我说MySQL单表不超过两千万行，面试官让我回去等通知？
事情是这样的
大家好，我是鱼皮。下面是某位朋友的面试记录：
面试官：讲一下你实习做了什么。
朋友：我在实习期间做了一个存储用户操作记录的功能，主要是从 MQ 获取上游服务发送过来的用户操作信息，然后把这些信息存到 MySQL 里面，提供给数仓的同事使用。
朋友：由于数据量比较大，每天大概有四、五千多万条，所以我还给它做了分表的操作。每天定时生成 3 张表，然后将数据取模分别存到这三张表里，防止表内数据过多导致查询速度降低。
这表述，好像没什么问题是吧，别急，接着看：
面试官：那你为什么要分三张表呢，两张表不行吗？四张表不行吗？
朋友：因为MySQL每张表最好不超过 2000 万条数据，否则会导致查询速度降低，影响性能。我们每天的数据大概是在五千万条左右，所以分成三张表比较稳妥。
面试官：还有吗？
朋友：没有了…… 你干嘛，哎呦
面试官：那你先回去等通知吧。
🤣🤣🤣讲完了，看出什么了吗，你们觉得这位朋友回答的有什么问题吗？
前言
很多人说，MySQL 每张表最好不要超过 2000 万条数据，否则就会导致性能下降。阿里的Java开发手册上也提出：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。
但实际上，这个2000万或者500万都只是一个大概的数字，并不适用于所有场景，如果盲目的以为表数据只要不超过 2000 万条就没问题了，很可能会导致系统的性能大幅下降。
实际情况下，每张表由于自身的字段不同、字段所占用的空间不同等原因，它们在最佳性能下可以存放的数据量也就不同。
那么，该如何计算出每张表适合的数据量呢？别急，慢慢往下看。
本文适合的读者
阅读本文你需要有一定的 MySQL 基础，最好对 InnoDB 和 B+ 树都有一定的了解，可能需要有一年以上的 MySQL 学习经验（大概一年？），知道 “InnoDB 中 B+ 树的高度一般保持在三层以内会比较好” 这条理论知识。
本文主要是针对 “InnoDB中高度为3的B+树最多可以存多少数据” 这一话题进行讲解的。且本文对数据的计算比较严格（至少比网上 95% 以上的相关博文都要严格），如果你比较在意这些细节并且目前不太清楚的话，请继续往下阅读。
阅读本文你大概需要花费 10-20 分钟的时间，如果你在阅读的过程中对数据进行验算的话，可能要花费 30 分钟左右。
本文思维导图
基础知识快速回顾
众所周知，MySQL中InnoDB的存储结构是B+ 树，B+ 树大家都熟悉吧？特性大概有以下几点，一起快速回顾一下吧！
注：下面这这些内容都是精华，看不懂或者不理解的同学建议先收藏本文，之后有知识基础了再回来看 。🤣🤣
一张数据表一般对应一颗或多颗树的存储，树的数量与建索引的数量有关，每个索引都会有一颗单独的树。
聚簇索引和非聚簇索引：
主键索引也是聚簇索引，非主键索引都是非聚簇索引。除格式信息外，两种索引的非叶子节点都是只存索引数据的，比如索引为id，那非叶子节点就是存的id数据。叶子节点的区别如下： 聚簇索引的叶子节点一般情况下存的是这条数据的所有字段信息。所以我们 select * from table where id = 1 的时候，都是要去叶子节点拿数据的。 非聚簇索引的叶子节点存的是这条数据所对应的主键和索引列信息。比如这条非聚簇索引是username，然后表的主键是id，那该非聚簇索引的叶子节点存的就是 username 和 id，而不存其他字段。相当于是先从非聚簇索引查到主键的值，再根据主键索引去查数据内容，一般情况下要查两次（除非索引覆盖），这也称之为 回表 ，就有点类似于存了个指针，指向了数据存放的真实地址。
B+树的查询是从上往下一层层查询的，一般情况下我们认为B+树的高度保持在 3 层以内是比较好的，也就是上两层是索引，最后一层存数据，这样查表的时候只需要进行 3 次磁盘IO就可以了(实际上会少一次，因为根节点会常驻内存)，且能够存放的数据量也比较可观。如果数据量过大，导致B+树变成 4 层了，则每次查询就需要进行 4 次磁盘IO了，从而使性能下降。所以我们才会去计算 InnoDB 的 3 层B+树最多可以存多少条数据。
MySQL每个节点大小默认为 16 KB，也就是每个节点最多存 16 KB的数据，可以修改，最大 64 KB，最小 4 KB。
扩展：那如果某一行的数据特别大，超过了节点的大小怎么办？
MySQL5.7文档的解释是：
