mysql中,如何定位慢查询?
- 聚合查询
- 多表查询
- 表数据量过大查询
- 深度分页查询
表象:页面加载过慢、接口压测响应时间过长(超过1s)
方案一:开源工具
- 调试工具:Arthas
- 运维工具:Prometheus、Skywalking
方案二: MySQL自带慢日志查询
慢日志查询记录了所有执行时间超过指定参数(long_query_time,单位:秒,默认10秒)的所有SQL语句的日志,如果要开启慢查询日志,需要在MySQL的配置文件(/etc/my.cnf)中配置如下信息:
配置完毕之后,通过以下指令重新启动MySQL服务器进行测试,查看慢日志文件中记录的信息
/var/lib/mysql/localhost-slow.log
问:MySQL中如何定位慢查询?
答:我们当时做压测的时候有的接口非常的慢,接口的响应时间超过了2秒以上,因为我们当时的系统部署了运维的监控系统Skywalking,在展示的报表中可以看到是哪一个接口比较慢,并且可以分析这个接口哪部分比较慢,这里可以看到SQL的具体的执行时间,所以可以定位是哪个sql出了问题
如果,项目中没有这种运维的监控系统,其实在MySQL中也提供了慢日志查询的功能,可以在MySQL的系统配置文件中开启这个慢日志的功能,并且也可以设置SQL执行超过多少时间来记录到一个日志文件中,我记得上一个项目配置的是2秒,只要SQL执行的时间超过了2秒就会记录到日志文件中,我们就可以在日志文件找到执行比较慢的SQL了。
一个SQL语句执行很慢,如何分析
可以采用EXPLAIN或者DESC命令获取MySQL如何执行SELECT语句的信息
- possible_key 当前sql可能会使用到的索引
- key 当前sql实际命中的索引
- key_len 索引占用的大小
- Extra 额外的优化建议
- type 这条sql的连接的类型,性能由好到差为NULL、system、const、eq_ref、ref、range、index、all
- system:查询系统中的表
- const:根据主键查询
- eq_ref:主键索引查询或唯一索引查询
- ref:索引查询
- range:范围查询
- index:索引树查询
- all:全盘扫描
问:那这个SQL语句执行很慢,如何分析呢?
答:如果一条sql执行很慢的话,我们通常会使用mysql自动的执行计划lexplain来去查看这条sql的执行情况,比如在这里面可以通过key和key_len检查是否命中了索引,如果本身已经添加了索引,也可以判断索引是否有失效的情况,第二个,可以通过type字段查看sql是否有进一步的优化空间,是否存在全索引扫描或全盘扫描,第三个可以通过extra建议来判断,是否出现了回表的情况,如果出现了可以尝试添加索引或修改返回字段来修复。
了解过索引吗?(什么是索引)
索引(index)是帮助MySQL高效获取数据的数据结构(有序)。在数据之外,数据库系统还维护着满足特定查找算法的数据结构(B+树),这些数据结构以某种方式引用(指向)数据,这样就可以在这些数据结构上实现高级查找算法,这种数据结构就是索引。
数据结构对比
MySQL默认使用的索引底层数据结构是B+树。在聊B+树之前,我们先聊聊二叉树和B树
B-Tree,B树是一种多叉路平衡查找树,相对于二叉树,B树每个节点可以有多个分叉,即多叉,以一颗最大度数(max-degree)为5(5阶)的b-tree为例,那这个B树每个节点最多存储4个key
B+Tree是在BTree基础上的一种优化,使其更适合实现外存储索引结构,InnoDB存储引擎就是B+Tree实现其索引结构。
非叶子节点只存储指针,不存储数据;只在叶子节点存储数据
B树与B+树对比:
- 磁盘读写代价B+树更低,
- 查询效率B+树更加稳定
- B+树便于扫库和区间查询
问:了解过索引吗?(什么是索引)
- 索引(index)是帮助MySQL高效获取数据的数据结构(有序)
- 提高数据检索的效率,降低数据库的IO成本(不需要全表扫描)
- 通过索引列对数据进行排序,降低数据排序的成本,降低了CPU的消耗
问:索引的底层数据结构了解过吗?
MySQL的InnoDB引擎采用的B+树的数据结构来存储索引
- 阶数更多,路径更短
- 磁盘读写代价B+树更低,非叶子节点只存储指针,叶子节点存储数据
- B+树便于扫库和区间查询,叶子节点是一个双向链表
问:B树和B+树的区别是什么呢?
- 第一,在B树中,非叶子节点和叶子节点都会存储数据,而B+树的所有的数据都会出现在叶子节点,在查询的时候,B+树查找效率更加稳定。
- 第二,在进行范围查询的时候,B+树效率更高,因为B+树都在叶子节点存储,并且叶子节点是一个双向链接。
什么是聚簇索引(聚集索引)?什么是非聚簇索引(二级索引)?
