前言
MySQL 数据库承载了掌门绝大部分核心业务的数据存储,因此 MySQL 数据库的稳定运行至关重要。DBA 团队一直致力于保障数据库环境的平稳运行,编写有掌门 MySQL 数据库规范文档,也提供有掌门数据库查询上线运维平台。
规范虽然很全面,但是如果不了解数据库原理,不知道规范带来的效率提升,开发人员并不一定会严格遵守,规范也就失去了意义。
本篇文章旨在从数据库原理出发,从三个角度(建表、索引、SQL 语句)进行深入分析,在了解数据库底层原理的基础上,理解数据库规范、以及数据库优化方法。
一、建表
如果把 MySQL 数据库实例看作是一个图书馆,数据表就可以看作一本本的书。书名如同表名,概述用途,需要取的易懂且有意义;书本内容过多会选择分册发行,数据表也可以选择分表或者分区。
开发人员需要根据实际的业务场景、数据量大小设计不同的表,来满足业务需求。关系型数据库的数据字段后续更改代价较高,因此需要在前期设计阶段就需要考虑用途并设计合理的表结构。优秀的表结构设计,是数据库优化中非常重要的一环。数据表设计需要遵循以下规范要求:
1.字符集
规范:
数据库表字符集统一设置为 utf8mb4 ,排序规则为 utf8mb4_general_ci 。由于 DBA 已统一按照字符集 utf8mb4 ,排序规则 utf8mb4_general 创建数据库,因此表和字段的字符集可以不再额外设置,保持默认与数据库配置相同即可。
解析:
1.当字符集或者排序规则不一致时,会导致表无法关联查询
2. 如果进行字符转换,会导致索引失效,而且也会额外消耗数据库性能
3. 统一的字符集和排序规则设置,能减少不必要的字符集问题
1CHARSET=utf8mb4 COLLATE=utf8mb4_general_ci
2.主键ID
规范:
必须创建无符号( unsigned )自增( auto_increment )整形( int 或 bigint )主键 ID 字段
解析:
1. 自增主键非常适合 MySQL 数据库聚簇索引数据结构
2.Int 类型长度为 4 字节,bigint 为 8 字节,数据长度较小,较小的字符类型可减少主键长度(后续在索引章节详解)
3. 无符号相比默认有符号数据量存储可大一倍,无符号 int 类型可存放 42 亿行数据,足够掌门一般应用所需
1id int unsigned not null auto_increment comment 'ID主键’,
2primary key(id),
3.必含列
规范:
必须包含 deleted ,create_time ,update_time 数据列
解析:
1. 掌门数据系统禁止物理删除,应采用逻辑删除方式,并且在代码层维护标记 deleted 字段
2. create_time 取记录创建时间,update_time 取记录更新时间,并由数据库自动维护
3. 创建 create_time,update_time 列索引,以便进行查询
4. 按此规范设计的表,极大的方便BI部门进行增量数据同步,减少同步任务的数据量
1deleted tinyint not null DEFAULT 0 COMMENT '是否删除 0 未删除 1 删除 默认是0’,
2create_time timestamp NOT NULL DEFAULT CURRENT_TIMESTAMP COMMENT '记录创建时间,默认当前时间’,
3update_time timestamp NOT NULL DEFAULT CURRENT_TIMESTAMP ON UPDATE CURRENT_TIMESTAMP COMMENT '记录更新时间,默认当前时间’,
4index idx_create_time(create_time),
5index idx_update_time(update_time),
4.大字段
规范:
尽量不要使用 blog 和 text 等大字段
解析:
1. 存储时:
实际数据存储在外部存储中,数据列上只存储大字段指针,指向外部存储。大字段在存储时需花费额外 IO 存储实际数据。
2. 查询时:
如果列中包含 blog 和 text 列,查询时尽量不要查询该列,不要使用 select * 查询数据
查询大字段时需要通过指针找到外部存储,然后再读取字段内容。需要花费额外 IO 读取实际数据。
读取的大字段数据只能存放在磁盘中进行后续操作,效率低下。
5.行长度,页长度
规范:
MySQL 定义行长度不能超过 64KB(不包含 blog , text 类型)
页长度默认为 16KB(由参数 innodb_page_size 定义)
解析:
1. 所有列长度总定义不能超过 64KB ,超过后将无法添加新列
2. 当行长度增加,会导致单个页存放的数据行数减少,检索数据需要消耗更多磁盘 IO
备注:基于以上行长度和页长度的定义,也许有小伙伴会有疑问,如果表真的存放了 64KB 数据,那岂不是一行数据会占用四个数据页,一个数据页中只能存放一行数据(或一行数据的一部分)。那么此时 MySQL 的 B+ 树的数据存储结构就退变为线性了,这是 MySQL 设计中绝对不允许的!!!
