編者注：這是一篇MySQL性能優(yōu)化的教程，來著某公司的DBA，原是為了培訓(xùn)公司員工用，現(xiàn)在轉(zhuǎn)載出來供大家一起學(xué)習(xí)提高。

背景及目標(biāo)

● 用于員工培訓(xùn)和分享。

● 針對用戶群為已經(jīng)使用過mysql環(huán)境，并有一定開發(fā)經(jīng)驗(yàn)的工程師

● 針對高并發(fā)，海量數(shù)據(jù)的互聯(lián)網(wǎng)環(huán)境。

● 本文語言為口語，非學(xué)術(shù)標(biāo)準(zhǔn)用語。

● 以實(shí)戰(zhàn)和解決具體問題為主要目標(biāo)，非應(yīng)試，非常規(guī)教育。友情提醒，在校生學(xué)習(xí)本教程可能對成績提高有害無益。

● 非技術(shù)挑戰(zhàn)，非高端架構(gòu)師培訓(xùn)，請高手自動(dòng)忽略。

Mysql 執(zhí)行優(yōu)化

認(rèn)識數(shù)據(jù)索引

1.為什么使用數(shù)據(jù)索引能提高效率

■ 數(shù)據(jù)索引的存儲是有序的

■ 在有序的情況下，通過索引查詢一個(gè)數(shù)據(jù)是無需遍歷索引記錄的

■ 極端情況下，數(shù)據(jù)索引的查詢效率為二分法查詢效率，趨近于 log2(N)

2.如何理解數(shù)據(jù)索引的結(jié)構(gòu)

■ 數(shù)據(jù)索引通常默認(rèn)采用btree索引，（內(nèi)存表也使用了hash索引）。

■ 單一有序排序序列是查找效率最高的（二分查找，或者說折半查找），使用樹形索引的目的是為了達(dá)到快速的更新和增刪操作。

■ 在極端情況下（比如數(shù)據(jù)查詢需求量非常大，而數(shù)據(jù)更新需求極少，實(shí)時(shí)性要求不高，數(shù)據(jù)規(guī)模有限），直接使用單一排序序列，折半查找速度最快。

◆實(shí)戰(zhàn)范例 ： ip地址反查

資源：

Ip地址對應(yīng)表，源數(shù)據(jù)格式為  startip, endip, area

源數(shù)據(jù)條數(shù)為 10萬條左右，呈很大的分散性

目標(biāo)： 

需要通過任意ip查詢該ip所屬地區(qū)

性能要求達(dá)到每秒1000次以上的查詢效率

挑戰(zhàn)：

如使用 between … and 數(shù)據(jù)庫操作，無法有效使用索引。

如果每次查詢請求需要遍歷10萬條記錄，根本不行。

方法： 

一次性排序（只在數(shù)據(jù)準(zhǔn)備中進(jìn)行，數(shù)據(jù)可存儲在內(nèi)存序列）

折半查找（每次請求以折半查找方式進(jìn)行）

■ 在進(jìn)行索引分析和SQL優(yōu)化時(shí)，可以將數(shù)據(jù)索引字段想象為單一有序序列，并以此作為分析的基礎(chǔ)。

◆實(shí)戰(zhàn)范例：復(fù)合索引查詢優(yōu)化實(shí)戰(zhàn)，同城異性列表

資源： 用戶表user，字段 sex性別；area 地區(qū)；lastlogin 最后登錄時(shí)間；其他略

目標(biāo)：

查找同一地區(qū)的異性，按照最后登錄時(shí)間逆序

高訪問量社區(qū)的高頻查詢，如何優(yōu)化。

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

挑戰(zhàn)： 

建立復(fù)合索引并不難， area+sex+lastlogin 三個(gè)字段的復(fù)合索引,如何理解？

首先，忘掉btree，將索引字段理解為一個(gè)排序序列。

如果只使用area會怎樣？搜索會把符合area的結(jié)果全部找出來，然后在這里面遍歷，選擇命中sex的并排序。 遍歷所有 area=’$area’數(shù)據(jù)！

如果使用了area+sex，略好，仍然要遍歷所有area=’$area’ and sex=’$sex’數(shù)據(jù)，然后在這個(gè)基礎(chǔ)上排序！！

Area+sex+lastlogin復(fù)合索引時(shí)（切記lastlogin在最后），該索引基于area+sex+lastlogin 三個(gè)字段合并的結(jié)果排序，該列表可以想象如下。

廣州女$時(shí)間1

廣州女$時(shí)間2

廣州女$時(shí)間3

…

廣州男

….

