程序员必须掌握的MySQL优化指南（下）

接上篇，上篇主要是从字段类型，索引，SQL语句，参数配置，缓存等介绍了关于MySQL的优化，下面从表的设计，分库，分片，中间件，NoSQL等提供更多关于MySQL的优化。

表分区

MySQL 在 5.1 版引入的分区是一种简单的水平拆分，用户需要在建表的时候加上分区参数，对应用是透明的无需修改代码。

对用户来说，分区表是一个独立的逻辑表，但是底层由多个物理子表组成，实现分区的代码实际上是通过对一组底层表的对象封装，但对 SQL 层来说是一个完全封装底层的黑盒子。

MySQL 实现分区的方式也意味着索引也是按照分区的子表定义，没有全局索引。

用户的 SQL 语句是需要针对分区表做优化，SQL 条件中要带上分区条件的列，从而使查询定位到少量的分区上，否则就会扫描全部分区。

可以通过 EXPLAIN PARTITIONS 来查看某条 SQL 语句会落在那些分区上，从而进行 SQL 优化。

如下图 5 条记录落在两个分区上：

mysql> explain partitions select count(1) from user_partition where id in (1,2,3,4,5);
+----+-------------+----------------+------------+-------+---------------+---------+---------+------+------+--------------------------+
| id | select_type | table          | partitions | type  | possible_keys | key     | key_len | ref  | rows | Extra                    |
+----+-------------+----------------+------------+-------+---------------+---------+---------+------+------+--------------------------+
|  1 | SIMPLE      | user_partition | p1,p4      | range | PRIMARY       | PRIMARY | 8       | NULL |    5 | Using where; Using index |
+----+-------------+----------------+------------+-------+---------------+---------+---------+------+------+--------------------------+
1 row in set (0.00 sec)

分区的好处是：

• 可以让单表存储更多的数据。

• 分区表的数据更容易维护，可以通清除整个分区批量删除大量数据，也可以增加新的分区来支持新插入的数据。另外，还可以对一个独立分区进行优化、检查、修复等操作。

• 部分查询能够从查询条件确定只落在少数分区上，速度会很快。

• 分区表的数据还可以分布在不同的物理设备上，从而高效利用多个硬件设备。

• 可以使用分区表来避免某些特殊瓶颈，例如 InnoDB 单个索引的互斥访问、 ext3 文件系统的 inode 锁竞争。

• 可以备份和恢复单个分区。

分区的限制和缺点：

• 一个表最多只能有 1024 个分区。

• 如果分区字段中有主键或者唯一索引的列，那么所有主键列和唯一索引列都必须包含进来。

• 分区表无法使用外键约束。

• NULL 值会使分区过滤无效。

• 所有分区必须使用相同的存储引擎。

分区的类型：

• RANGE 分区：基于属于一个给定连续区间的列值，把多行分配给分区。

• LIST 分区：类似于按 RANGE 分区，区别在于 LIST 分区是基于列值匹配一个离散值集合中的某个值来进行选择。

• HASH 分区：基于用户定义的表达式的返回值来进行选择的分区，该表达式使用将要插入到表中的这些行的列值进行计算。这个函数可以包含 MySQL 中有效的、产生非负整数值的任何表达式。

• KEY 分区：类似于按 HASH 分区，区别在于 KEY 分区只支持计算一列或多列，且 MySQL 服务器提供其自身的哈希函数。必须有一列或多列包含整数值。

• 分区适合的场景有：最适合的场景数据的时间序列性比较强，则可以按时间来分区。

如下所示：

CREATE TABLE members (
    firstname VARCHAR(25) NOT NULL,
    lastname VARCHAR(25) NOT NULL,
    username VARCHAR(16) NOT NULL,
    email VARCHAR(35),
    joined DATE NOT NULL
)PARTITION BY RANGE( YEAR(joined) ) (
    PARTITION p0 VALUES LESS THAN (1960),
    PARTITION p1 VALUES LESS THAN (1970),
    PARTITION p2 VALUES LESS THAN (1980),
    PARTITION p3 VALUES LESS THAN (1990),
    PARTITION p4 VALUES LESS THAN MAXVALUE
);

