MySQL数据库优化

概览

软优化：1.优化查询语句；2.优化子查询；3.命中索引；4.分解表；5.增加中间表；6.增加冗余字段；7.分析表、检查表、优化表

硬优化：1.cpu、内存、磁盘；2.配置参数；3.分库分表+读写分离；4.缓存集群

软优化

1.优化查询语句

使用EXPLAIN或者DESCRIBE（可简写为DESC）命令分析一条查询语句的执行信息
输入：

DESC SELECT * FROM user

显示：

• select_type：代表查询类型，分为简单查询、子查询等等
• type：代表查询策略，分为全表扫描（ALL）、索引合并（index_merge）等等
• possible_keys：可能用到的索引
• key：实际用到的索引
• Extra：额外信息，包含Using intersect（index1，index2）、Using where、Using index等等

2.优化子查询

应该尽量使用join查询代替子查询。子查询是一个嵌套的查询，外层查询嵌套内层查询，查询时会建立内层查询的临时表，查询完毕会删除该临时表，建立和删除会有较大的系统开销，而连接查询不会创建临时表，故而效率比子查询高

3.命中索引

索引是提高数据库查询速度的最重要方法之一，应该尽量通过索引查询我们所需要的行记录
例如：
1.like关键字匹配时，以%开头的字符串不会命中索引
2.or关键字连接的两个字段必须都是索引字段，该查询才会使用索引（union）
3.使用联合索引必须满足最左前缀匹配规则

4.分解表

对于字段较多的表，如果某些字段的使用频率较低，应当把它们分离出来形成新的表。这样可以减小行记录的空间大小，提升磁盘io效率

5.增加中间表

需要大量连接查询的表，可预先创建中间表

6.增加冗余字段

与增加中间表的目的相同，也是为了减少连接查询

7.分析表、检查表、优化表

分析表主要是分析表中关键字的分布,检查表主要是检查表中是否存在错误,优化表主要是消除删除或更新造成的表空间浪费

分析表
输入：

ANALYZE TABLE user;

显示：

• Op:表示执行的操作
• Msg_type:信息类型,有status,info,note,warning,error
• Msg_text:显示信息

检查表
输入：

CHECK TABLE user [option]

option 只对MyISAM有效,共五个参数值:

• QUICK:不扫描行,不检查错误的连接
• FAST:只检查没有正确关闭的表
• CHANGED:只检查上次检查后被更改的表和没被正确关闭的表
• MEDIUM:扫描行,以验证被删除的连接是有效的,也可以计算各行关键字校验和
• EXTENDED:最全面的的检查,对每行关键字全面查找

优化表
输入：

OPTIMIZE [LOCAL|NO_WRITE_TO_BINLOG] TABLE user;

LOCAL|NO_WRITE_TO_BINLOG都是表示不写入日志.,优化表只对VARCHAR,BLOB和TEXT有效,通过OPTIMIZE TABLE语句可以消除文件碎片,在执行过程中会加上只读锁

硬优化

1.cpu、内存、磁盘

• 配置多核心和频率高的cpu,多核心可以执行多个线程
• 配置大内存,提高内存,即可提高缓存区容量,因此能减少磁盘I/O时间,从而提高响应速度
• 配置高速磁盘或合理分布磁盘:高速磁盘提高I/O,分布磁盘能提高并行操作的能力

2.配置参数

优化数据库参数可以提高资源利用率,从而提高MySQL服务器性能。MySQL服务的配置参数都在my.cnf或my.ini,下面列出性能影响较大的几个参数

• key_buffer_size:索引缓冲区大小
• table_cache:能同时打开表的个数
• query_cache_size和query_cache_type:前者是查询缓冲区大小,后者是前面参数的开关,0表示不使用缓冲区,1表示使用缓冲区,但可以在查询中使用SQL_NO_CACHE表示不要使用缓冲区,2表示在查询中明确指出使用缓冲区才用缓冲区,即SQL_CACHE.
• sort_buffer_size:排序缓冲区

3.分库分表

因为数据库压力过大，首先一个问题就是高峰期系统性能可能会降低，因为数据库负载过高对性能会有影响。另外一个，压力过大把你的数据库给搞挂了怎么办？

所以此时你必须得对系统做分库分表 + 读写分离，也就是把一个库拆分为多个库，部署在多个数据库服务上，这时作为主库承载写入请求。然后每个主库都挂载至少一个从库，由从库来承载读请求。

4.缓存集群

如果用户量越来越大，此时你可以不停的加机器，比如说系统层面不停加机器，就可以承载更高的并发请求。

然后数据库层面如果写入并发越来越高，就扩容加数据库服务器，通过分库分表是可以支持扩容机器的，如果数据库层面的读并发越来越高，就扩容加更多的从库。

但是这里有一个很大的问题：数据库其实本身不是用来承载高并发请求的，所以通常来说，数据库单机每秒承载的并发就在几千的数量级

而且数据库使用的机器都是比较高配置，比较昂贵的机器，成本很高。如果你就是简单的不停的加机器，其实是不对的。

所以高并发架构里通常都有缓存这个环节，缓存系统的设计就是为了承载高并发而生。

所以单机承载的并发量都在每秒几万，甚至每秒数十万，对高并发的承载能力比数据库系统要高出一到两个数量级。所以你完全可以根据系统的业务特性，对那种写少读多的请求，引入缓存集群。

具体来说，就是在写数据库的时候同时写一份数据到缓存集群里，然后用缓存集群来承载大部分的读请求。

这样通过缓存集群，就可以用更少的机器资源承载更高的并发。