深圳女

….
數(shù)據(jù)庫很容易命中到 area+sex的邊界，并且基于下邊界向上追溯30條記錄，搞定！在索引中迅速命中所有結(jié)果，無需二次遍歷！

3.如何理解影響結(jié)果集

■ 影響結(jié)果集是數(shù)據(jù)查詢優(yōu)化的一個(gè)重要中間數(shù)據(jù)

◆ 查詢條件與索引的關(guān)系決定影響結(jié)果集

如上例所示，即便查詢用到了索引，但是如果查詢和排序目標(biāo)不能直接在索引中命中，其可能帶來較多的影響結(jié)果。而這會直接影響到查詢效率

◆ 微秒級優(yōu)化

● 優(yōu)化查詢不能只看慢查詢?nèi)罩?，常?guī)來說，0.01秒以上的查詢，都是不夠優(yōu)化的。

● 實(shí)戰(zhàn)范例

和上案例類似，某游戲社區(qū)要顯示用戶動(dòng)態(tài)，select * from userfeed where uid=$uid order by lastlogin desc limit 0,30;   初期默認(rèn)以uid為索引字段， 查詢?yōu)槊兴衭id=$uid的結(jié)果按照lastlogin排序。 當(dāng)用戶行為非常頻繁時(shí)，該SQL索引命中影響結(jié)果集有數(shù)百乃至數(shù)千條記錄。查詢效率超過0.01秒，并發(fā)較大時(shí)數(shù)據(jù)庫壓力較大。

解決方案：將索引改為 uid+lastlogin 復(fù)合索引，索引直接命中影響結(jié)果集30條，查詢效率提高了10倍，平均在0.001秒，數(shù)據(jù)庫壓力驟降。

■ 影響結(jié)果集的常見誤區(qū)

◆ 影響結(jié)果集并不是說數(shù)據(jù)查詢出來的結(jié)果數(shù)或操作影響的結(jié)果數(shù)，而是查詢條件的索引所命中的結(jié)果數(shù)。

◆ 實(shí)戰(zhàn)范例

● 某游戲數(shù)據(jù)庫使用了innodb，innodb是行級鎖，理論上很少存在鎖表情況。出現(xiàn)了一個(gè)SQL語句(delete from tabname where xid=…)，這個(gè)SQL非常用SQL，僅在特定情況下出現(xiàn)，每天出現(xiàn)頻繁度不高（一天僅10次左右），數(shù)據(jù)表容量百萬級，但是這個(gè)xid未建立索引，于是悲慘的事情發(fā)生了，當(dāng)執(zhí)行這條delete 的時(shí)候，真正刪除的記錄非常少，也許一到兩條，也許一條都沒有；但是！由于這個(gè)xid未建立索引，delete操作時(shí)遍歷全表記錄，全表被delete操作鎖定，select操作全部被locked，由于百萬條記錄遍歷時(shí)間較長，期間大量select被阻塞，數(shù)據(jù)庫連接過多崩潰。

這種非高發(fā)請求，操作目標(biāo)很少的SQL，因未使用索引，連帶導(dǎo)致整個(gè)數(shù)據(jù)庫的查詢阻塞，需要極大提高警覺。

■ 總結(jié)：

◆ 影響結(jié)果集是搜索條件索引命中的結(jié)果集，而非輸出和操作的結(jié)果集。

◆ 影響結(jié)果集越趨近于實(shí)際輸出或操作的目標(biāo)結(jié)果集，索引效率越高。

◆ 請注意，我這里永遠(yuǎn)不會講關(guān)于外鍵和join的優(yōu)化，因?yàn)樵谖覀兊捏w系里，這是根本不允許的！ 架構(gòu)優(yōu)化部分會解釋為什么。

#p#

理解執(zhí)行狀態(tài)

