记录一次MySQL两千万数据的大表优化解决过程，提供三种解决方案

时间  2019-12-05
标签 记录 一次 mysql 两千万 数据 优化 解决 过程 提供 三种 方案 栏目 MySQL 繁體版
原文   原文链接

问题概述

使用阿里云rds for MySQL数据库（就是MySQL5.6版本），有个用户上网记录表6个月的数据量近2000万，保留最近一年的数据量达到4000万，查询速度极慢，平常卡死。严重影响业务。node

问题前提：老系统，当时设计系统的人大概是大学没毕业，表设计和sql语句写的不只仅是垃圾，简直没法直视。原开发人员都已离职，到我来维护，这就是传说中的维护不了就跑路，而后我就是掉坑的那个！！！python

我尝试解决该问题，so，有个这个日志。mysql

方案概述

  • 方案一：优化现有mysql数据库。优势：不影响现有业务，源程序不须要修改代码，成本最低。缺点：有优化瓶颈，数据量过亿就玩完了。
  • 方案二：升级数据库类型，换一种100%兼容mysql的数据库。优势：不影响现有业务，源程序不须要修改代码，你几乎不须要作任何操做就能提高数据库性能，缺点：多花钱
  • 方案三：一步到位，大数据解决方案，更换newsql/nosql数据库。优势：扩展性强，成本低，没有数据容量瓶颈，缺点：须要修改源程序代码

以上三种方案，按顺序使用便可，数据量在亿级别一下的不必换nosql，开发成本过高。三种方案我都试了一遍，并且都造成了落地解决方案。该过程心中慰问跑路的那几个开发者一万遍 :)git

方案一详细说明：优化现有mysql数据库

跟阿里云数据库大佬电话沟通 and Google解决方案 and 问群里大佬，总结以下（都是精华）：github

  • 1.数据库设计和表建立时就要考虑性能
  • 2.sql的编写须要注意优化
  • 4.分区
  • 4.分表
  • 5.分库

1.数据库设计和表建立时就要考虑性能web

mysql数据库自己高度灵活，形成性能不足，严重依赖开发人员能力。也就是说开发人员能力高，则mysql性能高。这也是不少关系型数据库的通病，因此公司的dba一般工资巨高。算法

设计表时要注意：sql

  • 表字段避免null值出现，null值很难查询优化且占用额外的索引空间，推荐默认数字0代替null。
  • 尽可能使用INT而非BIGINT，若是非负则加上UNSIGNED（这样数值容量会扩大一倍），固然能使用TINYINT、SMALLINT、MEDIUM_INT更好。
  • 使用枚举或整数代替字符串类型
  • 尽可能使用TIMESTAMP而非DATETIME
  • 单表不要有太多字段，建议在20之内
  • 用整型来存IP

索引shell

  • 索引并非越多越好，要根据查询有针对性的建立，考虑在WHERE和ORDER BY命令上涉及的列创建索引，可根据EXPLAIN来查看是否用了索引仍是全表扫描
  • 应尽可能避免在WHERE子句中对字段进行NULL值判断，不然将致使引擎放弃使用索引而进行全表扫描
  • 值分布很稀少的字段不适合建索引，例如"性别"这种只有两三个值的字段
  • 字符字段只建前缀索引
  • 字符字段最好不要作主键
  • 不用外键，由程序保证约束
  • 尽可能不用UNIQUE，由程序保证约束
  • 使用多列索引时主意顺序和查询条件保持一致，同时删除没必要要的单列索引

简言之就是使用合适的数据类型，选择合适的索引数据库


选择合适的数据类型 （1）使用可存下数据的最小的数据类型，整型 < date,time < char,varchar < blob （2）使用简单的数据类型，整型比字符处理开销更小，由于字符串的比较更复杂。如，int类型存储时间类型，bigint类型转ip函数 （3）使用合理的字段属性长度，固定长度的表会更快。使用enum、char而不是varchar （4）尽量使用not null定义字段 （5）尽可能少用text，非用不可最好分表 # 选择合适的索引列 （1）查询频繁的列，在where，group by，order by，on从句中出现的列 （2）where条件中<，<=，=，>，>=，between，in，以及like 字符串+通配符（%）出现的列 （3）长度小的列，索引字段越小越好，由于数据库的存储单位是页，一页中能存下的数据越多越好 （4）离散度大（不一样的值多）的列，放在联合索引前面。查看离散度，经过统计不一样的列值来实现，count越大，离散程度越高：

