拉勾教育学习-笔记分享のMySQL 性能优化

270 阅读18分钟

【文章内容输出来源:拉勾教育Java高薪训练营】
--- 所有脑图均本人制作,未经允许请勿滥用 ---
MySQL作为当下核心的关系型数据库管理工具,除了多思考多实战,别无他法


傲不可长,欲不可纵,乐不可极,志不可满

优化选择:

  • 优化成本:硬件升级>系统配置>表结构设计>SQL语句及索引。
  • 优化效果:硬件升级<系统配置<表结构设计<SQL语句及索引。

一、系统配置优化

part 1 - 保证从内存中读取数据

尽可能的扩大内存中的数据量,将数据保存在内存中,从内存中读取数据,可以提升MySQL性能。
扩大 innodb_buffer_pool_size,能够全然从内存中读取数据。最大限度降低磁盘操作。

确定 innodb_buffer_pool_size 足够大的方法:show global status like 'innodb_buffer_pool_pages_%'; Innodb_buffer_pool_pages_free 为 0 时表示已用光。

part 2 - 数据预热

数据库刚刚启动,须要进行数据预热,将磁盘上的全部数据缓存到内存中

针对InnoDB的数据预热脚本:

SELECT DISTINCT
	CONCAT( 'SELECT ', ndxcollist, ' FROM ', db, '.', tb, ' ORDER BY ', ndxcollist, ';' ) SelectQueryToLoadCache 
FROM
	(
		SELECTengine,
		table_schema db,
		table_name tb,
		index_name,
		GROUP_CONCAT( column_name ORDER BY seq_in_index ) ndxcollistFROM (
			SELECTB.ENGINE,
			A.table_schema,
			A.table_name,
			A.index_name,
			A.column_name,
			A.seq_in_index FROMinformation_schema.statistics A
			INNER JOIN ( SELECT ENGINE, table_schema, table_name FROM information_schema.TABLES WHERE ENGINE = 'InnoDB' ) B USING ( table_schema, table_name ) 
		WHERE
			B.table_schema NOT IN ( 'information_schema', 'mysql' ) 
		ORDER BY
			table_schema,
			table_name,
			index_name,
			seq_in_index 
		) A 
	GROUP BY
		table_schema,
		table_name,
		index_name 
	) AA 
ORDER BY
	db,
	tb;

part 3 - 降低磁盘写入次数

  • 增大redolog,减少落盘次数
    innodb_log_file_size 设置为 0.25 * innodb_buffer_pool_size
  • 通用查询日志、慢查询日志可以不开 ,bin-log开。
    生产中不开通用查询日志,遇到性能问题开慢查询日志
  • 写redolog策略
    innodb_flush_log_at_trx_commit 设置为 0 或 2
    如果不涉及非常高的安全性 (金融系统),或者基础架构足够安全,或者事务都非常小,都能够用 0 或者 2 来减少磁盘操作。

part 4 - 提高磁盘读写性能

使用SSD或者内存磁盘

二、表结构设计优化

  1. 设计中间表
  2. 设计冗余字段
  3. 拆表
    • 字段过多的表拆分出来
    • 不常用的字段拆到其他表中
  4. 主键优化
    • 尽量保证每张表都有主键,且建议为int类型
  5. 字段设计
    • 字段的宽度设得尽可能小
    • 尽量把字段设置为 NOT NULL
    • 可以使用数字的尽量用数字(如:性别 => {0:男,1:女})

三、SQL语句及索引优化

我们通过一系列实例操作来看看 SQL语句 应该如何优化:

设计一个表:(tbiguser)

CREATE TABLE tbiguser (
  id INT PRIMARY KEY auto_increment,
  nickname VARCHAR (255),
  loginname VARCHAR (255),
  age INT,
  sex CHAR (1),
  STATUS INT,
  address VARCHAR (255) 
);

向这张表中写入 10000 条数据:

