Mysql性能优化教程

目录

目录 1

背景及目标 2

Mysql 执行优化 2

认识数据索引 2

为什么使用数据索引能提高效率 2

如何理解数据索引的结构 2

如何理解影响结果集 3

理解执行状态 4

常见分析手段 4

分析流程 6

总结 7

Mysql 运维优化 9

存储引擎类型 9

内存使用考量 9

性能与安全性考量 9

存储压力优化 10

运维监控体系 10

Mysql 架构优化 11

架构优化目标 11

防止单点隐患 11

方便系统扩容 11

安全可控,成本可控 11

分布式方案 12

分库&拆表方案 12

主从架构 14

故障转移处理 15

缓存方案 15

缓存结合数据库的读取 15

缓存结合数据库的写入 15

 

1. 背景及目标

  • 厦门游家公司(com)用于员工培训和分享。
  • 针对用户群为已经使用过mysql环境,并有一定开发经验的工程师
  • 针对高并发,海量数据的互联网环境。
  • 本文语言为口语,非学术标准用语。
  • 以实战和解决具体问题为主要目标,非应试,非常规教育。友情提醒,在校生学习本教程可能对成绩提高有害无益。
  • 非技术挑战,非高端架构师培训,请高手自动忽略。

2.  Mysql 执行优化

2.1. 认识数据索引

1). 为什么使用数据索引能提高效率

  • 数据索引的存储是有序的
  • 在有序的情况下,通过索引查询一个数据是无需遍历索引记录的
  • 极端情况下,数据索引的查询效率为二分法查询效率,趋近于 log2(N)

2). 如何理解数据索引的结构

  • 数据索引通常默认采用btree索引,(内存表也使用了hash索引)。
  • 单一有序排序序列是查找效率最高的(二分查找,或者说折半查找),使用树形索引的目的是为了达到快速的更新和增删操作。
  • 在极端情况下(比如数据查询需求量非常大,而数据更新需求极少,实时性要求不高,数据规模有限),直接使用单一排序序列,折半查找速度最快。
    • 实战范例 : ip地址反查

资源: Ip地址对应表,源数据格式为  startip, endip, area

源数据条数为 10万条左右,呈很大的分散性

目标: 需要通过任意ip查询该ip所属地区

性能要求达到每秒1000次以上的查询效率

挑战: 如使用 between … and 数据库操作,无法有效使用索引。

如果每次查询请求需要遍历10万条记录,根本不行。

方法: 一次性排序(只在数据准备中进行,数据可存储在内存序列)

折半查找(每次请求以折半查找方式进行)

  • 在进行索引分析和SQL优化时,可以将数据索引字段想象为单一有序序列,并以此作为分析的基础。
    • 实战范例:复合索引查询优化实战,同城异性列表

资源: 用户表user,字段 sex性别;area 地区;lastlogin 最后登录时间;其他略

目标: 查找同一地区的异性,按照最后登录时间逆序

   高访问量社区的高频查询,如何优化。

查询SQL: select * from user where area=’$area’ and sex=’$sex’ order by lastlogin desc limit 0,30;

挑战: 建立复合索引并不难, area+sex+lastlogin 三个字段的复合索引,如何理解?

首先,忘掉btree,将索引字段理解为一个排序序列。

如果只使用area会怎样?搜索会把符合area的结果全部找出来,然后在这里面遍历,选择命中sex的并排序。 遍历所有 area=’$area’数据!

如果使用了area+sex,略好,仍然要遍历所有area=’$area’ and sex=’$sex’数据,然后在这个基础上排序!!

Area+sex+lastlogin复合索引时(切记lastlogin在最后),该索引基于area+sex+lastlogin 三个字段合并的结果排序,该列表可以想象如下。

广州女$时间1

广州女$时间2

广州女$时间3

广州男

….

深圳女

….

数据库很容易命中到 area+sex的边界,并且基于下边界向上追溯30条记录,搞定!在索引中迅速命中所有结果,无需二次遍历!

3). 如何理解影响结果集

  • 影响结果集是数据查询优化的一个重要中间数据
    • 查询条件与索引的关系决定影响结果集

如上例所示,即便查询用到了索引,但是如果查询和排序目标不能直接在索引中命中,其可能带来较多的影响结果。而这会直接影响到查询效率

  • 微秒级优化
    • 优化查询不能只看慢查询日志,常规来说,01秒以上的查询,都是不够优化的。
    • 实战范例

和上案例类似,某游戏社区要显示用户动态,select * from userfeed where uid=$uid order by lastlogin desc limit 0,30;   初期默认以uid为索引字段, 查询为命中所有uid=$uid的结果按照lastlogin排序。 当用户行为非常频繁时,该SQL索引命中影响结果集有数百乃至数千条记录。查询效率超过0.01秒,并发较大时数据库压力较大。

