Mysql 性能优化
数据库优化维度有四个:
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。
系统配置优化 从内存中读取数据 MySQL 会在内存中保存一定的数据,通过LRU算法将不常访问的数据保存在硬盘文件中。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。
1 2 3 4 5 6 7 8 9 10 11 12 mysql> show global status like 'innodb_buffer_pool_pages_%' ; + | Variable_name | Value | + | Innodb_buffer_pool_pages_data | 8190 | | Innodb_buffer_pool_pages_dirty | 0 | | Innodb_buffer_pool_pages_flushed | 12646 | | Innodb_buffer_pool_pages_free | 0 | 0 表示已经被用光| Innodb_buffer_pool_pages_misc | 1 | | Innodb_buffer_pool_pages_total | 8191 | +
innodb_buffer_pool_size默认为128M,理论上可以扩大到内存的3/4或4/5。
预热数据 默认情况,仅在某条数据被读取一次之后,才会缓存在 innodb_buffer_pool。所以,数据库刚刚启动,须要进行数据预热,将磁盘上的数据尽可能缓存到内存中。
数据预热能够提高读取速度。
对于InnoDB数据库,进行数据预热的脚本是:
loadtomem.sql 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 SELECT DISTINCT CONCAT('SELECT ' ,ndxcollist,' FROM ' ,db,'.' ,tb,' ORDER BY ' ,ndxcollist,';' ) SelectQueryToLoadCache FROM ( SELECT engine,table_schema db,table_name tb, index_name,GROUP_CONCAT(column_name ORDER BY seq_in_index) ndxcollist FROM ( SELECT B.engine,A.table_schema,A.table_name, A.index_name,A.column_name,A.seq_in_index FROM information_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;
在需要数据预热时(比如重启数据库)执行命令:
1 mysql - uroot < / root/ loadtomem.sql > / dev/ null 2 > & 1
减少磁盘写入次数 1. 增大redolog,减少落盘次数
innodb_log_file_size 设置为 0.25 * innodb_buffer_pool_size
2. 关闭通用查询日志、慢查询日志 ,开启binlog
生产中不开通用查询日志,遇到性能问题开慢查询日志
3. 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。
提高磁盘读写性能 使用SSD或者内存磁盘
表结构优化 1. 设计中间表
设计中间表,一般针对于统计分析功能,或者实时性不高的需求(OLTP、OLAP)
2. 设计冗余字段
为减少关联查询,创建合理的冗余字段(创建冗余字段还需要注意数据一致性问题)
3. 拆表
对于字段太多的大表,考虑拆表(比如一个表有100多个字段)
对于表中经常不被使用的字段或者存储数据比较多的字段,考虑拆表
4. 主键优化
每张表建议都要有一个主键(主键索引),而且主键类型最好是int类型,建议自增主键。
5. 字段的设计
数据库中的表越小,在它上面执行的查询也就会越快。因此,在创建表的时候,为了获得更好的性能,我们可以将表中字段的宽度设得尽可能小。
尽量把字段设置为NOTNULL,这样在将来执行查询的时候,数据库不用去比较NULL值。
对于某些文本字段,例如“省份”或者“性别”,我们可以将它们定义为ENUM类型。因为在MySQL中,ENUM类型被当作数值型数据来处理,而数值型数据被处理起来的速度要比文本类型快得多。
SQL语句及索引优化 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。
2. 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。所以要求直接在select后面接上字段名。
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 mysql> explain select * from tbiguser ; + | id | select_type | table | type | possible_keys | key | key_len | ref | rows | Extra | + | 1 | SIMPLE | tbiguser | ALL | NULL | NULL | NULL | NULL | 9754360 | NULL | + 1 row in set (0.00 sec)mysql> explain select id,nickname from tbiguser ; + | id | select_type | table | type | possible_keys | key | key_len | ref | rows | Extra | + | 1 | SIMPLE | tbiguser | index | NULL | idx_nickname | 768 | NULL | 9754360 | Using index | + 1 row in set (0.00 sec)
3. 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
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 mysql> select * from tbiguser limit 1 ; + | id | nickname | loginname | age | sex | status | address | + | 1 | zy1 | zhaoyun1 | 23 | 1 | 1 | beijing | + 1 row in set (0.00 sec)mysql> explain select * from tbiguser limit 1 ; + | id | select_type | table | type | possible_keys | key | key_len | ref | rows | Extra | + | 1 | SIMPLE | tbiguser | ALL | NULL | NULL | NULL | NULL | 9754360 | NULL | + 1 row in set (0.00 sec)
4. 排序字段加索引
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 mysql> explain select * from tbiguser where loginname = 'zhaoyun9999999' order by id ; + | id | select_type | table | type | possible_keys | key | key_len | ref | rows | Extra | + | 1 | SIMPLE | tbiguser | index | NULL | PRIMARY | 4 | NULL | 9754360 | Using where | + 1 row in set (0.01 sec)mysql> explain select * from tbiguser where loginname = 'zhaoyun9999999' order by loginname ; + | id | select_type | table | type | possible_keys | key | key_len | ref | rows | Extra | + | 1 | SIMPLE | tbiguser | ALL | NULL | NULL | NULL | NULL | 9754360 | Using where | + 1 row in set (0.00 sec)
