【转载文章】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...

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，日常卡死。严重影响业务。

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语句写的不仅仅是垃圾，简直无法直视。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，然后我就是掉坑的那个！！！

我尝试解决该问题，so，有个这个日志。

方案概述

  • 方案一：优化现有mysql数据库。优点：不影响现有业务，源程序不需要修改代码，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。优点：不影响现有业务，源程序不需要修改代码，你几乎不需要做任何操作就能提升数据库性能，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。优点：扩展性强，成本低，没有数据容量瓶颈，缺点：需要修改源程序代码

以上三种方案，按顺序使用即可，数据量在亿级别一下的没必要换nosql，开发成本太高。三种方案我都试了一遍，而且都形成了落地解决方案。该过程心中慰问跑路的那几个开发者一万遍 :)

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，总结如下（都是精华）：

  • 1.数据库设计和表创建时就要考虑性能

  • 2.sql的编写需要注意优化

  • 4.分区

  • 4.分表

  • 5.分库

1.数据库设计和表创建时就要考虑性能

mysql数据库本身高度灵活，造成性能不足，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。这也是很多关系型数据库的通病，所以公司的dba通常工资巨高。

设计表时要注意：

  • 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。

  • 尽量使用INT而非BIGINT，如果非负则加上UNSIGNED（这样数值容量会扩大一倍），当然能使用TINYINT、SMALLINT、MEDIUM_INT更好。

  • 使用枚举或整数代替字符串类型

  • 尽量使用TIMESTAMP而非DATETIME

  • 单表不要有太多字段，建议在20以内

  • 用整型来存IP

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

  • 不用外键，由程序保证约束

  • 尽量不用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，同时删除不必要的单列索引

简言之就是使用合适的数据类型，选择合适的索引


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，因为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）尽可能使用not null定义字段 （5）尽量少用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，因为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（不同的值多）的列，放在联合索引前面。查看离散度，通过统计不同的列值来实现，count越大，离散程度越高：

原开发人员已经跑路，该表早已建立，我无法修改，故：该措辞无法执行，放弃！

2.sql的编写需要注意优化

  • 使用limit对查询结果的记录进行限定

  • 避免select *，将需要查找的字段列出来

  • 使用连接（join）来代替子查询

  • 拆分大的delete或insert语句

  • 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

  • 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

  • 使用同类型进行比较，比如用'123'和'123'比，123和123比

  • 尽量避免在WHERE子句中使用!=或<>操作符，否则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，我无法修改sql，故：该措辞无法执行，放弃！

引擎

引擎

目前广泛使用的是MyISAM和InnoDB两种引擎：

  1. MyISAM

  2. MyISAM引擎是MySQL 5.1及之前版本的默认引擎，它的特点是：

  • 不支持行锁，读取时对需要读到的所有表加锁，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，极大提升写入性能

  • 对于不会进行修改的表，支持压缩表，极大减少磁盘空间占用

  1. InnoDB

  2. InnoDB在MySQL 5.5后成为默认索引，它的特点是：

  • 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

总体来讲，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，但是程序要求事务支持，故InnoDB是必须的，故该方案无法执行，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，我测试，查询时不带分区条件的列，也会提高速度，故该措施值得一试。

分区的好处是：

  • 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，从而搞笑利用多个硬件设备

  • 可以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

  • 可以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

  • 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

  • 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，查询效率提高6倍左右，效果不明显，故：换id为HASH分区，分了64个分区，查询速度提升显著。问题解决！

结果如下：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，还是查询卡死，那就把这个表分成多张表，把一次查询分成多次查询，然后把结果组合返回给用户。

分表分为垂直拆分和水平拆分，通常以某个字段做拆分项。比如以id字段拆分为100张表： 表名为 tableName_id%100

但：分表需要修改源程序代码，会给开发带来大量工作，极大的增加了开发成本，故：只适合在开发初期就考虑到了大量数据存在，做好了分表处理，不适合应用上线了再做修改，成本太高！！！而且选择这个方案，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

