,school,可以直接用 id 字段,也可以 id,name 这样的顺序,但是 name;school 都无法使用这个索引。所以在创建联合索引的时候一定要注意索引字段顺序,常用的查询字段放在最前面
十七、必要时可以使用 force index 来强制查询走某个索引
1 | 有的时候 MySQL 优化器采取它认为合适的索引来检索 sql 语句,但是可能它所采用的索引并不是我们想要的。这时就可以采用 force index 来强制优化器使用我们制定的索引。 |
十八、注意范围查询语句
对于联合索引来说,如果存在范围查询,比如 between,>,<等条件时,会造成后面的索引字段失效。
十九、关于 JOIN 优化
- LEFT JOIN A 表为驱动表
- INNER JOIN MySQL 会自动找出那个数据少的表作用驱动表
- RIGHT JOIN B 表为驱动表
注意:MySQL 中没有 full join,可以用以下方式来解决
1 | select * from A left join B on B.name = A.name |
尽量使用 inner join,避免 left join
参与联合查询的表至少为 2 张表,一般都存在大小之分。如果连接方式是 inner join,在没有其他过滤条件的情况下 MySQL 会自动选择小表作为驱动表,但是 left join 在驱动表的选择上遵循的是左边驱动右边的原则,即 left join 左边的表名为驱动表。
合理利用索引
被驱动表的索引字段作为 on 的限制字段。
利用小表去驱动大表
从原理图能够直观的看出如果能够减少驱动表的话,减少嵌套循环中的循环次数,以减少 IO 总量及 CPU 运算的次数。
巧用 STRAIGHT_JOIN
inner join 是由 mysql 选择驱动表,但是有些特殊情况需要选择另个表作为驱动表,比如有 group by、order by 等「Using filesort」、「Using temporary」时。STRAIGHT_JOIN 来强制连接顺序,在 STRAIGHT_JOIN 左边的表名就是驱动表,右边则是被驱动表。在使用 STRAIGHT_JOIN 有个前提条件是该查询是内连接,也就是 inner join。其他链接不推荐使用 STRAIGHT_JOIN,否则可能造成查询结果不准确。
这个方式有时可能减少 3 倍的时间。