1.常見分析手段

●  慢查詢?nèi)罩?，關(guān)注重點(diǎn)如下

■ 是否鎖定，及鎖定時(shí)間

◆ 如存在鎖定，則該慢查詢通常是因鎖定因素導(dǎo)致，本身無需優(yōu)化，需解決鎖定問題。

■ 影響結(jié)果集

◆ 如影響結(jié)果集較大，顯然是索引項(xiàng)命中存在問題，需要認(rèn)真對待。

●  Explain 操作

■  索引項(xiàng)使用

◆ 不建議用using index做強(qiáng)制索引，如未如預(yù)期使用索引，建議重新斟酌表結(jié)構(gòu)和索引設(shè)置。

■  影響結(jié)果集

◆ 這里顯示的數(shù)字不一定準(zhǔn)確，結(jié)合之前提到對數(shù)據(jù)索引的理解來看，還記得嘛？就把索引當(dāng)作有序序列來理解，反思SQL。

●  Set profiling , show profiles for query操作

■  執(zhí)行開銷

◆ 注意，有問題的SQL如果重復(fù)執(zhí)行，可能在緩存里，這時(shí)要注意避免緩存影響。通過這里可以看到。

◆ 執(zhí)行時(shí)間超過0.005秒的頻繁操作SQL建議都分析一下。

◆ 深入理解數(shù)據(jù)庫執(zhí)行的過程和開銷的分布

●  Show processlist

■  狀態(tài)清單

◆ Sleep 狀態(tài)， 通常代表資源未釋放，如果是通過連接池，sleep狀態(tài)應(yīng)該恒定在一定數(shù)量范圍內(nèi)

♦  實(shí)戰(zhàn)范例： 因前端數(shù)據(jù)輸出時(shí)（特別是輸出到用戶終端）未及時(shí)關(guān)閉數(shù)據(jù)庫連接，導(dǎo)致因網(wǎng)絡(luò)連接速度產(chǎn)生大量sleep連接，在網(wǎng)速出現(xiàn)異常時(shí)，數(shù)據(jù)庫 too many connections 掛死。

♦  簡單解讀，數(shù)據(jù)查詢和執(zhí)行通常只需要不到0.01秒，而網(wǎng)絡(luò)輸出通常需要1秒左右甚至更長，原本數(shù)據(jù)連接在0.01秒即可釋放，但是因?yàn)榍岸顺绦蛭磮?zhí)行close操作，直接輸出結(jié)果，那么在結(jié)果未展現(xiàn)在用戶桌面前，該數(shù)據(jù)庫連接一直維持在sleep狀態(tài)！

◆ Waiting for net, reading from net, writing to net

♦  偶爾出現(xiàn)無妨

♦  如大量出現(xiàn)，迅速檢查數(shù)據(jù)庫到前端的網(wǎng)絡(luò)連接狀態(tài)和流量

♦  案例: 因外掛程序，內(nèi)網(wǎng)數(shù)據(jù)庫大量讀取，內(nèi)網(wǎng)使用的百兆交換迅速爆滿，導(dǎo)致大量連接阻塞在waiting for net，數(shù)據(jù)庫連接過多崩潰

◆ Locked狀態(tài)

♦  有更新操作鎖定

♦  通常使用innodb可以很好的減少locked狀態(tài)的產(chǎn)生，但是切記，更新操作要正確使用索引，即便是低頻次更新操作也不能疏忽。如上影響結(jié)果集范例所示。

♦  在myisam的時(shí)代，locked是很多高并發(fā)應(yīng)用的噩夢。所以mysql官方也開始傾向于推薦innodb。

◆ Copy to tmp table

♦  索引及現(xiàn)有結(jié)構(gòu)無法涵蓋查詢條件，才會建立一個(gè)臨時(shí)表來滿足查詢要求，產(chǎn)生巨大的恐怖的i/o壓力。

♦  很可怕的搜索語句會導(dǎo)致這樣的情況，如果是數(shù)據(jù)分析，或者半夜的周期數(shù)據(jù)清理任務(wù)，偶爾出現(xiàn)，可以允許。頻繁出現(xiàn)務(wù)必優(yōu)化之。

