文章首发在公众号(龙台的技术笔记),之后同步到 segmentfault 和集体网站:xiaomage.info
优化我的项目代码过程中发现一个千万级数据深分页问题,原因是这样的
库里有一张耗材 MCS_PROD 表,通过同步内部数据中台多维度数据,在零碎外部组装为繁多耗材产品,最终同步到 ES 搜索引擎
MySQL 同步 ES 流程如下:
- 通过定时工作的模式触发同步,比方距离半天或一天的工夫频率
- 同步的模式为增量同步,依据更新工夫的机制,比方第一次同步查问 >= 1970-01-01 00:00:00.0
- 记录最大的更新工夫进行存储,下次更新同步以此为条件
- 以分页的模式获取数据,当前页数量加一,循环到最初一页
在这里问题也就呈现了,MySQL 查问分页 OFFSET 越深刻,性能越差,初步预计线上 MCS_PROD 表中记录在 1000w 左右
如果依照每页 10 条,OFFSET 值会拖垮查问性能,进而造成一个 “ 性能深渊 ”
同步类代码针对此问题有两种优化形式:
- 采纳游标、流式计划进行优化
- 优化深分页性能,文章围绕这个题目开展
文章目录如下:
- 软硬件阐明
- 重新认识 MySQL 分页
-
深分页优化
- 子查问优化
- 提早关联
-
书签记录
-
ORDER BY 巨坑,慎踩
- ORDER BY 索引生效举例
- 结言
-
软硬件阐明
MySQL VERSION
mysql> select version();
+-----------+
| version() |
+-----------+
| 5.7.30 |
+-----------+
1 row in set (0.01 sec)
表构造阐明
借鉴公司表构造,字段、长度以及名称均已删减
mysql> DESC MCS_PROD;
+-----------------------+--------------+------+-----+---------+----------------+
| Field | Type | Null | Key | Default | Extra |
+-----------------------+--------------+------+-----+---------+----------------+
| MCS_PROD_ID | int(11) | NO | PRI | NULL | auto_increment |
| MCS_CODE | varchar(100) | YES | | | |
| MCS_NAME | varchar(500) | YES | | | |
| UPDT_TIME | datetime | NO | MUL | NULL | |
+-----------------------+--------------+------+-----+---------+----------------+
4 rows in set (0.01 sec)
通过测试同学帮忙造了 500w 左右数据量
mysql> SELECT COUNT(*) FROM MCS_PROD;
+----------+
| count(*) |
+----------+
| 5100000 |
+----------+
1 row in set (1.43 sec)
SQL 语句如下
因为性能须要满足 增量拉取的形式 ,所以会有数据更新工夫的条件查问,以及相干 查问排序(此处有坑)
SELECT
MCS_PROD_ID,
MCS_CODE,
MCS_NAME,
UPDT_TIME
FROM
MCS_PROD
WHERE
UPDT_TIME >= '1970-01-01 00:00:00.0' ORDER BY UPDT_TIME
LIMIT xx, xx
重新认识 MySQL 分页
LIMIT 子句能够被用于强制 SELECT 语句返回指定的记录数。LIMIT 接管一个或两个数字参数,参数必须是一个整数常量
如果给定两个参数,第一个参数指定第一个返回记录行的偏移量,第二个参数指定返回记录行的最大数
举个简略的例子,剖析下 SQL 查问过程,把握深分页性能为什么差
mysql> SELECT MCS_PROD_ID,MCS_CODE,MCS_NAME FROM MCS_PROD WHERE (UPDT_TIME >= '1970-01-01 00:00:00.0') ORDER BY UPDT_TIME LIMIT 100000, 1;
+-------------+-------------------------+------------------+---------------------+
| MCS_PROD_ID | MCS_CODE | MCS_NAME | UPDT_TIME |
+-------------+-------------------------+------------------+---------------------+
| 181789 | XA601709733186213015031 | 尺、桡骨 LC-DCP 骨板 | 2020-10-19 16:22:19 |
+-------------+-------------------------+------------------+---------------------+
1 row in set (3.66 sec)
mysql> EXPLAIN SELECT MCS_PROD_ID,MCS_CODE,MCS_NAME FROM MCS_PROD WHERE (UPDT_TIME >= '1970-01-01 00:00:00.0') ORDER BY UPDT_TIME LIMIT 100000, 1;
+----+-------------+----------+------------+-------+---------------+------------+---------+------+---------+----------+-----------------------+
| id | select_type | table | partitions | type | possible_keys | key | key_len | ref | rows | filtered | Extra |
+----+-------------+----------+------------+-------+---------------+------------+---------+------+---------+----------+-----------------------+