把一个数据库分成多个，建议做个读写分离就行了，真正的做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，故需要换一个100%兼容mysql的数据库。

  1. 开源选择

  • tiDB https://github.com/pingcap/tidb

  • Cubrid https://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，有很多坑要踩，如果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

  • 阿里云POLARDB

  • https://www.aliyun.com/product/polardb?spm=a2c4g.11174283.cloudEssentials.47.7a984b5cS7h4wH

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，性能最高提升至 MySQL 的 6 倍。POLARDB 既融合了商业数据库稳定、可靠、高性能的特征，又具有开源数据库简单、可扩展、持续迭代的优势，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，无操作成本，性能提升在10倍左右，价格跟rds相差不多，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，但是在公测中，我无法尝试，但值得期待

  • 阿里云HybridDB for MySQL (原PetaData)

  • https://www.aliyun.com/product/petadata?spm=a2c4g.11174283.cloudEssentials.54.7a984b5cS7h4wH

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，但是价格太高，每小时高达10块钱，用来做存储太浪费了，适合存储和分析一起用的业务。

  • 腾讯云DCDB

  • https://cloud.tencent.com/product/dcdb_for_tdsql

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，不多说。原因是出了问题找不到人，线上问题无法解决头疼！但是他价格便宜，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。但是有很高的运维成本，一般公司是玩不起的，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，也是一种未来趋势，大数据由专业的公司提供专业的服务，小公司或个人购买服务，大数据就像水/电等公共设施一样，存在于社会的方方面面。

  5. 国内做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可以理解为开源的Hive，提供sql/mapreduce/ai算法/python脚本/shell脚本等方式操作数据，数据以表格的形式展现，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提供了一种工作流的方式管理你的数据处理任务和调度监控。

  8. 当然你也可以选择阿里云hbase等其他产品，我这里主要是离线处理，故选择MaxCompute，基本都是图形界面操作，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。


作者：王帅  http://database.51cto.com/art/201902/592522.htm

本文来自互联网用户投稿，该文观点仅代表作者本人，不代表本站立场。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如若转载，请注明出处：http://www.mzph.cn/news/449407.shtml

如若内容造成侵权/违法违规/事实不符，请联系多彩编程网进行投诉反馈email:809451989@qq.com，一经查实，立即删除！

相关文章

50期权趋势卖方

50期权趋势卖方

#!/usr/bin/env python # coding:utf-8 from PoboAPI import * import datetime import time import numpy as np from copy import * import pandas as pd #设定持仓细节数据表 #g.df = {}g.df = pd.DataFrame(columns = [date,code,price,volume,stoploss,iv]) print(type(g.…
阅读更多...
一周工作60个小时并不值得骄傲，这是个问题！

一周工作60个小时并不值得骄傲，这是个问题！

本文由 极客范 - yesky 翻译自 Jeff Archibald。欢迎加入极客翻译小组&#xff0c;同我们一道翻译与分享。转载请参见文章末尾处的要求。当我们声称自己在这周&#xff0c;上周或是上个月超负荷地工作了多少时间时&#xff0c;一种自豪感便会油然而生。 我之所以这么说是因为…
阅读更多...
Linux查看文件大小的几种方法

Linux查看文件大小的几种方法

转自&#xff1a;https://blog.csdn.net/xiongyangg/article/details/54809810 stat命令stat filepathxanarryThinkPad:/$ stat ~/Downloads/jdk-8u60-linux-x64.tar.gzFile: /home/xanarry/Downloads/jdk-8u60-linux-x64.tar.gzSize: 181238643 Blocks: 353984 IO B…
阅读更多...
2019.03.27【GDOI2019】模拟 T3

