SQL优化-如何分析性能瓶颈

MySQL优化一览图

 

 

 

 

笔者将优化分为了两大类：软优化和硬优化。软优化通常是操做数据库便可；而硬优化则是操做服务器硬件及参数设置。

一、软优化

1）查询语句优化

首先咱们能够用EXPLAIN或DESCRIBE(简写:DESC)命令分析一条查询语句的执行信息。

例:

DESC SELECT * FROM `user`

其中会显示索引和查询数据读取数据条数等信息。

2）优化子查询

在MySQL中，尽可能使用JOIN来代替子查询。由于子查询须要嵌套查询，嵌套查询时会创建一张临时表，临时表的创建和删除都会有较大的系统开销，而链接查询不会建立临时表，所以效率比嵌套子查询高。

3）使用索引

索引是提升数据库查询速度最重要的方法之一，使用索引的三大注意事项包括：

LIKE关键字匹配'%'开头的字符串，不会使用索引；
OR关键字的两个字段必须都是用了索引，该查询才会使用索引；
使用多列索引必须知足最左匹配。

4）分解表

对于字段较多的表，若是某些字段使用频率较低，此时应当将其分离出来从而造成新的表。

5）中间表

对于将大量链接查询的表能够建立中间表，从而减小在查询时形成的链接耗时。

6）增长冗余字段

相似于建立中间表，增长冗余也是为了减小链接查询。

7）分析表、检查表、优化表

分析表主要是分析表中关键字的分布；检查表主要是检查表中是否存在错误；优化表主要是消除删除或更新形成的表空间浪费。

分析表： 使用 ANALYZE 关键字，如ANALYZE TABLE user

Op： 表示执行的操做；
Msg_type： 信息类型，有status、info、note、warning、error；
Msg_text： 显示信息。

检查表: 使用 CHECK关键字，如CHECK TABLE user [option]。 option 只对MyISAM有效。共五个参数值：

QUICK： 不扫描行，不检查错误的链接；
FAST： 只检查没有正确关闭的表；
CHANGED： 只检查上次检查后被更改的表和没被正确关闭的表；
MEDIUM： 扫描行，以验证被删除的链接是有效的，也能够计算各行关键字校验和；
EXTENDED： 最全面的的检查，对每行关键字全面查找。
优化表： 使用OPTIMIZE关键字，如OPTIMIZE [LOCAL|NO_WRITE_TO_BINLOG] TABLE user;

LOCAL|NO_WRITE_TO_BINLOG都是表示不写入日志，优化表只对VARCHAR、BLOB和TEXT有效，经过OPTIMIZE TABLE语句能够消除文件碎片，在执行过程当中会加上只读锁。

二、硬优化

1）硬件三件套

配置多核心和频率高的cpu，多核心能够执行多个线程；
配置大内存，提升内存，便可提升缓存区容量，所以能减小磁盘I/O时间，从而提升响应速度；
配置高速磁盘或合理分布磁盘：高速磁盘提升I/O，分布磁盘能提升并行操做的能力。

2）优化数据库参数

优化数据库参数能够提升资源利用率，从而提升MySQL服务器性能。MySQL服务的配置参数都在my.cnf或my.ini，下面列出性能影响较大的几个参数：

key_buffer_size： 索引缓冲区大小；
table_cache： 能同时打开表的个数；
query_cache_size和query_cache_type： 前者是查询缓冲区大小，后者是前面参数的开关，0表示不使用缓冲区，1表示使用缓冲区，但能够在查询中使用SQL_NO_CACHE表示不要使用缓冲区，2表示在查询中明确指出使用缓冲区才用缓冲区，即SQL_CACHE；
sort_buffer_size： 排序缓冲区。

3）分库分表

由于数据库压力过大，首先一个问题就是高峰期系统性能可能会下降，由于数据库负载太高对性能会有影响。

另一个，压力过大把你的数据库给搞挂了怎么办？

因此此时你必须得对系统作分库分表+读写分离，也就是把一个库拆分为多个库，部署在多个数据库服务上，这时做为主库承载写入请求。而后每一个主库都挂载至少一个从库，由从库来承载读请求。

4）缓存集群

若是用户量愈来愈大，此时你能够不停的加机器，好比说系统层面不停加机器，就能够承载更高的并发请求。

而后数据库层面若是写入并发愈来愈高，就扩容加数据库服务器，经过分库分表是能够支持扩容机器的，若是数据库层面的读并发愈来愈高，就扩容加更多的从库。

可是这里有一个很大的问题：

数据库其实自己不是用来承载高并发请求的，因此一般来讲，数据库单机每秒承载的并发就在几千的数量级，并且数据库使用的机器都是比较高配置，比较昂贵的机器，成本很高。

若是你就是简单的不停的加机器，实际上是不对的。

因此在高并发架构里一般都有缓存这个环节，缓存系统的设计就是为了承载高并发而生。单机承载的并发量都在每秒几万，甚至每秒数十万，对高并发的承载能力比数据库系统要高出一到两个数量级。