按照 MySQL 的 B+ 树设计,一个数据页中至少要存放两行数据,否则 B+ 树会从树状结构退化为线性结构。
因此当行存储的实际数据过大,在页中存放不下时,MySQL 在存储这行记录的时候,会将较大的数据列的数据存放在外部存储页中,数据页只保存指向外部存储页的指针。此时如果存储读取这个大的数据列,会额外消耗更多的 IO
6.字段类型
规范:
根据字段存储内容定义适当的字段类型
解析:
1. 时间类型使用 date 、datetime 或者 timestamp ,不要使用 varchar 或者 int
2. ID 类型尽量使用 tinyint、smallint、int、bigint,不要使用 varchar
3. 定长字符串尽量使用 char,不要使用 varchar(注意 char 最大定义为 255 )
4. 字段尽量设置为非空( not null ),并设置 default 属性
5. varchar 类型按需定义长度,不要定义过长。
5.1. 字段过长会导致索引长度过长,超过一定长度只能创建前缀索引,而前缀索引不能走到索引覆盖
5.2. 数据读取到内存中是按照定义长度存放,过长的定义会占用更多内存空间
7.字段长度
规范:
不同字段类型占用的数据存储空间不同,应尽量控制字段在满足业务场景可用的前提下,长度越短越好
解析:
1.如果字段可以为空,则需要 1 个字节存放字段是否为空标识
2.如果字段为 varchar 变长类型,当定义小于 255 字节时,需要 1 字节存放字段长度;当定义超过 255 字节时,需要 2 字节存放字段长度
3.常见字段类型的长度(以下字段长度均为不为空时的字段长度)
3.1 tinyint 1 字节;smallint 2 字节;int 4 字节;bigint 8 字节;
3.2 date 3 字节;datetime 8 字节;timestamp 4 字节;
3.3 字符类型括号中定义的数字为字符数,即 varchar(32) 可以存放 32 个数字或者汉字
3.4 字符类型长度跟字符集有关(其中 utf8 占用 3 字节,utf8mb4 占用 4 字节)
varchar(10) 类型(utf8mb4)字节数: 10*4B+1B=41B
varchar(100) 类型(utf8mb4)字节数:100*4B+2B=402B
char(10) 类型(utf8mb4)字节数:10*4B=40B
二、索引
上文中把数据表比作是一本本的书,那么索引就是好比书本的目录。如果想要快速从书本中提取某项内容,那么查找目录必定是最快捷的。
MySQL 的索引是一把双刃剑,一方面能大幅提高查询速度,但同时索引也需要额外的存储,并且索引的维护是有代价的,每一行数据的增删改都需要维护索引信息,因此索引并不是多多益善,而应该按需创建合理的索引。
1.索引目的
建立索引的目的是为了减少扫描范围,提高查询速度。通过索引快速锁定数据范围,返回需要结果。一般情况下,如果单次扫描行数超过数据表总行数的一定比例(预估 10% 左右,官方并没有提供一个确定的数值),查询可能会放弃索引走全表扫描。因此必须要控制查询的数据范围,这也是我一直强调的,如果不能限制数据查询范围,那么所有的优化都是徒劳的。
由于数据增删改都会额外维护索引信息,索引过多会降低数据表的 DML 速度,因此只在经常查询并且选择性高的列上创建索引。
2.索引原理
通过索引(目录)方式,快速提取(查找)需要的记录。
MySQL 数据存放在磁盘上,索引结构为 B+ 树,索引即通过 B+ 树实现快速的从磁盘中读取所需要的数据(后面章节会详细介绍 B+ 树结构)
生活中随处可见索引的例子,如火车站的车次表、图书的目录、字典的查找等。它们的原理都是一样的,通过不断的缩小想要获得数据的范围来筛选出最终想要的结果,同时把随机的事件变成顺序的事件,来提高检索效率。数据库索引也是类似的原理
