MySQL 對於千萬級的大表要怎麼優化？

做者：互聯網編程
連接：https://www.zhihu.com/question/19719997/answer/549041957
來源：知乎
著做權歸做者全部。商業轉載請聯繫做者得到受權，非商業轉載請註明出處。

問題概述

使用阿里雲rds for MySQL數據庫（就是MySQL5.6版本），有個用戶上網記錄表6個月的數據量近2000萬，保留最近一年的數據量達到4000萬，查詢速度極慢，平常卡死。嚴重影響業務。

問題前提：老系統，當時設計系統的人大概是大學沒畢業，表設計和sql語句寫的不只僅是垃圾，簡直沒法直視。原開發人員都已離職，到我來維護，這就是傳說中的維護不了就跑路，而後我就是掉坑的那個！！！

我嘗試解決該問題，so，有個這個日誌。

方案概述

• 方案一：優化現有mysql數據庫。優勢：不影響現有業務，源程序不須要修改代碼，成本最低。缺點：有優化瓶頸，數據量過億就玩完了。
• 方案二：升級數據庫類型，換一種100%兼容mysql的數據庫。優勢：不影響現有業務，源程序不須要修改代碼，你幾乎不須要作任何操做就能提高數據庫性能，缺點：多花錢
• 方案三：一步到位，大數據解決方案，更換newsql/nosql數據庫。優勢：沒有數據容量瓶頸，缺點：須要修改源程序代碼，影響業務，總成本最高。

 

以上三種方案，按順序使用便可，數據量在億級別一下的不必換nosql，開發成本過高。三種方案我都試了一遍，並且都造成了落地解決方案。該過程心中慰問跑路的那幾個開發者一萬遍 :)

方案一詳細說明：優化現有mysql數據庫

跟阿里雲數據庫大佬電話溝通 and Google解決方案 and 問羣裏大佬，總結以下（都是精華）：

• 1.數據庫設計和表建立時就要考慮性能
• 2.sql的編寫須要注意優化
• 3.分區
• 4.分表
• 5.分庫

1.數據庫設計和表建立時就要考慮性能

mysql數據庫自己高度靈活，形成性能不足，嚴重依賴開發人員能力。也就是說開發人員能力高，則mysql性能高。這也是不少關係型數據庫的通病，因此公司的dba一般工資巨高。

設計表時要注意：

• 表字段避免null值出現，null值很難查詢優化且佔用額外的索引空間，推薦默認數字0代替null。
• 儘可能使用INT而非BIGINT，若是非負則加上UNSIGNED（這樣數值容量會擴大一倍），固然能使用TINYINT、SMALLINT、MEDIUM_INT更好。
• 使用枚舉或整數代替字符串類型
• 儘可能使用TIMESTAMP而非DATETIME
• 單表不要有太多字段，建議在20之內
• 用整型來存IP

索引

• 索引並非越多越好，要根據查詢有針對性的建立，考慮在WHERE和ORDER BY命令上涉及的列創建索引，可根據EXPLAIN來查看是否用了索引仍是全表掃描
• 應儘可能避免在WHERE子句中對字段進行NULL值判斷，不然將致使引擎放棄使用索引而進行全表掃描
• 值分佈很稀少的字段不適合建索引，例如"性別"這種只有兩三個值的字段
• 字符字段只建前綴索引
• 字符字段最好不要作主鍵
• 不用外鍵，由程序保證約束
• 儘可能不用UNIQUE，由程序保證約束
• 使用多列索引時主意順序和查詢條件保持一致，同時刪除沒必要要的單列索引

簡言之就是使用合適的數據類型，選擇合適的索引

1.選擇合適的數據類型

• （1）使用可存下數據的最小的數據類型，整型 < date,time < char,varchar < blob
• （2）使用簡單的數據類型，整型比字符處理開銷更小，由於字符串的比較更復雜。如，int類型存儲時間類型，bigint類型轉ip函數
• （3）使用合理的字段屬性長度，固定長度的表會更快。使用enum、char而不是varchar
• （4）儘量使用not null定義字段
• （5）儘可能少用text，非用不可最好分表

2.選擇合適的索引列

• （1）查詢頻繁的列，在where，group by，order by，on從句中出現的列
• （2）where條件中<，<=，=，>，>=，between，in，以及like 字符串+通配符（%）出現的列
• （3）長度小的列，索引字段越小越好，由於數據庫的存儲單位是頁，一頁中能存下的數據越多越好
• （4）離散度大（不一樣的值多）的列，放在聯合索引前面。查看離散度，經過統計不一樣的列值來實現，count越大，離散程度越高：

