MySQL中的数据类型和schema优化

1. 选择优化的数据类型

MySQL支持的数据类型有很多，而如何选择出正确的数据类型，对于性能是至关重要的。以下几个原则能够帮助确定数据类型：

更小的通常更好

应尽可能使用可以正确存储数据的最小数据类型，够用就好。这样将占用更少的磁盘、内存和缓存，而在处理时也会耗时更少。

简单就好

当两种数据类型都能胜任一个字段的存储工作时，选择简单的那一方，往往是最好的选择。例如整型和字符串，由于整型的操作代价要小于字符，所以当在两者之间选择时，选择整型通常能够获得更好的性能。

尽量避免NULL

当列可为NULL时，对于MySQL来说，在索引和值比较等方面需要做更多的工作，虽然对性能的影响不是很大，但也应尽量避免设计为可为NULL。

除了以上原则，在选择数据类型时，需遵循的步骤：首先确定合适的大类型，例如数据、字符串、时间等；然后再选择具体的类型。下面将讨论大类型下的一些具体类型，首先是数字，有两种类型：整数和实数。

1.1 整数类型

整数类型和所占用的空间如下：

整数类型    空间大小(bit)
TINYINT    8
SMALLINT    16
MEDIUMINT    24
INT    32
BIGINT    64
整数类型所能存储的范围和空间大小有关：-2^(N-1)至2^(N-1)-1，其中N为空间大小的位数。

整数类型具有UNSIGNED的可选属性，当声明时，表示不允许负数，则存储范围变为：0至2^(N)-1，扩大了一倍。

在MySQL中，还可以为整数类型指定宽度，例如INT(1)，但这样的意义并不大，并不会限制值的合法范围，仍能存储-2^31至2^31-1的值，所影响的是与MySQL的交互工具显示字符的个数。

1.2 实数类型

实数类型的对比如下：

实数类型    空间大小(Byte)    取值范围    计算精度
FLOAT    4    负数：-3.4E+38～-1.17E-38；非负数：0、1.17E-38~3.4E+38    近似计算
DOUBLE    8    负数：-1.79E+308～-2.22E-308；非负数：0、2.22E-308~1.79E+308    近似计算
DECIMAL    与精度有关    同DOUBLE    精确计算
从上面可以看出，FLOAT和DOUBLE都有固定的空间大小，但同时由于是使用标准的浮点运算，所以只能近似计算。而DECIMAL则可以实现精确计算，与此同时占用的空间会相较更大，所耗费的计算开销也更多。

DECIMAL所占空间大小与指定的精度有关，例如DECIMAL(M,D)：

M为整个数字的最大长度，取值范围为[1, 65]，默认值为10；
D为小数点后的长度，取值范围为[0, 30]，且D <= M，默认值为0。
MySQL在存储DECIMAL类型时会作为二进制字符串存储，每4个字节存9个数字，当不足9位时，数字的占用空间如下：

数字个数    占用空间(Byte)
1、2    1
3、4    2
5、6    3
7、8    4
小数点前后将分别存储，同时小数点也要占1个字节。下面举两个计算的例子：

DECIMAL(18, 9)：整数部分长度为9，占用4个字节。小数部分长度为9，占用4个字节。同时加上小数点1个字节，则总共占用9个字节。
DECIMAL(20, 9)：整数部分长度为14，占用7(4+3)个字节。小数部分长度为9，占用4个字节。同时加上小数点1个字节，则总共占用12个字节。
可以看出DECIMAL的空间占用还是很大的，因此只有当需要对小数进行精确计算时，才需要使用DECIMAL。除此之外，我们还可以使用BIGINT代替DECIMAL，例如需要保证小数点后5位的计算，可以将值乘上10的5次方后作为BIGINT存储，这样能同时避免浮点存储计算不精确和DECIMAL精确计算代价高的问题。

1.3 字符串类型

最常用的字符串类型当属VARCHAR和CHAR。VARCHAR作为可变长字符串，会使用1或2个额外字节记录字符串的长度，当最大长度未超过255时，只需1个字节记录长度，超过255，则需2个字节。VARCHAR的适用场景：

最大长度比平均长度大很多；
列的更新少，避免碎片；
使用复杂的字符集，如UTF-8，每个字符能使用不同的字节存储。
CHAR则为定长字符串，根据定义的字符串长度分配足够的空间，适用场景：

长度短；
长度相近，例如MD5；
经常更新。
除了VARCHAR和CHAR，针对存储大字符串，可以使用BLOB和TEXT类型。BLOB和TEXT的区别在于，BLOB是以二进制方式存储，而TEXT是以字符方式存储。这也导致，BLOB类型的数据没有字符集的概念，无法按字符排序，而TEXT类型则有字符集的概念，可以按字符排序。两者的使用场景，也由存储格式决定了，当存储二进制数据时，例如图片，应使用BLOB，而存储文本时，例如文章，则应使用TEXT类型。

