[[267270]]

對MySQL的性能和億級數據的處理方法思考，以及分庫分表到底該如何做，在什么場景比較合適？

比如銀行交易流水記錄的查詢

限鹽少許，上實際實驗過程，以下是在實驗的過程中做一些操作，以及踩過的一些坑，我覺得坑對于讀者來講是非常有用的。

首先：建立一個現金流量表，交易歷史是各個金融體系下使用率***，歷史存留數據量***的數據類型。現金流量表的數據搜索，可以根據時間范圍，和個人，以及金額進行搜索。

-- 建立一張 現金流量表 

DROP TABLE IF EXISTS `yun_cashflow`;  
CREATE TABLE `yun_cashflow` (  
  `id` bigint(20) NOT NULL AUTO_INCREMENT,  
  `userid` int(11) DEFAULT NULL,  
  `type` int(11) DEFAULT NULL COMMENT '1、入賬，2提現',  
  `operatoruserid` int(11) DEFAULT NULL COMMENT '操作員ID',  
  `withdrawdepositid` bigint(20) DEFAULT NULL COMMENT '提現ID',  
  `money` double DEFAULT NULL COMMENT '錢數',  
  `runid` bigint(20) DEFAULT NULL COMMENT '工單ID',  
  `createtime` timestamp NULL DEFAULT CURRENT_TIMESTAMP ON UPDATE CURRENT_TIMESTAMP,  
  PRIMARY KEY (`id`)  
) ENGINE=InnoDB AUTO_INCREMENT=63 DEFAULT CHARSET=utf8; 

然后開始造1個億的數據進去。

-- 循環插入 

drop PROCEDURE test_insert;  
DELIMITER;;  
CREATE PROCEDURE test_insert()  
begin   
declare num int;   
set num=0;  
        while num < 10000 do  
            insert into yun_cashflow(userid,type,operatoruserid,withdrawdepositid,money) values(FLOOR(7 + (RAND() * 6))+FLOOR(22 + (RAND() * 9)),1,FLOOR(97 + (RAND()  
 
* 6))+FLOOR(2 + (RAND() * 9)),FLOOR(17 + (RAND() * 6))+FLOOR(2 + (RAND() * 9)),FLOOR(5 + (RAND() * 6))+FLOOR(2 + (RAND() * 9)));  
            set numnum=num+1;  
        end while;  
  END;;  
call test_insert(); 

 坑一：

這個存儲過程建立好了之后，發現插入數據特別的慢，一天一晚上也插入不到100萬條數據，平均每秒40~60條數據，中間我停過幾次，以為是隨機函數的問題，都變成常數，但效果一樣，還是很慢，當時讓我對這個MySQL數據庫感覺到悲觀，畢竟Oracle用慣了，那插速是真的很快，不過功夫不負有心人，原來可以用另外一種寫法造數據，速度很快，上代碼。 

INSERT INTO example  
(example_id, name, value, other_value)  
VALUES  
(100, 'Name 1', 'Value 1', 'Other 1'),  
(101, 'Name 2', 'Value 2', 'Other 2'),  
(102, 'Name 3', 'Value 3', 'Other 3'),  
(103, 'Name 4', 'Value 4', 'Other 4'); 

就是在循環里，用這種格式造很多數據，VALUES后面以,隔開，然后把數據寫上去，我用Excel造了1萬條數據，按照語句格式粘貼了出來，就變成每循環一次，就1萬條數據，這樣沒多久1億數據就造好了。 

select count(*) from yun_cashflow 

我還比較好奇，8個字段1億條數據，到底占了多大的地方,通過以下語句找到數據的路徑。 

show global variables like "%datadir%"; 

通過查看文件，是7.78GB，看來如果字段不是很多，數據量大的話，其實不是什么問題，這其實作為架構師來講，在估算機器配置硬盤冗余的時候，這是最簡單直接粗暴的換算思路。

行了，表建完了，各種實驗開始

首先，啥條件不加看看咋樣。

呵呵了，Out of memory，看來這個查詢是真往內存里整，內存整冒煙了，看來7.8G的數據是往內存里放，我內存沒那么大導致的。

資金流水一般會按照時間進行查詢，看看這速度到底怎樣。 

select * from yun_cashflow  where createtime between '2018-10-23 09:06:58' and '2018-10-23 09:06:59'  