| 1 | SIMPLE | MCS_PROD | NULL | range | MCS_PROD_1 | MCS_PROD_1 | 5 | NULL | 2296653 | 100.00 | Using index condition |
+----+-------------+----------+------------+-------+---------------+------------+---------+------+---------+----------+-----------------------+
1 row in set, 1 warning (0.01 sec)
简略阐明下下面 SQL 执行过程:
- 首先查问了表 MCS_PROD,进行过滤 UPDT_TIME 条件,查问出展现列(波及回表操作)进行排序以及 LIMIT
- LIMIT 100000, 1 的意思是扫描满足条件的 100001 行,而后扔掉前 100000 行
MySQL 消耗了 大量随机 I/O 在回表查问聚簇索引的数据上,而这 100000 次随机 I/O 查问数据不会呈现在后果集中
如果零碎并发量略微高一点,每次查问扫描超过 100000 行,性能必定堪忧,另外 LIMIT 分页 OFFSET 越深,性能越差(屡次强调)
深分页优化
对于 MySQL 深分页优化常见的大略有以下三种策略:
- 子查问优化
- 提早关联
- 书签记录
下面三点都能大大的晋升查问效率,核心思想就是让 MySQL 尽可能扫描更少的页面,获取须要拜访的记录后再依据关联列回原表查问所须要的列
子查问优化
子查问深分页优化语句如下:
mysql> SELECT MCS_PROD_ID,MCS_CODE,MCS_NAME FROM MCS_PROD WHERE MCS_PROD_ID >= (SELECT m1.MCS_PROD_ID FROM MCS_PROD m1 WHERE m1.UPDT_TIME >= '1970-01-01 00:00:00.0' ORDER BY m1.UPDT_TIME LIMIT 3000000, 1) LIMIT 1;
+-------------+-------------------------+------------------------+
| MCS_PROD_ID | MCS_CODE | MCS_NAME |
+-------------+-------------------------+------------------------+
| 3021401 | XA892010009391491861476 | 金属解剖型接骨板 T 型接骨板 A |
+-------------+-------------------------+------------------------+
1 row in set (0.76 sec)
mysql> EXPLAIN SELECT MCS_PROD_ID,MCS_CODE,MCS_NAME FROM MCS_PROD WHERE MCS_PROD_ID >= (SELECT m1.MCS_PROD_ID FROM MCS_PROD m1 WHERE m1.UPDT_TIME >= '1970-01-01 00:00:00.0' ORDER BY m1.UPDT_TIME LIMIT 3000000, 1) LIMIT 1;
+----+-------------+----------+------------+-------+---------------+------------+---------+------+---------+----------+--------------------------+
| id | select_type | table | partitions | type | possible_keys | key | key_len | ref | rows | filtered | Extra |
+----+-------------+----------+------------+-------+---------------+------------+---------+------+---------+----------+--------------------------+
| 1 | PRIMARY | MCS_PROD | NULL | range | PRIMARY | PRIMARY | 4 | NULL | 2296653 | 100.00 | Using where |
| 2 | SUBQUERY | m1 | NULL | range | MCS_PROD_1 | MCS_PROD_1 | 5 | NULL | 2296653 | 100.00 | Using where; Using index |
+----+-------------+----------+------------+-------+---------------+------------+---------+------+---------+----------+--------------------------+
2 rows in set, 1 warning (0.77 sec)
依据执行打算得悉,子查问 table m1 查问是用到了索引。首先在 索引上拿到了汇集索引的主键 ID 省去了回表操作,而后第二查问间接依据第一个查问的 ID 往后再去查 10 个就能够了
提早关联
“ 提早关联 ” 深分页优化语句如下:
mysql> SELECT MCS_PROD_ID,MCS_CODE,MCS_NAME FROM MCS_PROD INNER JOIN (SELECT m1.MCS_PROD_ID FROM MCS_PROD m1 WHERE m1.UPDT_TIME >= '1970-01-01 00:00:00.0' ORDER BY m1.UPDT_TIME LIMIT 3000000, 1) AS MCS_PROD2 USING(MCS_PROD_ID);
+-------------+-------------------------+------------------------+
| MCS_PROD_ID | MCS_CODE | MCS_NAME |
+-------------+-------------------------+------------------------+
