MySQL中的數據類型和schema優化

最近在學習MySQL優化方面的知識。本文就數據類型和schema方面的優化進行介紹。

1. 選擇優化的數據類型

MySQL支持的數據類型有不少，而如何選擇出正確的數據類型，對於性能是相當重要的。如下幾個原則可以幫助肯定數據類型：

1. 更小的一般更好

應儘量使用能夠正確存儲數據的最小數據類型，夠用就好。這樣將佔用更少的磁盤、內存和緩存，而在處理時也會耗時更少。

1. 簡單就好

當兩種數據類型都能勝任一個字段的存儲工做時，選擇簡單的那一方，每每是最好的選擇。例如整型和字符串，因爲整型的操做代價要小於字符，因此當在二者之間選擇時，選擇整型一般可以得到更好的性能。

1. 儘可能避免NULL

當列可爲NULL時，對於MySQL來講，在索引和值比較等方面須要作更多的工做，雖然對性能的影響不是很大，但也應儘可能避免設計爲可爲NULL。

除了以上原則，在選擇數據類型時，需遵循的步驟：首先肯定合適的大類型，例如數據、字符串、時間等；而後再選擇具體的類型。下面將討論大類型下的一些具體類型，首先是數字，有兩種類型：整數和實數。

1.1 整數類型

整數類型和所佔用的空間以下：
整數類型 空間大小（bit）
TINYINT 8
SMALLINT 16
MEDIUMINT 24
INT 32
BIGINT 64
整數類型所能存儲的範圍和空間大小有關：-2^(N-1)至2^(N-1)-1，其中N爲空間大小的位數。

整數類型具備UNSIGNED的可選屬性，當聲明時，表示不容許負數，則存儲範圍變爲：0至2^(N)-1，擴大了一倍。

在MySQL中，還能夠爲整數類型指定寬度，例如INT(1)，但這樣的意義並不大，並不會限制值的合法範圍，仍能存儲-2^31至2^31-1的值，所影響的是與MySQL的交互工具顯示字符的個數。

1.2 實數類型

實數類型的對好比下：
實數類型 空間大小（Byte） 取值範圍 計算精度
FLOAT 4 負數：-3.4E+38～-1.17E-38；非負數：0、1.17E-38~3.4E+38 近似計算
DOUBLE 8 負數：-1.79E+308～-2.22E-308；非負數：0、2.22E-308~1.79E+308 近似計算
DECIMAL 與精度有關 同DOUBLE 精確計算

從上面能夠看出，FLOAT和DOUBLE都有固定的空間大小，但同時因爲是使用標準的浮點運算，因此只能近似計算。而DECIMAL則能夠實現精確計算，與此同時佔用的空間會相較更大，所耗費的計算開銷也更多。

DECIMAL所佔空間大小與指定的精度有關，例如DECIMAL(M,D)：

• M爲整個數字的最大長度，取值範圍爲[1, 65]，默認值爲10；
• D爲小數點後的長度，取值範圍爲[0, 30]，且D <= M，默認值爲0。

MySQL在存儲DECIMAL類型時會做爲二進制字符串存儲，每4個字節存9個數字，當不足9位時，數字的佔用空間以下：
數字個數 佔用空間（Byte）
一、2 1
三、4 2
五、6 3
七、8 4

小數點先後將分別存儲，同時小數點也要佔1個字節。下面舉兩個計算的例子：

1. DECIMAL(18, 9)：整數部分長度爲9，佔用4個字節。小數部分長度爲9，佔用4個字節。同時加上小數點1個字節，則總共佔用9個字節。

2. DECIMAL(20, 9)：整數部分長度爲14，佔用7（4+3）個字節。小數部分長度爲9，佔用4個字節。同時加上小數點1個字節，則總共佔用12個字節。

能夠看出DECIMAL的空間佔用仍是很大的，所以只有當須要對小數進行精確計算時，才須要使用DECIMAL。除此以外，咱們還可使用BIGINT代替DECIMAL，例如須要保證小數點後5位的計算，能夠將值乘上10的5次方後做爲BIGINT存儲，這樣能同時避免浮點存儲計算不精確和DECIMAL精確計算代價高的問題。

1.3 字符串類型

最經常使用的字符串類型當屬VARCHAR和CHAR。VARCHAR做爲可變長字符串，會使用1或2個額外字節記錄字符串的長度，當最大長度未超過255時，只需1個字節記錄長度，超過255，則需2個字節。VARCHAR的適用場景：

1. 最大長度比平均長度大不少；
2. 列的更新少，避免碎片；
3. 使用複雜的字符集，如UTF-8，每一個字符能使用不一樣的字節存儲。

CHAR則爲定長字符串，根據定義的字符串長度分配足夠的空間，適用場景：

1. 長度短；
2. 長度相近，例如MD5；
3. 常常更新。

除了VARCHAR和CHAR，針對存儲大字符串，可使用BLOB和TEXT類型。BLOB和TEXT的區別在於，BLOB是以二進制方式存儲，而TEXT是以字符方式存儲。這也致使，BLOB類型的數據沒有字符集的概念，沒法按字符排序，而TEXT類型則有字符集的概念，能夠按字符排序。二者的使用場景，也由存儲格式決定了，當存儲二進制數據時，例如圖片，應使用BLOB，而存儲文本時，例如文章，則應使用TEXT類型。

1.4 日期和時間類型

MySQL中所能存儲的最小時間粒度爲秒，經常使用的日期類型有DATETIME和TIMESTAMP。

類型 存儲內容 空間大小（Byte） 時區概念
DATETIME 格式爲YYYYMMDDHHMMSS的整數 8 無
TIMESTAMP 從1970年1月1日零點以來的秒數 4 有

