高性能的mysql初探之三

如何发掘什么影响数据库性能的因素呢？

一般都是通过监控数据，监控数据主要分为几大类：QPS（单位时间处理的sql的数量）与TPS（单位时间的事务量），并发量（并发量不代表连接量）与cpu使用率，磁盘IO，网卡流量

针对这种监控数据可以做出不同的优化，比如优化效率底下的sql，检查什么操作造成了大量的并发是堆积还是用户量上来了，换更好的磁盘或者消耗磁盘性能的计划任务调整，减少从服务器的数量，分级缓存，避免使用select *，分离业务网络和服务器网络等。

 

大表和大事务也会影响数据库性能

大表：记录行大于1千万或者数据文件大于10G。修改大表的表结构时会造成长时间的主从延迟，影响正常的数据操作

如何处理大表：

 1.分库分表。分表主键不好选，消耗大量人力物力，会影响代码逻辑

 2.历史数据归档。推荐这种，不影响代码逻辑。但是归档时间点选择是难点并且如何进行归档操作也是一门技术

大事务：运行时间比较长，操作时间比较多。锁定太多的数据造成大量的阻塞，回滚所需要的时间很长，执行时间长，容易造成主从延迟

如何处理大事务：

  1.避免一次处理太多的数据据

  2.移出不必要的查询在事务中

索引

  类型主要分为B-tree索引和hash索引。前者主要用的是B+树结果存储索引数据，支持范围查找，联合索引最左原则，联合索引顺序原则，索引匹配前缀查询，索引遇到范围查询为止，不匹配not in和<>,用B+树的结构理解就很清楚了。还是就是

hash索引，只适用于精准匹配，进行了两次查找，先查哈希再查数据，无法排序

索引难点是聚簇索引（主键用的就是，B+树叶子节点对应的就是每一行的记录，而不再只是键了，避免了再去找记录这一笔，所以根据该id查询数据会很快），覆盖索引（就是在执行sql语句中，如果你的查询条件命中覆盖索引，在explian分析中会有use index标识，很很快因为是直接去叶子节点的值，而没有去相关的行记录，例子有abc的组合索引，select b from kk where a=1,这时候就会很快返回）