DROP PROCEDURE IF EXISTS test_insert;
CREATE PROCEDURE test_insert() 
BEGIN 
  DECLARE i INT;
  SET i = 1;
  WHILE i <= 10000 DO
      INSERT INTO tbiguser VALUES ( NULL, concat('me-',i), concat('Archie-',i),23,'1',1,'shengzheng');	
  SET i = i + 1;
  END WHILE;
END;
CALL test_insert()

part 1 - EXPLAIN 查看索引使用情况

使用explain查看有问题的SQL的执行计划,重点查看索引使用情况
explain select * from tbiguser where loginname='Archie-1' and nickname='me-1';

「SQL语句中IN包含的值不应过多」

MySQL对于IN做了相应的优化,即将IN中的常量全部存储在一个数组里面,而且这个数组是排好序的。
但是如果数值较多,产生的消耗也是比较大的。

「SELECT语句务必指明字段名称」

SELECT * 增加很多不必要的消耗(CPU、IO、内存、网络带宽);
减少了使用覆盖索引的可能性;
当表结构发生改变时,前端也需要更新。

explain select 
(`id`, `nickname`)
from tbiguser;

「当只需要一条数据的时候,使用limit 1」

limit 是可以停止全表扫描的

explain select 
(`id`, `nickname`)
from tbiguser limit 1; 

「排序字段加索引」

常见直接 order by (主键)

explain select 
(`id`, `nickname`)
from tbiguser order by `id` limit 1; 

「如果限制条件中其他字段没有索引,尽量少用or」

or两边的字段中,如果有一个不是索引字段,会造成该查询不走索引的情况!

「尽量用 union all 代替 union」

union 和 union all 的差异主要是:
前者需要将结果集合并后再进行唯一性过滤操作,这就会涉及到排序,增加大量的CPU运算,加大资源消耗及延迟。
当然,union all 的前提条件是两个结果集没有重复数据。

「不使用ORDER BY RAND()」

ORDER BY RAND() 不走索引

「区分in和exists、not in和not exists」

区分 in 和 exists:

  • exists,以外层表为驱动表,先被访问
    • exists 适合于 外表小而内表大
  • in,先执行子查询
    • in 适合于 外表小而内表大

区分 not in 和 not exists:
推荐使用 not exists,不仅仅是效率问题,not in可能存在逻辑问题

「使用合理的分页方式以提高分页的效率」

  • 分页使用 limit m,n 尽量让m 小
  • 利用主键的定位,可以减小m的值
# 费时费力的遍历 ×
explain select 
`id`, `nickname`
from tbiguser limit 9998,2;

# 直接主键索引定位 √
explain select 
`id`, `nickname`
from tbiguser where id > 9998 limit 2;

「不建议使用 %前缀 模糊查询」

例如 LIKE “%name” 或者 LIKE “%name%”,这种查询会导致索引失效而进行全表扫描。
但是可以使用 LIKE “name%”。

可以使用 全文索引 或 ES全文检索 解决以上问题。

「避免在where子句中对字段进行表达式操作」

select ... from user where age*2=44; 中的算术运算会导致引擎放弃使用索引!
应该改为:select ... from user where age=44/2;

「避免隐式类型转换」

where子句 中出现 column字段 的类型 和 传入的参数类型 不一致 的时候发生的类型转换,建议先确定 where 中的参数类型

「对于联合索引来说,要遵守最左前缀法则」

遵守最左前缀法则!

