详记一次MySQL千万级大表优化过程！
來(lái)自：知乎，作者：互聯(lián)網(wǎng)編程
鏈接：https://www.zhihu.com/question/19719997/answer/549041957
問(wèn)題概述
使用阿里云rds for MySQL數(shù)據(jù)庫(kù)（就是MySQL5.6版本），有個(gè)用戶上網(wǎng)記錄表6個(gè)月的數(shù)據(jù)量近2000萬(wàn)，保留最近一年的數(shù)據(jù)量達(dá)到4000萬(wàn)，查詢速度極慢，日常卡死。嚴(yán)重影響業(yè)務(wù)。
問(wèn)題前提：老系統(tǒng)，當(dāng)時(shí)設(shè)計(jì)系統(tǒng)的人大概是大學(xué)沒(méi)畢業(yè)，表設(shè)計(jì)和SQL語(yǔ)句寫(xiě)的不僅僅是垃圾，簡(jiǎn)直無(wú)法直視。原開(kāi)發(fā)人員都已離職，到我來(lái)維護(hù)，這就是傳說(shuō)中的維護(hù)不了就跑路，然后我就是掉坑的那個(gè)！！！
我嘗試解決該問(wèn)題，so，有個(gè)這個(gè)日志。
方案概述
-
方案一：優(yōu)化現(xiàn)有MySQL數(shù)據(jù)庫(kù)。優(yōu)點(diǎn)：不影響現(xiàn)有業(yè)務(wù)，源程序不需要修改代碼，成本最低。缺點(diǎn)：有優(yōu)化瓶頸，數(shù)據(jù)量過(guò)億就玩完了。
-
方案二：升級(jí)數(shù)據(jù)庫(kù)類型，換一種100%兼容MySQL的數(shù)據(jù)庫(kù)。優(yōu)點(diǎn)：不影響現(xiàn)有業(yè)務(wù)，源程序不需要修改代碼，你幾乎不需要做任何操作就能提升數(shù)據(jù)庫(kù)性能，缺點(diǎn)：多花錢(qián)
-
方案三：一步到位，大數(shù)據(jù)解決方案，更換newSQL/noSQL數(shù)據(jù)庫(kù)。優(yōu)點(diǎn)：沒(méi)有數(shù)據(jù)容量瓶頸，缺點(diǎn)：需要修改源程序代碼，影響業(yè)務(wù)，總成本最高。
以上三種方案，按順序使用即可，數(shù)據(jù)量在億級(jí)別一下的沒(méi)必要換noSQL，開(kāi)發(fā)成本太高。三種方案我都試了一遍，而且都形成了落地解決方案。該過(guò)程心中慰問(wèn)跑路的那幾個(gè)開(kāi)發(fā)者一萬(wàn)遍 :)
方案一詳細(xì)說(shuō)明:優(yōu)化現(xiàn)有MySQL數(shù)據(jù)庫(kù)
跟阿里云數(shù)據(jù)庫(kù)大佬電話溝通 and Google解決方案 and 問(wèn)群里大佬，總結(jié)如下（都是精華）：
數(shù)據(jù)庫(kù)設(shè)計(jì)和表創(chuàng)建時(shí)就要考慮性能
SQL的編寫(xiě)需要注意優(yōu)化
分區(qū)
分表
分庫(kù)
1、數(shù)據(jù)庫(kù)設(shè)計(jì)和表創(chuàng)建時(shí)就要考慮性能
MySQL數(shù)據(jù)庫(kù)本身高度靈活，造成性能不足，嚴(yán)重依賴開(kāi)發(fā)人員能力。也就是說(shuō)開(kāi)發(fā)人員能力高，則MySQL性能高。這也是很多關(guān)系型數(shù)據(jù)庫(kù)的通病，所以公司的dba通常工資巨高。
設(shè)計(jì)表時(shí)要注意的東西
-
表字段避免null值出現(xiàn)，null值很難查詢優(yōu)化且占用額外的索引空間，推薦默認(rèn)數(shù)字0代替null。
-
盡量使用INT而非BIGINT，如果非負(fù)則加上UNSIGNED（這樣數(shù)值容量會(huì)擴(kuò)大一倍），當(dāng)然能使用TINYINT、SMALLINT、MEDIUM_INT更好。
-
使用枚舉或整數(shù)代替字符串類型
-
盡量使用TIMESTAMP而非DATETIME
-
單表不要有太多字段，建議在20以內(nèi)
