MySQL开发实践8问，你能hold住几个？

       最近研发的项目对DB依赖比较重，梳理了这段时间使用MySQL遇到的8个比较具备表明性的问题，答案也比较偏本身的开发实践，没有DBA专业和深刻，有出入的请使劲拍砖！...

1. MySQL读写性能是多少，有哪些性能相关的配置参数？
2. MySQL负载高时，如何找到是由哪些SQL引发的？
3. 如何针对具体的SQL作优化？
4. SQL层面已难以优化，请求量继续增大时的应对策略？
5. MySQL如何作主从数据同步？
6. 如何防止DB误操做和作好容灾？
7. 该选择MySQL哪一种存储引擎，Innodb具备什么特性？
8. MySQL内部结构有哪些层次？

1.MySQL读写性能是多少，有哪些性能相关的重要参数？

这里作了几个简单压测实验
机器：8核CPU，8G内存
表结构(尽可能模拟业务)：12个字段(1个bigint(20)为自增primary key，5个int(11)，5个varchar(512)，1个timestamp)，InnoDB存储引擎。
实验1(写)：insert => 6000/s
前提：链接数100，每次insert单条记录
分析：CPU跑了50%，这时磁盘为顺序写，故性能较高

实验2(写)：update(where条件命中索引) => 200/s
前提：链接数100，10w条记录，每次update单条记录的4个字段(2个int(11)，2个varchar(512))
分析：CPU跑2%，瓶颈明显在IO的随机写

实验3(读)：select(where条件命中索引) => 5000/s
前提：链接数100，10w条记录，每次select单条记录的4个字段(2个int(11)，2个varchar(512))
分析：CPU跑6%，瓶颈在IO，和db的cache大小相关

实验4(读)：select(where条件没命中索引) => 60/s
前提：链接数100，10w条记录，每次select单条记录的4个字段(2个int(11)，2个varchar(512))
分析：CPU跑到80%，每次select都需遍历全部记录，看来索引的效果很是明显！

几个重要的配置参数，可根据实际的机器和业务特色调整
max_connecttions：最大链接数
table_cache：缓存打开表的数量
key_buffer_size：索引缓存大小
query_cache_size：查询缓存大小
sort_buffer_size：排序缓存大小(会将排序完的数据缓存起来)
read_buffer_size：顺序读缓存大小
read_rnd_buffer_size：某种特定顺序读缓存大小(如order by子句的查询)
PS：查看配置方法：show variables like '%max_connecttions%';

2.MySQL负载高时，如何找到是由哪些SQL引发的？

方法：慢查询日志分析(MySQLdumpslow)

慢查询日志例子，可看到每一个慢查询SQL的耗时：

# User@Host: edu_online[edu_online] @  [10.139.10.167]
# Query_time: 1.958000  Lock_time: 0.000021 Rows_sent: 254786  Rows_examined: 254786
SET timestamp=1410883292;
select * from t_online_group_records;

日志显示该查询用了1.958秒，返回254786行记录，一共遍历了254786行记录。及具体的时间戳和SQL语句。

使用MySQLdumpslow进行慢查询日志分析
MySQLdumpslow -s t -t 5 slow_log_20140819.txt
输出查询耗时最多的Top5条SQL语句
-s：排序方法，t表示按时间 (此外，c为按次数，r为按返回记录数等)
-t：去Top多少条，-t 5表示取前5条
执行完分析结果以下：

Count: 1076100  Time=0.09s (99065s)  Lock=0.00s (76s)  Rows=408.9 (440058825), edu_online[edu_online]@28hosts
  select * from t_online_group_records where UNIX_TIMESTAMP(gre_updatetime) > N
Count: 1076099  Time=0.05s (52340s)  Lock=0.00s (91s)  Rows=62.6 (67324907), edu_online[edu_online]@28hosts
  select * from t_online_course where UNIX_TIMESTAMP(c_updatetime) > N
Count: 63889  Time=0.78s (49607s)  Lock=0.00s (3s)  Rows=0.0 (18), edu_online[edu_online]@[10x.213.1xx.1xx]
  select f_uin from t_online_student_contact where f_modify_time > N
Count: 1076097  Time=0.02s (16903s)  Lock=0.00s (72s)  Rows=52.2 (56187090), edu_online[edu_online]@28hosts
  select * from t_online_video_info where UNIX_TIMESTAMP(v_update_time) > N
Count: 330046  Time=0.02s (6822s)  Lock=0.00s (45s)  Rows=0.0 (2302), edu_online[edu_online]@4hosts
  select uin,cid,is_canceled,unix_timestamp(end_time) as endtime,unix_timestamp(update_time) as updatetime 
  from t_kick_log where unix_timestamp(update_time) > N