TIMESTAMP顯示的值將依賴於時區，意味在不一樣時區查詢到的值將不同。除了以上列出的不一樣，TIMESTAMP還具備一個特殊屬性，在插入和更新時，若是沒有指定第一個TIMESTAMP列的值，將會設置這個列的值爲當前時間。

咱們在開發過程當中，應儘可能使用TIMESTAMP，主要是由於其空間大小僅需DATETIME的一半，空間效率更高。

若是咱們想存儲的日期和時間精確到秒以後，怎麼辦？因爲MySQL並未提供，因此咱們可使用BIGINT存儲微妙級別的時間戳，或者使用DOUBLE存儲秒以後的小數部分。

1.5 選擇標識符

一般來講整數是標識符的最好選擇，主要是由於其簡單，計算快，且可以使用AUTO_INCREMENT。

2. 範式和反範式

簡單來講，範式就是一張數據表的表結構所符合的某種設計標準的級別。第一範式，屬性不可分割，如今的RDBMS系統建成的表都是符合第一範式的。而第二範式，則是消除非主屬性對碼（能夠理解爲主鍵）的部分依賴。第三範式消除非主屬性對碼的傳遞依賴。具體的介紹，能夠讀讀知乎上的這個回答（https://www.zhihu.com/question/24696366/answer/29189700）

嚴格範式化的數據庫中，每一個事實數據會出現且只出現一次，不會出現數據冗餘，這樣所能帶能帶來的好處有：

1. 更新操做更快；
2. 修改更少的數據；
3. 表更小，更好地放內存中，執行操做更快；
4. 更少須要DISTINCT或GROUP BY。

但也因爲數據分散存在各張表中，查詢時須要對錶進行關聯。而反範式的優勢則是不用進行關聯，將數據冗餘存儲。

在實際應用中，不會出現徹底的範式化或徹底的反範式化，時常須要混用範式和反範式，使用部分範式化的schema，每每是最好的選擇。關於數據庫設計，在網上看到這樣一段話，你們能夠感覺下。

數據庫設計應該分爲三個境界：
第一境界：剛入門數據庫設計，範式的重要性還未深入理解。這時候出現的反範式設計，通常會出問題。
第二境界：隨着遇到問題解決問題，漸漸瞭解到範式的真正好處，從而能快速設計出低冗餘、高效率的數據庫。
第三境界：再通過N年的鍛鍊，是必定會發覺範式的侷限性的。此時再去打破範式，設計更合理的反範式部分。
範式就像武俠裏面的招數，初學者妄想不按招數來，只能死的很難堪。畢竟招數都是高手總結概括的精華。而隨着武功提升，招數熟練以後，必然是發現招數的侷限性，要麼忘掉招數，要麼自創招數。
只要努力，加上多熬幾年，總能達到第二個境界，總會以爲範式是經典。此時能不過度依賴範式，快速突破範式侷限性的人，天然是高手。

4. 緩存表和彙總表

除了上述說到的反範式，在表中存儲冗餘數據，咱們還能夠建立一張徹底獨立的彙總表或緩存表，來知足檢索的須要。

緩存表，指的是存儲能夠從schema其餘表中獲取數據的表，也就是邏輯上冗餘的數據。而彙總表，則指的是存儲使用GROUP BY等語句聚合數據，計算出的不冗餘的數據。

緩存表，可用於優化搜索和檢索查詢語句，這裏可使用的技巧有對緩存表使用不一樣的存儲引擎，例如主表使用InnoDB，而緩存表則可以使用MyISAM，得到更小的索引佔用空間。甚至能夠將緩存表放到專門的搜索系統中，例如Lucene。

彙總表，則是爲了不實時計算統計值所帶來的高昂代價，代價來自兩方面，一是須要掃描表中的大部分數據，二是創建特定的索引，會對UPDATE操做有影響。例如，查詢微信過去24小時的朋友圈數量，則可固定每1小時掃描全表，統計後寫一條記錄到彙總表，當查詢時，只需查詢彙總表上最新的24條記錄，而沒必要每次查詢時都去掃描全表進行統計。

在使用緩存表和彙總表時，必須決定是實時維護數據仍是按期重建，這取決於咱們的需求。按期重建相比實時維護，能節省更多的資源，表的碎片更少。而在重建時，咱們仍需保證數據在操做時可用，須要經過「影子表」來實現。在真實表後建立一張影子表，當填充好數據後，經過原子的重命名操做來切換影子表和原表。

5. 加快ALTER TABLE操做的速度

當MySQL在執行ALTER TABLE操做時，每每是新建一張表，而後把數據從舊錶查出並插入到新表中，再刪除舊錶，若是表很大，這樣須要花費很長時間，且會致使MySQL的服務中斷。爲了不服務中斷，一般可使用兩種技巧：

1. 在一臺不提供服務的機器上執行ALTER TABLE操做，而後再與提供服務的主庫進行切換；

2. 「影子拷貝」，創建一張與原表無關的新表，在數據遷移完成後，經過重命名操做進行切換。

但也不是全部的ALTER TABLE操做會引發表重建，例如在修改字段的默認值時，使用MODIFY COLUMN會進行表重建，而使用ALTER COLUMN則不會進行表重建，操做速度很快。這是由於ALTER COLUMN在修改默認值時，會直接修改了存在表的.frm文件（存儲字段的默認值），而並未重建表。