共计 5694 个字符,预计需要花费 15 分钟才能阅读完成。
起源:编码砖家 \
链接:cnblogs.com/xiaoyangjia/p/11267191.html
背景
最近频繁呈现慢 SQL 告警,执行工夫最长的居然高达 5 分钟 。导出日志后剖析,次要起因居然是 没有命中索引和没有分页解决。
其实这是十分低级的谬误,我不禁后背一凉,团队成员的技术水平亟待进步啊。革新这些 SQL 的过程中,总结了一些教训分享给大家,如果有谬误欢送批评指正。
MySQL 性能
最大数据量
抛开数据量和并发数,谈性能都是耍流氓。MySQL 没有限度单表最大记录数,它取决于操作系统对文件大小的限度。
文件系统 | 单文件大小限度 |
---|---|
FAT32 | 最大 4G |
NTFS | 最大 64GB |
NTFS5.0 | 最大 2TB |
EXT2 | 块大小为 1024 字节,文件最大容量 16GB;块大小为 4096 字节,文件最大容量 2TB |
EXT3 | 块大小为 4KB,文件最大容量为 4TB |
EXT4 | 实践能够大于 16TB |
《阿里巴巴 Java 开发手册》提出单表行数超过 500 万行或者单表容量超过 2GB,才举荐分库分表。性能由综合因素决定,抛开业务复杂度,影响水平顺次是硬件配置、MySQL 配置、数据表设计、索引优化。500 万这个值仅供参考,并非铁律。
博主已经操作过超过 4 亿行数据的单表,分页查问最新的 20 条记录耗时 0.6 秒,SQL 语句大抵是 select field_1,field_2 from table where id < #{prePageMinId} order by id desc limit 20
,prePageMinId 是上一页数据记录的最小 ID。尽管过后查问速度还对付,随着数据一直增长,有朝一日必然不堪重负。
分库分表是个周期长而危险高的大活儿,应该尽可能在以后构造上优化,比方降级硬件、迁徙历史数据等等,切实没辙了再分。对分库分表感兴趣的同学能够浏览分库分表的根本思维。
最大并发数
并发数是指同一时刻数据库能解决多少个申请,由 maxconnections 和 maxuserconnections 决定。maxconnections 是指 MySQL 实例的最大连接数,上限值是 16384,maxuser*connections 是指每个数据库用户的最大连接数。
MySQL 会为每个连贯提供缓冲区,意味着耗费更多的内存。如果连接数设置太高硬件吃不消,太低又不能充分利用硬件。个别要求两者比值超过 10%,计算方法如下:
max_used_connections / max_connections * 100% = 3/100 *100% ≈ 3%
查看最大连接数与响应最大连接数:
show variables like '%max_connections%';show variables like '%max_user_connections%';
在配置文件 my.cnf 中批改最大连接数
[mysqld]max_connections = 100max_used_connections = 20
查问耗时 0.5 秒
倡议将单次查问耗时管制在 0.5 秒以内,0.5 秒是个经验值,源于用户体验的 3 秒准则。如果用户的操作 3 秒内没有响应,将会腻烦甚至退出。响应工夫 = 客户端 UI 渲染耗时 + 网络申请耗时 + 利用程序处理耗时 + 查询数据库耗时,0.5 秒就是留给数据库 1 / 6 的解决工夫。
施行准则
相比 NoSQL 数据库,MySQL 是个娇气软弱的家伙。它就像体育课上的女同学,一点纠纷就和同学闹别扭 (扩容难),跑两步就气喘吁吁(容量小并发低),经常身材不适要销假(SQL 束缚太多)。现在大家都会搞点分布式,应用程序扩容比数据库要容易得多,所以施行准则是 数据库少干活,应用程序多干活。
- 充分利用但不滥用索引,须知索引也耗费磁盘和 CPU。
- 不举荐应用数据库函数格式化数据,交给利用程序处理。
- 不举荐应用外键束缚,用应用程序保证数据准确性。
- 写多读少的场景,不举荐应用惟一索引,用应用程序保障唯一性。
- 适当冗余字段,尝试创立两头表,用应用程序计算两头后果,用空间换工夫。
- 不容许执行极度耗时的事务,配合应用程序拆分成更小的事务。
- 预估重要数据表(比方订单表)的负载和数据增长态势,提前优化。
数据表设计
数据类型
数据类型的抉择准则:更简略或者占用空间更小。
- 如果长度可能满足,整型尽量应用 tinyint、smallint、medium_int 而非 int。
- 如果字符串长度确定,采纳 char 类型。
- 如果 varchar 可能满足,不采纳 text 类型。
- 精度要求较高的应用 decimal 类型,也能够应用 BIGINT,比方准确两位小数就乘以 100 后保留。
尽量采纳 timestamp 而非 datetime。
类型 | 占据字节 | 形容 |
---|---|---|