查询时加上时间范围条件的效率会非常高，同时对于不需要的历史数据能很容易的批量删除。

如果数据有明显的热点，而且除了这部分数据，其他数据很少被访问到，那么可以将热点数据单独放在一个分区，让这个分区的数据能够有机会都缓存在内存中，查询时只访问一个很小的分区表，能够有效使用索引和缓存。

另外 MySQL 有一种早期的简单的分区实现 - 合并表（merge table），限制较多且缺乏优化，不建议使用，应该用新的分区机制来替代。

垂直拆分

垂直分库是根据数据库里面的数据表的相关性进行拆分，比如：一个数据库里面既存在用户数据，又存在订单数据，那么垂直拆分可以把用户数据放到用户库、把订单数据放到订单库。

垂直分表是对数据表进行垂直拆分的一种方式，常见的是把一个多字段的大表按常用字段和非常用字段进行拆分，每个表里面的数据记录数一般情况下是相同的，只是字段不一样，使用主键关联。

比如原始的用户表是：

垂直拆分后是：

垂直拆分的优点是：

• 可以使得行数据变小，一个数据块(Block)就能存放更多的数据，在查询时就会减少 I/O 次数(每次查询时读取的 Block 就少)。

• 可以达到最大化利用 Cache 的目的，具体在垂直拆分的时候可以将不常变的字段放一起，将经常改变的放一起。

• 数据维护简单。

缺点是：

• 主键出现冗余，需要管理冗余列。

• 会引起表连接 JOIN 操作（增加 CPU 开销）可以通过在业务服务器上进行 JOIN 来减少数据库压力。

• 依然存在单表数据量过大的问题（需要水平拆分）。

• 事务处理复杂。

水平拆分

水平拆分是通过某种策略将数据分片来存储，分库内分表和分库两部分，每片数据会分散到不同的 MySQL 表或库，以达到分布式的效果，能够支持非常大的数据量。前面的表分区本质上也是一种特殊的库内分表。

库内分表，由于没有把表的数据分布到不同的机器上，仅仅是单纯的解决了单一表数据过大的问题。

因此对于减轻 MySQL 服务器的压力来说，并没有太大的作用，大家还是竞争同一个物理机上的 IO、CPU、网络，这个就要通过分库来解决。

前面垂直拆分的用户表如果进行水平拆分，结果是：

实际情况中往往会是垂直拆分和水平拆分的结合，即将 Users_A_M 和 Users_N_Z 再拆成 Users 和 UserExtras，这样一共四张表。

水平拆分的优点是：

• 不存在单库大数据和高并发的性能瓶颈。

• 应用端改造较少。

• 提高了系统的稳定性和负载能力。

缺点是：

• 分片事务一致性难以解决。

• 跨节点 JOIN 性能差，逻辑复杂。

• 数据多次扩展难度跟维护量极大。

分片原则

分片原则如下：

• 能不分就不分，参考单表优化。

• 分片数量尽量少，分片尽量均匀分布在多个数据结点上，因为一个查询 SQL 跨分片越多，则总体性能越差，虽然要好于所有数据在一个分片的结果，只在必要的时候进行扩容，增加分片数量。

• 分片规则需要慎重选择做好提前规划，分片规则的选择，需要考虑数据的增长模式，数据的访问模式，分片关联性问题，以及分片扩容问题。

• 最近的分片策略为范围分片，枚举分片，一致性 Hash 分片，这几种分片都有利于扩容。

• 尽量不要在一个事务中的 SQL 跨越多个分片，分布式事务一直是个不好处理的问题。

• 查询条件尽量优化，尽量避免 Select * 的方式，大量数据结果集下，会消耗大量带宽和 CPU 资源，查询尽量避免返回大量结果集，并且尽量为频繁使用的查询语句建立索引。