5. 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。
1 2 3 4 5 6 7 8 mysql> explain select * from tbiguser where nickname= 'zy1' or loginname= 'zhaoyun3' ; + | id | select_type | table | type | possible_keys | key | key_len | ref | rows | Extra | + | 1 | SIMPLE | tbiguser | ALL | idx_nickname | NULL | NULL | NULL | 9754360 | Using where | + 1 row in set (0.00 sec)
6. 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。
7. 不使用ORDER BY RAND()
ORDER BY RAND() 不走索引
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 mysql> select * from tbiguser order by rand() limit 10 ; + | id | nickname | loginname | age | sex | status | address | + | 416412 | zy416412 | zhaoyun416412 | 23 | 1 | 1 | beijing | | 4338012 | zy4338012 | zhaoyun4338012 | 23 | 1 | 1 | beijing | | 4275017 | zy4275017 | zhaoyun4275017 | 23 | 1 | 1 | beijing | | 8572779 | zy8572779 | zhaoyun8572779 | 23 | 1 | 1 | beijing | | 2500546 | zy2500546 | zhaoyun2500546 | 23 | 1 | 1 | beijing | + 10 rows in set (10.86 sec)mysql> select * from tbiguser t1 join (select rand()* (select max (id) from tbiguser) nid ) t2 on t1.id> t2.nid limit 10 ; + | id | nickname | loginname | age | sex | status | address | nid | + | 6580156 | zy6580156 | zhaoyun6580156 | 23 | 1 | 1 | beijing | 6580155.591089424 | | 6580157 | zy6580157 | zhaoyun6580157 | 23 | 1 | 1 | beijing | 6580155.591089424 | | 6580158 | zy6580158 | zhaoyun6580158 | 23 | 1 | 1 | beijing | 6580155.591089424 | | 6580159 | zy6580159 | zhaoyun6580159 | 23 | 1 | 1 | beijing | 6580155.591089424 | | 6580160 | zy6580160 | zhaoyun6580160 | 23 | 1 | 1 | beijing | 6580155.591089424 | + 10 rows in set (0.01 sec)
8. 区分in和exists、not in和not exists
区分in和exists主要是造成了驱动顺序的改变(这是性能变化的关键),如果是exists,那么以外层表为驱动表,先被访问,如果是IN,那么先执行子查询。所以IN适合于外表大而内表小的情况;EXISTS适合于外表小而内表大的情况。
关于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。如何高效的写出一个替代not exists的SQL语句?
原SQL语句:
1 select colname … from A表 where a.id not in (select b.id from B表)
高效的SQL语句:
1 select colname … from A表 Left join B表 on where a.id = b.id where b.id is null
9. 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
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 mysql> select * from tbiguser limit 9999998 , 2 ; + | id | nickname | loginname | age | sex | status | address | + | 9999999 | zy9999999 | zhaoyun9999999 | 23 | 1 | 1 | beijing | | 10000000 | zy10000000 | zhaoyun10000000 | 23 | 1 | 1 | beijing | + 2 rows in set (4.72 sec)mysql> select * from tbiguser where id> 9999998 limit 2 ; + | id | nickname | loginname | age | sex | status | address | + | 9999999 | zy9999999 | zhaoyun9999999 | 23 | 1 | 1 | beijing | | 10000000 | zy10000000 | zhaoyun10000000 | 23 | 1 | 1 | beijing | + 2 rows in set (0.00 sec)
10. 分段查询
一些用户选择页面中,可能一些用户选择的范围过大,造成查询缓慢。主要的原因是扫描行数过多。这个时候可以通过程序,分段进行查询,循环遍历,将结果合并处理进行展示。
11. 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%”。
那么如何解决这个问题呢,答案:使用全文索引或ES全文检索
12. 避免在where子句中对字段进行表达式操作
1 select user_id,user_project from user_base where age* 2 = 36 ;
中对字段就行了算术运算,这会造成引擎放弃使用索引,建议改成:
1 select user_id,user_project from user_base where age= 36 / 2 ;
13. 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。 where age=’18’
14. 对于联合索引来说,要遵守最左前缀法则
举列来说索引含有字段id、name、school,可以直接用id字段,也可以id、name这样的顺序,但是name;school都无法使用这个索引。所以在创建联合索引的时候一定要注意索引字段顺序,常用的查询字段放在最前面。
15. 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forceindex来强制优化器使用我们制定的索引。
16. 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。
17. 使用JOIN优化
LEFT JOIN A表为驱动表,INNER JOIN MySQL会自动找出那个数据少的表作用驱动表,RIGHT JOIN B表为驱动表。
注意:
MySQL中没有full join,可以用以下方式来解决:
尽量使用inner join,避免left join:
参与联合查询的表至少为2张表,一般都存在大小之分。如果连接方式是inner join,在没有其他过滤条件的情况下MySQL会自动选择小表作为驱动表,但是left join在驱动表的选择上遵循的是左边驱动右边的原则,即left join左边的表名为驱动表。
被驱动表的索引字段作为on的限制字段。
从原理图能够直观的看出如果能够减少驱动表的话,减少嵌套循环中的循环次数,以减少 IO总量及CPU运算的次数。