-
用整型來(lái)存IP
索引
-
索引并不是越多越好，要根據(jù)查詢有針對(duì)性的創(chuàng)建，考慮在WHERE和ORDER BY命令上涉及的列建立索引，可根據(jù)EXPLAIN來(lái)查看是否用了索引還是全表掃描
-
應(yīng)盡量避免在WHERE子句中對(duì)字段進(jìn)行NULL值判斷，否則將導(dǎo)致引擎放棄使用索引而進(jìn)行全表掃描
-
值分布很稀少的字段不適合建索引，例如"性別"這種只有兩三個(gè)值的字段
-
字符字段只建前綴索引
-
字符字段最好不要做主鍵
-
不用外鍵，由程序保證約束
-
盡量不用UNIQUE，由程序保證約束
-
使用多列索引時(shí)主意順序和查詢條件保持一致，同時(shí)刪除不必要的單列索引
簡(jiǎn)言之就是使用合適的數(shù)據(jù)類型,選擇合適的索引
選擇合適的數(shù)據(jù)類型:
使用可存下數(shù)據(jù)的最小的數(shù)據(jù)類型，整型 < date,time < char,varchar < blob
使用簡(jiǎn)單的數(shù)據(jù)類型，整型比字符處理開(kāi)銷(xiāo)更小，因?yàn)樽址谋容^更復(fù)雜。如，int類型存儲(chǔ)時(shí)間類型，bigint類型轉(zhuǎn)ip函數(shù)
使用合理的字段屬性長(zhǎng)度，固定長(zhǎng)度的表會(huì)更快。使用enum、char而不是varchar
盡可能使用not null定義字段
盡量少用text，非用不可最好分表
選擇合適的索引列:
-
（1）查詢頻繁的列，在where，group by，order by，on從句中出現(xiàn)的列
-
（2）where條件中<，<=，=，>，>=，between，in，以及l(fā)ike 字符串+通配符（%）出現(xiàn)的列
-
（3）長(zhǎng)度小的列，索引字段越小越好，因?yàn)閿?shù)據(jù)庫(kù)的存儲(chǔ)單位是頁(yè)，一頁(yè)中能存下的數(shù)據(jù)越多越好
-
（4）離散度大（不同的值多）的列，放在聯(lián)合索引前面。查看離散度，通過(guò)統(tǒng)計(jì)不同的列值來(lái)實(shí)現(xiàn)，count越大，離散程度越高：
原開(kāi)發(fā)人員已經(jīng)跑路，該表早已建立，我無(wú)法修改，故：該措辭無(wú)法執(zhí)行，放棄！
2、SQL的編寫(xiě)需要注意優(yōu)化
-
使用limit對(duì)查詢結(jié)果的記錄進(jìn)行限定
-
避免select *，將需要查找的字段列出來(lái)
-
使用連接（join）來(lái)代替子查詢
-
拆分大的delete或insert語(yǔ)句
-
可通過(guò)開(kāi)啟慢查詢?nèi)罩緛?lái)找出較慢的SQL
-
不做列運(yùn)算：SELECT id WHERE age + 1 = 10，任何對(duì)列的操作都將導(dǎo)致表掃描，它包括數(shù)據(jù)庫(kù)教程函數(shù)、計(jì)算表達(dá)式等等，查詢時(shí)要盡可能將操作移至等號(hào)右邊
-
SQL語(yǔ)句盡可能簡(jiǎn)單：一條SQL只能在一個(gè)cpu運(yùn)算；大語(yǔ)句拆小語(yǔ)句，減少鎖時(shí)間；一條大SQL可以堵死整個(gè)庫(kù)
-
OR改寫(xiě)成IN：OR的效率是n級(jí)別，IN的效率是log(n)級(jí)別，in的個(gè)數(shù)建議控制在200以內(nèi)
-
不用函數(shù)和觸發(fā)器，在應(yīng)用程序?qū)崿F(xiàn)
-
避免%xxx式查詢
-
少用JOIN
-
使用同類型進(jìn)行比較，比如用'123'和'123'比，123和123比
-
盡量避免在WHERE子句中使用!=或<>操作符，否則將引擎放棄使用索引而進(jìn)行全表掃描
-
對(duì)于連續(xù)數(shù)值，使用BETWEEN不用IN：SELECT id FROM t WHERE num BETWEEN 1 AND 5