• 通过数据冗余和表分区来降低跨库 JOIN 的可能。

这里特别强调一下分片规则的选择问题，如果某个表的数据有明显的时间特征，比如订单、交易记录等。

他们通常比较合适用时间范围分片，因为具有时效性的数据，我们往往关注其近期的数据，查询条件中往往带有时间字段进行过滤。

比较好的方案是，当前活跃的数据，采用跨度比较短的时间段进行分片，而历史性的数据，则采用比较长的跨度存储。

总体上来说，分片的选择是取决于最频繁的查询 SQL 的条件，因为不带任何 Where 语句的查询 SQL，会遍历所有的分片，性能相对最差，因此这种 SQL 越多，对系统的影响越大，所以我们要尽量避免这种 SQL 的产生。

解决方案

由于水平拆分牵涉的逻辑比较复杂，当前也有了不少比较成熟的解决方案。这些方案分为两大类：客户端架构和代理架构。

客户端架构

通过修改数据访问层，如 JDBC、Data Source、MyBatis，通过配置来管理多个数据源，直连数据库，并在模块内完成数据的分片整合，一般以 Jar 包的方式呈现。

这是一个客户端架构的例子：

可以看到分片的实现是和应用服务器在一起的，通过修改 Spring JDBC 层来实现。

客户端架构的优点是：

• 应用直连数据库，降低外围系统依赖所带来的宕机风险。

• 集成成本低，无需额外运维的组件。

缺点是：

• 限于只能在数据库访问层上做文章，扩展性一般，对于比较复杂的系统可能会力不从心。

• 将分片逻辑的压力放在应用服务器上，造成额外风险。

代理架构

通过独立的中间件来统一管理所有数据源和数据分片整合，后端数据库集群对前端应用程序透明，需要独立部署和运维代理组件。

这是一个代理架构的例子：

代理组件为了分流和防止单点，一般以集群形式存在，同时可能需要 ZooKeeper 之类的服务组件来管理。

代理架构的优点是：

• 能够处理非常复杂的需求，不受数据库访问层原来实现的限制，扩展性强。

• 对于应用服务器透明且没有增加任何额外负载。

缺点是：

• 需部署和运维独立的代理中间件，成本高。

• 应用需经过代理来连接数据库，网络上多了一跳，性能有损失且有额外风险。

目前来说，业界还是有很多的方案可供选择，但应该如何进行选择？我认为，可以按以下思路来考虑：

• 确定是使用客户端架构还是代理架构。中小型规模或是比较简单的场景倾向于选择客户端架构，复杂场景或大规模系统倾向选择代理架构。

• 具体功能是否满足，比如需要跨节点 ORDER BY，那么支持该功能的优先考虑。

• 不考虑一年内没有更新的产品，说明开发停滞，甚至无人维护和技术支持。

• 最好按大公司→社区→小公司→个人这样的出品方顺序来选择。

• 选择口碑较好的，比如 Github 星数、使用者数量质量和使用者反馈。

• 开源的优先，往往项目有特殊需求可能需要改动源代码。

按照上述思路，推荐以下选择：

• 客户端架构：ShardingJDBC

• 代理架构：MyCat 或者 Atlas

可水平扩展的数据库

目前也有一些开源数据库兼容 MySQL 协议，如：

• TiDB

• Cubrid

但其工业品质和 MySQL 尚有差距，且需要较大的运维投入，如果想将原始的 MySQL 迁移到可水平扩展的新数据库中，可以考虑一些云数据库：

• 阿里云 PetaData

• 阿里云 OceanBase

• 腾讯云 DCDB

NoSQL

在 MySQL 上做 Sharding 是一种戴着镣铐的跳舞，事实上很多大表本身对 MySQL 这种 RDBMS 的需求并不大，并不要求 ACID。

可以考虑将这些表迁移到 NoSQL，彻底解决水平扩展问题，例如：

• 日志类、监控类、统计类数据

• 非结构化或弱结构化数据

• 对事务要求不强，且无太多关联操作的数据

 送福利了 

金三银四，又到了招聘的旺季，你准备好了吗？

这里送一些面试资料和视频教程，让大家突击一下，

添加下面的微信号，备注【资料】免费领取哦！

👆添加上面的微信号，备注【资料】领取👆

—END—

---

最热门的文章