我去，腦補一下，當你拿這支付寶查歷史資金明細的時候，56條信息，103.489秒，也就是將近2分鐘的查詢速度，你會是怎樣的體驗。哦 哦，不對，這個還沒加用條件，那下面單獨試試某個用戶不限時間范圍的條件是怎樣的。 

select count(*) from yun_cashflow where userid=21 

也是將近1分半的速度，那在試試金額的條件。 

select count(*) from yun_cashflow where money<62 and userid=32 

同樣都是將近一分半的時間。

那把兩個條件做下級聯，看看效果會是怎樣。

一樣，也是將近1分半的時間。

小總結一：在不加索引的情況下，無論單獨，還是聯合條件查詢，結果都是1分多鐘不到2分鐘。

好吧，那就加上索引試試，看看到底會有啥樣奇跡發生。

給用戶加索引 

ALTER TABLE yun_cashflow ADD INDEX index_userid (userid) `

給金額加索引 

ALTER TABLE yun_cashflow ADD INDEX index_money (money) 

給時間加索引 

ALTER TABLE yun_cashflow ADD INDEX index_createtime (createtime) 

小總結二： 建立索引的時間平均在1400秒左右，大概在23分鐘左右。

索引都建立完了，在開始以前的條件查詢，看看效果。

1、時間范圍查詢 

select * from yun_cashflow  where createtime between '2018-10-23 09:06:58' and '2018-10-23 09:06:59' 

2、用戶查詢與錢的聯合查詢

3、用戶查詢與錢與時間三個條件的聯合查詢 

select * from yun_cashflow where money<62 and userid=32 and  createtime between '2018-10-22 09:06:58' and '2018-10-23 09:06:59' 

小總結三：建立完索引后，這種級聯性質的查詢，速度基本都很快，數據量不大的情況下，基本不會超過一秒。

由于時間的范圍返回是56條數據，數據量比較小，所以速度快可能與這個有關，那實驗下條件多的數據效果會是什么樣。

先試試加完索引, 金額條件的效果。

2千5百萬的數據，返回時間為11.460秒。

加一個用戶數量比較多的條件 UserID=21

返回1000多萬的數據，用了6秒

在找一個用戶數量比較少的userid=34

返回4000多條，用不到1秒。

小總結四：條件返回的數據統計量越多，速度就越慢，超過1000萬就慢的離譜，1秒左右就是100萬的量才行。

那。。。。。。。。。。。。咱們程序猿都知道，我們在做數據的時候，都要用到分頁。分頁一般會用到LIMIT,比如每頁10行，第二頁就是LIMIT 10,10，得試試在分頁的時候，哪些頁的情況下，會是什么樣的效果呢?

•  limit在1千時候速度
•  limit在1百萬時候速度
•  limit在1千萬時候速度

小總結五：LIMIT 參數1，參數2  在隨著參數1（開始索引）增大時候，這個速度就會越來越慢，如果要求1秒左右返回時候的速度是100萬數據，在多在大就慢了，也就是，如果10條一頁，當你到第10萬頁之后，就會越來越慢。如果到30萬頁之后，可能就會到不到一般系統的3秒要求了。

數據庫都建上索引了，那我插數據速度有沒有影響呢，那試試

也就是說100條數據插了將近5秒，平均每秒插20條。

小總結六：也就是說，按照這樣的速度插入，并發量一但大的情況下，操作起來會很慢。所以在有索引的條件下插入數據，要么索引失效，要么插入會特別慢。

分庫分表的思維，一個大表返回那么多數據慢，那我把它變成若干張表，然后每張表count(*)后，我統計累加一下，一合計，就是所有數據的查詢結果的條數，然后就是到第多少頁，我先算一下這頁在哪個庫，哪張表，在從那張表讀不就完了。通過之前 的總結，100萬數據返回為1秒，所以就一張表里放100萬個數據，1億的數據就100張表。 

BEGIN   
        DECLARE `@i` int(11);      
        DECLARE `@createSql` VARCHAR(2560);   
        DECLARE `@createIndexSql1` VARCHAR(2560);   
        DECLARE `@createIndexSql2` VARCHAR(2560);  
        DECLARE `@createIndexSql3` VARCHAR(2560);  
        set `@i`=0;   
        WHILE  `@i`< 100 DO                  
                            SET @createSql = CONCAT('CREATE TABLE IF NOT EXISTS yun_cashflow_',`@i`,'(  
`id` bigint(20) NOT NULL AUTO_INCREMENT,  
                                `userid` int(11) DEFAULT NULL,  
                                `type` int(11) DEFAULT NULL  ,  
                                `operatoruserid` int(11) DEFAULT NULL  ,  
                                `withdrawdepositid` bigint(20) DEFAULT NULL  ,  
                                `money` double DEFAULT NULL  ,  
                                `runid` bigint(20) DEFAULT NULL  ,  
                                `createtime` timestamp NULL DEFAULT CURRENT_TIMESTAMP ON UPDATE CURRENT_TIMESTAMP,  
                                PRIMARY KEY (`id`)  
                                )'  
                            );   
                            prepare stmt from @createSql;   
                            execute stmt;           