♦  Copy to tmp table 通常與連表查詢有關(guān)，建議逐漸習(xí)慣不使用連表查詢。

♦  實(shí)戰(zhàn)范例：

某社區(qū)數(shù)據(jù)庫阻塞，求救，經(jīng)查，其服務(wù)器存在多個(gè)數(shù)據(jù)庫應(yīng)用和網(wǎng)站，其中一個(gè)不常用的小網(wǎng)站數(shù)據(jù)庫產(chǎn)生了一個(gè)恐怖的copy to tmp table 操作，導(dǎo)致整個(gè)硬盤i/o和cpu壓力超載。Kill掉該操作一切恢復(fù)。

◆ Sending data

♦  Sending data 并不是發(fā)送數(shù)據(jù)，別被這個(gè)名字所欺騙，這是從物理磁盤獲取數(shù)據(jù)的進(jìn)程，如果你的影響結(jié)果集較多，那么就需要從不同的磁盤碎片去抽取數(shù)據(jù)，

♦  偶爾出現(xiàn)該狀態(tài)連接無礙。

♦  回到上面影響結(jié)果集的問題，一般而言，如果sending data連接過多，通常是某查詢的影響結(jié)果集過大，也就是查詢的索引項(xiàng)不夠優(yōu)化。

♦  如果出現(xiàn)大量相似的SQL語句出現(xiàn)在show proesslist列表中，并且都處于sending data狀態(tài)，優(yōu)化查詢索引，記住用影響結(jié)果集的思路去思考。

◆ Freeing items

♦  理論上這玩意不會出現(xiàn)很多。偶爾出現(xiàn)無礙

♦  如果大量出現(xiàn)，內(nèi)存，硬盤可能已經(jīng)出現(xiàn)問題。比如硬盤滿或損壞。

◆ Sorting for …

♦  和Sending data類似，結(jié)果集過大，排序條件沒有索引化，需要在內(nèi)存里排序，甚至需要?jiǎng)?chuàng)建臨時(shí)結(jié)構(gòu)排序。

◆ 其他

♦  還有很多狀態(tài)，遇到了，去查查資料?；旧衔覀冇龅狡渌麪顟B(tài)的阻塞較少，所以不關(guān)心。

2.分析流程

●  基本流程

■  詳細(xì)了解問題狀況

◆  Too many connections 是常見表象，有很多種原因。

◆  索引損壞的情況在innodb情況下很少出現(xiàn)。

◆  如出現(xiàn)其他情況應(yīng)追溯日志和錯(cuò)誤信息。

■  了解基本負(fù)載狀況和運(yùn)營狀況

◆  基本運(yùn)營狀況

♦  當(dāng)前每秒讀請求

♦  當(dāng)前每秒寫請求

♦  當(dāng)前在線用戶

♦  當(dāng)前數(shù)據(jù)容量

◆  基本負(fù)載情況

♦  學(xué)會使用這些指令

 Top

 Vmstat

 uptime

 iostat

 df

♦  Cpu負(fù)載構(gòu)成

 特別關(guān)注i/o壓力( wa%)

 多核負(fù)載分配

♦  內(nèi)存占用

 Swap分區(qū)是否被侵占

 如Swap分區(qū)被侵占，物理內(nèi)存是否較多空閑

♦  磁盤狀態(tài)

 硬盤滿和inode節(jié)點(diǎn)滿的情況要迅速定位和迅速處理

■  了解具體連接狀況

◆  當(dāng)前連接數(shù)

♦  Netstat –an|grep 3306|wc –l

♦  Show processlist

◆  當(dāng)前連接分布 show processlist

♦  前端應(yīng)用請求數(shù)據(jù)庫不要使用root帳號！

 Root帳號比其他普通帳號多一個(gè)連接數(shù)許可。

 前端使用普通帳號，在too many connections的時(shí)候root帳號仍可以登錄數(shù)據(jù)庫查詢 show processlist!

 記住，前端應(yīng)用程序不要設(shè)置一個(gè)不叫root的root帳號來糊弄！非root賬戶是骨子里的，而不是名義上的。

♦  狀態(tài)分布

 不同狀態(tài)代表不同的問題，有不同的優(yōu)化目標(biāo)。

 參見如上范例。

 雷同SQL的分布

 是否較多雷同SQL出現(xiàn)在同一狀態(tài)

◆  當(dāng)前是否有較多慢查詢?nèi)罩?/p>

♦  是否鎖定

♦  影響結(jié)果集

■  頻繁度分析

◆  寫頻繁度

♦  如果i/o壓力高，優(yōu)先分析寫入頻繁度

♦  Mysqlbinlog 輸出最新binlog文件，編寫腳本拆分

♦  最多寫入的數(shù)據(jù)表是哪個(gè)

