記錄一次MySQL兩千萬數(shù)據(jù)的大表優(yōu)化解決過程，提供三種解決方案
問題概述
使用阿里云rds for MySQL數(shù)據(jù)庫(就是MySQL5.6版本)，有個用戶上網(wǎng)記錄表6個月的數(shù)據(jù)量近2000萬，保留最近一年的數(shù)據(jù)量達到4000萬，查詢速度極慢，日常卡死。嚴(yán)重影響業(yè)務(wù)。
問題前提：老系統(tǒng)，當(dāng)時設(shè)計系統(tǒng)的人大概是大學(xué)沒畢業(yè)，表設(shè)計和sql語句寫的不僅僅是垃圾，簡直無法直視。原開發(fā)人員都已離職，到我來維護，這就是傳說中的維護不了就跑路，然后我就是掉坑的那個!!!
我嘗試解決該問題，so，有個這個日志。
方案概述
- 方案一：優(yōu)化現(xiàn)有mysql數(shù)據(jù)庫。優(yōu)點：不影響現(xiàn)有業(yè)務(wù)，源程序不需要修改代碼，成本***。缺點：有優(yōu)化瓶頸，數(shù)據(jù)量過億就玩完了。
- 方案二：升級數(shù)據(jù)庫類型，換一種100%兼容mysql的數(shù)據(jù)庫。優(yōu)點：不影響現(xiàn)有業(yè)務(wù)，源程序不需要修改代碼，你幾乎不需要做任何操作就能提升數(shù)據(jù)庫性能，缺點：多花錢
- 方案三：一步到位，大數(shù)據(jù)解決方案，更換newsql/nosql數(shù)據(jù)庫。優(yōu)點：擴展性強，成本低，沒有數(shù)據(jù)容量瓶頸，缺點：需要修改源程序代碼
以上三種方案，按順序使用即可，數(shù)據(jù)量在億級別一下的沒必要換nosql，開發(fā)成本太高。三種方案我都試了一遍，而且都形成了落地解決方案。該過程心中慰問跑路的那幾個開發(fā)者一萬遍 :)
方案一詳細說明：優(yōu)化現(xiàn)有mysql數(shù)據(jù)庫
跟阿里云數(shù)據(jù)庫大佬電話溝通 and Google解決方案 and 問群里大佬，總結(jié)如下(都是精華)：
- 1.數(shù)據(jù)庫設(shè)計和表創(chuàng)建時就要考慮性能
- 2.sql的編寫需要注意優(yōu)化
- 3.分區(qū)
- 4.分表
- 5.分庫
1、數(shù)據(jù)庫設(shè)計和表創(chuàng)建時就要考慮性能
mysql數(shù)據(jù)庫本身高度靈活，造成性能不足，嚴(yán)重依賴開發(fā)人員能力。也就是說開發(fā)人員能力高，則mysql性能高。這也是很多關(guān)系型數(shù)據(jù)庫的通病，所以公司的dba通常工資巨高。
設(shè)計表時要注意：
- 表字段避免null值出現(xiàn)，null值很難查詢優(yōu)化且占用額外的索引空間，推薦默認數(shù)字0代替null。
- 盡量使用INT而非BIGINT，如果非負則加上UNSIGNED(這樣數(shù)值容量會擴大一倍)，當(dāng)然能使用TINYINT、SMALLINT、MEDIUM_INT更好。
- 使用枚舉或整數(shù)代替字符串類型
- 盡量使用TIMESTAMP而非DATETIME
- 單表不要有太多字段，建議在20以內(nèi)
- 用整型來存IP
索引
- 索引并不是越多越好，要根據(jù)查詢有針對性的創(chuàng)建，考慮在WHERE和ORDER BY命令上涉及的列建立索引，可根據(jù)EXPLAIN來查看是否用了索引還是全表掃描
- 應(yīng)盡量避免在WHERE子句中對字段進行NULL值判斷，否則將導(dǎo)致引擎放棄使用索引而進行全表掃描
- 值分布很***的字段不適合建索引，例如"性別"這種只有兩三個值的字段
- 字符字段只建前綴索引
- 字符字段***不要做主鍵
- 不用外鍵，由程序保證約束
- 盡量不用UNIQUE，由程序保證約束
- 使用多列索引時主意順序和查詢條件保持一致，同時刪除不必要的單列索引
簡言之就是使用合適的數(shù)據(jù)類型，選擇合適的索引
選擇合適的數(shù)據(jù)類型 (1)使用可存下數(shù)據(jù)的最小的數(shù)據(jù)類型，整型 < date,time < char,varchar < blob (2)使用簡單的數(shù)據(jù)類型，整型比字符處理開銷更小，因為字符串的比較更復(fù)雜。如，int類型存儲時間類型，bigint類型轉(zhuǎn)ip函數(shù) (3)使用合理的字段屬性長度，固定長度的表會更快。使用enum、char而不是varchar (4)盡可能使用not null定義字段 (5)盡量少用text，非用不可***分表 # 選擇合適的索引列 (1)查詢頻繁的列，在where，group by，order by，on從句中出現(xiàn)的列 (2)where條件中<，<=，=，>，>=，between，in，以及l(fā)ike 字符串+通配符(%)出現(xiàn)的列 (3)長度小的列，索引字段越小越好，因為數(shù)據(jù)庫的存儲單位是頁，一頁中能存下的數(shù)據(jù)越多越好 (4)離散度大(不同的值多)的列，放在聯(lián)合索引前面。查看離散度，通過統(tǒng)計不同的列值來實現(xiàn)，count越大，離散程度越高：
原開發(fā)人員已經(jīng)跑路，該表早已建立，我無法修改，故：該措辭無法執(zhí)行，放棄!
