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)