| 3021401 | XA892010009391491861476 | 金属解剖型接骨板 T 型接骨板 A |
+-------------+-------------------------+------------------------+
1 row in set (0.75 sec)
mysql> EXPLAIN SELECT MCS_PROD_ID,MCS_CODE,MCS_NAME FROM MCS_PROD INNER JOIN (SELECT m1.MCS_PROD_ID FROM MCS_PROD m1 WHERE m1.UPDT_TIME >= '1970-01-01 00:00:00.0' ORDER BY m1.UPDT_TIME LIMIT 3000000, 1) AS MCS_PROD2 USING(MCS_PROD_ID);
+----+-------------+------------+------------+--------+---------------+------------+---------+-----------------------+---------+----------+--------------------------+
| id | select_type | table | partitions | type | possible_keys | key | key_len | ref | rows | filtered | Extra |
+----+-------------+------------+------------+--------+---------------+------------+---------+-----------------------+---------+----------+--------------------------+
| 1 | PRIMARY | <derived2> | NULL | ALL | NULL | NULL | NULL | NULL | 2296653 | 100.00 | NULL |
| 1 | PRIMARY | MCS_PROD | NULL | eq_ref | PRIMARY | PRIMARY | 4 | MCS_PROD2.MCS_PROD_ID | 1 | 100.00 | NULL |
| 2 | DERIVED | m1 | NULL | range | MCS_PROD_1 | MCS_PROD_1 | 5 | NULL | 2296653 | 100.00 | Using where; Using index |
+----+-------------+------------+------------+--------+---------------+------------+---------+-----------------------+---------+----------+--------------------------+
3 rows in set, 1 warning (0.00 sec)
思路以及性能与子查问优化统一,只不过采纳了 JOIN 的模式执行
书签记录
对于 LIMIT 深分页问题,外围在于 OFFSET 值,它会 导致 MySQL 扫描大量不须要的记录行而后摈弃掉
咱们能够先应用书签 记录获取上次取数据的地位 ,下次就能够间接从该地位开始扫描,这样能够 防止应用 OFFEST
假如须要查问 3000000 行数据后的第 1 条记录,查问能够这么写
mysql> SELECT MCS_PROD_ID,MCS_CODE,MCS_NAME FROM MCS_PROD WHERE MCS_PROD_ID < 3000000 ORDER BY UPDT_TIME LIMIT 1;
+-------------+-------------------------+---------------------------------+
| MCS_PROD_ID | MCS_CODE | MCS_NAME |
+-------------+-------------------------+---------------------------------+
| 127 | XA683240878449276581799 | 股骨近端 - 1 螺纹孔锁定板(纯钛)YJBL01 |
+-------------+-------------------------+---------------------------------+
1 row in set (0.00 sec)
mysql> EXPLAIN SELECT MCS_PROD_ID,MCS_CODE,MCS_NAME FROM MCS_PROD WHERE MCS_PROD_ID < 3000000 ORDER BY UPDT_TIME LIMIT 1;
+----+-------------+----------+------------+-------+---------------+------------+---------+------+------+----------+-------------+
| id | select_type | table | partitions | type | possible_keys | key | key_len | ref | rows | filtered | Extra |
+----+-------------+----------+------------+-------+---------------+------------+---------+------+------+----------+-------------+
| 1 | SIMPLE | MCS_PROD | NULL | index | PRIMARY | MCS_PROD_1 | 5 | NULL | 2 | 50.00 | Using where |
+----+-------------+----------+------------+-------+---------------+------------+---------+------+------+----------+-------------+
1 row in set, 1 warning (0.00 sec)
益处是很显著的,查问速度超级快,性能都会稳固在毫秒级,从性能上思考碾压其它形式