-
列表數(shù)據(jù)不要拿全表，要使用LIMIT來(lái)分頁(yè)，每頁(yè)數(shù)量也不要太大
原開(kāi)發(fā)人員已經(jīng)跑路，程序已經(jīng)完成上線，我無(wú)法修改SQL，故：該措辭無(wú)法執(zhí)行，放棄！
3、引擎選擇
目前廣泛使用的是MyISAM和InnoDB兩種引擎：
MyISAM
MyISAM引擎是MySQL 5.1及之前版本的默認(rèn)引擎，它的特點(diǎn)是：
-
不支持行鎖，讀取時(shí)對(duì)需要讀到的所有表加鎖，寫(xiě)入時(shí)則對(duì)表加排它鎖
-
不支持事務(wù)
-
不支持外鍵
-
不支持崩潰后的安全恢復(fù)
-
在表有讀取查詢的同時(shí)，支持往表中插入新紀(jì)錄
-
支持BLOB和TEXT的前500個(gè)字符索引，支持全文索引
-
支持延遲更新索引，極大提升寫(xiě)入性能
-
對(duì)于不會(huì)進(jìn)行修改的表，支持壓縮表，極大減少磁盤(pán)空間占用
InnoDB
InnoDB在MySQL 5.5后成為默認(rèn)索引，它的特點(diǎn)是：
-
支持行鎖，采用MVCC來(lái)支持高并發(fā)
-
支持事務(wù)
-
支持外鍵
-
支持崩潰后的安全恢復(fù)
-
不支持全文索引
總體來(lái)講，MyISAM適合SELECT密集型的表，而InnoDB適合INSERT和UPDATE密集型的表
MyISAM速度可能超快，占用存儲(chǔ)空間也小，但是程序要求事務(wù)支持，故InnoDB是必須的，故該方案無(wú)法執(zhí)行，放棄！
4、分區(qū)
MySQL在5.1版引入的分區(qū)是一種簡(jiǎn)單的水平拆分，用戶需要在建表的時(shí)候加上分區(qū)參數(shù)，對(duì)應(yīng)用是透明的無(wú)需修改代碼
對(duì)用戶來(lái)說(shuō)，分區(qū)表是一個(gè)獨(dú)立的邏輯表，但是底層由多個(gè)物理子表組成，實(shí)現(xiàn)分區(qū)的代碼實(shí)際上是通過(guò)對(duì)一組底層表的對(duì)象封裝，但對(duì)SQL層來(lái)說(shuō)是一個(gè)完全封裝底層的黑盒子。MySQL實(shí)現(xiàn)分區(qū)的方式也意味著索引也是按照分區(qū)的子表定義，沒(méi)有全局索引
用戶的SQL語(yǔ)句是需要針對(duì)分區(qū)表做優(yōu)化，SQL條件中要帶上分區(qū)條件的列，從而使查詢定位到少量的分區(qū)上，否則就會(huì)掃描全部分區(qū)，可以通過(guò)EXPLAIN PARTITIONS來(lái)查看某條SQL語(yǔ)句會(huì)落在那些分區(qū)上，從而進(jìn)行SQL優(yōu)化，我測(cè)試，查詢時(shí)不帶分區(qū)條件的列，也會(huì)提高速度，故該措施值得一試。
分區(qū)的好處
-
可以讓單表存儲(chǔ)更多的數(shù)據(jù)
-
分區(qū)表的數(shù)據(jù)更容易維護(hù)，可以通過(guò)清楚整個(gè)分區(qū)批量刪除大量數(shù)據(jù)，也可以增加新的分區(qū)來(lái)支持新插入的數(shù)據(jù)。另外，還可以對(duì)一個(gè)獨(dú)立分區(qū)進(jìn)行優(yōu)化、檢查、修復(fù)等操作
-
部分查詢能夠從查詢條件確定只落在少數(shù)分區(qū)上，速度會(huì)很快
-
分區(qū)表的數(shù)據(jù)還可以分布在不同的物理設(shè)備上，從而搞笑利用多個(gè)硬件設(shè)備
-
可以使用分區(qū)表賴避免某些特殊瓶頸，例如InnoDB單個(gè)索引的互斥訪問(wèn)、ext3文件系統(tǒng)的inode鎖競(jìng)爭(zhēng)
-
可以備份和恢復(fù)單個(gè)分區(qū)
分區(qū)的限制和缺點(diǎn)
-
一個(gè)表最多只能有1024個(gè)分區(qū)
-
如果分區(qū)字段中有主鍵或者唯一索引的列，那么所有主鍵列和唯一索引列都必須包含進(jìn)來(lái)