- 聚集索引(Clustered Index),将数据存储与索引放到了一块,索引结构的叶子节点保存了行数据。特点是必须有,而且只有一个。
- 二级索引(Secondary Index),将数据与索引分开存储,索引结构的叶子节点关联的是对应的主键。特点是可以存在多个。
聚集索引选取规则:
- 如果存在主键,主键索引就是聚集索引。
- 如果不存在主键,将使用第一个唯一(UNIQUE)索引作为聚集索引。
- 如果表没有主键,或没有合适的唯一索引,则InnoDB会自动生成一个rowid作为隐藏的聚集索引。
回表查询
什么是回表查询?
通过二级索引找到对应的主键值,到聚集索引中查找整行数据,这个过程就是回表。
什么是覆盖索引?
覆盖索引是指查询使用了索引,返回的列,必须在索引中全部能够找到
- 使用id查询,直接走聚集索引查询,一次索引扫描,直接返回数据,性能高
- 如果返回的列中没有创建索引,有可能会触发回表查询,尽量避免使用select*
MYSQL超大分页处理
在数据量比较大时,如果进行limit分页查询,在查询时,越往后,分页查询效率越低。
执行limit分页查询耗时对比图如下:
因为,当在进行分页查询时,如果执行limit9000000,10,此时需要MYSQL排序前9000000 10记录,仅仅返回9000000 - 9000000 10的记录,其他记录丢弃,查询排序的代价非常大。
优化思路:一般分页查询时,通过创建覆盖索引能够比较好的提高性能,可以通过覆盖索引加子查询形式进行优化。
问:MYSQL超大分页怎么处理?
超大分页一般都是在数据量比较大时,我们使用了limit分页查询,并且需要对数据进行排序,这个时候效率就很低,我们可以采用覆盖索引和子查询来解决。
先分页查询数据的id字段,确定了id之后,再用子查询来过滤,只查询这个id列表中的数据就可以了,因为查询id的时候,走的覆盖索引,所以效率可以提升很多。
索引创建原则有哪些?
- 针对数据量较大,且查询比较频繁的表建立索引。单表超过10万数据(增加用户体验)
- 针对于常作为查询条件(where)、排序(order by)、分组(group by)操作的字段建立索引
- 尽量选择区分度高的列作为索引,尽量建立唯一索引,区分度越高,使用索引的效率越高
- 如果时字符串类型的字段,字段的长度较长,可以针对于字段的特点,建立前缀索引
- 尽量使用联合索引,减少单列索引,查询时,联合索引很多时候可以覆盖索引,节省存储空间,避免回表,提高查询效率
- 要控制索引的数量,索引并不是多多益善,索引越多,维护索引结构的代价越大,会影响增删改的效率
- 如果索引列不能存储NULL值,请在创建表时使用NOT NULL约束它,当优化器知道每列是否包含NULL值时,它可以更好的确定哪个索引最有效地用于查询
什么情况下索引会失效?
1、违反最左前缀法则,如果索引了多列,要遵守最左前缀法则,指的是查询从索引的最左前列开始,并且不跳过索引中的列。匹配最左前缀法则,走索引:
2、范围查询右边的列,不能使用索引
3、不要在索引列上进行运算操作,索引将失效
4、字符串不加单引号,造成索引失效
5、以%开头的Like模糊查询,索引失效。如果仅仅是尾部模糊匹配,索引不会失效,如果是头部模糊匹配,索引失效。
谈一谈你对sql的优化经验
- 表的设计优化
- 索引优化(参考优化创建原则和索引失效)
- SQL语句优化
- 主从复制、读写分离
- 分库分表
表的设计优化(参考阿里开发手册《嵩山版》)
- 比如设置合适的数值(tinyint int bigint),要根据实际情况选择
- 比如设置合适的字符串类型(char和varchar)char定长效率高,varchar可变长度,效率稍低
SQL语句优化
- SELECT语句务必指明字段名称(避免直接使用select *)
- SQL语句要避免造成索引失效的写法
- 尽量用union all代替union union会多一次过滤,效率低
- 避免在where子句中对字段进行表达式操作
- Join优化 能用inner join就不用left join、right join,如必须使用一定要以小表为驱动,内连接会对两个表进行优化,优先把小表放在外边,把大表放在里边。left join或right join,不会重新调整顺序。
主从复制、读写分离
如果数据库的使用场景读的操作比较多的时候,为了避免写的操作所造成的性能影响,可以采用读写分离的架构。读写分离解决的是,数据库的写入,影响了查询的效率。
问:sql的优化经验
答:这个在项目中还是挺常见的,当然如果直说sql优化的话,我们会从这几方面考虑,比如建表的时候,使用索引、sql语句的编写、主从复制、读写分离,还有一个是如果量比较大的话,可以考虑分库分表。
问:创建表的时候,你们是如何优化的?