以第1条为例，表示这类SQL(N能够取不少值，这里MySQLdumpslow会归并起来)在8月19号的慢查询日志内出现了1076100次，总耗时99065秒，总返回440058825行记录，有28个客户端IP用到。
经过慢查询日志分析，就能够找到最耗时的SQL，而后进行具体的SQL分析了

慢查询相关的配置参数
log_slow_queries：是否打开慢查询日志，得先确保=ON后面才有得分析
long_query_time：查询时间大于多少秒的SQL被当作是慢查询，通常设为1S
log_queries_not_using_indexes：是否将没有使用索引的记录写入慢查询日志
slow_query_log_file：慢查询日志存放路径

3.如何针对具体的SQL作优化？

使用Explain分析SQL语句执行计划

MySQL> explain select * from t_online_group_records where UNIX_TIMESTAMP(gre_updatetime) > 123456789;
+----+-------------+------------------------+------+---------------+------+---------+------+------+-------------+
| id | select_type | table                  | type | possible_keys | key  | key_len | ref  | rows | Extra       |
+----+-------------+------------------------+------+---------------+------+---------+------+------+-------------+
|  1 | SIMPLE      | t_online_group_records | ALL  | NULL          | NULL | NULL    | NULL |   47 | Using where |
+----+-------------+------------------------+------+---------------+------+---------+------+------+-------------+
1 row in set (0.00 sec)

如上面例子所示，重点关注下type，rows和Extra：
type：使用类别，有无使用到索引。结果值从好到坏：... > range(使用到索引) > index > ALL(全表扫描)，通常查询应达到range级别
rows：SQL执行检查的记录数
Extra：SQL执行的附加信息，如"Using index"表示查询只用到索引列，不须要去读表等

使用Profiles分析SQL语句执行时间和消耗资源

MySQL> set profiling=1; (启动profiles，默认是没开启的)
MySQL> select count(1) from t_online_group_records where UNIX_TIMESTAMP(gre_updatetime) > 123456789; (执行要分析的SQL语句)
MySQL> show profiles;
+----------+------------+----------------------------------------------------------------------------------------------+
| Query_ID | Duration   | Query                                                                                        |
+----------+------------+----------------------------------------------------------------------------------------------+
|        1 | 0.00043250 | select count(1) from t_online_group_records where UNIX_TIMESTAMP(gre_updatetime) > 123456789 |
+----------+------------+----------------------------------------------------------------------------------------------+
1 row in set (0.00 sec)
MySQL> show profile cpu,block io for query 1; (可看出SQL在各个环节的耗时和资源消耗)
+----------------------+----------+----------+------------+--------------+---------------+
| Status               | Duration | CPU_user | CPU_system | Block_ops_in | Block_ops_out |
+----------------------+----------+----------+------------+--------------+---------------+
...
| optimizing           | 0.000016 | 0.000000 |   0.000000 |            0 |             0 |
| statistics           | 0.000020 | 0.000000 |   0.000000 |            0 |             0 |
| preparing            | 0.000017 | 0.000000 |   0.000000 |            0 |             0 |
| executing            | 0.000011 | 0.000000 |   0.000000 |            0 |             0 |
| Sending data         | 0.000076 | 0.000000 |   0.000000 |            0 |             0 |
...

SQL优化的技巧 (只提一些业务常遇到的问题)

1. 最关键：索引，避免全表扫描。
   对接触的项目进行慢查询分析，发现TOP10的基本都是忘了加索引或者索引使用不当，如索引字段上加函数致使索引失效等(如where UNIX_TIMESTAMP(gre_updatetime)>123456789)

   +----------+------------+---------------------------------------+
   | Query_ID | Duration   | Query                                 |
   +----------+------------+---------------------------------------+
   |        1 | 0.00024700 | select * from mytable where id=100    |
   |        2 | 0.27912900 | select * from mytable where id+1=101  |
   +----------+------------+---------------------------------------+

   另外不少同窗在拉取全表数据时，喜欢用select xx from xx limit 5000,1000这种形式批量拉取，其实这个SQL每次都是全表扫描，建议添加1个自增id作索引，将SQL改成select xx from xx where id>5000 and id<6000;

   +----------+------------+-----------------------------------------------------+
   | Query_ID | Duration   | Query                                               |
   +----------+------------+-----------------------------------------------------+
   |        1 | 0.00415400 | select * from mytable where id>=90000 and id<=91000 |
   |        2 | 0.10078100 | select * from mytable limit 90000,1000              |
   +----------+------------+-----------------------------------------------------+

   合理用好索引，应该可解决大部分SQL问题。固然索引也非越多越好，过多的索引会影响写操做性能

2. 只select出须要的字段，避免select

   +----------+------------+-----------------------------------------------------+
   | Query_ID | Duration   | Query                                               |
   +----------+------------+-----------------------------------------------------+
   |        1 | 0.02948800 | select count(1) from ( select id from mytable ) a   |
   |        2 | 1.34369100 | select count(1) from ( select * from mytable ) a    |
   +----------+------------+-----------------------------------------------------+

3. 尽可能早作过滤，使Join或者Union等后续操做的数据量尽可能小

4. 把能在逻辑层算的提到逻辑层来处理，如一些数据排序、时间函数计算等

5. .......

