【MySQL系列相关】
1.背景
在完成一个分表项目后，发现分表的数据迁移后，新库所需的存储容量远大于原本两张表的大小。在做了一番查询了解后，完成了优化。
回过头来，需要进一步了解下为什么会出现这样的情况。
与标题的问题的类似问题还有，为什么表数据内容删除了而表大小没有变化。其本质都是一样的。
要回答这些问题，我们需要从mysql的索引模型谈起。
2.InnoDB 的索引模型
由于 InnoDB 存储引擎在 MySQL 数据库中使用最为广泛，所以接下来就以 InnoDB 为例，分析其中的索引模型。
在 InnoDB 中，表都是根据主键顺序以索引的形式存放的，这种存储方式的表称为索引组织表。而InnoDB中，使用了 B+ 树索引模型，所以数据都是存储在 B+ 树中的，每一个索引会对应一颗B+树。
假设，我们有一个主键列为 ID 的表，表中有字段 k，并且在 k 上有索引，建表语句如下
CREATE TABLE `t` (
`id` int(11) NOT NULL,
`k` int(11) NOT NULL,
`name` varchar(16) DEFAULT NULL,
PRIMARY KEY (`id`),
KEY `k` (`k`)
) ENGINE=InnoDB DEFAULT CHARSET=utf8
表中 R1~R5 的 (ID,k) 值分别为 (10,1)、(20,2)、(30,3)、(50,5) 和 (70,7)，索引id和索引k的B+树的示例示意图如下。
根据叶子节点的内容，索引类型分为主键索引和非主键索引，主键索引的叶子节点存的是整行数据R1~R5，非主键索引的叶子节点内容是主键的值。
从图中可以看出，基于非主键索引的查询需要多扫描一棵索引树才能找到对应的数据。
提一句题外话，我们在应用中应该尽量使用主键查询。
3.索引维护
B+ 树为了维护索引有序性，在增删改数据的时候需要做必要的维护。
假设，我们要删掉 R4 这个记录，InnoDB 引擎只会把 R4 这个记录标记为删除。如果之后要再插入一个 ID 在 300 和 600 之间的记录时，可能会复用这个位置。
如果删掉了一个数据页上的所有记录，那么整个数据页就能被复用了。进一步地，如果我们用 delete 命令把整个表的数据删除呢？结果就是，这个表相关的所有的数据页都会被标记为可复用。
但是，无论如何，磁盘文件的大小并不会缩小。
这些被标记为可复用，而并没有实际被使用的空间，就是一些“存储空洞”。
实际上，不止是删除数据会造成空洞，插入数据也会。
以上图为例，如果插入新的行 ID 值为 80，则只需要在 R5 的记录后面插入一个新记录。
如果新插入的 ID 值为 60，就相对麻烦了，需要逻辑上挪动后面的数据，空出位置。
而更糟的情况是，如果 R5 所在的数据页已经满了，根据 B+ 树的算法，这时候需要申请一个新的数据页，然后挪动部分数据过去。这个过程称为页分裂。在这种情况下，性能自然会受影响。
除了性能外，页分裂操作还影响数据页的利用率。原本放在一个页的数据，现在分到两个页中，插入一条记录竟然使得整体空间利用率降低大约 50%。
可以看到，由于 page 2 满了，再插入一个 ID 是 60 的数据时，就不得不再申请一个新的页面 page 3 来保存数据了。
页分裂完成后，page 2 的末尾就留下了空洞（注意：实际上，可能不止 1 个记录的位置是空洞）。
另外，更新索引上的值，可以理解为删除一个旧的值，再插入一个新值。不难理解，这也是会造成空洞的。
因此，大量的增删改之后的表，都是可能存在很大的“数据空洞”的。
因此，我们就能解释，为什么分表后的总存储变大了。
因为分表后，需要从老库全量同步数据到新库，数据同步平台开启多个线程进行同步，插入各个分表并不是按照递增的顺序插入的，因此，会产生巨量的“数据空洞”，造成存储空间变大。
如果能够把这些空洞去掉，就能达到收缩表空间的目的。而重建表就能达到这样的目的。
4.重建表
如果我们手动重建一张表，可以新建一个与表 A 结构相同的表 B，然后按照主键 ID 递增的顺序，把数据一行一行地（就是递增地）从表 A 里读出来再插入到表 B 中。由于表 B 是新建的表，所以表 A 主键索引上的空洞，在表 B 中就都不存在了。显然地，表 B 的主键索引更紧凑，数据页的利用率也更高。如果我们把表 B 作为临时表，数据从表 A 导入表 B 的操作完成后，用表 B 替换 A，从效果上看，就起到了收缩表 A 空间的作用。
这里，你可以使用 alter table A engine=InnoDB 命令来重建表。在 MySQL 5.5 版本之前，这个命令的执行流程跟我们前面描述的差不多，区别只是这个临时表 B 不需要你自己创建，MySQL 会自动完成转存数据、交换表名、删除旧表的操作。显然，花时间最多的步骤是往临时表插入数据的过程，如果在这个过程中，有新的数据要写入到表 A 的话，就会造成数据丢失。因此，在整个 DDL 过程中，表 A 中不能有更新。也就是说，这个 DDL 不是 Online 的。
MySQL 5.6 版本开始引入的 Online DDL，对这个操作流程做了优化。
- 建立一个临时文件，扫描表 A 主键的所有数据页；
- 用数据页中表 A 的记录生成 B+ 树，存储到临时文件中；
- 生成临时文件的过程中，将所有对 A 的操作记录在一个日志文件（row log）中；
- 临时文件生成后，将日志文件中的操作应用到临时文件，得到一个逻辑数据上与表 A 相同的数据文件；(应用row log的过程可能又回有页分裂)
- 用临时文件替换表 A 的数据文件。
可以看到，在这个过程中，由于日志文件记录和重放操作这个功能的存在，这个方案在重建表的过程中，允许对表 A 做增删改操作。这也就是 Online DDL 名字的来源。
需要补充说明的是，上述的这些重建方法都会扫描原表数据和构建临时文件。对于很大的表来说，这个操作是很消耗 IO 和 CPU 资源的。因此，如果是线上服务，你要很小心地控制操作时间。
optimize table、analyze table 和 alter table 这三种方式重建表的区别：
- 从 MySQL 5.6 版本开始，alter table t engine = InnoDB（也就是 recreate）默认的就是上面online DDL 的流程了；
- analyze table t 其实不是重建表，只是对表的索引信息做重新统计，没有修改数据，这个过程中加了 MDL 读锁；
- optimize table t 等于 recreate+analyze。
参考文献：
《MySQL实战45讲》
《MySQL技术内幕》
都看到最后了，原创不易，点个关注，点个赞吧～
扫码关注我的公众号“阿丸笔记”，第一时间获取最新更新。同时能免费获取海量Java技术栈电子书、各个大厂面试题哦。