你彻底能够根据系统的业务特性，对那种写少读多的请求，引入缓存集群。

具体来讲，就是在写数据库的时候同时写一份数据到缓存集群里，而后用缓存集群来承载大部分的读请求。这样的话，经过缓存集群，就能够用更少的机器资源承载更高的并发。

 

 

 

 

 

==================================================================================================

==================================================================================================

==================================================================================================

MySQL慢SQL优化-如何分析性能瓶颈

优化慢SQL首先得知道瓶颈在哪，本文主要介绍慢SQL性能瓶颈分析。本文就之前段时间参加的一个SQL优化活动为例。
mysql命令行或者一些可视化工具在sql执行时间的精度比较低，尤为是命令行只显示到10ms，因此须要打开mysql的执行时间监听：

set profiling = 1;

而后使用

show profiles;

命令就可查看sql的执行时间。

例如：

mysql> show profiles;
+----------+------------+------------------------------------------------------------------------------------------------------------------------------------------------
-------------------------------------------------------------------------------------------------------------------------------------------+
| Query_ID | Duration   | Query
                                                                                                                                           |
+----------+------------+------------------------------------------------------------------------------------------------------------------------------------------------
-------------------------------------------------------------------------------------------------------------------------------------------+
|        1 | 0.18553425 | select a.seller_id,a.seller_name,b.user_name,c.state   from  a,b,c
where  a.seller_name=b.seller_name  and    b.user_id=c.user_id   and  c.user_id=17  and
a.gmt_create BETWEEN DATE_ADD(NOW(), INTERVAL - 600 MINUTE) AND  DATE_ADD(NOW(), INTERVAL 600 MINUTE)  order  by  a.gmt_create |
+----------+------------+------------------------------------------------------------------------------------------------------------------------------------------------
-------------------------------------------------------------------------------------------------------------------------------------------+
1 row in set, 1 warning (0.00 sec)

在命令行中执行完sql后，使用 show profiles; 语句就可显示上面的执行历史信息，找到对应的，能够看到我刚测试的执行了0.18553425s这个精度就至关高。
接下来咱们使用explain语句分析这条语句在所牵连的表中一共遍历了多少纪录

mysql> explain
    -> select a.seller_id,a.seller_name,b.user_name,c.state   from  a,b,c
    -> where  a.seller_name=b.seller_name  and    b.user_id=c.user_id   and  c.user_id=17  and
    -> a.gmt_create BETWEEN DATE_ADD(NOW(), INTERVAL - 600 MINUTE) AND  DATE_ADD(NOW(), INTERVAL 600 MINUTE)  order  by  a.gmt_create
    -> ;
+----+-------------+-------+------------+------+---------------+------+---------+------+--------+----------+----------------------------------------------------+
| id | select_type | table | partitions | type | possible_keys | key  | key_len | ref  | rows   | filtered | Extra                                              |
+----+-------------+-------+------------+------+---------------+------+---------+------+--------+----------+----------------------------------------------------+
|  1 | SIMPLE      | a     | NULL       | ALL  | NULL          | NULL | NULL    | NULL |  16108 |    11.11 | Using where; Using temporary; Using filesort       |
|  1 | SIMPLE      | b     | NULL       | ALL  | NULL          | NULL | NULL    | NULL |  16592 |    10.00 | Using where; Using join buffer (Block Nested Loop) |
|  1 | SIMPLE      | c     | NULL       | ALL  | NULL          | NULL | NULL    | NULL | 359382 |     1.00 | Using where; Using join buffer (Block Nested Loop) |
+----+-------------+-------+------------+------+---------------+------+---------+------+--------+----------+----------------------------------------------------+
3 rows in set, 1 warning (0.00 sec)

这里有一个介绍的对这个结果各个列介绍比较好的网页explain结果介绍

从上面的分析中发现每一个表的数据遍历了不少（实际上是所有），能够添加索引进行优化，同时能够看到a表extra有using temorary就是使用临时表，这是须要优化的。

这篇文章比较简单，主要讲了mysql的相关使用，等之后再sql优化有了更多的心得必定在总结。

PS
关于join的优化
在没有分库分表的时候，join在创建合适的索引后仍是可用的。
关于join的原理 嵌套循环算法，经过join连接的字段通常要创建索义。

看过嵌套循环算法后，其实A left B和B left A在算法复杂度上没有区别，因此仍是根据业务选择便可。
同时，嵌套循环的数据并不必定是全表数据，若是where中约束其中一个表，假设是B，这时在循环遍历B表是遍历where约束的数据量，因此并非全量对比。

 

 

 

原文连接：https://blog.csdn.net/u013592964/article/details/76154170

原文地址：https://www.toutiao.com/a6733466794163454472/?timestamp=1569375599&app=news_article_lite&group_id=6733466794163454472&req_id=201909250939590100260790161ABB2A15