【轉載文章】記錄一次MySQL兩千萬資料的大表優化解決過程，提供三種解決方案

問題概述

使用阿裡雲rds for MySQL資料庫（就是MySQL5.6版本），有個使用者上網記錄表6個月的資料量近2000萬，保留最近一年的資料量達到4000萬，查詢速度極慢，日常卡死。嚴重影響業務。

問題前提：老系統，當時設計系統的人大概是大學沒畢業，表設計和sql語句寫的不僅僅是垃圾，簡直無法直視。原開發人員都已離職，到我來維護，這就是傳說中的維護不了就跑路，然後我就是掉坑的那個！！！

我嘗試解決該問題，so，有個這個日志。

方案概述

• 方案一：優化現有mysql資料庫。優點：不影響現有業務，源程式不需要修改代碼，成本最低。缺點：有優化瓶頸，資料量過億就玩完了。
• 方案二：更新資料庫類型，換一種100%相容mysql的資料庫。優點：不影響現有業務，源程式不需要修改代碼，你幾乎不需要做任何操作就能提升資料庫性能，缺點：多花錢
• 方案三：一步到位，大資料解決方案，更換newsql/nosql資料庫。優點：擴充性強，成本低，沒有資料容量瓶頸，缺點：需要修改源程式代碼

以上三種方案，按順序使用即可，資料量在億級别一下的沒必要換nosql，開發成本太高。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者一萬遍 :)

方案一詳細說明：優化現有mysql資料庫

跟阿裡雲資料庫大佬電話溝通 and Google解決方案 and 問群裡大佬，總結如下（都是精華）：

• 1.資料庫設計和表建立時就要考慮性能
• 2.sql的編寫需要注意優化
• 4.分區
• 4.分表
• 5.分庫

mysql資料庫本身高度靈活，造成性能不足，嚴重依賴開發人員能力。也就是說開發人員能力高，則mysql性能高。這也是很多關系型資料庫的通病，是以公司的dba通常工資巨高。

設計表時要注意：

• 表字段避免null值出現，null值很難查詢優化且占用額外的索引空間，推薦預設數字0代替null。
• 盡量使用INT而非BIGINT，如果非負則加上UNSIGNED（這樣數值容量會擴大一倍），當然能使用TINYINT、SMALLINT、MEDIUM_INT更好。
• 使用枚舉或整數代替字元串類型
• 盡量使用TIMESTAMP而非DATETIME
• 單表不要有太多字段，建議在20以内
• 用整型來存IP

索引

• 索引并不是越多越好，要根據查詢有針對性的建立，考慮在WHERE和ORDER BY指令上涉及的列建立索引，可根據EXPLAIN來檢視是否用了索引還是全表掃描
• 應盡量避免在WHERE子句中對字段進行NULL值判斷，否則将導緻引擎放棄使用索引而進行全表掃描
• 值分布很稀少的字段不适合建索引，例如"性别"這種隻有兩三個值的字段
• 字元字段隻建字首索引
• 字元字段最好不要做主鍵
• 不用外鍵，由程式保證限制
• 盡量不用UNIQUE，由程式保證限制
• 使用多列索引時主意順序和查詢條件保持一緻，同時删除不必要的單列索引

簡言之就是使用合适的資料類型，選擇合适的索引

選擇合适的資料類型

（1）使用可存下資料的最小的資料類型，整型 < date,time < char,varchar < blob

（2）使用簡單的資料類型，整型比字元處理開銷更小，因為字元串的比較更複雜。如，int類型存儲時間類型，bigint類型轉ip函數

（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，非用不可最好分表

# 選擇合适的索引列

（1）查詢頻繁的列，在where，group by，order by，on從句中出現的列

（2）where條件中<，<=，=，>，>=，between，in，以及like 字元串+通配符（%）出現的列

（3）長度小的列，索引字段越小越好，因為資料庫的存儲機關是頁，一頁中能存下的資料越多越好

（4）離散度大（不同的值多）的列，放在聯合索引前面。檢視離散度，通過統計不同的列值來實作，count越大，離散程度越高：

原開發人員已經跑路，該表早已建立，我無法修改，故：該措辭無法執行，放棄！

• 使用limit對查詢結果的記錄進行限定
• 避免select *，将需要查找的字段列出來
• 使用連接配接（join）來代替子查詢
• 拆分大的delete或insert語句
• 可通過開啟慢查詢日志來找出較慢的SQL
• 不做列運算：SELECT id WHERE age + 1 = 10，任何對列的操作都将導緻表掃描，它包括資料庫教程函數、計算表達式等等，查詢時要盡可能将操作移至等号右邊
• sql語句盡可能簡單：一條sql隻能在一個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級别，IN的效率是log(n)級别，in的個數建議控制在200以内
• 不用函數和觸發器，在應用程式實作
• 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，否則将引擎放棄使用索引而進行全表掃描
• 對于連續數值，使用BETWEEN不用IN：SELECT id FROM t WHERE num BETWEEN 1 AND 5
• 清單資料不要拿全表，要使用LIMIT來分頁，每頁數量也不要太大