「必要时可以使用force index来强制查询走某个索引」

有的时候MySQL优化器采取它认为合适的索引来检索SQL语句,但是可能它所采用的索引并不是我们想要的。
这时就可以采用 force index 来强制优化器使用我们制定的索引。

「注意范围查询语句」

对于联合索引来说,如果存在范围查询,比如between、>、<等条件时,会造成后面的索引字段失效

「使用JOIN优化」

  • LEFT JOIN : 左侧为驱动表
  • INNER JOIN : MySQL会自动找出那个数据少的表作用驱动表
  • RIGHT JOIN : 右侧为驱动表

Tips

  1. 应该尽量避免 left join,多使用 inner join;
  2. 合理使用索引:被驱动表的索引字段作为 on 的限制字段
  3. 尽量用 小表驱动大表,减少嵌套循环次数

四、MySQL开发规约

很多大公司都有自己的MySQL开发规约,下面我们以 阿里 为例说明:

part 1 - 建表规约

  1. 【强制】表达是与否概念的字段,必须使用 is_xxx 的方式命名,数据类型是 unsigned tinyint(1 表示是,0 表示否)
    • 说明:任何字段如果为非负数,必须是 unsigned
    • 注意:POJO 类中的任何布尔类型的变量,都不要加 is 前缀,所以,需要在设置从 is_xxx 到 Xxx 的映射关系。数据库表示是与否的值,使用 tinyint 类型,坚持 is_xxx 的命名方式是为了明确其取值含义与取值范围。
    • 正例:表达逻辑删除的字段名 is_deleted,1 表示删除,0 表示未删除
  2. 【强制】表名、字段名必须使用小写字母或数字,禁止出现数字开头,禁止两个下划线中间只出现数字。数据库字段名的修改代价很大,因为无法进行预发布,所以字段名称需要慎重考虑
    • 说明:MySQL 在 Windows 下不区分大小写,但在 Linux 下默认是区分大小写。因此,数据库名、表名、字段名,都不允许出现任何大写字母,避免节外生枝
    • 正例:aliyun_admin,rdc_config,level3_name
    • 反例:AliyunAdmin,rdcConfig,level_3_name
  3. 【强制】表名不使用复数名词。
    • 说明:表名应该仅仅表示表里面的实体内容,不应该表示实体数量,对应于 DO 类名也是单数形式,符合表达习惯
  4. 【强制】禁用保留字,如 desc、range、match、delayed 等,请参考 MySQL 官方保留字。
  5. 【强制】主键索引名为 pk字段名;唯一索引名为 uk字段名;普通索引名则为 idx_字段名。
    • 说明:pk_ 即 primary key;uk_ 即 unique key;idx_ 即 index 的简称
  6. 【强制】小数类型为 decimal,禁止使用 float 和 double
    • 说明:float 和 double 在存储的时候,存在精度损失的问题,很可能在值的比较时,得到不正确的结果。如果存储的数据范围超过 decimal 的范围,建议将数据拆成整数和小数分开存储。
  7. 【强制】如果存储的字符串长度几乎相等,使用 char 定长字符串类型。
  8. 【强制】varchar 是可变长字符串,不预先分配存储空间,长度不要超过 5000,如果存储长度大于此值,定义字段类型为 text,独立出来一张表,用主键来对应,避免影响其它字段索引效率。
  9. 【强制】表必备三字段:id, gmt_create, gmt_modified。
    • 说明:其中 id 必为主键,类型为 bigint unsigned、单表时自增、步长为 1。gmt_create, gmt_modified 的类型均为 datetime 类型,前者现在时表示主动创建,后者过去分词表示被动更新。
  10. 【推荐】表的命名最好是加上“业务名称_表的作用”。
    • 正例:alipay_task / force_project / trade_config
  11. 【推荐】库名与应用名称尽量一致。
  12. 【推荐】如果修改字段含义或对字段表示的状态追加时,需要及时更新字段注释。
  13. 【推荐】字段允许适当冗余,以提高查询性能,但必须考虑数据一致。冗余字段应遵循:
    • 不是频繁修改的字段
    • 不是 varchar 超长字段,更不能是 text 字段
    • 正例:商品类目名称使用频率高,字段长度短,名称基本一成不变,可在相关联的表中冗余存储类目名称,避免关联查询
  14. 【推荐】单表行数超过 500 万行或者单表容量超过 2GB,才推荐进行分库分表
    • 说明:如果预计三年后的数据量根本达不到这个级别,请不要在创建表时就分库分表。
  15. 【参考】合适的字符存储长度,不但节约数据库表空间、节约索引存储,更重要的是提升检索速度。