♦  最多寫入的數(shù)據(jù)SQL是什么

♦  是否存在基于同一主鍵的數(shù)據(jù)內(nèi)容高頻重復(fù)寫入？

 涉及架構(gòu)優(yōu)化部分，參見架構(gòu)優(yōu)化-緩存異步更新

◆  讀取頻繁度

♦  如果cpu資源較高，而i/o壓力不高，優(yōu)先分析讀取頻繁度

♦  程序中在封裝的db類增加抽樣日志即可，抽樣比例酌情考慮，以不顯著影響系統(tǒng)負(fù)載壓力為底線。

♦  最多讀取的數(shù)據(jù)表是哪個(gè)

♦  最多讀取的數(shù)據(jù)SQL是什么

 該SQL進(jìn)行explain 和set profiling判定

 注意判定時(shí)需要避免query cache影響

比如，在這個(gè)SQL末尾增加一個(gè)條件子句 and 1=1 就可以避免從query cache中獲取數(shù)據(jù)，而得到真實(shí)的執(zhí)行狀態(tài)分析。

♦  是否存在同一個(gè)查詢短期內(nèi)頻繁出現(xiàn)的情況

 涉及前端緩存優(yōu)化

■  抓大放小，解決顯著問題

◆  不苛求解決所有優(yōu)化問題，但是應(yīng)以保證線上服務(wù)穩(wěn)定可靠為目標(biāo)。

◆  解決與評估要同時(shí)進(jìn)行，新的策略或解決方案務(wù)必經(jīng)過評估后上線。

3.總結(jié)

●  要學(xué)會怎樣分析問題，而不是單純拍腦袋優(yōu)化

■  慢查詢只是最基礎(chǔ)的東西，要學(xué)會優(yōu)化0.01秒的查詢請求。

●  當(dāng)發(fā)生連接阻塞時(shí)，不同狀態(tài)的阻塞有不同的原因，要找到原因，如果不對癥下藥，就會南轅北轍

■  范例：如果本身系統(tǒng)內(nèi)存已經(jīng)超載，已經(jīng)使用到了swap，而還在考慮加大緩存來優(yōu)化查詢，那就是自尋死路了。

●  監(jiān)測與跟蹤要經(jīng)常做，而不是出問題才做

■  讀取頻繁度抽樣監(jiān)測

◆  全監(jiān)測不要搞，i/o嚇?biāo)廊恕?/p>

◆  按照一個(gè)抽樣比例抽樣即可。

◆  針對抽樣中發(fā)現(xiàn)的問題，可以按照特定SQL在特定時(shí)間內(nèi)監(jiān)測一段全查詢記錄，但仍要考慮i/o影響。

■  寫入頻繁度監(jiān)測

◆  基于binlog解開即可，可定時(shí)或不定時(shí)分析。

■  微慢查詢抽樣監(jiān)測

◆  高并發(fā)情況下，查詢請求時(shí)間超過0.01秒甚至0.005秒的，建議酌情抽樣記錄。

■  連接數(shù)預(yù)警監(jiān)測

◆  連接數(shù)超過特定閾值的情況下，雖然數(shù)據(jù)庫沒有崩潰，建議記錄相關(guān)連接狀態(tài)。

●  學(xué)會通過數(shù)據(jù)和監(jiān)控發(fā)現(xiàn)問題，分析問題，而后解決問題順理成章。特別是要學(xué)會在日常監(jiān)控中發(fā)現(xiàn)隱患，而不是問題爆發(fā)了才去處理和解決。
 

【編輯推薦】

1. 這些事項(xiàng)你注意了嗎？ 淺談數(shù)據(jù)庫優(yōu)化注意事項(xiàng)
2. MySQL數(shù)據(jù)庫的優(yōu)化（上）單機(jī)MySQL數(shù)據(jù)庫的優(yōu)化
3. MySQL數(shù)據(jù)庫的優(yōu)化（下）MySQL數(shù)據(jù)庫的高可用架構(gòu)方案
4. 微博 請問你是怎么優(yōu)化數(shù)據(jù)庫的？