原開發人員已經跑路，程式已經完成上線，我無法修改sql，故：該措辭無法執行，放棄！

引擎

目前廣泛使用的是MyISAM和InnoDB兩種引擎：

1. MyISAM
2. MyISAM引擎是MySQL 5.1及之前版本的預設引擎，它的特點是：

• 不支援行鎖，讀取時對需要讀到的所有表加鎖，寫入時則對表加排它鎖
• 不支援事務
• 不支援外鍵
• 不支援崩潰後的安全恢複
• 在表有讀取查詢的同時，支援往表中插入新紀錄
• 支援BLOB和TEXT的前500個字元索引，支援全文索引
• 支援延遲更新索引，極大提升寫入性能
• 對于不會進行修改的表，支援壓縮表，極大減少磁盤空間占用

1. InnoDB
2. InnoDB在MySQL 5.5後成為預設索引，它的特點是：

• 支援行鎖，采用MVCC來支援高并發
• 支援事務
• 支援外鍵
• 支援崩潰後的安全恢複
• 不支援全文索引

總體來講，MyISAM适合SELECT密集型的表，而InnoDB适合INSERT和UPDATE密集型的表

MyISAM速度可能超快，占用存儲空間也小，但是程式要求事務支援，故InnoDB是必須的，故該方案無法執行，放棄！

3.分區

MySQL在5.1版引入的分區是一種簡單的水準拆分，使用者需要在建表的時候加上分區參數，對應用是透明的無需修改代碼

對使用者來說，分區表是一個獨立的邏輯表，但是底層由多個實體子表組成，實作分區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實作分區的方式也意味着索引也是按照分區的子表定義，沒有全局索引

使用者的SQL語句是需要針對分區表做優化，SQL條件中要帶上分區條件的列，進而使查詢定位到少量的分區上，否則就會掃描全部分區，可以通過EXPLAIN PARTITIONS來檢視某條SQL語句會落在那些分區上，進而進行SQL優化，我測試，查詢時不帶分區條件的列，也會提高速度，故該措施值得一試。

分區的好處是：

• 可以讓單表存儲更多的資料
• 分區表的資料更容易維護，可以通過清楚整個分區批量删除大量資料，也可以增加新的分區來支援新插入的資料。另外，還可以對一個獨立分區進行優化、檢查、修複等操作
• 部分查詢能夠從查詢條件确定隻落在少數分區上，速度會很快
• 分區表的資料還可以分布在不同的實體裝置上，進而搞笑利用多個硬體裝置
• 可以使用分區表賴避免某些特殊瓶頸，例如InnoDB單個索引的互斥通路、ext3檔案系統的inode鎖競争
• 可以備份和恢複單個分區

分區的限制和缺點：

• 一個表最多隻能有1024個分區
• 如果分區字段中有主鍵或者唯一索引的列，那麼所有主鍵列和唯一索引列都必須包含進來
• 分區表無法使用外鍵限制
• NULL值會使分區過濾無效
• 所有分區必須使用相同的存儲引擎

分區的類型：

• RANGE分區：基于屬于一個給定連續區間的列值，把多行配置設定給分區
• LIST分區：類似于按RANGE分區，差別在于LIST分區是基于列值比對一個離散值集合中的某個值來進行選擇
• HASH分區：基于使用者定義的表達式的傳回值來進行選擇的分區，該表達式使用将要插入到表中的這些行的列值進行計算。這個函數可以包含MySQL中有效的、産生非負整數值的任何表達式
• KEY分區：類似于按HASH分區，差別在于KEY分區隻支援計算一列或多列，且MySQL伺服器提供其自身的哈希函數。必須有一列或多列包含整數值
• 具體關于mysql分區的概念請自行google或查詢官方文檔，我這裡隻是抛磚引玉了。