答:这个我们主要参考的阿里出的开发手册《嵩山版》,就比如,在定义字段的时候需要结合字段的内容来选择合适的字段类型,如果是数值的话,像tinyint、int、bigint这些类型,要根据实际情况选择,如果是字符串类型,也是结合存储的内容来选择char和varchar或者text类型。
问:对sql语句优化有哪些了解?
答:比如SELECT语句务必指明字段名称,不要直接使用select *,还有就是要注意SQL语句避免造成索引失效的写法,如果是聚合查询,尽量用uninon all代替union,union会多一次过滤,效率比较低,如果是表关联的话,尽量使用inner join,不要使用left join right join,如必须使用一定要以小表为驱动。
事务
事务是一组操作的集合,它是一个不可分割的工作单位,事务会把所有的操作作为一个整体一起向系统提交或撤销操作请求,即这些操作要么同时成功,要么同时失败。
ACID是什么?可以详细说一下吗?
- 原子性(Atomicity):事务是不可分割的最小操作单元,要么全部成功,要么全部失败
- 一致性(Consistency):事务完成时,必须使所有的数据都保持一致状态
- 隔离性(Isolation):数据库系统提供的隔离机制,保证事务在不受外部并发操作影响的独立环境下运行
- 持久性(Durability):事务一旦提交或回滚,它对数据库中的数据的改变就是永久的
并发事务带来哪些问题?怎么解决这些问题?M有SQL的默认隔离级别是?
- 并发事务问题:脏读、不可重复读、幻读
- 隔离级别:读未提交、读已提交、可重复读、串行化
- 脏读:一个事务读到另外一个事务还没有提交的数据
- 不可重复读:一个事务先后读取同一条记录,但两次读取的数据不同,称之为不可重复读
- 幻读:一个事务按照条件查询数据时,没有对应的数据行,但是在插入数据时,又发现这行数据已经存在,好像出现了”幻影“。
undo log和redo log的区别
- 缓冲池(buffer pool):主存中的一个区域,里面可以缓存磁盘上经常操作的真实数据,在执行增删改查操作时,先操作缓冲池中的数据(若缓冲池没有数据,则从磁盘加载并缓存),以一定频率刷新到磁盘,从而减少磁盘IO,加快处理速度。
- 数据页(page):是InnoDB存储引擎磁盘管理的最小单元,每个页的大小默认为16KB,页中存储的是行数据。
上图所示,从磁盘中拷贝数据到内存中进行数据更新时,此时服务器宕机,内存中的数据无法同步更新到磁盘,此时无法进行数据的持久化。
redo log
重做日志,记录的是事务提交时数据页的物理修改,是用来实现事务的持久性。
该日志文件由两部分组成:重做日志缓冲(redo log buffer)以及重做日志文件(redo log file),前者是在内存中,后者在磁盘中。当事务提交之后会把所有修改信息都存到该日志文件中,用于在刷新脏页到磁盘发生错误时,进行数据恢复使用。
Redolog buffer在进行数据同步的时候是顺序的磁盘IO,因为日志文件都是追加的,所以顺序的磁盘IO性能就提升很多
undo log
回滚日志,用于记录数据被修改前的信息,作用包含两个:提供回滚和MVCC(多版本并发控制),undo log和redo log记录物理日志不一样,它是逻辑日志。
- 可以认为当delete一条记录时,undo log中会记录一条对应的insert记录,反之亦然
- 当update一条记录时,它记录一条对应相反的update记录。当执行rollback时,就可以从undo log中的逻辑记录读取到相应的内容并进行回滚。
undo log可以实现事务的一致性和原子性
undo log 和redo log的区别
- redo log:记录的是数据页的物理变化,服务宕机可用来同步数据
- undo log: 记录的是逻辑日志,当事务回滚时,通过逆操作恢复原来的数据
- redo log保证了事务的持久性,undo log保证了事务的原子性和一致性
事务的隔离性是如何保证的呢?