2019.03.27【GDOI2019】模拟 T3

题目大意 给出$n$, $p$, 求有多少长度为$n$的排列可以被分成三个上升子序列, 数量对$p$取模, 数据范围 $3 \leq n \leq 500$. 思路 首先让我们考虑如果有一个排列,如何判断这个排列合法,我可以考虑贪心,维护三个上升序列的末尾(最大值),从左到右依次将数插入序列,把这个数贪心的…
阅读更多...
DOM的那些事

DOM的那些事

到底调用函数时要不要加&#xff08;&#xff09;&#xff1f; 在html中&#xff0c;onclick后必须接字符串调用&#xff0c;而在js中则必须接函数进行调用。 addEventListener和click区别 onclick只是一个属性&#xff0c;且是唯一的。其只能绑定一个事件&#xff0c;容易在不…
阅读更多...
真格量化-隐含波动率购买

真格量化-隐含波动率购买

# coding:utf-8 #!/usr/bin/env python from PoboAPI import * import datetime import numpy as np #50ETF 和 50ETF期权的对冲交易，当ETF隐含波动率较高时就买50ETF并做空50ETF看涨期权#开始时间，用于初始化一些参数 def OnStart(context) :print("system starting...…
阅读更多...
能让你成为更优秀程序员的10个C语言资源

能让你成为更优秀程序员的10个C语言资源

本文由 伯乐在线 - archychu 翻译自 mycplus。欢迎加入 技术翻译小组。转载请参见文章末尾处的要求。一些人觉得编程无聊&#xff0c;一些人觉得它很好玩。但每个程序员都必须紧跟编程语言的潮流。大多数程序员都是从C开始学习编程的&#xff0c;因为C是用来写操作系统、应用程…
阅读更多...
解决 -- 代码没有问题时接口报错：Status Code: 404 Not Found

解决 -- 代码没有问题时接口报错：Status Code: 404 Not Found

前些天发现了一个巨牛的人工智能学习网站&#xff0c;通俗易懂&#xff0c;风趣幽默&#xff0c;忍不住分享一下给大家。点击跳转到教程。 我能确定这个工程的接口代码肯定没有问题&#xff0c;这时请求接口依旧报 404。 如&#xff1a; 经过多方检查 最终确认问题原因&…
阅读更多...
渗透测试学习

渗透测试学习

渗透学习路线&#xff1a;https://www.sec-wiki.com/skill/2 经常应该浏览的网站&#xff1a;www.freebuf.comdrops.wooyun.orgwww.sec-wiki.com/www.t00ls.net/www.91ri.orghttp://fex.baidu.com/blog/2014/05/what-happen/了解了web访问网页的基本过程http://www.qianxingzhe…
阅读更多...
java版开源工作流引擎ccflow从表数据数据源导入设置

java版开源工作流引擎ccflow从表数据数据源导入设置

为什么80%的码农都做不了架构师&#xff1f;>>> 关键字驰骋工作流引擎 流程快速开发平台 workflow ccflow jflow .net开源工作流 从表数据导入设置 概要说明在从表的使用中我一般都会用到从数据库引入一些数据到表单中&#xff0c;这时候就需要有一个功能能够查询…
阅读更多...
真格量化——中性策略交易期权

真格量化——中性策略交易期权

#!/usr/bin/env python # coding:utf-8 from PoboAPI import * import datetime import time import numpy as np from copy import *import pandas as pd #设定持仓细节数据表 #g.df = {}g.df = pd.DataFrame(columns = [date,code,price,volume,stoploss,iv]) g.a = [] g.b =…
阅读更多...
一周消息树：程序员想找好工作？那就学好Linux！

一周消息树：程序员想找好工作？那就学好Linux！

摘要&#xff1a;从一小众化的系统发展到今天在国际上支撑着绝大部分公司的重量级系统&#xff0c;Liunx现在被越来越多的公司重视。而Linux人才却没有跟上&#xff0c;为此&#xff0c;MongoDB公司的副总裁Matt Asay给软件开发者们一个建议&#xff1a;要学好Linux。 近期&…
阅读更多...
注解@Cacheable(value =“XXX“) 实现缓存 -- 失效原因

