MySql 平常指導，及大表優化思路

當MySQL單表記錄數過大時，增刪改查性能都會急劇降低

單表優化

除非單表數據將來會一直不斷上漲，不然不要一開始就考慮拆分，拆分會帶來邏輯、部署、運維的各類複雜度，通常以整型值爲主的表在千萬級如下，字符串爲主的表在五百萬如下是沒有太大問題的。

而事實上不少時候 MySQL 單表的性能依然有很多優化空間，甚至能正常支撐千萬級以上的數據量。

字段

• 儘可能使用 TINYINT、 SMALLINT、 MEDIUM_INT 做爲整數類型而非 INT，若是非負則加上 UNSIGNED
• VARCHAR 的長度只分配真正須要的空間
• 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
• 避免使用 NULL 字段，很難查詢優化且佔用額外索引空間
• 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

查詢SQL

• 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
• 不用 SELECT *
• 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

引擎

目前普遍使用的是 MyISAM 和 InnoDB 兩種引擎：

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

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

系統調優參數

可使用下面幾個工具來作基準測試：

• sysbench：一個模塊化，跨平臺以及多線程的性能測試工具
• iibench-mysql：基於 Java 的 MySQL/Percona/MariaDB 索引進行插入性能測試工具
• tpcc-mysql：Percona 開發的 TPC-C 測試工具

具體的調優參數內容較多，具體可參考官方文檔，這裏介紹一些比較重要的參數：

• backlog：backlog 值指出在 MySQL 暫時中止回答新請求以前的短期內多少個請求能夠被存在堆棧中。也就是說，若是 MySql 的鏈接數據達到 maxconnections 時，新來的請求將會被存在堆棧中，以等待某一鏈接釋放資源，該堆棧的數量即 backlog，若是等待鏈接的數量超過 back_log，將不被授予鏈接資源。能夠從默認的 50 升至 500
• wait_timeout：數據庫鏈接閒置時間，閒置鏈接會佔用內存資源。能夠從默認的 8 小時減到半小時
• maxuserconnection: 最大鏈接數，默認爲 0 無上限，最好設一個合理上限
• thread_concurrency：併發線程數，設爲 CPU 核數的兩倍
• skipnameresolve：禁止對外部鏈接進行 DNS 解析，消除 DNS 解析時間，但須要全部遠程主機用 IP 訪問
• keybuffersize：索引塊的緩存大小，增長會提高索引處理速度，對 MyISAM 表性能影響最大。對於內存 4G 左右，可設爲 256M 或 384M，經過查詢 show status like'key_read%'，保證 key_reads / key_read_requests 在 0.1% 如下最好
• innodbbufferpool_size：緩存數據塊和索引塊，對 InnoDB 表性能影響最大。經過查詢 show status like'Innodb_buffer_pool_read%'，保證 (Innodb_buffer_pool_read_requests – Innodb_buffer_pool_reads) / Innodb_buffer_pool_read_requests 越高越好
• innodbadditionalmempoolsize：InnoDB 存儲引擎用來存放數據字典信息以及一些內部數據結構的內存空間大小，當數據庫對象很是多的時候，適當調整該參數的大小以確保全部數據都能存放在內存中提升訪問效率，當太小的時候，MySQL 會記錄 Warning 信息到數據庫的錯誤日誌中，這時就須要該調整這個參數大小
• innodblogbuffer_size：InnoDB 存儲引擎的事務日誌所使用的緩衝區，通常來講不建議超過 32MB
• querycachesize：緩存 MySQL 中的 ResultSet，也就是一條 SQL 語句執行的結果集，因此僅僅只能針對 select 語句。當某個表的數據有任何任何變化，都會致使全部引用了該表的 select 語句在 Query Cache 中的緩存數據失效。因此，當咱們的數據變化很是頻繁的狀況下，使用 Query Cache 可能會得不償失。根據命中率 (Qcache_hits / (Qcache_hits + Qcache_inserts) * 100)) 進行調整，通常不建議太大，256MB 可能已經差很少了，大型的配置型靜態數據可適當調大. 能夠經過命令 show status like'Qcache_%' 查看目前系統 Query Catch 使用大小
• readbuffersize：MySql 讀入緩衝區大小。對錶進行順序掃描的請求將分配一個讀入緩衝區，MySql 會爲它分配一段內存緩衝區。若是對錶的順序掃描請求很是頻繁，能夠經過增長該變量值以及內存緩衝區大小提升其性能
• sortbuffersize：MySql 執行排序使用的緩衝大小。若是想要增長 ORDER BY 的速度，首先看是否可讓 MySQL 使用索引而不是額外的排序階段。若是不能，能夠嘗試增長 sortbuffersize 變量的大小
• readrndbuffer_size：MySql 的隨機讀緩衝區大小。當按任意順序讀取行時(例如，按照排序順序)，將分配一個隨機讀緩存區。進行排序查詢時，MySql 會首先掃描一遍該緩衝，以免磁盤搜索，提升查詢速度，若是須要排序大量數據，可適當調高該值。但 MySql 會爲每一個客戶鏈接發放該緩衝空間，因此應儘可能適當設置該值，以免內存開銷過大
• record_buffer：每一個進行一個順序掃描的線程爲其掃描的每張表分配這個大小的一個緩衝區。若是你作不少順序掃描，可能想要增長該值
• threadcachesize：保存當前沒有與鏈接關聯可是準備爲後面新的鏈接服務的線程，能夠快速響應鏈接的線程請求而無需建立新的
• tablecache：相似於 threadcache_size，但用來緩存表文件，對 InnoDB 效果不大，主要用於 MyISAM

