MySQL 大数据量表优化方案

• 本文参考来源地址：https://mp.weixin.qq.com/s/m9bJNdd7MgBJr023rjtisQ
• 当 MySQL 单表记录数过大时，增删改查性能都会急剧下降，可以参考以下步骤来优化。

单表优化

• 除非单表数据未来会一直不断上涨(例如网络爬虫)，否则不要一开始就考虑拆分，拆分会带来逻辑、部署、运维的各种复杂度
• 一般以整型值为主的表在 千万级以下，字符串为主的表在 五百万以下是没有太大问题的。而事实上很多时候 MySQL 单表的性能依然有不少优化空间，甚至能正常支撑千万级以上的数据量。

字 段

• 尽量使用 tinyint、 smallint、 mediumint 作为整数类型而非 int

• 建议 varchar 的长度只分配真正需要的空间

• 使用枚举或整数代替字符串类型

• 尽量使用 TIMESTAMP而非 DATETIME

• 单表不要有太多字段，建议在20以内

• 避免使用NULL字段，很难查询优化且占用额外索引空间

• 对于整数类型不了解的，可以参考《MySQL 整数类型 与 浮点数类型》

索 引

• 索引并不是越多越好，要根据查询有针对性的创建，考虑在 WHERE和 ORDER BY命令上涉及的列建立索引，可根据 EXPLAIN来查看是否用了索引还是全表扫描

• 应尽量避免在 WHERE 子句中对字段进行 NULL值判断，否则将导致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

• 字符字段最好不要做主键

• 尽量不用外键，由程序保证约束

• 尽量不用 UNIQUE，由程序保证约束

查询 SQL

• 可通过开启慢查询日志来找出较慢的 SQL

• 不做列运算： SELECT id WHERE age+1=10，任何对列的操作都将导致表扫描，它包括数据库教程函数、计算表达式等等，查询时要尽可能将操作移至等号右边

• sql 语句尽可能简单：一条sql只能在一个cpu运算；大语句拆小语句，减少锁时间；一条大 sql 可以堵死整个库

• 不用 SELECT *

• 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以内

• 不用函数和触发器，在应用程序实现

• 避免 %xxx 式查询

• 少用 JOIN

• 尽量避免在 WHERE 子句中使用!=或<>操作符，否则引擎将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

引 擎

• 关于 Mysql 引擎可以参考《MySQL 存储引擎详解》

升级硬件

• 这个不多说了，根据 MySQL 是 CPU 密集型还是I/O密集型，通过提升 CPU 和内存、使用 SSD，都能显著提升MySQL性能

读写分离

• 读写分离也是目前常用的优化方式，从库读主库写
• 一般不要采用双主或多主引入很多复杂性，尽量采用文中的其他方案来提高性能。同时目前很多拆分的解决方案同时也兼顾考虑了读写分离

缓 存

• 缓存可以发生在以下这些层次：

1. MySQL内部：做内部参数调优

2. 数据访问层：比如 MyBatis 针对 SQL 语句做缓存，而 Hibernate 可以精确到单个记录，这里缓存的对象主要是持久化对象 PersistenceObject

3. 应用服务层：这里可以通过编程手段对缓存做到更精准的控制和更多的实现策略，这里缓存的对象是数据传输对象 DataTransferObject

4. Web层：针对web页面做缓存

5. 浏览器客户端：用户端的缓存

• 可以根据实际情况在一个层次或多个层次结合加入缓存。这里重点介绍下服务层的缓存实现，目前主要有两种方式：

1. 直写式（Write Through）：在数据写入数据库后，同时更新缓存(如 Redis)，维持数据库与缓存的一致性。这也是当前大多数应用缓存框架如 Spring Cache 的工作方式。这种实现非常简单，同步好，但效率一般。

2. 回写式（Write Back）：当有数据要写入数据库时，只会更新缓存，然后异步批量的将缓存数据同步到数据库上。这种实现比较复杂，需要较多的应用逻辑，同时可能会产生数据库与缓存的不同步，但效率非常高。