原開發人員已經跑路，該表早已創建，我沒法修改，故：該措辭沒法執行，放棄！

2.sql的編寫須要注意優化

• 使用limit對查詢結果的記錄進行限定
• 避免select *，將須要查找的字段列出來
• 使用鏈接（join）來代替子查詢
• 拆分大的delete或insert語句
• 可經過開啓慢查詢日誌來找出較慢的SQL
• 不作列運算：SELECT id WHERE age + 1 = 10，任何對列的操做都將致使表掃描，它包括數據庫教程函數、計算表達式等等，查詢時要儘量將操做移至等號右邊
• sql語句儘量簡單：一條sql只能在一個cpu運算；大語句拆小語句，減小鎖時間；一條大sql能夠堵死整個庫
• OR改寫成IN：OR的效率是n級別，IN的效率是log(n)級別，in的個數建議控制在200之內
• 不用函數和觸發器，在應用程序實現
• 避免%xxx式查詢
• 少用JOIN
• 使用同類型進行比較，好比用'123'和'123'比，123和123比
• 儘可能避免在WHERE子句中使用!=或<>操做符，不然將引擎放棄使用索引而進行全表掃描
• 對於連續數值，使用BETWEEN不用IN：SELECT id FROM t WHERE num BETWEEN 1 AND 5
• 列表數據不要拿全表，要使用LIMIT來分頁，每頁數量也不要太大

原開發人員已經跑路，程序已經完成上線，我沒法修改sql，故：該措辭沒法執行，放棄！

引擎

引擎

目前普遍使用的是MyISAM和InnoDB兩種引擎：

1. MyISAM

MyISAM引擎是MySQL 5.1及以前版本的默認引擎，它的特色是：

• 不支持行鎖，讀取時對須要讀到的全部表加鎖，寫入時則對錶加排它鎖
• 不支持事務
• 不支持外鍵
• 不支持崩潰後的安全恢復
• 在表有讀取查詢的同時，支持往表中插入新紀錄
• 支持BLOB和TEXT的前500個字符索引，支持全文索引
• 支持延遲更新索引，極大提高寫入性能
• 對於不會進行修改的表，支持壓縮表，極大減小磁盤空間佔用

2. InnoDB

InnoDB在MySQL 5.5後成爲默認索引，它的特色是：

• 支持行鎖，採用MVCC來支持高併發
• 支持事務
• 支持外鍵
• 支持崩潰後的安全恢復
• 不支持全文索引

整體來說，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，佔用存儲空間也小，可是程序要求事務支持，故InnoDB是必須的，故該方案沒法執行，放棄！

3.分區

MySQL在5.1版引入的分區是一種簡單的水平拆分，用戶須要在建表的時候加上分區參數，對應用是透明的無需修改代碼

對用戶來講，分區表是一個獨立的邏輯表，可是底層由多個物理子表組成，實現分區的代碼其實是經過對一組底層表的對象封裝，但對SQL層來講是一個徹底封裝底層的黑盒子。MySQL實現分區的方式也意味着索引也是按照分區的子表定義，沒有全局索引

用戶的SQL語句是須要針對分區表作優化，SQL條件中要帶上分區條件的列，從而使查詢定位到少許的分區上，不然就會掃描所有分區，能夠經過EXPLAIN PARTITIONS來查看某條SQL語句會落在那些分區上，從而進行SQL優化，我測試，查詢時不帶分區條件的列，也會提升速度，故該措施值得一試。

分區的好處是：

• 可讓單表存儲更多的數據
• 分區表的數據更容易維護，能夠經過清楚整個分區批量刪除大量數據，也能夠增長新的分區來支持新插入的數據。另外，還能夠對一個獨立分區進行優化、檢查、修復等操做
• 部分查詢可以從查詢條件肯定只落在少數分區上，速度會很快
• 分區表的數據還能夠分佈在不一樣的物理設備上，從而搞笑利用多個硬件設備
• 可使用分區表賴避免某些特殊瓶頸，例如InnoDB單個索引的互斥訪問、ext3文件系統的inode鎖競爭
• 能夠備份和恢復單個分區

分區的限制和缺點：

• 一個表最多隻能有1024個分區
• 若是分區字段中有主鍵或者惟一索引的列，那麼全部主鍵列和惟一索引列都必須包含進來
• 分區表沒法使用外鍵約束
• NULL值會使分區過濾無效
• 全部分區必須使用相同的存儲引擎

分區的類型：

• RANGE分區：基於屬於一個給定連續區間的列值，把多行分配給分區
• LIST分區：相似於按RANGE分區，區別在於LIST分區是基於列值匹配一個離散值集合中的某個值來進行選擇
• HASH分區：基於用戶定義的表達式的返回值來進行選擇的分區，該表達式使用將要插入到表中的這些行的列值進行計算。這個函數能夠包含MySQL中有效的、產生非負整數值的任何表達式
• KEY分區：相似於按HASH分區，區別在於KEY分區只支持計算一列或多列，且MySQL服務器提供其自身的哈希函數。必須有一列或多列包含整數值

具體關於mysql分區的概念請自行google或查詢官方文檔，我這裏只是拋磚引玉了。

我首先根據月份把上網記錄表RANGE分區了12份，查詢效率提升6倍左右，效果不明顯，故：換id爲HASH分區，分了64個分區，查詢速度提高顯著。問題解決！
結果以下：PARTITION BY HASH (id)PARTITIONS 64

select count(*) from readroom_website; --11901336行記錄

/* 受影響行數: 0 已找到記錄: 1 警告: 0 持續時間 1 查詢: 5.734 sec. */

select * from readroom_website where month(accesstime) =11 limit 10;