不过这种形式局限性也比拟大,须要一种相似间断自增的字段,以及业务所能容纳的间断概念,视状况而定
上图是阿里云 OSS Bucket 桶内文件列表,大胆猜想是不是能够采纳书签记录的模式实现
ORDER BY 巨坑, 慎踩
以下舆论可能会突破你对 order by 所有 美妙 YY
先说论断吧,当 LIMIT OFFSET 过深时,会使 ORDER BY 一般索引生效(联结、惟一这些索引没有测试)
mysql> EXPLAIN SELECT MCS_PROD_ID,MCS_CODE,MCS_NAME,UPDT_TIME FROM MCS_PROD WHERE (UPDT_TIME >= '1970-01-01 00:00:00.0') ORDER BY UPDT_TIME LIMIT 100000, 1;
+----+-------------+----------+------------+-------+---------------+------------+---------+------+---------+----------+-----------------------+
| id | select_type | table | partitions | type | possible_keys | key | key_len | ref | rows | filtered | Extra |
+----+-------------+----------+------------+-------+---------------+------------+---------+------+---------+----------+-----------------------+
| 1 | SIMPLE | MCS_PROD | NULL | range | MCS_PROD_1 | MCS_PROD_1 | 5 | NULL | 2296653 | 100.00 | Using index condition |
+----+-------------+----------+------------+-------+---------------+------------+---------+------+---------+----------+-----------------------+
1 row in set, 1 warning (0.00 sec)
先来说一下这个 ORDER BY 执行过程:
- 初始化 SORT_BUFFER,放入 MCS_PROD_ID,MCS_CODE,MCS_NAME,UPDT_TIME 四个字段
- 从索引 UPDT_TIME 找到满足条件的主键 ID,回表查问出四个字段值存入 SORT_BUFFER
- 从索引处持续查问满足 UPDT_TIME 条件记录,继续执行步骤 2
- 对 SORT_BUFFER 中的数据依照 UPDT_TIME 排序
- 排序胜利后取出合乎 LIMIT 条件的记录返回客户端
依照 UPDT_TIME 排序可能在内存中实现,也可能须要应用内部排序,取决于排序所需的内存和参数 SORT_BUFFER_SIZE
SORT_BUFFER_SIZE 是 MySQL 为排序开拓的内存 。如果排序数据量小于 SORT_BUFFER_SIZE,排序会在内存中实现。如果数据量过大,内存放不下, 则会利用磁盘临时文件排序
针对 SORT_BUFFER_SIZE 这个参数在网上查问到有用材料比拟少,大家如果测试过程中存在问题,能够加微信一起沟通
ORDER BY 索引生效举例
OFFSET 100000 时,通过 key Extra 得悉,没有应用磁盘临时文件排序,这个时候把 OFFSET 调整到 500000
一首凉凉送给写这个 SQL 的同学,发现了 Using filesort
mysql> EXPLAIN SELECT MCS_PROD_ID,MCS_CODE,MCS_NAME,UPDT_TIME FROM MCS_PROD WHERE (UPDT_TIME >= '1970-01-01 00:00:00.0') ORDER BY UPDT_TIME LIMIT 500000, 1;
+----+-------------+----------+------------+------+---------------+------+---------+------+---------+----------+-----------------------------+
| id | select_type | table | partitions | type | possible_keys | key | key_len | ref | rows | filtered | Extra |
+----+-------------+----------+------------+------+---------------+------+---------+------+---------+----------+-----------------------------+
| 1 | SIMPLE | MCS_PROD | NULL | ALL | MCS_PROD_1 | NULL | NULL | NULL | 4593306 | 50.00 | Using where; Using filesort |
+----+-------------+----------+------------+------+---------------+------+---------+------+---------+----------+-----------------------------+
1 row in set, 1 warning (0.00 sec)
Using filesort 示意在索引之外,须要额定进行内部的排序动作,性能必将受到重大影响
所以咱们应该 联合绝对应的业务逻辑防止惯例 LIMIT OFFSET,采纳 # 深分页优化 章节进行批改对应业务
结言
最初有一点须要申明下,MySQL 自身并不适宜单表大数据量业务
因为 MySQL 利用在企业级我的项目时,针对库表查问并非简略的条件,可能会有更简单的联结查问,亦或者是大数据量时存在频繁新增或更新操作,保护索引或者数据 ACID 个性上必然存在性能就义
如果设计初期可能预料到库表的数据增长,理当构思正当的重构优化形式,比方 ES 配合查问、分库分表、TiDB 等解决形式
参考资料:
- 《高性能 MySQL 第三版》
- 《MySQL 实战 45 讲》