升級硬件

Scale up，這個很少說了，根據 MySQL 是 CPU 密集型仍是 I/O 密集型，經過提高 CPU 和內存、使用 SSD，都能顯著提高 MySQL 性能。

讀寫分離

也是目前經常使用的優化，從庫讀主庫寫，通常不要採用雙主或多主引入不少複雜性，儘可能採用文中的其餘方案來提升性能。 同時目前不少拆分的解決方案同時也兼顧考慮了讀寫分離。

緩存

緩存能夠發生在這些層次：

• MySQL 內部：在系統調優參數介紹了相關設置
• 數據訪問層：好比 MyBatis 針對 SQL 語句作緩存，而 Hibernate 能夠精確到單個記錄，這裏緩存的對象主要是持久化對象 PersistenceObject
• 應用服務層：這裏能夠經過編程手段對緩存作到更精準的控制和更多的實現策略，這裏緩存的對象是數據傳輸對象 DataTransferObject（DTO）
• Web 層：針對 web 頁面作緩存
• 瀏覽器客戶端：用戶端的緩存

能夠根據實際狀況在一個層次或多個層次結合加入緩存。 這裏重點介紹下服務層的緩存實現，目前主要有兩種方式：

• 直寫式（Write Through）：在數據寫入數據庫後，同時更新緩存，維持數據庫與緩存的一致性。這也是當前大多數應用緩存框架如 Spring Cache 的工做方式。這種實現很是簡單，同步好，但效率通常。
• 回寫式（Write Back）：當有數據要寫入數據庫時，只會更新緩存，而後異步批量的將緩存數據同步到數據庫上。這種實現比較複雜，須要較多的應用邏輯，同時可能會產生數據庫與緩存的不一樣步，但效率很是高。

表分區

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，以下圖 5 條記錄落在兩個分區上：

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，從而高效利用多個硬件設備
• 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

分區適合的場景有：

最適合的場景數據的時間序列性比較強，則能夠按時間來分區，以下所示：

查詢時加上時間範圍條件效率會很是高，同時對於不須要的歷史數據能很容的批量刪除。

若是數據有明顯的熱點，並且除了這部分數據，其餘數據不多被訪問到，那麼能夠將熱點數據單獨放在一個分區，讓這個分區的數據可以有機會都緩存在內存中，查詢時只訪問一個很小的分區表，可以有效使用索引和緩存

另外 MySQL 有一種早期的簡單的分區實現 - 合併表（merge table），限制較多且缺少優化，不建議使用，應該用新的分區機制來替代

垂直拆分

垂直分庫是根據數據庫裏面的數據表的相關性進行拆分。 好比：一個數據庫裏面既存在用戶數據，又存在訂單數據，那麼垂直拆分能夠把用戶數據放到用戶庫、把訂單數據放到訂單庫。 垂直分表是對數據表進行垂直拆分的一種方式，常見的是把一個多字段的大表按經常使用字段和很是用字段進行拆分，每一個表裏面的數據記錄數通常狀況下是相同的，只是字段不同，使用主鍵關聯

好比原始的用戶表是：

垂直拆分後是：

垂直拆分的優勢是：

• 可使得行數據變小，一個數據塊( Block )就能存放更多的數據，在查詢時就會減小 I/O 次數(每次查詢時讀取的 Block 就少)
• 能夠達到最大化利用 Cache 的目的，具體在垂直拆分的時候能夠將不常變的字段放一塊兒，將常常改變的放一塊兒
• 數據維護簡單