锁:排他锁(如一个事务获取了一个数据行的排他锁,其他事务就不能再获取该行的其他锁)
mvcc:多版本并发控制
解释一下MVCC
全称是Multi-Version Concurrency Control,多版本并发控制,指维护一个数据的多个版本,使得读写操作没有冲突。
MVCC的具体实现,主要是依赖于数据库记录中的隐式字段、undo log日志、readView
记录中的隐藏字段
undo log
回滚日志,在insert、update、delete的时候产生的便于数据回滚的日志
当insert的时候,产生的undo log日志只在回滚时需要,在事务提交后,可被立即删除
而update、delete的时候,产生的undo log日志不仅在回滚时需要,mvcc版本访问也需要,不会被立即删除
undo log版本链
不同事务或相同事务对同一条记录进行修改,会导致该记录的undolog生成一条记录版本链表,链表的头部是最新的旧纪录,链表的尾部是最早的旧纪录。
readview
Readview(读视图)是快照读SQL执行时MVCC提取数据的依据,记录并维护系统当前活跃的事务(未提交的)id。
不同的隔离级别,生成readView的时机不同:
- read committed:在事务中每一次执行快照读时生成ReadView
- repeatable read:仅在事务中第一次执行快照读时生成ReadView,后续复用该ReadView
当前读
读取的是记录的最新版本,读取时还要保证其他并发事务不能修改当前记录,会对读取的记录进行加锁,对于我们日常的操作,如:select ... lock in share mode(共享锁),select ... for update,update、insert、delete(排他锁)都是一种当前读。
快照读
简单的select(不加锁)就是快照读,快照读,读取的是记录数据的可见版本,有可能是历史数据,不加锁,是非阻塞读。
- Read committed:每次select,都生成一个快照读。
- Repeatable Read:开启事务后第一个select语句才是快照读的地方
问:事务中的隔离性是如何保证的呢?(解释一下MVCC)
答:事务的隔离性是由锁和mvcc实现的。
其中mvcc的意思是多版本并发控制,指维护一个数据的多个版本,使得读写操作没有冲突,它的底层实现主要是分为三个部分,第一个是隐藏字段,第二个是undolog日志,第三个是readView读视图。
隐藏字段是指,在mysql中给每个表都设置了隐藏字段,有一个是trx_id(事务id),记录每一次操作的事务id,是自增的;另一个字段是roll_pointer(回滚指针),指向上一个版本的事务版本记录地址。
undo log主要的作用是记录回滚日志,存储老版本数据,在内部会形成一个版本链,在多个事务并行操作某一行记录,记录不同事务修改数据的版本,通过roll_pointer指针形成一个链表。
readView解决的是一个事务查询选择版本的问题,在内部定义了一些匹配规则和当前的一些事务id判断该访问哪个版本的数据,不同的隔离级别快照读是不一样的,最终的访问的结果不一样,如果是rc隔离级别,每一次执行快照读时生成readview,如果是rr隔离级别仅在事务中第一次执行快照读时生成readview,后续复用。
MySQL主从同步原理
Mysql主从复制的核心就是二进制文件
二进制文件(BINLOG)记录了所有的DDL(数据定义语言)和DML(数据操纵语言)语句,但不包括数据查询(SELECT 、SHOW)语句。
复制分成三步:
- Master主库在事务提交时,会把数据变更记录在二进制日志文件Binlog中。
- 从库读取主库的二进制日志文件Binlog,写入到从库的中继日志Relay log。
- slave重做中继日志中的事件,将改变反映它自己的数据
分库分表
分库分表的时机
- 前提,项目业务数据逐渐增多,或业务发展比较迅速,单表的数据量达到1000W或者20G以后
- 优化已解决不了性能问题(主从读写分离、查询索引...)
- IO瓶颈(磁盘IO、网络IO)、CPU瓶颈(聚合查询、连接数太多)
垂直拆分
垂直分库
垂直分库:以表为依据,根据业务将不同表拆分到不同库中。
特点:
- 按业务对数据分级管理、维护、监控、扩展
- 在高并发下,提高磁盘IO和数据量连接数
垂直分表
垂直分表:以字段为依据,根据字段属性将不同字段拆分到不同表中
特点:
- 冷热数据分离
- 减少IO过度争抢,两表互不影响
水平拆分
水平分库
水平分库:将一个库的数据拆分到多个库中。
特点:
- 解决了单库大数据量、高并发的性能瓶颈问题
- 提高了系统的稳定性和可用性
路由规则
- 根据id节点取模
- 按id也就是范围路由,节点1(1-100万),节点2(100万-200万)
- .......
水平分表
水平分表:将一个表的数据拆分到多个表中(可以在同一个库内)
特点:
- 优化单一表数据量过大而产生的性能问题
- 避免IO争抢并减少锁表的几率
分库分表的策略有哪些?
新的问题和新的技术
分库之后的问题:
- 分布式事务一致性问题
- 跨节点关联查询
- 跨节点分页、排序函数
- 主键避重
分库分表中间件:
- sharding-sphere
- mycat
问:你们项目中用过分库分表吗?
答:业务介绍
- 根据自己实际项目,想一个数据量较大业务(请求数多或业务累积大)
- 达到了什么样的量级(单表1000万或超过20G)
具体拆分策略
- 水平分库,将一个库的数据拆分到多个库中,解决海量数据存储和高并发的问题
- 水平分表,解决单表存储和性能问题
- 垂直分库,根据业务进行拆分,高并发下提高磁盘IO和网路连接数
- 垂直分表,冷热数据分离,多表互不影响