-
分區(qū)表無(wú)法使用外鍵約束
-
NULL值會(huì)使分區(qū)過(guò)濾無(wú)效
-
所有分區(qū)必須使用相同的存儲(chǔ)引擎
分區(qū)的類型
-
RANGE分區(qū)：基于屬于一個(gè)給定連續(xù)區(qū)間的列值，把多行分配給分區(qū)
-
LIST分區(qū)：類似于按RANGE分區(qū)，區(qū)別在于LIST分區(qū)是基于列值匹配一個(gè)離散值集合中的某個(gè)值來(lái)進(jìn)行選擇
-
HASH分區(qū)：基于用戶定義的表達(dá)式的返回值來(lái)進(jìn)行選擇的分區(qū)，該表達(dá)式使用將要插入到表中的這些行的列值進(jìn)行計(jì)算。這個(gè)函數(shù)可以包含MySQL中有效的、產(chǎn)生非負(fù)整數(shù)值的任何表達(dá)式
-
KEY分區(qū)：類似于按HASH分區(qū)，區(qū)別在于KEY分區(qū)只支持計(jì)算一列或多列，且MySQL服務(wù)器提供其自身的哈希函數(shù)。必須有一列或多列包含整數(shù)值
具體關(guān)于MySQL分區(qū)的概念請(qǐng)自行g(shù)oogle或查詢官方文檔，我這里只是拋磚引玉了。
我首先根據(jù)月份把上網(wǎng)記錄表RANGE分區(qū)了12份，查詢效率提高6倍左右，效果不明顯，故：換id為HASH分區(qū)，分了64個(gè)分區(qū)，查詢速度提升顯著。問(wèn)題解決！
結(jié)果如下：PARTITION BY HASH (id)PARTITIONS 64
5、分表
分表就是把一張大表，按照如上過(guò)程都優(yōu)化了，還是查詢卡死，那就把這個(gè)表分成多張表，把一次查詢分成多次查詢，然后把結(jié)果組合返回給用戶。
分表分為垂直拆分和水平拆分，通常以某個(gè)字段做拆分項(xiàng)。比如以id字段拆分為100張表： 表名為 tableName_id%100
但：分表需要修改源程序代碼，會(huì)給開(kāi)發(fā)帶來(lái)大量工作，極大的增加了開(kāi)發(fā)成本，故：只適合在開(kāi)發(fā)初期就考慮到了大量數(shù)據(jù)存在，做好了分表處理，不適合應(yīng)用上線了再做修改，成本太高！！！而且選擇這個(gè)方案，都不如選擇我提供的第二第三個(gè)方案的成本低！故不建議采用。
6、分庫(kù)
把一個(gè)數(shù)據(jù)庫(kù)分成多個(gè)，建議做個(gè)讀寫(xiě)分離就行了，真正的做分庫(kù)也會(huì)帶來(lái)大量的開(kāi)發(fā)成本，得不償失！不推薦使用。
方案二詳細(xì)說(shuō)明:升級(jí)數(shù)據(jù)庫(kù)，換一個(gè)100%兼容MySQL的數(shù)據(jù)庫(kù)
MySQL性能不行，那就換個(gè)。為保證源程序代碼不修改，保證現(xiàn)有業(yè)務(wù)平穩(wěn)遷移，故需要換一個(gè)100%兼容MySQL的數(shù)據(jù)庫(kù)。
1、開(kāi)源選擇
-
tiDB?pingcap/tidb
-
Cubrid?Open Source Database With Enterprise Features
開(kāi)源數(shù)據(jù)庫(kù)會(huì)帶來(lái)大量的運(yùn)維成本且其工業(yè)品質(zhì)和MySQL尚有差距，有很多坑要踩，如果你公司要求必須自建數(shù)據(jù)庫(kù)，那么選擇該類型產(chǎn)品。
2、云數(shù)據(jù)選擇
-
阿里云POLARDB
官方介紹語(yǔ)：POLARDB 是阿里云自研的下一代關(guān)系型分布式云原生數(shù)據(jù)庫(kù)，100%兼容MySQL，存儲(chǔ)容量最高可達(dá) 100T，性能最高提升至 MySQL 的 6 倍。POLARDB 既融合了商業(yè)數(shù)據(jù)庫(kù)穩(wěn)定、可靠、高性能的特征，又具有開(kāi)源數(shù)據(jù)庫(kù)簡(jiǎn)單、可擴(kuò)展、持續(xù)迭代的優(yōu)勢(shì)，而成本只需商用數(shù)據(jù)庫(kù)的 1/10。