对于 4KB、8KB、16KB 和 32KB 设置 ，最大行长度略小于数据库页面的一半 。例如：对于默认的 16KB页大小，最大行长度略小于 8KB ，默认32KB的页大小，则最大行长度略小于16KB。
而对于 64KB 页面，最大行则长度略小于 16KB。
如果行超过最大行长度， 则将可变长度列用外部页存储，直到该行符合最大行长度限制。就是说把varchar、text这种长度可变的存到外部页中，来减小这一行的数据长度。
文档地址：MySQL :: MySQL 5.7 Reference Manual :: 14.12.2 File Space Management
MySQL 查询速度主要取决于磁盘的读写速度，因为 MySQL 查询的时候每次只读取一个节点到内存中，通过这个节点的数据找到下一个要读取的节点位置，再读取下一个节点的数据，直到查询到需要的数据或者发现数据不存在。
肯定有人要问了，每个节点内的数据难道不用查询吗？这里的耗时怎么不计算？
这是因为读取完整个节点的数据后，会存到内存当中，在内存中查询节点数据的耗时其实是很短的，再配合 MySQL 的查询方式，时间复杂度差不多为 O(logN)，相比磁盘IO来说，可以忽略不计。
MySQL InnoDB 节点的储存内容
在Innodb的B+树中，我们常说的节点被称之为 **页(page)**，每个页当中存储了用户数据，所有的页合在一起组成了一颗B+树（当然实际会复杂很多，但我们只是要计算可以存多少条数据，所以姑且可以这么理解😅）。
页 是InnoDB存储引擎管理数据库的最小磁盘单位，我们常说每个节点16KB，其实就是指每页的大小为16KB。
这 16KB 的空间，里面需要存储 页格式 信息和 行格式 信息，其中行格式信息当中又包含一些元数据和用户数据。所以我们在计算的时候，要把这些数据的都计算在内。
页格式
每一页的基本格式，也就是每一页都会包含的一些信息，总结表格如下：
| 名称 | 空间 | 含义和作用等 |
|---|---|---|
| File Header | 38字节 | 文件头，用来记录页的一些头信息。包括校验和、页号、前后节点的两个指针、页的类型、表空间等。 |
| Page Header | 56字节 | 页头，用来记录页的状态信息。包括页目录的槽数、空闲空间的地址、本页的记录数、已删除的记录所占用的字节数等。 |
| Infimum & supremum | 26字节 | 用来限定当前页记录的边界值，包含一个最小值和一个最大值。 |
| User Records | 不固定 | 用户记录，我们插入的数据就存储在这里。 |
| Free Space | 不固定 | 空闲空间，用户记录增加的时候从这里取空间。 |
| Page Directort | 不固定 | 页目录，用来存储页当中用户数据的位置信息。每个槽会放4-8条用户数据的位置，一个槽占用1-2个字节，当一个槽位超过8条数据的时候会自动分成两个槽。 |
| File Trailer | 8字节 | 文件结尾信息，主要是用来校验页面完整性的。 |
示意图：
页格式这块的内容，我在官网翻了好久，硬是没找到🤧。。。。不知道是没写还是我眼瞎，有找到的朋友希望可以在评论区帮我挂出来😋。所以上面页格式的表格内容主要是基于一些博客中学习总结的。
另外，当新记录插入到 InnoDB 聚集索引中时，InnoDB 会尝试留出 1/16 的页面空闲以供将来插入和更新索引记录。如果按顺序（升序或降序）插入索引记录，则生成的页大约可用 15/16 的空间。如果以随机顺序插入记录，则页大约可用 1/2 到 15/16 的空间。参考文档：MySQL :: MySQL 5.7 Reference Manual :: 14.6.2.2 The Physical Structure of an InnoDB Index
除了 User Records 和 Free Space 以外所占用的内存是 38 + 56 + 26 + 8 = 128 字节，每一页留给用户数据的空间就还剩 16 × × 1024 − 128 = 15232 字节（保留了1/16）。当然，这是最小值，因为我们没有考虑页目录。页目录留在后面根据再去考虑，这个得根据表字段来计算。
行格式
首先，我觉得有必要提一嘴，MySQL5.6的默认行格式为COMPACT(紧凑)，5.7及以后的默认行格式为DYNAMIC(动态)，不同的行格式存储的方式也是有区别的，还有其他的两种行格式，本文后续的内容主要是基于DYNAMIC(动态)进行讲解的。