我首先根據月份把上網記錄表RANGE分區了12份，查詢效率提高6倍左右，效果不明顯，故：換id為HASH分區，分了64個分區，查詢速度提升顯著。問題解決！

結果如下：PARTITION BY HASH (id)PARTITIONS 64

select count() from readroom_website; --11901336行記錄

/ 受影響行數: 0 已找到記錄: 1 警告: 0 持續時間 1 查詢: 5.734 sec. /

select * from readroom_website where month(accesstime) =11 limit 10;

/ 受影響行數: 0 已找到記錄: 10 警告: 0 持續時間 1 查詢: 0.719 sec. */

分表就是把一張大表，按照如上過程都優化了，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，然後把結果組合傳回給使用者。

分表分為垂直拆分和水準拆分，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：分表需要修改源程式代碼，會給開發帶來大量工作，極大的增加了開發成本，故：隻适合在開發初期就考慮到了大量資料存在，做好了分表處理，不适合應用上線了再做修改，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。

把一個資料庫分成多個，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成本，得不償失！不推薦使用。

方案二詳細說明：更新資料庫，換一個100%相容mysql的資料庫

mysql性能不行，那就換個。為保證源程式代碼不修改，保證現有業務平穩遷移，故需要換一個100%相容mysql的資料庫。

1. 開源選擇

• tiDB https://github.com/pingcap/tidb
• Cubrid https://www.cubrid.org/
• 開源資料庫會帶來大量的運維成本且其工業品質和MySQL尚有差距，有很多坑要踩，如果你公司要求必須自建資料庫，那麼選擇該類型産品。

1. 雲資料選擇

• 阿裡雲POLARDB
• https://www.aliyun.com/product/polardb?spm=a2c4g.11174283.cloudEssentials.47.7a984b5cS7h4wH

官方介紹語：POLARDB 是阿裡雲自研的下一代關系型分布式雲原生資料庫，100%相容MySQL，存儲容量最高可達 100T，性能最高提升至 MySQL 的 6 倍。POLARDB 既融合了商業資料庫穩定、可靠、高性能的特征，又具有開源資料庫簡單、可擴充、持續疊代的優勢，而成本隻需商用資料庫的 1/10。

我開通測試了一下，支援免費mysql的資料遷移，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！

• 阿裡雲OcenanBase
• 淘寶使用的，扛得住雙十一，性能卓著，但是在公測中，我無法嘗試，但值得期待
• 阿裡雲HybridDB for MySQL (原PetaData)
• https://www.aliyun.com/product/petadata?spm=a2c4g.11174283.cloudEssentials.54.7a984b5cS7h4wH

官方介紹：雲資料庫HybridDB for MySQL （原名PetaData）是同時支援海量資料線上事務（OLTP）和線上分析（OLAP）的HTAP（Hybrid Transaction/Analytical Processing）關系型資料庫。

我也測試了一下，是一個olap和oltp相容的解決方案，但是價格太高，每小時高達10塊錢，用來做存儲太浪費了，适合存儲和分析一起用的業務。

• 騰訊雲DCDB
• https://cloud.tencent.com/product/dcdb_for_tdsql

官方介紹：DCDB又名TDSQL，一種相容MySQL協定和文法，支援自動水準拆分的高性能分布式資料庫——即業務顯示為完整的邏輯表，資料卻均勻的拆分到多個分片中；每個分片預設采用主備架構，提供災備、恢複、監控、不停機擴容等全套解決方案，适用于TB或PB級的海量資料場景。

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，适合超小公司，玩玩。

方案三詳細說明：去掉mysql，換大資料引擎處理資料

資料量過億了，沒得選了，隻能上大資料了。

1. 開源解決方案
2. hadoop家族。hbase/hive怼上就是了。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産出的！
3. 雲解決方案
4. 這個就比較多了，也是一種未來趨勢，大資料由專業的公司提供專業的服務，小公司或個人購買服務，大資料就像水/電等公共設施一樣，存在于社會的方方面面。
5. 國内做的最好的當屬阿裡雲。
6. 我選擇了阿裡雲的MaxCompute配合DataWorks，使用超級舒服，按量付費，成本極低。
7. MaxCompute可以了解為開源的Hive，提供sql/mapreduce/ai算法/python腳本/shell腳本等方式操作資料，資料以表格的形式展現，以分布式方式存儲，采用定時任務和批處理的方式處理資料。DataWorks提供了一種工作流的方式管理你的資料處理任務和排程監控。
8. 當然你也可以選擇阿裡雲hbase等其他産品，我這裡主要是離線處理，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塊錢就解決了資料處理問題。

作者：王帥  http://database.51cto.com/art/201902/592522.htm