-- 創建索引   

  set @createIndexSql1  = CONCAT('create index `t_money` on yun_cashflow_',`@i`,'(`money`);');  
                            prepare stmt1 from @createIndexSql1;   
                            execute stmt1;   
                            set @createIndexSql2  = CONCAT('create index `t_userid` on yun_cashflow_',`@i`,'(`userid`);');  
                            prepare stmt2 from @createIndexSql2;   
                            execute stmt2;   
SET `@i`= `@i`+1;   
            END WHILE;  
END 

表建完了，庫里的效果是醬樣的。

是不是很酷，這表分的，絕了，滿庫全是表。那還得往每張表里整100萬的數據。這部分代碼就不寫了，可以參考前面的改，相信能把文章看到這的都是懂行的人，也是對這方面有一腚追求的人。

坑二：我高估了我的計算機的并行計算能力，當我啟用100個線程同時玩我自己電腦的數據庫連接的時候，到后期給我反饋的結果是這樣的。

說白了，連接滿了，超時，數據庫都不給我返回值了，所以這種實驗，不找100臺機器，也別可一臺機器去霍霍，因為如果能快，那個1個億的大表，返回的也不會慢。這時候拼的就是計算能力了,都在一臺機器上去做實驗，會讓你懷疑人生的。

那咋辦， 這地方我就假裝返回都是1000毫秒，也就1秒，然后每個線程都在1秒的時候都給我返回值，這個值我寫死，可以看看多線程分布式統計count的效果。

***總體耗時，就是***那個返回時間最長的線程返回的時間，所以理論上100個線程同時啟動，應該在1秒完成，但線程這玩意有快有慢，所以1秒多一點，也是可以接受的。如果碰上都是機器性能好的時候，所有數據庫返回都在1秒以內，那么也就是1秒了。

這個多線程編程可以試試類似Java的countDownLatch/AKKA 將異步多線程結果同步返回。

***是在數據庫數據量比較大的時候，通過MySQL以上的特性，進行不同場景應用的思考。

場景：銀行交易流水記錄的查詢

1.  根據小總結六的特性，操作表和歷史查詢表一定要時間可以分開，由于帶索引的歷史表，插入會很慢，所以要插入到操作表內，操作表和歷史表的字段是一樣的。
2.  根據小總結二特性，然后固定某個時間點，比如半夜12點，或者固定日期，或者選擇非交易查詢活躍的時間，把操作表里的數據往歷史表里插一下，由于重建索引也用不了太久，一樣半個小時左右。讓兩種表并存。還有另外一種策略，由于流水主要以時間做為排序對象，可以按照時間順序，也就是ID自增長的順序進行分庫分表，就像試驗的那樣，100萬左右條數據一張表，另外在做一張時間范圍的索引表，如下： 

CreateTimeIndexTable  
ID  TableName   CreateTimeStart CreateTimeEnd  
1   yun_cashflow_1  2018-10-22 09:06:58 2018-10-26 09:06:58  
2   yun_cashflow_2  2018-10-26 09:06:58 2018-10-29 09:06:58  
3   yun_cashflow_3  2018-11-12 09:06:58 2018-11-22 09:06:58  
4   yun_cashflow_4  2018-11-22 09:06:58 2018-11-26 09:06:58 

當遇見這樣語句需求的時候： 

select * from yun_cashflow where money<62 and userid=32 and  createtime between '2018-10-27 09:06:58' and '2018-10-28 09:06:59' 

1)、就改寫成這樣的順序 

select TableName from CreateTimeIndexTable where CreateTimeStart>  '2018-10-27 09:06:58' and CreateTimeEnd < '2018-10-28 09:06:59' 

2)、當得到TableName的時候，結果是yun_cashflow_2，在進行語句的查詢 

select * from yun_cashflow_2 where money<62 and userid=32 and  createtime between '2018-10-27 09:06:58' and '2018-10-28 09:06:59' 

這樣，兩遍就可以查詢到結果。

不過也有可能查詢的結果是多個，比如 

select TableName from CreateTimeIndexTable where CreateTimeStart>  '2018-10-27 09:06:58' and CreateTimeEnd < '2018-11-13 09:06:59' 

yun_cashflow_2，和yun_cashflow_3，這個時候，就需要把兩個表的結果都查詢出來，進行merge。相信程序員們對兩個表的結果集合并邏輯都不是什么難事，這地方不多解釋。

這樣做的好處，主要是每次重建索引的時候，就不用整個1個億的大表進行重建，而是只重建最近的1百萬的那張分出來的表，速度會很快的。

    3.  根據小總結一和小總結三的特性，把關鍵的字段加上索引，用戶，時間，這樣保證查詢的速度。

    4.  根據小總結四的特性，盡量限制查詢結果的數量范圍，比如，單個人查自己的交易明細，可以限制范圍，比如查詢時間范圍不超過三個月，或半年，或一年。