3.索引长度
索引的长度决定不仅决定了索引占用的数据空间大小,也会影响查找数据的 IO 次数。
在同等数据量下,索引长度过长会导致单个数据页存放的索引条目数减少,索引高度增加,磁盘 IO 增加,并且索引占用空间增大。所以应该在满足要求的前提下,尽量减少索引长度。
索引的长度限制及计算方式如下:
1.索引最大长度为 767 字节,若索引长度超过 767 字节将无法创建(可考虑创建前缀索引)
2.索引长度与字段定义长度基本相同,前缀索引长度与定义的前缀长度有关
3.变长类型如 varchar,额外需要 2 个字节存放索引长度
4.如果字段可以为空,额外需要 1 个字节存放为空标识
5.索引长度 = 字段长度 + 是否为空(+1) + 是否变长(+2)
可通过执行 explain 查看执行计划,key 字段记录查询走哪个索引,key_len 记录所走索引的长度信息
1mysql> explain select * from t1 where name like '张三%';
2+----+-------------+-------+-------+---------------+----------+---------+------+------+-----------------------+
3| id | select_type | table | type | possible_keys | key | key_len | ref | rows | Extra |
4+----+-------------+-------+-------+---------------+----------+---------+------+------+-----------------------+
5| 1 | SIMPLE | t1 | range | uni_name | uni_name | 43 | NULL | 1 | Using index condition |
6+----+-------------+-------+-------+---------------+----------+---------+------+------+-----------------------+
71 row in set (0.05 sec)
8mysql> show create table t1;
9| Table | Create Table
10| t1 | CREATE TABLE `t1` (
11 `id` int(11) DEFAULT NULL,
12 `name` varchar(10) DEFAULT NULL,
13 `age` int(11) DEFAULT NULL,
14 `cnts` int(11) NOT NULL DEFAULT '1',
15 `a1` varchar(10) DEFAULT NULL,
16 `a2` int(11) DEFAULT NULL,
17 `a3` varchar(32) DEFAULT NULL,
18 `a4` varchar(32) NOT NULL DEFAULT '',
19 `a5` int(11) DEFAULT '1',
20 UNIQUE KEY `uni_name` (`name`),
21 KEY `idx_a2` (`a2`)
22) ENGINE=InnoDB DEFAULT CHARSET=utf8mb4 |
如上表中,name 字段索引 uni_name 的 key_len 长度为 43 ,具体长度是按照以下方式计算规则:
索引长度 = 字段长度 + 是否为空(+1) + 是否变长(+2)