官方文档链接：MySQL :: MySQL 5.7 参考手册 :: 14.11 InnoDB 行格式（包括下面的行格式内容大都可以在里面找到）
每行记录都包含以下这些信息，其中大都是可以从官方文档当中找到的。我这里写的不是特别详细，仅写了一些能够我们计算空间的知识，更详细内容可以去网上搜索 “MySQL 行格式”。
| 名称 | 空间 | 含义和作用等 |
|---|---|---|
| 行记录头信息 | 5字节 | 行记录的标头信息。包含了一些标志位、数据类型等信息，如：删除标志、最小记录标志、排序记录、数据类型、页中下一条记录的位置等 |
| 可变长度字段列表 | 不固定 | 来保存那些可变长度的字段占用的字节数，比如varchar、text、blob等。若变长字段的长度小于 255字节，就用1字节表示；若大于 255字节，用2字节表示。表字段中有几个可变长字段该列表中就有几个值，如果没有就不存。 |
| null值列表 | 不固定 | 用来存储可以为null的字段是否为null。每个可为null的字段在这里占用一个bit，就是bitmap的思想。该列表占用的空间是以字节为单位增长的，例如，如果有 9 到 16 个可以为null的列，则使用两个字节，没有占用1.5字节这种情况。 |
| 事务ID和指针字段 | 6+7字节 | 了解MVCC的朋友应该都知道，数据行中包含了一个6字节的事务ID和一个7字节的指针字段。如果没有定义主键，则还会多一个6字节的行ID字段当然我们都有主键，所以这个行ID我们不计算。 |
| 实际数据 | 不固定 | 这部分就是我们真实的数据了。 |
示意图：
另外还有几点需要注意：
溢出页（外部页）的存储
注意：这一点是DYNAMIC的特性。当使用 DYNAMIC 创建表时，InnoDB 会将较长的可变长度列（比如 VARCHAR、VARBINARY、BLOB 和 TEXT 类型）的值剥离出来，存储到一个溢出页上，只在该列上保留一个 20 字节的指针指向溢出页。
而 COMPACT 行格式（MySQL5.6默认格式）则是将前 768 个字节和 20 字节的指针存储在 B+ 树节点的记录中，其余部分存储在溢出页上。
列是否存储在页外取决于页大小和行的总大小。当一行太长时，选择最长的列进行页外存储，直到聚集索引记录适合 B+ 树页（文档里没说具体是多少😅）。小于或等于 40 字节的 TEXT 和 BLOB 直接存储在行内，不会分页。
优点
DYNAMIC 行格式避免了用大量数据填充 B+ 树节点从而导致长列的问题。
DYNAMIC 行格式的想法是，如果长数据值的一部分存储在页外，则通常将整个值存储在页外是最有效的。
使用 DYNAMIC 格式，较短的列会尽可能保留在 B+ 树节点中，从而最大限度地减少给定行所需的溢出页数。
字符编码不同情况下的存储
char 、varchar、text 等需要设置字符编码的类型，在计算所占用空间时，需要考虑不同编码所占用的空间。
varchar、text等类型会有长度字段列表来记录他们所占用的长度，但char是固定长度的类型，情况比较特殊，假设字段 name 的类型为 char(10) ，则有以下情况：
对于长度固定的字符编码（比如ASCII码），字段 name 将以固定长度格式存储，ASCII码每个字符占一个字节，那 name 就是占用 10 个字节。
对于长度不固定的字符编码（比如utf8mb4），至少将为 name 保留 10 个字节。如果可以，InnoDB会通过修剪尾部空格空间的方式来将其存到 10 个字节中。如果空格剪完了还存不下，则将尾随空格修剪为 列值字节长度的最小值（一般是 1 字节）。列的最大长度为：字符编码的最大字符长度×N字符编码的最大字符长度 \times N字符编码的最大字符长度×N，比如 name 字段的编码为 utf8mb4，那就是 4×104 \times 104×10。
大于或等于 768 字节的 char 列会被看成是可变长度字段（就像varchar一样），可以跨页存储。例如，utf8mb4 字符集的最大字节长度为 4，则 char(255) 列将可能会超过 768 个字节，进行跨页存储。
