MySQL 性能优化

一、什么是慢查询？

慢查询是 MySQL 中提供的一种慢查询日志，它用来记录在 MySQL 中响应时间超过阀值的语句，具体指运行时间超过 longquerytime 值的 SQL，则会被记录到慢查询日志中。longquerytime 的默认值为 10，意思是运行 10S 以上的语句。默认情况下，MySQL 数据库并不启动慢查询日志，需要我们手动来设置这个参数，如果不是调优需要的话，一般不建议启动该参数，因为开启慢查询日志会给 MySQL 服务器带来一定的性能影响。慢查询日志支持将日志记录写入文件，也支持将日志记录写入数据库表。
使用 mysql> show variables like ‘%slow_query_log%’; 来查询慢查询日志是否开启，执行效果如下图所示：

slowquerylog 的值为 OFF 时，表示未开启慢查询日志。

1.1、如何开启慢查询日志？

开启慢查询日志，可以使用如下 MySQL 命令：

mysql> set global slowquerylog=1

不过这种设置方式，只对当前数据库生效，如果 MySQL 重启也会失效，如果要永久生效，就必须修改 MySQL 的配置文件 my.cnf，配置如下：

slowquerylog =1 slowquerylogfile=/tmp/mysqlslow.log

1.2、如何定位慢查询？

使用 MySQL 中的 explain 分析执行语句，比如：

explain select * from t where id=5;

如下图所示：

其中：

• id — 选择标识符。id越大优先级越高，越先被执行。
• select_type — 表示查询的类型。
• table — 输出结果集的表
• partitions — 匹配的分区
• type — 表示表的连接类型
• possible_keys — 表示查询时，可能使用的索引
• key — 表示实际使用的索引
• key_len — 索引字段的长度
• ref— 列与索引的比较
• rows — 大概估算的行数
• filtered — 按表条件过滤的行百分比
• Extra — 执行情况的描述和说明

其中最重要的就是 type 字段，type 值类型如下：

• all — 扫描全表数据
• index — 遍历索引
• range — 索引范围查找
• index_subquery — 在子查询中使用 ref
• uniquesubquery — 在子查询中使用 eqref
• refornull — 对 null 进行索引的优化的 ref
• fulltext — 使用全文索引
• ref — 使用非唯一索引查找数据
• eq_ref — 在 join 查询中使用主键或唯一索引关联
• const — 将一个主键放置到 where 后面作为条件查询， MySQL 优化器就能把这次查询优化转化为一个常量，如何转化以及何时转化，这个取决于优化器，这个比 eq_ref 效率高一点

二、MySQL 的优化手段都有哪些？

MySQL 的常见的优化手段有以下五种：

2.1、查询优化

• 避免 SELECT *，只查询需要的字段。
• 小表驱动大表，即小的数据集驱动大的数据集，比如，当 B 表的数据集小于 A 表时，用 in 优化 exist，两表执行顺序是先查 B 表，再查 A 表，查询语句：select * from A where id in (select id from B) 。
• 一些情况下，可以使用连接代替子查询，因为使用 join 时，MySQL 不会在内存中创建临时表。

2.2、优化索引的使用

• 尽量使用主键查询，而非其他索引，因为主键查询不会触发回表查询。
• 不做列运算，把计算都放入各个业务系统实现
• 查询语句尽可能简单，大语句拆小语句，减少锁时间
• 不使用 select * 查询
• or 查询改写成 in 查询

select id from t where a=10 or a=20

select id from t where a=10
union all
select id from t where a=20

• 对于连续的数值，能用 between 就不要用 in
• 不用函数和触发器
• 避免 %xx 查询
• 少用 join 查询
• 使用同类型比较，比如 ‘123’ 和 ‘123’、123 和 123
• 尽量避免在 where 子句中使用 != 或者 <> 操作符，查询引用会放弃索引而进行全表扫描
• 列表数据使用分页查询，每页数据量不要太大
• 用 exists 替代 in 查询

select num from a where num in (select num from b)

select num from a where exists (select 1 from b where num=a.num)

• 避免在索引列上使用 is null 和 is not null
• 尽量使用主键查询
• 避免在 where 子句中对字段进行表达式操作 / 函数操作

select id from t where a/2=100

select id from t where a=100*2

• 尽量使用数字型字段，若只含数值信息的字段尽量不要设计为字符型
• 如果使用到了临时表，在存储过程的最后务必将所有的临时表显式删除，先 truncate table ，然后 drop table ，这样可以避免系统表的较长时间锁定

2.3、表结构设计优化

• 使用可以存下数据最小的数据类型。
• 使用简单的数据类型，int 要比 varchar 类型在 MySQL 处理简单。
• 尽量使用 tinyint、smallint、mediumint 作为整数类型而非 int。
• 尽可能使用 not null 定义字段，因为 null 占用 4 字节空间。
• 尽量少用 text 类型，非用不可时最好考虑分表。
• 尽量使用 timestamp，而非 datetime。
• 单表不要有太多字段，建议在 20 个字段以内。

2.4、表拆分

当数据库中的数据非常大时，查询优化方案也不能解决查询速度慢的问题时，我们可以考虑拆分表，让每张表的数据量变小，从而提高查询效率。

a）垂直拆分：是指数据表列的拆分，把一张列比较多的表拆分为多张表，比如，用户表中一些字段经常被访问，将这些字段放在一张表中，另外一些不常用的字段放在另一张表中，插入数据时，使用事务确保两张表的数据一致性。 垂直拆分的原则：

• 把不常用的字段单独放在一张表；
• 把 text，blob 等大字段拆分出来放在附表中；
• 经常组合查询的列放在一张表中。

b）水平拆分：指数据表行的拆分，表的行数超过200万行时，就会变慢，这时可以把一张的表的数据拆成多张表来存放。
通常情况下，我们使用取模的方式来进行表的拆分，比如，一张有 400W 的用户表 users，为提高其查询效率我们把其分成 4 张表 users1，users2，users3，users4，然后通过用户 ID 取模的方法，同时查询、更新、删除也是通过取模的方法来操作。

2.5、读写分离

一般情况下对数据库而言都是“读多写少”，换言之，数据库的压力多数是因为大量的读取数据的操作造成的，我们可以采用数据库集群的方案，使用一个库作为主库，负责写入数据；其他库为从库，负责读取数据。这样可以缓解对数据库的访问压力。

三、MySQL 常见读写分离方案有哪些？

MySQL 常见的读写分离方案，如下列表：

1）应用层解决方案 可以通过应用层对数据源做路由来实现读写分离，比如，使用 SpringMVC + MyBatis，可以将 SQL 路由交给 Spring，通过 AOP 或者 Annotation 由代码显示的控制数据源。 优点：路由策略的扩展性和可控性较强。 缺点：需要在 Spring 中添加耦合控制代码。

2）中间件解决方案 通过 MySQL 的中间件做主从集群，比如：Mysql Proxy、Amoeba、Atlas 等中间件都能符合需求。 优点：与应用层解耦。 缺点：增加一个服务维护的风险点，性能及稳定性待测试，需要支持代码强制主从和事务。