2、sql的編寫需要注意優(yōu)化
- 使用limit對查詢結(jié)果的記錄進行限定
- 避免select *，將需要查找的字段列出來
- 使用連接(join)來代替子查詢
- 拆分大的delete或insert語句
- 可通過開啟慢查詢?nèi)罩緛碚页鲚^慢的SQL
- 不做列運算：SELECT id WHERE age + 1 = 10，任何對列的操作都將導(dǎo)致表掃描，它包括數(shù)據(jù)庫教程函數(shù)、計算表達式等等，查詢時要盡可能將操作移至等號右邊
- sql語句盡可能簡單：一條sql只能在一個cpu運算;大語句拆小語句，減少鎖時間;一條大sql可以堵死整個庫
- OR改寫成IN：OR的效率是n級別，IN的效率是log(n)級別，in的個數(shù)建議控制在200以內(nèi)
- 不用函數(shù)和觸發(fā)器，在應(yīng)用程序?qū)崿F(xiàn)
- 避免%xxx式查詢
- 少用JOIN
- 使用同類型進行比較，比如用'123'和'123'比，123和123比
- 盡量避免在WHERE子句中使用!=或<>操作符，否則將引擎放棄使用索引而進行全表掃描
- 對于連續(xù)數(shù)值，使用BETWEEN不用IN：SELECT id FROM t WHERE num BETWEEN 1 AND 5
- 列表數(shù)據(jù)不要拿全表，要使用LIMIT來分頁，每頁數(shù)量也不要太大
原開發(fā)人員已經(jīng)跑路，程序已經(jīng)完成上線，我無法修改sql，故：該措辭無法執(zhí)行，放棄!
引擎
引擎
目前廣泛使用的是MyISAM和InnoDB兩種引擎：
MyISAM
MyISAM引擎是MySQL 5.1及之前版本的默認引擎，它的特點是：
- 不支持行鎖，讀取時對需要讀到的所有表加鎖，寫入時則對表加排它鎖
- 不支持事務(wù)
- 不支持外鍵
- 不支持崩潰后的安全恢復(fù)
- 在表有讀取查詢的同時，支持往表中插入新紀(jì)錄
- 支持BLOB和TEXT的前500個字符索引，支持全文索引
- 支持延遲更新索引，極大提升寫入性能
- 對于不會進行修改的表，支持壓縮表，極大減少磁盤空間占用
InnoDB
InnoDB在MySQL 5.5后成為默認索引，它的特點是：
1.支持行鎖，采用MVCC來支持高并發(fā)
2.支持事務(wù)
3.支持外鍵
4.支持崩潰后的安全恢復(fù)
5.不支持全文索引
總體來講，MyISAM適合SELECT密集型的表，而InnoDB適合INSERT和UPDATE密集型的表
MyISAM速度可能超快，占用存儲空間也小，但是程序要求事務(wù)支持，故InnoDB是必須的，故該方案無法執(zhí)行，放棄!