缺點是：

• 主鍵出現冗餘，須要管理冗餘列
• 會引發錶鏈接 JOIN 操做（增長 CPU 開銷）能夠經過在業務服務器上進行 join 來減小數據庫壓力
• 依然存在單表數據量過大的問題（須要水平拆分）
• 事務處理複雜

水平拆分

概述

水平拆分是經過某種策略將數據分片來存儲，分庫內分表和分庫兩部分，每片數據會分散到不一樣的 MySQL 表或庫，達到分佈式的效果，可以支持很是大的數據量。前面的表分區本質上也是一種特殊的庫內分表

庫內分表，僅僅是單純的解決了單一表數據過大的問題，因爲沒有把表的數據分佈到不一樣的機器上，所以對於減輕 MySQL 服務器的壓力來講，並無太大的做用，你們仍是競爭同一個物理機上的 IO、CPU、網絡，這個就要經過分庫來解決

前面垂直拆分的用戶表若是進行水平拆分，結果是：

實際狀況中每每會是垂直拆分和水平拆分的結合，即將 Users_A_M 和 Users_N_Z 再拆成 Users 和 UserExtras，這樣一共四張表

水平拆分的優勢是:

• 不存在單庫大數據和高併發的性能瓶頸
• 應用端改造較少
• 提升了系統的穩定性和負載能力

缺點是：

• 分片事務一致性難以解決
• 跨節點 Join 性能差，邏輯複雜
• 數據屢次擴展難度跟維護量極大

分片原則

• 能不分就不分，參考單表優化
• 分片數量儘可能少，分片儘可能均勻分佈在多個數據結點上，由於一個查詢 SQL 跨分片越多，則整體性能越差，雖然要好於全部數據在一個分片的結果，只在必要的時候進行擴容，增長分片數量
• 分片規則須要慎重選擇作好提早規劃，分片規則的選擇，須要考慮數據的增加模式，數據的訪問模式，分片關聯性問題，以及分片擴容問題，最近的分片策略爲範圍分片，枚舉分片，一致性 Hash 分片，這幾種分片都有利於擴容
• 儘可能不要在一個事務中的 SQL 跨越多個分片，分佈式事務一直是個很差處理的問題
• 查詢條件儘可能優化，儘可能避免 Select * 的方式，大量數據結果集下，會消耗大量帶寬和 CPU 資源，查詢儘可能避免返回大量結果集，而且儘可能爲頻繁使用的查詢語句創建索引。
• 經過數據冗餘和表分區依賴下降跨庫 Join 的可能

這裏特別強調一下分片規則的選擇問題，若是某個表的數據有明顯的時間特徵，好比訂單、交易記錄等，則他們一般比較合適用時間範圍分片，由於具備時效性的數據，咱們每每關注其近期的數據，查詢條件中每每帶有時間字段進行過濾，比較好的方案是，當前活躍的數據，採用跨度比較短的時間段進行分片，而歷史性的數據，則採用比較長的跨度存儲。

整體上來講，分片的選擇是取決於最頻繁的查詢 SQL 的條件，由於不帶任何 Where 語句的查詢 SQL，會遍歷全部的分片，性能相對最差，所以這種 SQL 越多，對系統的影響越大，因此咱們要儘可能避免這種 SQL 的產生。

解決方案

因爲水平拆分牽涉的邏輯比較複雜，當前也有了很多比較成熟的解決方案。這些方案分爲兩大類：

• 客戶端架構
• 代理架構

客戶端架構

經過修改數據訪問層，如 JDBC、Data Source、MyBatis，經過配置來管理多個數據源，直連數據庫，並在模塊內完成數據的分片整合，通常以 Jar 包的方式呈現