原开发人员已经跑路，该表早已创建，我没法修改，故：该措辞没法执行，放弃！

2.sql的编写须要注意优化

  • 使用limit对查询结果的记录进行限定
  • 避免select *，将须要查找的字段列出来
  • 使用链接（join）来代替子查询
  • 拆分大的delete或insert语句
  • 可经过开启慢查询日志来找出较慢的SQL
  • 不作列运算：SELECT id WHERE age + 1 = 10，任何对列的操做都将致使表扫描，它包括数据库教程函数、计算表达式等等，查询时要尽量将操做移至等号右边
  • sql语句尽量简单：一条sql只能在一个cpu运算；大语句拆小语句，减小锁时间；一条大sql能够堵死整个库
  • OR改写成IN：OR的效率是n级别，IN的效率是log(n)级别，in的个数建议控制在200之内
  • 不用函数和触发器，在应用程序实现
  • 避免%xxx式查询
  • 少用JOIN
  • 使用同类型进行比较，好比用'123'和'123'比，123和123比
  • 尽可能避免在WHERE子句中使用!=或<>操做符，不然将引擎放弃使用索引而进行全表扫描
  • 对于连续数值，使用BETWEEN不用IN：SELECT id FROM t WHERE num BETWEEN 1 AND 5
  • 列表数据不要拿全表，要使用LIMIT来分页，每页数量也不要太大
原开发人员已经跑路，程序已经完成上线，我没法修改sql，故：该措辞没法执行，放弃！

引擎

引擎

目前普遍使用的是MyISAM和InnoDB两种引擎：

  1. MyISAM
  2. MyISAM引擎是MySQL 5.1及以前版本的默认引擎，它的特色是：
  • 不支持行锁，读取时对须要读到的全部表加锁，写入时则对表加排它锁
  • 不支持事务
  • 不支持外键
  • 不支持崩溃后的安全恢复
  • 在表有读取查询的同时，支持往表中插入新纪录
  • 支持BLOB和TEXT的前500个字符索引，支持全文索引
  • 支持延迟更新索引，极大提高写入性能
  • 对于不会进行修改的表，支持压缩表，极大减小磁盘空间占用
  1. InnoDB
  2. InnoDB在MySQL 5.5后成为默认索引，它的特色是：
  • 支持行锁，采用MVCC来支持高并发
  • 支持事务
  • 支持外键
  • 支持崩溃后的安全恢复
  • 不支持全文索引

整体来说，MyISAM适合SELECT密集型的表，而InnoDB适合INSERT和UPDATE密集型的表

MyISAM速度可能超快，占用存储空间也小，可是程序要求事务支持，故InnoDB是必须的，故该方案没法执行，放弃！

3.分区

MySQL在5.1版引入的分区是一种简单的水平拆分，用户须要在建表的时候加上分区参数，对应用是透明的无需修改代码

对用户来讲，分区表是一个独立的逻辑表，可是底层由多个物理子表组成，实现分区的代码其实是经过对一组底层表的对象封装，但对SQL层来讲是一个彻底封装底层的黑盒子。MySQL实现分区的方式也意味着索引也是按照分区的子表定义，没有全局索引

用户的SQL语句是须要针对分区表作优化，SQL条件中要带上分区条件的列，从而使查询定位到少许的分区上，不然就会扫描所有分区，能够经过EXPLAIN PARTITIONS来查看某条SQL语句会落在那些分区上，从而进行SQL优化，我测试，查询时不带分区条件的列，也会提升速度，故该措施值得一试。

分区的好处是：

  • 可让单表存储更多的数据
  • 分区表的数据更容易维护，能够经过清楚整个分区批量删除大量数据，也能够增长新的分区来支持新插入的数据。另外，还能够对一个独立分区进行优化、检查、修复等操做
  • 部分查询可以从查询条件肯定只落在少数分区上，速度会很快
  • 分区表的数据还能够分布在不一样的物理设备上，从而搞笑利用多个硬件设备
  • 可使用分区表赖避免某些特殊瓶颈，例如InnoDB单个索引的互斥访问、ext3文件系统的inode锁竞争
  • 能够备份和恢复单个分区

分区的限制和缺点：

  • 一个表最多只能有1024个分区
  • 若是分区字段中有主键或者惟一索引的列，那么全部主键列和惟一索引列都必须包含进来
  • 分区表没法使用外键约束
  • NULL值会使分区过滤无效
  • 全部分区必须使用相同的存储引擎

分区的类型：

  • RANGE分区：基于属于一个给定连续区间的列值，把多行分配给分区
  • LIST分区：相似于按RANGE分区，区别在于LIST分区是基于列值匹配一个离散值集合中的某个值来进行选择
  • HASH分区：基于用户定义的表达式的返回值来进行选择的分区，该表达式使用将要插入到表中的这些行的列值进行计算。这个函数能够包含MySQL中有效的、产生非负整数值的任何表达式
  • KEY分区：相似于按HASH分区，区别在于KEY分区只支持计算一列或多列，且MySQL服务器提供其自身的哈希函数。必须有一列或多列包含整数值
  • 具体关于mysql分区的概念请自行google或查询官方文档，我这里只是抛砖引玉了。
我首先根据月份把上网记录表RANGE分区了12份，查询效率提升6倍左右，效果不明显，故：换id为HASH分区，分了64个分区，查询速度提高显著。问题解决！
结果以下：PARTITION BY HASH (id)PARTITIONS 64
select count() from readroom_website; --11901336行记录
/ 受影响行数: 0 已找到记录: 1 警告: 0 持续时间 1 查询: 5.734 sec. /
select * from readroom_website where month(accesstime) =11 limit 10;
/ 受影响行数: 0 已找到记录: 10 警告: 0 持续时间 1 查询: 0.719 sec. */