PS：关于SQL优化，已经有足够多文章了，因此就不讲太全面了，只重点说本身1个感觉：索引！基本都是由于索引！

4.SQL层面已难以优化，请求量继续增大时的应对策略？

下面是我能想到的几个方法，每一个方法又都是一篇大文章了，这里就不展开
分库分表
使用集群(master-slave)，读写分离
增长业务的cache层
使用链接池

5.MySQL如何作主从数据同步？

复制机制（Replication）
master经过复制机制，将master的写操做经过binlog传到slave生成中继日志(relaylog)，slave再将中继日志redo，使得主库和从库的数据保持同步

复制相关的3个MySQL线程

1. slave上的I/O线程：向master请求数据
2. master上的Binlog Dump线程：读取binlog事件并把数据发送给slave的I/O线程
3. slave上的SQL线程：读取中继日志并执行，更新数据库

属于slave主动请求拉取的模式

实际使用可能遇到的问题
数据非强一致：CDB默认为异步复制，master和slave的数据会有必定延迟(称为主从同步距离，通常 < 1s)
主从同步距离变大：多是DB写入压力大，也多是slave机器负载高，网络波动等缘由，具体问题具体分析

相关监控命令
show processlist：查看MySQL进程信息，包括3个同步线程的当前状态
show master status ：查看master配置及当前复制信息
show slave status：查看slave配置及当前复制信息

6.如何防止DB误操做和作好容灾？

业务侧应作到的几点：

重要DB数据的手工修改操做，操做前需作到2点：1 先在测试环境操做 2 备份数据
根据业务重要性作定时备份，考虑系统可承受的恢复时间
进行容灾演练，感受很必要

MySQL备份和恢复操做
1.备份：使用MySQLdump导出数据

MySQLdump -u 用户名 -p 数据库名 [表名] > 导出的文件名
MySQLdump -uxxx -p xxx mytable > mytable.20140921.bak.sql

2.恢复：导入备份数据
MySQL -uxxx -p xxxx < mytable.20140921.bak.sql
3.恢复：导入备份数据以后发送的写操做。先使用MySQLbinlog导出这部分写操做SQL(基于时间点或位置)
如导出2014-09-21 09:59:59以后的binlog：

MySQLbinlog --database="test" --start-date="2014-09-21 09:59:59" /var/lib/MySQL/mybinlog.000001 > binlog.data.sql

如导出起始id为123456以后的binlog：

MySQLbinlog --database="test" --start-position="123456" /var/lib/MySQL/mybinlog.000001 > binlog.data.sql

最后把要恢复的binlog导入db
MySQL -uxxxx -p xxxx < binlog.data.sql

7.该选择MySQL哪一种存储引擎，Innodb具备什么特性？

存储引擎简介
插件式存储引擎是MySQL的重要特性，MySQL支持多种存储引擎以知足用户的多种应用场景
存储引擎解决的问题：如何组织MySQL数据在介质中高效地读取，需考虑存储机制、索引设计、并发读写的锁机制等
MySQL5.0支持的存储引擎有MyISAM、InnoDB、Memory、Merge等

**MyISAM和InnoDB的区别(只说重点了)

1. InnoDB
   MySQL5.5以后及CDB的默认引擎。
   • 支持行锁：并发性能好
   • 支持事务：故InnoDB称为事务性存储引擎，支持ACID，提供了具备提交、回滚和崩溃恢复能力的事务安全
   • 支持外键：当前惟一支持外键的引擎
2. MyISAM
   MySQL5.5以前默认引擎
   • 支持表锁：插入+查询速度快，更新+删除速度慢
   • 不支持事务

使用show engines可查看当前MySQL支持的存储引擎详情

8.MySQL内部结构有哪些层次？

非专业DBA，这里只简单贴个结构图说明下。MySQL是开源系统，其设计思路和源代码都出自大牛之手，有空能够学习下。

1. Connectors：链接器。接收不一样语言的Client交互
2. Management Serveices & Utilities：系统管理和控制工具
3. Connection Pool: 链接池。管理用户链接
4. SQL Interface: SQL接口。接受用户的SQL命令，而且返回用户须要查询的结果
5. Parser: 解析器。验证和解析SQL语句成内部数据结构
6. Optimizer: 查询优化器。为查询语句选择合适的执行路径
7. Cache和Buffer：查询缓存。缓存查询的结果，有命中便可直接返回
8. Engine：存储引擎。MySQL数据最后组织并存储成具体文件