/* 受影響行數: 0 已找到記錄: 10 警告: 0 持續時間 1 查詢: 0.719 sec. */

4.分表

分表就是把一張大表，按照如上過程都優化了，仍是查詢卡死，那就把這個表分紅多張表，把一次查詢分紅屢次查詢，而後把結果組合返回給用戶。

分表分爲垂直拆分和水平拆分，一般以某個字段作拆分項。好比以id字段拆分爲100張表： 表名爲 tableName_id%100

但：分表須要修改源程序代碼，會給開發帶來大量工做，極大的增長了開發成本，故：只適合在開發初期就考慮到了大量數據存在，作好了分表處理，不適合應用上線了再作修改，成本過高！！！並且選擇這個方案，都不如選擇我提供的第二第三個方案的成本低！故不建議採用。

5.分庫

把一個數據庫分紅多個，建議作個讀寫分離就好了，真正的作分庫也會帶來大量的開發成本，得不償失！不推薦使用。

方案二詳細說明：升級數據庫，換一個100%兼容mysql的數據庫

mysql性能不行，那就換個。爲保證源程序代碼不修改，保證現有業務平穩遷移，故須要換一個100%兼容mysql的數據庫。

1. 開源選擇

• tiDB pingcap/tidb
• Cubrid Open Source Database With Enterprise Features

開源數據庫會帶來大量的運維成本且其工業品質和MySQL尚有差距，有不少坑要踩，若是你公司要求必須自建數據庫，那麼選擇該類型產品。

2. 雲數據選擇

• 阿里雲POLARDB

雲數據庫POLARDB_高吞吐在線事務處理_關係型雲數據庫_價格_購買 - 阿里雲

官方介紹語：POLARDB 是阿里雲自研的下一代關係型分佈式雲原生數據庫，100%兼容MySQL，存儲容量最高可達 100T，性能最高提高至 MySQL 的 6 倍。POLARDB 既融合了商業數據庫穩定、可靠、高性能的特徵，又具備開源數據庫簡單、可擴展、持續迭代的優點，而成本只需商用數據庫的 1/10。

我開通測試了一下，支持免費mysql的數據遷移，無操做成本，性能提高在10倍左右，價格跟rds相差很少，是個很好的備選解決方案！

• 阿里雲OcenanBase

淘寶使用的，扛得住雙十一，性能卓著，可是在公測中，我沒法嘗試，但值得期待

• 阿里雲HybridDB for MySQL (原PetaData)

雲數據庫HybridDB for MySQL_產品詳情_阿里雲

官方介紹：雲數據庫HybridDB for MySQL （原名PetaData）是同時支持海量數據在線事務（OLTP）和在線分析（OLAP）的HTAP（Hybrid Transaction/Analytical Processing）關係型數據庫。

我也測試了一下，是一個olap和oltp兼容的解決方案，可是價格過高，每小時高達10塊錢，用來作存儲太浪費了，適合存儲和分析一塊兒用的業務。

• 騰訊雲DCDB

分佈式數據庫 - 騰訊雲

官方介紹：DCDB又名TDSQL，一種兼容MySQL協議和語法，支持自動水平拆分的高性能分佈式數據庫——即業務顯示爲完整的邏輯表，數據卻均勻的拆分到多個分片中；每一個分片默認採用主備架構，提供災備、恢復、監控、不停機擴容等全套解決方案，適用於TB或PB級的海量數據場景。

騰訊的我不喜歡用，很少說。緣由是出了問題找不到人，線上問題沒法解決頭疼！可是他價格便宜，適合超小公司，玩玩。

方案三詳細說明：去掉mysql，換大數據引擎處理數據

數據量過億了，沒得選了，只能上大數據了。

1. 開源解決方案

hadoop家族。hbase/hive懟上就是了。可是有很高的運維成本，通常公司是玩不起的，沒十萬投入是不會有很好的產出的！

2.雲解決方案

這個就比較多了，也是一種將來趨勢，大數據由專業的公司提供專業的服務，小公司或我的購買服務，大數據就像水/電等公共設施同樣，存在於社會的方方面面。

國內作的最好的當屬阿里雲。

我選擇了阿里雲的MaxCompute配合DataWorks，使用超級舒服，按量付費，成本極低。

MaxCompute能夠理解爲開源的Hive，提供sql/mapreduce/ai算法/python腳本/shell腳本等方式操做數據，數據以表格的形式展示，以分佈式方式存儲，採用定時任務和批處理的方式處理數據。DataWorks提供了一種工做流的方式管理你的數據處理任務和調度監控。

固然你也能夠選擇阿里雲hbase等其餘產品，我這裏主要是離線處理，故選擇MaxCompute，基本都是圖形界面操做，大概寫了300行sql，費用不超過100塊錢就解決了數據處理問題。