如 name 字段 varchar(10) 可以为空,字符集为 utf8mb4 ,则索引长度为: 10*4B+1B+2B=43B
而 a2 字段 int 可以为空,索引长度为:4B+1B=5B
4.聚集索引和非聚集索引
聚集索引
一个表只能有一个聚集索引,如果有主键列,则主键列为聚集索引;如果没有主键,有非空唯一列,则以第一个非空唯一列为聚集索引;否则数据库选择内部隐藏 6 字节的 ROWID 作为聚集索引。数据表的数据按照主键的顺序存放,因此对于 MySQL 顺序写入场景下,创建无意义的自增 ID 是最合适的。
聚簇索引:物理存储按照聚集索引列排序,聚集索引叶子节点 data 中存放完整行数据。
非聚集索引
一个表可以有多个非聚集索引,创建聚集索引只为提高查询效率。通过非聚集索引查找的是聚集索引指针信息,还需要通过回表方式查找具体的数据。所谓回表,是指通过普通索引获取到的聚集索引指针信息,再在聚集索引中执行一次 B+ 树查找,获取到最终的行数据。
非聚簇索引:非聚集索引列是逻辑排序,与实际数据的物理存储顺序不同。非聚集索引叶子节点 data 中存放聚集索引信息。
5.磁盘 IO 和预读
MySQL 的数据都是存储在磁盘上的,磁盘的查找方式是怎样的?查询速度怎样呢?如何才能快速的从磁盘中拿到所需要的数据。在介绍 B+ 树之前,我们先了解一下磁盘 IO 和预读机制。
磁盘读取数据靠的是机械运动,每次读取数据花费的时间可以分为寻道时间、旋转延迟、传输时间三个部分:
1.寻道时间指的是磁臂移动到指定磁道所需要的时间,主流磁盘一般在 5ms 以下;
2.旋转延迟就是我们经常听说的磁盘转速,比如一个磁盘 7200 转,表示每分钟能转 7200 次,也就是说 1 秒钟能转 120 次,旋转延迟就是 1/120/2 = 4.17ms;
3.传输时间指的是从磁盘读出或将数据写入磁盘的时间,一般在零点几毫秒,相对于前两个时间可以忽略不计。
那么访问一次磁盘的时间,即一次磁盘 IO 的时间约等于 5+4.17 ≈ 9ms 左右,听起来还挺不错的,但要知道一台 500 -MIPS 的机器每秒可以执行 5 亿条指令,因为指令依靠的是电的性质,换句话说执行一次 IO 的时间可以执行 40 万条指令,数据库动辄十万百万乃至千万级数据,每次 9 毫秒的时间,显然是个灾难。
考虑到磁盘 IO 是非常高昂的操作,计算机操作系统做了一些优化,当一次 IO 时,不光把当前磁盘地址的数据,而是把相邻的数据也都读取到内存缓冲区内。局部预读性原理告诉我们,当计算机访问一个地址的数据的时候,与其相邻的数据也会很快被访问到。每一次 IO 读取的数据我们称之为一页(page)。具体一页有多大数据跟操作系统有关,一般为 4k 或 8k ,也就是我们读取一页内的数据时候,实际上才发生了一次 IO,这个理论对于索引的数据结构设计非常有帮助。
6.B+树
了解完操作系统的磁盘 IO 和预读机制,我们知道磁盘 IO 是十分耗时的操作,并且一次 IO 拿到的并不是单条数据,而是预读到的操作系统 page 大小的数据( 4k或者8k )。
而 MySQL 数据库的 page 大小默认为 16k ,即一次 IO 预读 16k 的数据到数据库的 buffer pool 中。然后在内存中对数据进行过滤,内存中的数据过滤非常快,与磁盘 IO 时间相比时间可忽略不计。
那么好了,如何降低磁盘 IO 是数据库设计优化的重点。而 B+ 树就是为了降低磁盘 IO ,提高数据库查询效率而生。
备注:索引树的高度跟磁盘 IO 次数呈正相关,可简单理解为索引树高度即是磁盘 IO 次数。
谈到 B+ 树这个概念前,我们可以稍微了解一下二叉树、平衡二叉树、红黑树,B 树,这些树都有不同的数据结构,应用于不同的数据场景。MySQL 数据库选择 B+ 树作为数据存储结构,那么相比其他树,B+ 树有何优势呢?