3、分區(qū)
MySQL在5.1版引入的分區(qū)是一種簡單的水平拆分，用戶需要在建表的時候加上分區(qū)參數(shù)，對應(yīng)用是透明的無需修改代碼
對用戶來說，分區(qū)表是一個獨立的邏輯表，但是底層由多個物理子表組成，實現(xiàn)分區(qū)的代碼實際上是通過對一組底層表的對象封裝，但對SQL層來說是一個完全封裝底層的黑盒子。MySQL實現(xiàn)分區(qū)的方式也意味著索引也是按照分區(qū)的子表定義，沒有全局索引
用戶的SQL語句是需要針對分區(qū)表做優(yōu)化，SQL條件中要帶上分區(qū)條件的列，從而使查詢定位到少量的分區(qū)上，否則就會掃描全部分區(qū)，可以通過EXPLAIN PARTITIONS來查看某條SQL語句會落在那些分區(qū)上，從而進行SQL優(yōu)化，我測試，查詢時不帶分區(qū)條件的列，也會提高速度，故該措施值得一試。
分區(qū)的好處是：
- 可以讓單表存儲更多的數(shù)據(jù)
- 分區(qū)表的數(shù)據(jù)更容易維護，可以通過清楚整個分區(qū)批量刪除大量數(shù)據(jù)，也可以增加新的分區(qū)來支持新插入的數(shù)據(jù)。另外，還可以對一個獨立分區(qū)進行優(yōu)化、檢查、修復(fù)等操作
- 部分查詢能夠從查詢條件確定只落在少數(shù)分區(qū)上，速度會很快
- 分區(qū)表的數(shù)據(jù)還可以分布在不同的物理設(shè)備上，從而搞笑利用多個硬件設(shè)備
- 可以使用分區(qū)表賴避免某些特殊瓶頸，例如InnoDB單個索引的互斥訪問、ext3文件系統(tǒng)的inode鎖競爭
- 可以備份和恢復(fù)單個分區(qū)
分區(qū)的限制和缺點：
- 一個表最多只能有1024個分區(qū)
- 如果分區(qū)字段中有主鍵或者唯一索引的列，那么所有主鍵列和唯一索引列都必須包含進來
- 分區(qū)表無法使用外鍵約束
- NULL值會使分區(qū)過濾無效
- 所有分區(qū)必須使用相同的存儲引擎
分區(qū)的類型：
- RANGE分區(qū)：基于屬于一個給定連續(xù)區(qū)間的列值，把多行分配給分區(qū)
- LIST分區(qū)：類似于按RANGE分區(qū)，區(qū)別在于LIST分區(qū)是基于列值匹配一個離散值集合中的某個值來進行選擇
- HASH分區(qū)：基于用戶定義的表達式的返回值來進行選擇的分區(qū)，該表達式使用將要插入到表中的這些行的列值進行計算。這個函數(shù)可以包含MySQL中有效的、產(chǎn)生非負整數(shù)值的任何表達式
- KEY分區(qū)：類似于按HASH分區(qū)，區(qū)別在于KEY分區(qū)只支持計算一列或多列，且MySQL服務(wù)器提供其自身的哈希函數(shù)。必須有一列或多列包含整數(shù)值
- 具體關(guān)于mysql分區(qū)的概念請自行g(shù)oogle或查詢官方文檔，我這里只是拋磚引玉了。
我首先根據(jù)月份把上網(wǎng)記錄表RANGE分區(qū)了12份，查詢效率提高6倍左右，效果不明顯，故：換id為HASH分區(qū)，分了64個分區(qū)，查詢速度提升顯著。問題解決!
結(jié)果如下：
- PARTITION BY HASH (id)PARTITIONS 64
- select count() from readroom_website; --11901336行記錄
- / 受影響行數(shù): 0 已找到記錄: 1 警告: 0 持續(xù)時間 1 查詢: 5.734 sec. /
- select * from readroom_website where month(accesstime) =11 limit 10;
- / 受影響行數(shù): 0 已找到記錄: 10 警告: 0 持續(xù)時間 1 查詢: 0.719 sec. */
4、分表
分表就是把一張大表，按照如上過程都優(yōu)化了，還是查詢卡死，那就把這個表分成多張表，把一次查詢分成多次查詢，然后把結(jié)果組合返回給用戶。
分表分為垂直拆分和水平拆分，通常以某個字段做拆分項。比如以id字段拆分為100張表： 表名為 tableName_id%100
但：分表需要修改源程序代碼，會給開發(fā)帶來大量工作，極大的增加了開發(fā)成本，故：只適合在開發(fā)初期就考慮到了大量數(shù)據(jù)存在，做好了分表處理，不適合應(yīng)用上線了再做修改，成本太高!!!而且選擇這個方案，都不如選擇我提供的第二第三個方案的成本低!故不建議采用。
5、分庫
把一個數(shù)據(jù)庫分成多個，建議做個讀寫分離就行了，真正的做分庫也會帶來大量的開發(fā)成本，得不償失!不推薦使用。