说实话对char的这个设计我是不太理解的，尽管看了很久，包括官方文档和一些博客🤧，希望懂的同学可以在评论区解惑：对于长度不固定的字符编码这块，char是不是有点像是一个长度可变的类型了？我们常用的 utf8mb4，占用为 1 ~ 4 字节，那么 char(10) 所占用的空间就是 10 ~ 40 字节，这个变化还是挺大的啊，但是它并没有留足够的空间给它，也没有使用可变长度字段列表去记录char字段的空间占用情况，就很特殊？
开始计算
好了，我们已经知道每一页当中具体存储的东西了，现在我们已经具备计算能力了。由于页的剩余空间我已经在上面页格式的地方计算过了，每页会剩余 15232 字节可用，下面我们直接计算行。
非叶子节点计算
单个节点计算
索引页就是存索引的节点，也就是非叶子节点。每一条索引记录当中都包含了当前索引的值 、 一个 6字节 的指针信息 、一个 5 字节的行标头，用来指向下一层数据页的指针。
索引记录当中的指针占用空间我没在官方文档里找到😭，这个 6 字节是我参考其他博文的，他们说源码里写的是6字节，但具体在哪一段源码我也不知道😭。希望知道的同学可以在评论区解惑。
假设我们的主键id为 bigint 型，也就是8个字节，那索引页中每行数据占用的空间就等于 8+6+5=19 字节。每页可以存 15232÷19≈801 条索引数据。
那算上页目录的话，按每个槽平均6条数据计算的话，至少有 801÷6≈134 个槽，需要占用 268 字节的空间。
把存数据的空间分一点给槽的话，我算出来大约可以存 787 条索引数据。
如果是主键是 int 型的话，那可以存更多，大约有 993 条索引数据。
前两层非叶子节点计算
在 B+ 树当中，当一个节点索引记录为 N 条时，它就会有 N 个子节点。由于我们 3 层B+树的前两层都是索引记录，第一层根节点有 N 条索引记录，那第二层就会有 N 个节点，每个节点数据类型与根节点一致，仍然可以再存 NNN 条记录，第三层的节点个数就会等于 N^2。则有：
主键为 bigint 的表可以存放 787^2 = 619369 个叶子节点 主键为 int 的表可以存放 993^2 = 986049 个叶子节点
OK计算完毕。
数据条数计算
最少存放记录数
前面我们提到，最大行长度略小于数据库页面的一半，之所以是略小于一半，是由于每个页面还留了点空间给页格式 的其他内容，所以我们可以认为每个页面最少能放两条数据，每条数据略小于8KB。如果某行的数据长度超过这个值，那InnoDB肯定会分一些数据到 溢出页 当中去了，所以我们不考虑。那每条数据8KB的话，每个叶子节点就只能存放 2 条数据，这样的一张表，在主键为 bigint 的情况下，只能存放 2×619369=1238738 条数据，也就是一百二十多万条，这个数据量，没想到吧🤣🤣。
较多的存放记录数
假设我们的表是这样的：
-- 这是一张非常普通的课程安排表，除id外，仅包含了课程id和老师id两个字段
-- 且这几个字段均为 int 型（当然实际生产中不会这么设计表，这里只是举例）。
CREATE TABLE `course_schedule` (
`id` int NOT NULL,
`teacher_id` int NOT NULL,
`course_id` int NOT NULL,
PRIMARY KEY (`id`) USING BTREE
) ENGINE=InnoDB DEFAULT CHARSET=utf8;
先来分析一下这张表的行数据：无null值列表，无可变长字段列表，需要算上事务ID和指针字段，需要算上行记录头，那么每行数据所占用的空间就是 4 + 4 + 4 + 6 + 7 + 5 = 30 字节，每个叶子节点可以存放 15232÷30≈507 条数据。算上页目录的槽位所占空间，每个叶子节点可以存放 502 条数据，那么三层B+树可以存放的最大数据量就是 502×986049=494,996,598，将近5亿条数据！没想到吧🤡😏。
常规表的存放记录数
大部分情况下我们的表字段都不是上面那样的，所以我选择了一场比较常规的表来进行分析，看看能存放多少数据。表情况如下：
CREATE TABLE `blog` (
`id` bigint unsigned NOT NULL AUTO_INCREMENT COMMENT '博客id',
`author_id` bigint unsigned NOT NULL COMMENT '作者id',
`title` varchar(50) CHARACTER SET utf8mb4 NOT NULL COMMENT '标题',