我開(kāi)通測(cè)試了一下，支持免費(fèi)MySQL的數(shù)據(jù)遷移，無(wú)操作成本，性能提升在10倍左右，價(jià)格跟rds相差不多，是個(gè)很好的備選解決方案！
-
阿里云OcenanBase
淘寶使用的，扛得住雙十一，性能卓著，但是在公測(cè)中，我無(wú)法嘗試，但值得期待
-
阿里云HybridDB for MySQL (原PetaData)
官方介紹：云數(shù)據(jù)庫(kù)HybridDB for MySQL （原名PetaData）是同時(shí)支持海量數(shù)據(jù)在線事務(wù)（OLTP）和在線分析（OLAP）的HTAP（Hybrid Transaction/Analytical Processing）關(guān)系型數(shù)據(jù)庫(kù)。
我也測(cè)試了一下，是一個(gè)olap和oltp兼容的解決方案，但是價(jià)格太高，每小時(shí)高達(dá)10塊錢(qián)，用來(lái)做存儲(chǔ)太浪費(fèi)了，適合存儲(chǔ)和分析一起用的業(yè)務(wù)。
-
騰訊云DCDB
官方介紹：DCDB又名TDSQL，一種兼容MySQL協(xié)議和語(yǔ)法，支持自動(dòng)水平拆分的高性能分布式數(shù)據(jù)庫(kù)——即業(yè)務(wù)顯示為完整的邏輯表，數(shù)據(jù)卻均勻的拆分到多個(gè)分片中；每個(gè)分片默認(rèn)采用主備架構(gòu)，提供災(zāi)備、恢復(fù)、監(jiān)控、不停機(jī)擴(kuò)容等全套解決方案，適用于TB或PB級(jí)的海量數(shù)據(jù)場(chǎng)景。
騰訊的我不喜歡用，不多說(shuō)。原因是出了問(wèn)題找不到人，線上問(wèn)題無(wú)法解決頭疼！但是他價(jià)格便宜，適合超小公司，玩玩。
方案三詳細(xì)說(shuō)明:去掉MySQL,換大數(shù)據(jù)引擎處理數(shù)據(jù)
數(shù)據(jù)量過(guò)億了，沒(méi)得選了，只能上大數(shù)據(jù)了。
1、開(kāi)源解決方案
hadoop家族。hbase/hive懟上就是了。但是有很高的運(yùn)維成本，一般公司是玩不起的，沒(méi)十萬(wàn)投入是不會(huì)有很好的產(chǎn)出的！
2、云解決方案
這個(gè)就比較多了，也是一種未來(lái)趨勢(shì)，大數(shù)據(jù)由專業(yè)的公司提供專業(yè)的服務(wù)，小公司或個(gè)人購(gòu)買(mǎi)服務(wù)，大數(shù)據(jù)就像水/電等公共設(shè)施一樣，存在于社會(huì)的方方面面。
國(guó)內(nèi)做的最好的當(dāng)屬阿里云。
我選擇了阿里云的MaxCompute配合DataWorks，使用超級(jí)舒服，按量付費(fèi)，成本極低。
MaxCompute可以理解為開(kāi)源的Hive，提供SQL/mapreduce/ai算法/python腳本/shell腳本等方式操作數(shù)據(jù)，數(shù)據(jù)以表格的形式展現(xiàn)，以分布式方式存儲(chǔ)，采用定時(shí)任務(wù)和批處理的方式處理數(shù)據(jù)。DataWorks提供了一種工作流的方式管理你的數(shù)據(jù)處理任務(wù)和調(diào)度監(jiān)控。
當(dāng)然你也可以選擇阿里云hbase等其他產(chǎn)品，我這里主要是離線處理，故選擇MaxCompute，基本都是圖形界面操作，大概寫(xiě)了300行SQL，費(fèi)用不超過(guò)100塊錢(qián)就解決了數(shù)據(jù)處理問(wèn)題。
總結(jié)
以上是生活随笔為你收集整理的详记一次MySQL千万级大表优化过程！的全部?jī)?nèi)容，希望文章能夠幫你解決所遇到的問(wèn)題。
- 上一篇： Redis常用操作和内存模型
- 下一篇： linux cmake编译源码,linu