方案二詳細說明：升級數(shù)據(jù)庫，換一個100%兼容mysql的數(shù)據(jù)庫
mysql性能不行，那就換個。為保證源程序代碼不修改，保證現(xiàn)有業(yè)務(wù)平穩(wěn)遷移，故需要換一個100%兼容mysql的數(shù)據(jù)庫。
開源選擇
- tiDB https://github.com/pingcap/tidb
- Cubrid https://www.cubrid.org/
- 開源數(shù)據(jù)庫會帶來大量的運維成本且其工業(yè)品質(zhì)和MySQL尚有差距，有很多坑要踩，如果你公司要求必須自建數(shù)據(jù)庫，那么選擇該類型產(chǎn)品。
云數(shù)據(jù)選擇
- 阿里云POLARDB
- https://www.aliyun.com/product/polardb?spm=a2c4g.11174283.cloudEssentials.47.7a984b5cS7h4wH
官方介紹語：POLARDB 是阿里云自研的下一代關(guān)系型分布式云原生數(shù)據(jù)庫，100%兼容MySQL，存儲容量***可達 100T，性能***提升至 MySQL 的 6 倍。POLARDB 既融合了商業(yè)數(shù)據(jù)庫穩(wěn)定、可靠、高性能的特征，又具有開源數(shù)據(jù)庫簡單、可擴展、持續(xù)迭代的優(yōu)勢，而成本只需商用數(shù)據(jù)庫的 1/10。
我開通測試了一下，支持免費mysql的數(shù)據(jù)遷移，無操作成本，性能提升在10倍左右，價格跟rds相差不多，是個很好的備選解決方案!
- 阿里云OcenanBase
- 淘寶使用的，扛得住雙十一，性能***，但是在公測中，我無法嘗試，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
官方介紹：云數(shù)據(jù)庫HybridDB for MySQL (原名PetaData)是同時支持海量數(shù)據(jù)在線事務(wù)(OLTP)和在線分析(OLAP)的HTAP(Hybrid Transaction/Analytical Processing)關(guān)系型數(shù)據(jù)庫。
我也測試了一下，是一個olap和oltp兼容的解決方案，但是價格太高，每小時高達10塊錢，用來做存儲太浪費了，適合存儲和分析一起用的業(yè)務(wù)。
- 騰訊云DCDB
- https://cloud.tencent.com/product/dcdb_for_tdsql
官方介紹：DCDB又名TDSQL，一種兼容MySQL協(xié)議和語法，支持自動水平拆分的高性能分布式數(shù)據(jù)庫——即業(yè)務(wù)顯示為完整的邏輯表，數(shù)據(jù)卻均勻的拆分到多個分片中;每個分片默認采用主備架構(gòu)，提供災(zāi)備、恢復(fù)、監(jiān)控、不停機擴容等全套解決方案，適用于TB或PB級的海量數(shù)據(jù)場景。
騰訊的我不喜歡用，不多說。原因是出了問題找不到人，線上問題無法解決頭疼!但是他價格便宜，適合超小公司，玩玩。
方案三詳細說明：去掉mysql，換大數(shù)據(jù)引擎處理數(shù)據(jù)
數(shù)據(jù)量過億了，沒得選了，只能上大數(shù)據(jù)了。
開源解決方案
hadoop家族。hbase/hive懟上就是了。但是有很高的運維成本，一般公司是玩不起的，沒十萬投入是不會有很好的產(chǎn)出的!
云解決方案
這個就比較多了，也是一種未來趨勢，大數(shù)據(jù)由專業(yè)的公司提供專業(yè)的服務(wù)，小公司或個人購買服務(wù)，大數(shù)據(jù)就像水/電等公共設(shè)施一樣，存在于社會的方方面面。
國內(nèi)做的***的當(dāng)屬阿里云。
我選擇了阿里云的MaxCompute配合DataWorks，使用超級舒服，按量付費，成本極低。
MaxCompute可以理解為開源的Hive，提供sql/mapreduce/ai算法/python腳本/shell腳本等方式操作數(shù)據(jù)，數(shù)據(jù)以表格的形式展現(xiàn)，以分布式方式存儲，采用定時任務(wù)和批處理的方式處理數(shù)據(jù)。DataWorks提供了一種工作流的方式管理你的數(shù)據(jù)處理任務(wù)和調(diào)度監(jiān)控。
當(dāng)然你也可以選擇阿里云hbase等其他產(chǎn)品，我這里主要是離線處理，故選擇MaxCompute，基本都是圖形界面操作，大概寫了300行sql，費用不超過100塊錢就解決了數(shù)據(jù)處理問題。