part 2 - 索引规约

  1. 【强制】业务上具有唯一特性的字段,即使是多个字段的组合,也必须建成唯一索引。
    • 说明:不要以为唯一索引影响了 insert 速度,这个速度损耗可以忽略,但提高查找速度是明显的;另外,即使在应用层做了非常完善的校验控制,只要没有唯一索引,根据墨菲定律,必然有脏数据产生。
  2. 【强制】三个表以上禁止 join。需要 join 的字段,数据类型必须绝对一致;多表关联查询时,保证被关联的字段需要有索引。
    • 说明:即使双表 join 也要注意表索引、SQL 性能。
  3. 【强制】在 varchar 字段上建立索引时,必须指定索引长度,没必要对全字段建立索引,根据实际文本区分度决定索引长度即可
    • 说明:索引的长度与区分度是一对矛盾体,一般对字符串类型数据,长度为 20 的索引,区分度会高达 90% 以上,可以使用 count(distinct left(列名, 索引长度))/count(*) 的区分度来确定。
  4. 【强制】页面搜索严禁左模糊或者全模糊,如果需要请走搜索引擎来解决。
    • 说明:索引文件具有 B-Tree 的最左前缀匹配特性,如果左边的值未确定,那么无法使用此索引。
  5. 【推荐】如果有 order by 的场景,请注意利用索引的有序性。order by 最后的字段是组合索引的一部分,并且放在索引组合顺序的最后,避免出现 file_sort 的情况,影响查询性能。
    • 正例:where a=? and b=? order by c; 索引:a_b_c
    • 反例:索引中有范围查找,那么索引有序性无法利用,如:WHERE a>10 ORDER BY b; 索引a_b 无法排序。
  6. 【推荐】利用覆盖索引来进行查询操作,避免回表。
    • 说明:如果一本书需要知道第 11 章是什么标题,会翻开第 11 章对应的那一页吗?目录浏览一下就好,这个目录就是起到覆盖索引的作用。
    • 正例:能够建立索引的种类分为 主键索引、唯一索引、普通索引三种,而覆盖索引只是一种查询的一种效果,用 explain 的结果,extra 列会出现:using index。
  7. 【推荐】利用 延迟关联 或者 子查询 优化超多分页场景。
    • 说明:MySQL 并不是跳过 offset 行,而是取 offset+N 行,然后放弃前 offset 行,返回 N 行,那当 offset 特别大的时候,效率就非常的低下,要么控制返回的总页数,要么对超过特定阈值的页数进行 SQL 改写。
    • 正例:先快速定位需要获取的 id 段,然后再关联:
      • SELECT a.* FROM 表1 a, (select id from 表1 where 条件 LIMIT 100000,20 ) b where a.id=b.id
  8. 【推荐】SQL 性能优化的目标:至少要达到 range 级别,要求是 ref 级别,如果可以是 consts 最好。
    • consts 单表中最多只有一个匹配行(主键或者唯一索引),在优化阶段即可读取到数据
    • ref 指的是使用普通的索引(normal index)
    • range 对索引进行范围检索
    • 反例:explain 表的结果,type=index,索引物理文件全扫描,速度非常慢,这个 index 级别比较 range 还低,与全表扫描是小巫见大巫
  9. 【推荐】建组合索引的时候,区分度最高的在最左边
    • 正例:where a=? and b=? ,如果 a 列几乎接近于唯一值,那么只需要单建 idx_a 索引 即可。
    • 说明:存在非等号和等号混合时,在建索引时,请把等号条件的列前置。如:where c>? and d=? 那么即使 c 的区分度更高,也必须把 d 放在索引的最前列,即索引 idx_d_c。
  10. 【推荐】防止因字段类型不同造成的隐式转换,导致索引失效
  11. 【参考】创建索引时避免有如下极端误解
    • 宁滥勿缺。认为一个查询就需要建一个索引。
    • 宁缺勿滥。认为索引会消耗空间、严重拖慢更新和新增速度。
    • 抵制惟一索引。认为业务的惟一性一律需要在应用层通过“先查后插”方式解决。