1.4 日期和时间类型

MySQL中所能存储的最小时间粒度为秒，常用的日期类型有DATETIME和TIMESTAMP。

类型    存储内容    空间大小(Byte)    时区概念
DATETIME    格式为YYYYMMDDHHMMSS的整数    8    无
TIMESTAMP    从1970年1月1日零点以来的秒数    4    有
TIMESTAMP显示的值将依赖于时区，意味在不同时区查询到的值将不一样。除了以上列出的不同，TIMESTAMP还具有一个特殊属性，在插入和更新时，如果没有指定第一个TIMESTAMP列的值，将会设置这个列的值为当前时间。

我们在开发过程中，应尽量使用TIMESTAMP，主要是因为其空间大小仅需DATETIME的一半，空间效率更高。

如果我们想存储的日期和时间精确到秒之后，怎么办？由于MySQL并未提供，所以我们可以使用BIGINT存储微妙级别的时间戳，或者使用DOUBLE存储秒之后的小数部分。

1.5 选择标识符

通常来说整数是标识符的最好选择，主要是因为其简单，计算快，且可使用AUTO_INCREMENT。
 

2. 范式和反范式

一范式，属性不可分割，现在的RDBMS系统建成的表都是符合第一范式的。而第二范式，则是消除非主属性对码(可以理解为主键)的部分依赖。第三范式消除非主属性对码的传递依赖。

严格范式化的数据库中，每个事实数据会出现且只出现一次，不会出现数据冗余，这样所能带能带来的好处有：

更新操作更快；
修改更少的数据；
表更小，更好地放内存中，执行操作更快；
更少需要DISTINCT或GROUP BY。
但也由于数据分散存在各张表中，查询时需要对表进行关联。而反范式的优点则是不用进行关联，将数据冗余存储。

在实际应用中，不会出现完全的范式化或完全的反范式化，时常需要混用范式和反范式，使用部分范式化的schema，往往是最好的选择。

3. 缓存表和汇总表

除了上述说到的反范式，在表中存储冗余数据，我们还可以创建一张完全独立的汇总表或缓存表，来满足检索的需要。

缓存表，指的是存储可以从schema其他表中获取数据的表，也就是逻辑上冗余的数据。

而汇总表，则指的是存储使用GROUP BY等语句聚合数据，计算出的不冗余的数据。

4. 缓存表和汇总表

除了上述说到的反范式，在表中存储冗余数据，我们还可以创建一张完全独立的汇总表或缓存表，来满足检索的需要。

缓存表，指的是存储可以从schema其他表中获取数据的表，也就是逻辑上冗余的数据。而汇总表，则指的是存储使用GROUP BY等语句聚合数据，计算出的不冗余的数据。

缓存表，可用于优化搜索和检索查询语句，这里可以使用的技巧有对缓存表使用不同的存储引擎，例如主表使用InnoDB，而缓存表则可使用MyISAM，获得更小的索引占用空间。甚至可以将缓存表放到专门的搜索系统中，例如Lucene。

汇总表，则是为了避免实时计算统计值所带来的高昂代价，代价来自两方面，一是需要扫描表中的大部分数据，二是建立特定的索引，会对UPDATE操作有影响。例如，查询微信过去24小时的朋友圈数量，则可固定每1小时扫描全表，统计后写一条记录到汇总表，当查询时，只需查询汇总表上最新的24条记录，而不必每次查询时都去扫描全表进行统计。

在使用缓存表和汇总表时，必须决定是实时维护数据还是定期重建，这取决于我们的需求。定期重建相比实时维护，能节省更多的资源，表的碎片更少。而在重建时，我们仍需保证数据在操作时可用，需要通过“影子表”来实现。在真实表后创建一张影子表，当填充好数据后，通过原子的重命名操作来切换影子表和原表。

5. 加快ALTER TABLE操作的速度

当MySQL在执行ALTER TABLE操作时，往往是新建一张表，然后把数据从旧表查出并插入到新表中，再删除旧表，如果表很大，这样需要花费很长时间，且会导致MySQL的服务中断。为了避免服务中断，通常可以使用两种技巧：

在一台不提供服务的机器上执行ALTER TABLE操作，然后再与提供服务的主库进行切换；
“影子拷贝”，建立一张与原表无关的新表，在数据迁移完成后，通过重命名操作进行切换。

但也不是所有的ALTER TABLE操作会引起表重建，例如在修改字段的默认值时，使用MODIFY COLUMN会进行表重建，而使用ALTER COLUMN则不会进行表重建，操作速度很快。这是因为ALTER COLUMN在修改默认值时，会直接修改了存在表的.frm文件(存储字段的默认值)，而并未重建表。