表分区

• MySQL在5.1版引入的分区是一种简单的水平拆分，用户需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
• 对用户来说，分区表是一个独立的逻辑表，但是底层由多个物理子表组成，实现分区的代码实际上是通过对一组底层表的对象封装，但对SQL层来说是一个完全封装底层的黑盒子。
• 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语句是需要针对分区表做优化，SQL条件中要带上分区条件的列，从而使查询定位到少量的分区上，否则就会扫描全部分区，可以通过 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，如下图5条记录落在两个分区上：

    mysql> explain partitions select count(1) from user_partition where id in (1,2,3,4,5);

    +----+-------------+----------------+------------+-------+---------------+---------+---------+------+------+--------------------------+

    | id | select_type | table          | partitions | type  | possible_keys | key     | key_len | ref  | rows | Extra                    |

    +----+-------------+----------------+------------+-------+---------------+---------+---------+------+------+--------------------------+

    |  1 | SIMPLE      | user_partition | p1,p4      | range | PRIMARY       | PRIMARY | 8       | NULL |    5 | Using where; Using index |

    +----+-------------+----------------+------------+-------+---------------+---------+---------+------+------+--------------------------+

    1 row in set (0.00 sec)

分区的优点

• 可以让单表存储更多的数据

• 分区表的数据更容易维护，可以通过清楚整个分区批量删除大量数据，也可以增加新的分区来支持新插入的数据。另外，还可以对一个独立分区进行优化、检查、修复等操作

• 部分查询能够从查询条件确定只落在少数分区上，速度会很快

• 分区表的数据还可以分布在不同的物理设备上，从而高效利用多个硬件设备

• 可以使用分区表来避免某些特殊瓶颈，例如 InnoDB 单个索引的互斥访问、ext3 文件系统的 InoDB 锁竞争

• 可以备份和恢复单个分区

分区的限制

• 一个表最多只能有1024个分区

• 如果分区字段中有主键或者唯一索引的列，那么所有主键列和唯一索引列都必须包含进来

• 分区表无法使用外键约束

• NULL值会使分区过滤无效

• 所有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：类似于按 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。这个函数可以包含MySQL中有效的、产生非负整数值的任何表达式

• key 分区：类似于按 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

垂直拆分

• 垂直分库是根据数据库里面的数据表的相关性进行拆分，比如：一个数据库里面既存在用户数据，又存在订单数据，那么垂直拆分可以把用户数据放到用户库、把订单数据放到订单库。
• 垂直分表是对数据表进行垂直拆分的一种方式，常见的是把一个多字段的大表按常用字段和非常用字段进行拆分，每个表里面的数据记录数一般情况下是相同的，只是字段不一样，使用主键关联。
• 比如原始的用户表是：

• 垂直拆分后是：

优 点

• 可以使得行数据变小，一个数据块(Block)就能存放更多的数据，在查询时就会减少I/O次数(每次查询时读取的Block 就少)

• 可以达到最大化利用Cache的目的，具体在垂直拆分的时候可以将不常变的字段放一起，将经常改变的放一起

• 数据维护简单

缺 点

• 主键出现冗余，需要管理冗余列

• 会引起表连接JOIN操作（增加CPU开销）可以通过在业务服务器上进行join来减少数据库压力

• 依然存在单表数据量过大的问题（需要水平拆分）

• 事务处理复杂

水平拆分

• 水平拆分是通过某种策略将数据分片来存储，分为库内分表和分库两部分，每片数据会分散到不同的MySQL表或库，达到分布式的效果，能够支持非常大的数据量。前面的表分区本质上也是一种特殊的库内分表。
• 库内分表，仅仅是单纯的解决了单一表数据过大的问题，由于没有把表的数据分布到不同的机器上，因此对于减轻MySQL服务器的压力来说，并没有太大的作用，大家还是竞争同一个物理机上的IO、CPU、网络，这个就要通过分库来解决。
• 前面垂直拆分的用户表如果进行水平拆分，结果是：

• 实际情况中往往会是垂直拆分和水平拆分的结合，即将 Users_A_M和 Users_N_Z再拆成 Users和 UserExtras，这样一共四张表。

优 点

• 不存在单库大数据和高并发的性能瓶颈

• 应用端改造较少

• 提高了系统的稳定性和负载能力

缺点

• 分片事务一致性难以解决

• 跨节点 Join 性能差，逻辑复杂

• 数据多次扩展难度跟维护量极大