part 3 - SQL语句

  1. 【强制】不要使用 count(列名)或 count(常量)来替代 count(),count()是 SQL92 定义的标准统计行数的语法, 跟数据库无关,跟 NULL 和非 NULL 无关。
    • 说明:count(*)会统计值为 NULL 的行,而 count(列名)不会统计此列为 NULL 值的行
  2. 【强制】count(distinct col) 计算该列除 NULL 之外的不重复行数,注意 count(distinct col1, col2) 如果其中一 列全为 NULL,那么即使另一列有不同的值,也返回为 0。
  3. 【强制】当某一列的值全是 NULL 时,count(col)的返回结果为 0,但 sum(col)的返回结果为NULL,因此使用 sum()时需注意 NPE (Null Pointer Exception)问题。
    • 正例:可以使用如下方式来避免 sum 的 NPE 问题:SELECT IF(ISNULL(SUM(g)),0,SUM(g))FROM table;
  4. 【强制】使用 ISNULL()来判断是否为 NULL 值。
    • 说明:NULL 与任何值的直接比较都为 NULL。
      • NULL<>NULL 的返回结果是 NULL,而不是 false
      • NULL=NULL 的返回结果是 NULL,而不是 true
      • NULL<>1 的返回结果是 NULL,而不是 true
  5. 【强制】在代码中写分页查询逻辑时,若 count 为 0 应直接返回,避免执行后面的分页语句
  6. 【强制】不得使用外键与级联,一切外键概念必须在应用层解决。
    • 说明:以学生和成绩的关系为例,学生表中的 student_id是主键,那么成绩表中的 student_id则为外键。如果更新学生表中的 student_id,同时触发成绩表中的 student_id 更新,即为级联更新。外键与级联更新适用于单机低并发,不适合分布式、高并发集群;级联更新是强阻塞,存在数据库更新风暴的风险;外键影响数据库的插入速度。
  7. 【强制】禁止使用存储过程,存储过程难以调试和扩展,更没有移植性
  8. 【强制】数据订正(特别是删除、修改记录操作)时,要先 select,避免出现误删除,确认无误才能执行更新 语句。
  9. 【推荐】in 操作能避免则避免,若实在避免不了,需要仔细评估 in 后边的集合元素数量,控制在 1000 个
  10. 【参考】如果有国际化需要,所有的字符存储与表示,均以 utf-8 编码,注意字符统计函数的区别
    • SELECT LENGTH("轻松工作"); 返回为 12
    • SELECT CHARACTER_LENGTH("轻松工作"); 返回为 4
    • 如果需要存储表情,那么选择 utf8mb4 来进行存储,注意它与 utf-8 编码的区别。
  11. 【参考】TRUNCATE TABLE 比 DELETE 速度快,且使用的系统和事务日志资源少,但 TRUNCATE无事务且不 触发 trigger,有可能造成事故,故不建议在开发代码中使用此语句
    • 说明:TRUNCATE TABLE 在功能上与不带 WHERE 子句的 DELETE 语句相同