4.分表

分表就是把一张大表，按照如上过程都优化了，仍是查询卡死，那就把这个表分红多张表，把一次查询分红屡次查询，而后把结果组合返回给用户。

分表分为垂直拆分和水平拆分，一般以某个字段作拆分项。好比以id字段拆分为100张表： 表名为 tableName_id%100

但：分表须要修改源程序代码，会给开发带来大量工做，极大的增长了开发成本，故：只适合在开发初期就考虑到了大量数据存在，作好了分表处理，不适合应用上线了再作修改，成本过高！！！并且选择这个方案，都不如选择我提供的第二第三个方案的成本低！故不建议采用。

5.分库

把一个数据库分红多个，建议作个读写分离就好了，真正的作分库也会带来大量的开发成本，得不偿失！不推荐使用。

方案二详细说明：升级数据库，换一个100%兼容mysql的数据库

mysql性能不行，那就换个。为保证源程序代码不修改，保证现有业务平稳迁移，故须要换一个100%兼容mysql的数据库。

  1. 开源选择
  • tiDB github.com/pingcap/tid…
  • Cubrid www.cubrid.org/
  • 开源数据库会带来大量的运维成本且其工业品质和MySQL尚有差距，有不少坑要踩，若是你公司要求必须自建数据库，那么选择该类型产品。
  1. 云数据选择
官方介绍语：POLARDB 是阿里云自研的下一代关系型分布式云原生数据库，100%兼容MySQL，存储容量最高可达 100T，性能最高提高至 MySQL 的 6 倍。POLARDB 既融合了商业数据库稳定、可靠、高性能的特征，又具备开源数据库简单、可扩展、持续迭代的优点，而成本只需商用数据库的 1/10。

我开通测试了一下，支持免费mysql的数据迁移，无操做成本，性能提高在10倍左右，价格跟rds相差很少，是个很好的备选解决方案！

  • 阿里云OcenanBase
  • 淘宝使用的，扛得住双十一，性能卓著，可是在公测中，我没法尝试，但值得期待
  • 阿里云HybridDB for MySQL (原PetaData)
  • www.aliyun.com/product/pet…
官方介绍：云数据库HybridDB for MySQL （原名PetaData）是同时支持海量数据在线事务（OLTP）和在线分析（OLAP）的HTAP（Hybrid Transaction/Analytical Processing）关系型数据库。

我也测试了一下，是一个olap和oltp兼容的解决方案，可是价格过高，每小时高达10块钱，用来作存储太浪费了，适合存储和分析一块儿用的业务。

官方介绍：DCDB又名TDSQL，一种兼容MySQL协议和语法，支持自动水平拆分的高性能分布式数据库——即业务显示为完整的逻辑表，数据却均匀的拆分到多个分片中；每一个分片默认采用主备架构，提供灾备、恢复、监控、不停机扩容等全套解决方案，适用于TB或PB级的海量数据场景。

腾讯的我不喜欢用，很少说。缘由是出了问题找不到人，线上问题没法解决头疼！可是他价格便宜，适合超小公司，玩玩。

方案三详细说明：去掉mysql，换大数据引擎处理数据

数据量过亿了，没得选了，只能上大数据了。

  1. 开源解决方案
  2. hadoop家族。hbase/hive怼上就是了。可是有很高的运维成本，通常公司是玩不起的，没十万投入是不会有很好的产出的！
  3. 云解决方案
  4. 这个就比较多了，也是一种将来趋势，大数据由专业的公司提供专业的服务，小公司或我的购买服务，大数据就像水/电等公共设施同样，存在于社会的方方面面。
  5. 国内作的最好的当属阿里云。
  6. 我选择了阿里云的MaxCompute配合DataWorks，使用超级舒服，按量付费，成本极低。
  7. MaxCompute能够理解为开源的Hive，提供sql/mapreduce/ai算法/python脚本/shell脚本等方式操做数据，数据以表格的形式展示，以分布式方式存储，采用定时任务和批处理的方式处理数据。DataWorks提供了一种工做流的方式管理你的数据处理任务和调度监控。
  8. 固然你也能够选择阿里云hbase等其余产品，我这里主要是离线处理，故选择MaxCompute，基本都是图形界面操做，大概写了300行sql，费用不超过100块钱就解决了数据处理问题。

#阿里云开年Hi购季#幸运抽好礼！

点此抽奖：【阿里云】开年Hi购季，幸运抽好礼


原文连接

本文为云栖社区原创内容，未经容许不得转载。

相关文章
相关标签/搜索
每日一句
    每一个你不满意的现在，都有一个你没有努力的曾经。
本站公众号
   欢迎关注本站公众号,获取更多信息
联系我们 最近搜索 最新文章 沪ICP备13005482号-10 MyBatis教程 SQL 教程 MySQL教程 Java 教程 Thymeleaf 教程 Hibernate教程 Spring教程 Redis教程