解决方案:将索引改为 uid+lastlogin 复合索引,索引直接命中影响结果集30条,查询效率提高了10倍,平均在0.001秒,数据库压力骤降。

  • 影响结果集的常见误区
    • 影响结果集并不是说数据查询出来的结果数或操作影响的结果数,而是查询条件的索引所命中的结果数。
    • 实战范例
      • 某游戏数据库使用了innodb,innodb是行级锁,理论上很少存在锁表情况。出现了一个SQL语句(delete from tabname where xid=…),这个SQL非常用SQL,仅在特定情况下出现,每天出现频繁度不高(一天仅10次左右),数据表容量百万级,但是这个xid未建立索引,于是悲惨的事情发生了,当执行这条delete 的时候,真正删除的记录非常少,也许一到两条,也许一条都没有;但是!由于这个xid未建立索引,delete操作时遍历全表记录,全表被delete操作锁定,select操作全部被locked,由于百万条记录遍历时间较长,期间大量select被阻塞,数据库连接过多崩溃。

这种非高发请求,操作目标很少的SQL,因未使用索引,连带导致整个数据库的查询阻塞,需要极大提高警觉。

  • 总结:
    • 影响结果集是搜索条件索引命中的结果集,而非输出和操作的结果集。
    • 影响结果集越趋近于实际输出或操作的目标结果集,索引效率越高。
    • 请注意,我这里永远不会讲关于外键和join的优化,因为在我们的体系里,这是根本不允许的! 架构优化部分会解释为什么。

2.2. 理解执行状态

常见分析手段

  • 慢查询日志,关注重点如下
    • 是否锁定,及锁定时间
      • 如存在锁定,则该慢查询通常是因锁定因素导致,本身无需优化,需解决锁定问题。
    • 影响结果集
      • 如影响结果集较大,显然是索引项命中存在问题,需要认真对待。
    • Explain 操作
      • 索引项使用
        • 不建议用using index做强制索引,如未如预期使用索引,建议重新斟酌表结构和索引设置。
      • 影响结果集
        • 这里显示的数字不一定准确,结合之前提到对数据索引的理解来看,还记得嘛?就把索引当作有序序列来理解,反思SQL。
      • Set profiling , show profiles for query操作
        • 执行开销
          • 注意,有问题的SQL如果重复执行,可能在缓存里,这时要注意避免缓存影响。通过这里可以看到。
          • 执行时间超过005秒的频繁操作SQL建议都分析一下。
          • 深入理解数据库执行的过程和开销的分布
        • Show processlist
          • 状态清单
            • Sleep 状态, 通常代表资源未释放,如果是通过连接池,sleep状态应该恒定在一定数量范围内
              • 实战范例: 因前端数据输出时(特别是输出到用户终端)未及时关闭数据库连接,导致因网络连接速度产生大量sleep连接,在网速出现异常时,数据库 too many connections 挂死。
              • 简单解读,数据查询和执行通常只需要不到01秒,而网络输出通常需要1秒左右甚至更长,原本数据连接在0.01秒即可释放,但是因为前端程序未执行close操作,直接输出结果,那么在结果未展现在用户桌面前,该数据库连接一直维持在sleep状态!
            • Waiting for net, reading from net, writing to net
              • 偶尔出现无妨
              • 如大量出现,迅速检查数据库到前端的网络连接状态和流量
              • 案例: 因外挂程序,内网数据库大量读取,内网使用的百兆交换迅速爆满,导致大量连接阻塞在waiting for net,数据库连接过多崩溃
            • Locked状态
              • 有更新操作锁定
              • 通常使用innodb可以很好的减少locked状态的产生,但是切记,更新操作要正确使用索引,即便是低频次更新操作也不能疏忽。如上影响结果集范例所示。
              • 在myisam的时代,locked是很多高并发应用的噩梦。所以mysql官方也开始倾向于推荐innodb。
            • Copy to tmp table
              • 索引及现有结构无法涵盖查询条件,才会建立一个临时表来满足查询要求,产生巨大的恐怖的i/o压力。
              • 很可怕的搜索语句会导致这样的情况,如果是数据分析,或者半夜的周期数据清理任务,偶尔出现,可以允许。频繁出现务必优化之。
              • Copy to tmp table 通常与连表查询有关,建议逐渐习惯不使用连表查询。
              • 实战范例:
                • 某社区数据库阻塞,求救,经查,其服务器存在多个数据库应用和网站,其中一个不常用的小网站数据库产生了一个恐怖的copy to tmp table 操作,导致整个硬盘i/o和cpu压力超载。Kill掉该操作一切恢复。
              • Sending data
                • Sending data 并不是发送数据,别被这个名字所欺骗,这是从物理磁盘获取数据的进程,如果你的影响结果集较多,那么就需要从不同的磁盘碎片去抽取数据,
                • 偶尔出现该状态连接无碍。
                • 回到上面影响结果集的问题,一般而言,如果sending data连接过多,通常是某查询的影响结果集过大,也就是查询的索引项不够优化。
                • 如果出现大量相似的SQL语句出现在show proesslist列表中,并且都处于sending data状态,优化查询索引,记住用影响结果集的思路去思考。
              • Freeing items
                • 理论上这玩意不会出现很多。偶尔出现无碍
                • 如果大量出现,内存,硬盘可能已经出现问题。比如硬盘满或损坏。
              • Sorting for …
                • 和Sending data类似,结果集过大,排序条件没有索引化,需要在内存里排序,甚至需要创建临时结构排序。
              • 其他
                • 还有很多状态,遇到了,去查查资料。基本上我们遇到其他状态的阻塞较少,所以不关心。