part 4 - ORM 映射

  1. 【强制】在表查询中,一律不要使用 * 作为查询的字段列表,需要哪些字段必须明确写明
    • 原因如下
      • 增加查询分析器解析成本。
      • 增减字段容易与 resultMap 配置不一致
      • 无用字段增加网络消耗,尤其是 text 类型的字段
  2. 【强制】POJO 类的布尔属性不能加 is,而数据库字段必须加 is_,要求在 resultMap 中进行字段与属性之间的映射
  3. 【强制】不要用 resultClass 当返回参数,即使所有类属性名与数据库字段一一对应,也需要定义;反过来,每一个表也必然有一个 POJO 类与之对应
  4. 【强制】sql.xml 配置参数使用:#{},#param# 不要使用${} 此种方式容易出现 SQL 注入
  5. 【强制】iBATIS 自带的 queryForList(String statementName,int start,int size)不推荐使用。
    • 说明:其实该方式是在数据库取到statementName对应的SQL语句的所有记录,再通过subList取 start,size 的子集合。
    • 正例:
      • Map<String, Object> map = new HashMap<>();
      • map.put("start", start);
      • map.put("size", size);
  6. 【强制】不允许直接拿 HashMap 与 HashTable 作为查询结果集的输出
    • 说明:resultClass=”Hashtable”,会置入字段名和属性值,但是值的类型不可控
  7. 【强制】更新数据表记录时,必须同时更新记录对应的 gmt_modified 字段值为当前时间
  8. 【推荐】不要写一个大而全的数据更新接口。传入为 POJO 类,不管是不是自己的目标更新字段,都进行 update table set c1=value1,c2=value2,c3=value3; 这是不对的。执行 SQL时,不要更新无改动的字段,一是易出错;二是效率低;三是增加 binlog 存储。
  9. 【参考】@Transactional 事务不要滥用。事务会影响数据库的 QPS,另外使用事务的地方需要考虑各方面的回滚方案,包括缓存回滚、搜索引擎回滚、消息补偿、统计修正等

五、复杂SQL优化实战

前面我们使用过的表 tbiguser 扩增到了50000条记录

现在我们创建两张新表:tuser1 & tuser2,并初始化若干数据...

create table tuser1(
	id int primary key auto_increment,
    name varchar(255)
    address varchar(255)
);

create table tuser2(
	id int primary key auto_increment,
    name varchar(255),
    address varchar(255)
);

核心关注需求点: tbiguser表按照地区分组统计求和,要求是在tuser1表和tuser2表中出现过的地区

part - 1 直接写出 SQL

SELECT
  count(id) num,address 
FROM
  tbiguser 
WHERE
  address IN (SELECT DISTINCT address FROM tuser1) 
 GROUP BY address 
  UNION 
 (SELECT count(id) num,address 
 FROM tbiguser 
 WHERE address IN (SELECT DISTINCT address FROM tuser2) 
 GROUP BY address);

通过 EXPLAIN 观察:

part - 2 首次优化

给 address 加上索引

-- 给address加索引 
alter table tbiguser add index idx_addr(address);
alter table tuser1 add index idx_addr(address); 
alter table tuser2 add index idx_addr(address);

重复之前 的 sql 以及 响应 EXPLAIN:

part - 3 二次优化

修改我们得 SQL:

SELECT
  count( id ) num,
  address 
FROM
  tbiguser 
WHERE
  address IN ( SELECT DISTINCT address FROM tuser1 ) 
  OR address IN ( SELECT DISTINCT address FROM tuser2 ) 
GROUP BY
  address 
ORDER BY
  address;

后续可以考虑对address索引做关联...(略)

part - 3 优化总结

  • 开启慢查询日志,定位运行慢的SQL语句
  • 利用 explain 执行计划,查看SQL执行情况
  • 关注索引使用情况:type
  • 关注 Rows:行扫描
  • 关注 Extra:没有信息最好
  • 加索引后,查看索引使用情况,index只是覆盖索引,并不算很好的使用索引
  • 如果有关联尽量将索引用到eq_ref或ref级别
  • 复杂SQL可以做成视图,视图在MySQL内部有优化,而且开发也比较友好
  • 对于复杂的SQL要逐一分析,找到比较费时的SQL语句片段进行优化