這是一個客戶端架構的例子：

能夠看到分片的實現是和應用服務器在一塊兒的，經過修改 Spring JDBC 層來實現

客戶端架構的優勢是：

• 應用直連數據庫，下降外圍系統依賴所帶來的宕機風險
• 集成成本低，無需額外運維的組件

缺點是：

• 限於只能在數據庫訪問層上作文章，擴展性通常，對於比較複雜的系統可能會力不從心
• 將分片邏輯的壓力放在應用服務器上，形成額外風險

代理架構

經過獨立的中間件來統一管理全部數據源和數據分片整合，後端數據庫集羣對前端應用程序透明，須要獨立部署和運維代理組件

這是一個代理架構的例子：

代理組件爲了分流和防止單點，通常以集羣形式存在，同時可能須要 Zookeeper 之類的服務組件來管理

代理架構的優勢是：

• 可以處理很是複雜的需求，不受數據庫訪問層原來實現的限制，擴展性強
• 對於應用服務器透明且沒有增長任何額外負載

缺點是：

• 需部署和運維獨立的代理中間件，成本高
• 應用需通過代理來鏈接數據庫，網絡上多了一跳，性能有損失且有額外風險

各方案比較

框架	出品方	架構模型	支持數據庫	分庫	分表	讀寫分離	外部依賴	是否開源	實現語言	支持語言	GitHub星數
MySQL Fabric	MySQL官方	代理架構	MySQL	有	有	有	無	是	python	無限制	35
Cobar	阿里巴巴	代理架構	MySQL	有	無	無	無	是	Java	無限制	1287
Cobar Client	阿里巴巴	客戶端架構	MySQL	有	無	無	無	是	Java	Java	344
TDDL	淘寶	客戶端架構	無限制	有	有	有	Diamond	只開源部分	Java	Java	519
Atlas	奇虎360	代理架構	MySQL	有	有	有	無	是	C	無限制	1941
Heisenberg	百度熊照	代理架構	MySQL	有	有	有	無	是	Java	無限制	197
TribeDB	我的	代理架構	MySQL	有	有	有	無	是	NodeJS	無限制	126
Sharding JDBC	噹噹	客戶端架構	MySQL	有	有	有	無	是	Java	Java	1144
Shark	我的	客戶端架構	MySQL	有	有	無	無	是	Java	Java	84
KingShard	我的	代理架構	MySQL	有	有	有	無	是	Golang	無限制	1836
OneProxy	平民軟件	代理架構	MySQL	有	有	有	無	否	未知	無限制	未知
MyCat	社區	代理架構	MySQL	有	有	有	無	是	Java	無限制	1270
Vitess	Youtube	代理架構	MySQL	有	有	有	無	是	Golang	無限制	3636
Mixer	我的	代理架構	MySQL	有	有	無	無	是	Golang	無限制	472
JetPants	Tumblr	客戶端架構	MySQL	有	有	無	無	是	Ruby	Ruby	957
HibernateShard	Hibernate	客戶端架構	無限制	有	有	無	無	是	Java	Java	57
MybatisShard	MakerSoft	客戶端架構	無限制	有	有	無	無	是	Java	Java	119
Gizzard	Twitter	代理架構	無限制	有	有	無	無	是	Java	無限制	2087

如此多的方案，如何進行選擇？能夠按如下思路來考慮：

1. 肯定是使用代理架構仍是客戶端架構。中小型規模或是比較簡單的場景傾向於選擇客戶端架構，複雜場景或大規模系統傾向選擇代理架構
2. 具體功能是否知足，好比須要跨節點 ORDER BY，那麼支持該功能的優先考慮
3. 不考慮一年內沒有更新的產品，說明開發停滯，甚至無人維護和技術支持
4. 最好按大公司 -> 社區 -> 小公司 -> 我的這樣的出品方順序來選擇
5. 選擇口碑較好的，好比 GitHub 星數、使用者數量質量和使用者反饋
6. 開源的優先，每每項目有特殊需求可能須要改動源代碼

按照上述思路，推薦如下選擇：

• 客戶端架構：ShardingJDBC
• 代理架構：MyCat 或 Atlas

兼容 MySQL 且可水平擴展的數據庫

目前也有一些開源數據庫兼容 MySQL 協議，如：

• TiDB
• Cubrid

但其工業品質和 MySQL 尚有差距，且須要較大的運維投入，若是想將原始的 MySQL 遷移到可水平擴展的新數據庫中，能夠考慮一些雲數據庫：

• 阿里雲 PetaData
• 阿里雲 OceanBase
• 騰訊雲 DCDB

NoSQL

在 MySQL 上作 Sharding 是一種戴着鐐銬的跳舞，事實上不少大表自己對 MySQL 這種 RDBMS 的需求並不大，並不要求 ACID，能夠考慮將這些表遷移到 NoSQL，完全解決水平擴展問題，例如：

• 日誌類、監控類、統計類數據
• 非結構化或弱結構化數據
• 對事務要求不強，且無太多關聯操做的數據