注解@Cacheable(value =“XXX“) 实现缓存 -- 失效原因

前些天发现了一个巨牛的人工智能学习网站&#xff0c;通俗易懂&#xff0c;风趣幽默&#xff0c;忍不住分享一下给大家。点击跳转到教程。 一个项目中使用到了注解缓存&#xff0c;但无论怎么检查都不生效&#xff0c;反复确认缓存的使用本身应该没有出错。 最后确认原因&…
阅读更多...
读书笔记011：《伤寒论》- 手厥阴心包经

读书笔记011：《伤寒论》- 手厥阴心包经

手厥阴心主起胸&#xff0c;属包下膈三焦宫&#xff0c;支者循胸出胁下&#xff0c;胁下连腋三寸同。仍上抵腋循臑内&#xff0c;太阴、少阴两经中&#xff0c;指透中冲支者别&#xff0c;小指次指络相通。此经少气原多血&#xff0c;是动则病手心热&#xff0c;肘臂挛急腋下肿…
阅读更多...
真格量化——做空波动率卖期权策略

真格量化——做空波动率卖期权策略

# coding:utf-8 #!/usr/bin/env python # EmuCounter2 from PoboAPI import * import datetime import numpy as np#开始时间，用于初始化一些参数 def OnStart(context) :print "system starting..."#设定全局变量品种g.code1 = "m1901-C-3300.DCE" #豆粕…
阅读更多...
支撑4.5亿活跃用户的WhatsApp架构概览

支撑4.5亿活跃用户的WhatsApp架构概览

摘要&#xff1a;不顾谷歌CEO阻拦&#xff0c;WhatsApp最终以190亿美元的价格花落Facebook。能获如此天价与其月4.5亿的活跃用户是分不开的&#xff0c;同样不可或缺的还有支撑每日数百亿消息的高可靠架构。 【编者按】以190亿美元的价格出售给Facebook&#xff0c;交易谈判过…
阅读更多...
C++ 常用函数总结

C++ 常用函数总结

平时常用C刷一些算法题&#xff0c;C内置了许多好用的工具函数&#xff0c;但时间一长总是容易忘记&#xff0c;这里简单做一下总结&#xff0c;方便复习&#xff01; <stdlib.h> atoi(const char* str)将一串字符转换为int型atof(const char* str)同上&#xff0c;转换为…
阅读更多...
注解驱动的 Spring cache 缓存介绍

注解驱动的 Spring cache 缓存介绍

概述 前些天发现了一个巨牛的人工智能学习网站&#xff0c;通俗易懂&#xff0c;风趣幽默&#xff0c;忍不住分享一下给大家。点击跳转到教程。 Spring 3.1 引入了激动人心的基于注释&#xff08;annotation&#xff09;的缓存&#xff08;cache&#xff09;技术&#xff0c;…
阅读更多...
真格量化——50etf与期权对冲策略

真格量化——50etf与期权对冲策略

# coding:utf-8 #!/usr/bin/env python from PoboAPI import * import datetime import numpy as np #50ETF 和 50ETF期权的对冲交易，当ETF隐含波动率较高时就买50ETF并做空50ETF看涨期权#开始时间，用于初始化一些参数 def OnStart(context) :print("system starting...…
阅读更多...
如何用Linux命令行管理网络：11个你必须知道的命令

如何用Linux命令行管理网络：11个你必须知道的命令

本文由 极客范 - jerrylee 翻译自 Chris Hoffman。欢迎加入极客翻译小组&#xff0c;同我们一道翻译与分享。转载请参见文章末尾处的要求。无论你是要下载文件、诊断网络问题、管理网络接口&#xff0c;还是查看网络的统计数据&#xff0c;都有终端命令可以来完成。这篇文章收…
阅读更多...
最新文章

Copyright @ 2022~2023