分析流程

  • 基本流程
    • 详细了解问题状况
      • Too many connections 是常见表象,有很多种原因。
      • 索引损坏的情况在innodb情况下很少出现。
      • 如出现其他情况应追溯日志和错误信息。
    • 了解基本负载状况和运营状况
      • 基本运营状况
        • 当前每秒读请求
        • 当前每秒写请求
        • 当前在线用户
        • 当前数据容量
      • 基本负载情况
        • 学会使用这些指令
          • Top
          • Vmstat
          • uptime
          • iostat
          • df
        • Cpu负载构成
          • 特别关注i/o压力( wa%)
          • 多核负载分配
        • 内存占用
          • Swap分区是否被侵占
          • 如Swap分区被侵占,物理内存是否较多空闲
        • 磁盘状态
          • 硬盘满和inode节点满的情况要迅速定位和迅速处理
        • 了解具体连接状况
          • 当前连接数
            • Netstat –an|grep 3306|wc –l
            • Show processlist
          • 当前连接分布 show processlist
            • 前端应用请求数据库不要使用root帐号!
              • Root帐号比其他普通帐号多一个连接数许可。
              • 前端使用普通帐号,在too many connections的时候root帐号仍可以登录数据库查询 show processlist!
              • 记住,前端应用程序不要设置一个不叫root的root帐号来糊弄!非root账户是骨子里的,而不是名义上的。
            • 状态分布
              • 不同状态代表不同的问题,有不同的优化目标。
              • 参见如上范例。
            • 雷同SQL的分布
              • 是否较多雷同SQL出现在同一状态
            • 当前是否有较多慢查询日志
              • 是否锁定
              • 影响结果集
            • 频繁度分析
              • 写频繁度
                • 如果i/o压力高,优先分析写入频繁度
                • Mysqlbinlog 输出最新binlog文件,编写脚本拆分
                • 最多写入的数据表是哪个
                • 最多写入的数据SQL是什么
                • 是否存在基于同一主键的数据内容高频重复写入?
                  • 涉及架构优化部分,参见架构优化-缓存异步更新
                • 读取频繁度
                  • 如果cpu资源较高,而i/o压力不高,优先分析读取频繁度
                  • 程序中在封装的db类增加抽样日志即可,抽样比例酌情考虑,以不显著影响系统负载压力为底线。
                  • 最多读取的数据表是哪个
                  • 最多读取的数据SQL是什么
                    • 该SQL进行explain 和set profiling判定
                    • 注意判定时需要避免query cache影响
                      • 比如,在这个SQL末尾增加一个条件子句 and 1=1 就可以避免从query cache中获取数据,而得到真实的执行状态分析。
                    • 是否存在同一个查询短期内频繁出现的情况
                      • 涉及前端缓存优化
                    • 抓大放小,解决显著问题
                      • 不苛求解决所有优化问题,但是应以保证线上服务稳定可靠为目标。
                      • 解决与评估要同时进行,新的策略或解决方案务必经过评估后上线。

总结

  • 要学会怎样分析问题,而不是单纯拍脑袋优化
  • 慢查询只是最基础的东西,要学会优化01秒的查询请求。
  • 当发生连接阻塞时,不同状态的阻塞有不同的原因,要找到原因,如果不对症下药,就会南辕北辙
    • 范例:如果本身系统内存已经超载,已经使用到了swap,而还在考虑加大缓存来优化查询,那就是自寻死路了。
  • 监测与跟踪要经常做,而不是出问题才做
    • 读取频繁度抽样监测
      • 全监测不要搞,i/o吓死人。
      • 按照一个抽样比例抽样即可。
      • 针对抽样中发现的问题,可以按照特定SQL在特定时间内监测一段全查询记录,但仍要考虑i/o影响。
    • 写入频繁度监测
      • 基于binlog解开即可,可定时或不定时分析。
    • 微慢查询抽样监测
      • 高并发情况下,查询请求时间超过01秒甚至0.005秒的,建议酌情抽样记录。
    • 连接数预警监测
      • 连接数超过特定阈值的情况下,虽然数据库没有崩溃,建议记录相关连接状态。
    • 学会通过数据和监控发现问题,分析问题,而后解决问题顺理成章。特别是要学会在日常监控中发现隐患,而不是问题爆发了才去处理和解决。

 

 

本教程由尚硅谷教育大数据研究院出品,如需转载请注明来源,欢迎大家关注尚硅谷公众号(atguigu)了解更多。


上一篇:
下一篇:
关于尚硅谷
教育理念
名师团队
学员心声
资源下载
视频下载
资料下载
工具下载
加入我们
招聘岗位
岗位介绍
招贤纳师
联系我们
电话:010-56253825
邮箱:info@atguigu.com
地址:北京市昌平区宏福科技园综合楼6层(北京校区)

 深圳市宝安区西部硅谷大厦B座C区一层(深圳校区)

上海市松江区谷阳北路166号大江商厦6层(上海校区)