备注:B+ 树是在 B 树上优化衍生而来,本章节我们主要谈谈 B+ 树与 B 树的区别及优势
1.B 树的非叶子节点会存放数据,导致一个页存放的索引数较少,索引树较高
B+ 树的非叶子节点不会存放数据,只存放键值,一个页可以存放更多索引,索引树较矮
2.B 树的查找可能会在非叶子节点命中,查找不稳定
B+ 树的查找必须到叶子节点才会命中,查找十分稳定
3.B 树的范围遍历效率非常低
B+ 树的叶子节点中存放有双向指针构成一种链表结构,范围查询效率非常高效。而数据库的范围查询十分常见
因此 B+ 树更加适合作为 MySQL 数据库的数据存储结构,下图是一个 B+ 树的结构图
备注:在 MySQL 的 B+ 树结构中,聚簇索引和非聚簇索引存储稍有差异
聚簇索引的 data 部分,存储的是具体的行数据
非聚簇索引的 data 部分,存储的是主键 ID 信息
7.索引高度
既然磁盘 IO 是最影响性能的操作,那么优化的目的就是为了减少磁盘 IO 。而索引高度与磁盘 IO 是息息相关的,按照 MySQL 的索引设计,索引的高度就决定了磁盘 IO 的次数。那关于索引的高度,我们需要了解以下其计算规则
8.索引存储条目数
很多参考文档都会告诉你,索引的高度一般都在 3-4 层,但到底是 3 层还是 4 层呢?3 层索引和 4 层索引又能存放多少索引量,很多文档又会含糊描述的不清楚。此处我们根据实际例子,来看以下具体的索引能存储多少索引量
假设:表平均行长度为 300B,主键索引列 ID 为 int 类型
普通索引列 name 为 varchar(20) 类型非空 (utf8mb4)
普通索引列 info 为 varchar(150) 类型可以为空 (utf8mb4)
分别了解主键索引和普通索引在不同类型下的最大能存储条目数
主键索引的叶子节点中存放具体行数据;普通索引的叶子节点中存放主键信息
备注:索引存储中除索引信息外,还会用 4B 存储页号,6B 存储其他数据
主键索引 ID(int),索引长度 4B
1每个非叶子节点可存放 key 个数为 M1=16KB/(4B+4B+6B)≈1170
2每个叶子节点可存放 key 个数为 M2=16KB/(300B+4B+6B) ≈52
3则 3 层索引最终能存放最大条目数为:L=1170*1170*52 ≈7118W
4 4 层索引最终能存放最大条目数为:L=1170*1170*1170*52 ≈832亿
普通索引 name(varchar(20)),非空,索引长度 20*4B+2B
1每个非叶子节点可存放 key 个数为 M1=16KB/(20*4B+2B+4B+6B)≈178
2每个叶子节点可存放 key 个数为 M2=16KB/(4B+20*4B+2B+4B+6B) ≈170
3则 3 层索引最终能存放最大条目数为:L= 178*178*170 ≈538W
4 4 层索引最终能存放最大条目数为:L= 178*178*178*170 ≈9.58亿
普通索引 info(varchar(150)),可为空,索引长度 150*4B+2B+1B
1每个非叶子节点可存放 key 个数为 M1=16KB/(150*4B+2B+1B+4B+6B)≈26
2每个叶子节点可存放 key 个数为 M2=16KB/(150*4B+2B+1B+4B+6B+4B) ≈26
3则 3 层索引最终能存放最大条目数为:L= 26*26*26 ≈17576
4 4 层索引最终能存放最大条目数为:L= 26*26*26*26 ≈456976
5 5 层索引最终能存放最大条目数为:L= 26*26*26*26*26 ≈1188W
总结:
可以发现当索引长度增加时,会导致每个 page 页存放的索引数减少,索引高度增加。
特别是 char/varchar 类型,索引长度会因为 utf8mb4 字符集原因导致索引长度急剧增长,因此需要严格控制字段和索引长度。
9.索引优化
针对索引的优化,主要在于选择合适的列创建最优的索引,删除无效或者重复索引:
1.列的选择性越高,越适合创建索引。列的选择性计算 count(distinct