`description` varchar(250) CHARACTER SET utf8mb4 NOT NULL COMMENT '描述',
`school_code` bigint unsigned DEFAULT NULL COMMENT '院校代码',
`cover_image` char(32) DEFAULT NULL COMMENT '封面图',
`create_time` datetime NOT NULL DEFAULT CURRENT_TIMESTAMP COMMENT '创建时间',
`release_time` datetime DEFAULT NULL COMMENT '首次发表时间',
`modified_time` datetime NOT NULL DEFAULT CURRENT_TIMESTAMP ON UPDATE CURRENT_TIMESTAMP COMMENT '修改时间',
`status` tinyint unsigned NOT NULL COMMENT '发表状态',
`is_delete` tinyint unsigned NOT NULL DEFAULT 0,
PRIMARY KEY (`id`),
KEY `author_id` (`author_id`),
KEY `school_code` (`school_code`) USING BTREE
) ENGINE=InnoDB AUTO_INCREMENT=1 DEFAULT CHARSET=utf8 COLLATE=utf8_general_mysql500_ci ROW_FORMAT=DYNAMIC;
分析一下这张表的行记录：
行记录头信息：肯定得有，占用5字节。 可变长度字段列表：表中 title 占用1字节，description 占用2字节，共3字节。 null值列表：表中仅school_code、cover_image、release_time3个字段可为null，故仅占用1字节。 事务ID和指针字段：两个都得有，占用13字节。 字段内容信息： id、author_id、school_code 均为bigint型，各占用8字节，共24字节。 create_time、release_time、modified_time 均为datetime类型，各占8字节，共24字节。 status、is_delete 为tinyint类型，各占用1字节，共2字节。cover_image 为char(32)，字符编码为表默认值utf8，由于该字段实际存的内容仅为英文字母（存url的），结合前面讲的字符编码不同情况下的存储 ，故仅占用32字节。4.** title、description** 分别为varchar(50)、varchar(250)，这两个应该都不会产生溢出页（不太确定），字符编码均为utf8mb4，实际生产中70%以上都是存的中文(3字节)，25%为英文(1字节)，还有5%为4字节的表情😁，则存满的情况下将占用 (50+250)×(0.7×3+0.25×1+0.05×4)=765 字节。
统计上面的所有分析，共占用 869 字节，则每个叶子节点可以存放 15232÷869≈17 条，算上页目录，仍然能放 17 条。则三层B+树可以存放的最大数据量就是 17×619369=10,529,273，约一千万条数据，再次没想到吧👴。
数据计算总结
根据上面三种不同情况下的计算，可以看出，InnoDB三层B+树情况下的数据存储量范围为 一百二十多万条 到 将近5亿条，这个跨度还是非常大的，同时我们也计算了一张博客信息表，可以存储 约一千万条 数据。所以啊，我们在做项目考虑分表的时候还是得多关注一下表的实际情况，而不是盲目的认为两千万数据就是那个临界点。如果面试时谈到这块的问题，我想面试官也并不是想知道这个数字到底是多少，而是想看你如何分析这个问题，看你得出这个数字的过程。如果本文中有任何写的不对的地方，欢迎各位朋友在评论区指正🥰。
文章来源：https://juejin.cn/post/7165689453124517896
欢迎学编程的朋友们加入鱼皮的 编程知识星球 ，我会 1 对 1 解决你的问题，并且直播带大家开发完整项目（第三期项目进行中，已完结 4 集）。可以加我微信 yupi5927，备注【加入星球】和自己的情况领取优惠加入星球，不备注不通过，非诚勿扰谢谢。
往期推荐