datetime | 8 字节 | ‘1000-01-01 00:00:00.000000’ to ‘9999-12-31 23:59:59.999999 |
timestamp | 4 字节 | ‘1970-01-01 00:00:01.000000’ to ‘2038-01-19 03:14:07.999999’ |
相比 datetime,timestamp 占用更少的空间,以 UTC 的格局贮存主动转换时区。
防止空值
MySQL 中字段为 NULL 时仍然占用空间,会使索引、索引统计更加简单。从 NULL 值更新到非 NULL 无奈做到原地更新,容易产生索引决裂影响性能。尽可能将 NULL 值用有意义的值代替,也能防止 SQL 语句外面蕴含 is not null
的判断。
text 类型优化
因为 text 字段贮存大量数据,表容量会很早涨下来,影响其余字段的查问性能。倡议抽取进去放在子表里,用业务主键关联。
索引优化
索引分类
- 一般索引:最根本的索引。
- 组合索引:多个字段上建设的索引,可能减速复合查问条件的检索。
- 惟一索引:与一般索引相似,但索引列的值必须惟一,容许有空值。
- 组合惟一索引:列值的组合必须惟一。
- 主键索引:非凡的惟一索引,用于惟一标识数据表中的某一条记录,不容许有空值,个别用 primary key 束缚。
- 全文索引:用于海量文本的查问,MySQL5.6 之后的 InnoDB 和 MyISAM 均反对全文索引。因为查问精度以及扩展性不佳,更多的企业抉择 Elasticsearch。
索引优化
- 分页查问很重要,如果查问数据量超过 30%,MYSQL 不会应用索引。
- 单表索引数不超过 5 个、单个索引字段数不超过 5 个。
- 字符串可应用前缀索引,前缀长度管制在 5 - 8 个字符。
- 字段唯一性太低,减少索引没有意义,如:是否删除、性别。
-
正当应用笼罩索引,如下所示:
select loginname, nickname from member where login_name = ?
loginname, nickname 两个字段建设组合索引,比 login_name 简略索引要更快
SQL 优化
分批解决
博主小时候看到鱼塘挖开小口子放水,水面有各种漂浮物。浮萍和树叶总能顺利通过出水口,而树枝会挡住其余物体通过,有时还会卡住,须要人工清理。MySQL 就是鱼塘,最大并发数和网络带宽就是出水口,用户 SQL 就是漂浮物。
不带分页参数的查问或者影响大量数据的 update 和 delete 操作,都是树枝,咱们要把它打散分批解决,举例说明:业务形容:更新用户所有已过期的优惠券为不可用状态。
SQL 语句:update status=0 FROM
coupon WHERE expire_date <= #{currentDate} and status=1;
如果大量优惠券须要更新为不可用状态,执行这条 SQL 可能会堵死其余 SQL,分批解决伪代码如下:
int pageNo = 1;
int PAGE_SIZE = 100;
while(true) {List<Integer> batchIdList = queryList('select id FROM `coupon` WHERE expire_date <= #{currentDate} and status = 1 limit #{(pageNo-1) * PAGE_SIZE},#{PAGE_SIZE}');
if (CollectionUtils.isEmpty(batchIdList)) {return;}
update('update status = 0 FROM `coupon` where status = 1 and id in #{batchIdList}')
pageNo ++;
}
操作符 <> 优化
通常 <> 操作符无奈应用索引,举例如下,查问金额不为 100 元的订单:select id from orders where amount != 100;
如果金额为 100 的订单极少,这种数据分布重大不均的状况下,有可能应用索引。鉴于这种不确定性,采纳 union 聚合搜寻后果,改写办法如下:
(select id from orders where amount > 100) union all(select id from orders where amount < 100 and amount > 0)
OR 优化
在 Innodb 引擎下 or 无奈应用组合索引,比方:
select id,product_name from orders where mobile_no = '13421800407' or user_id = 100;
OR 无奈命中 mobileno + userid 的组合索引,可采纳 union,如下所示:
(select id,product_name from orders where mobile_no = '13421800407') union(select id,product_name from orders where user_id = 100);
此时 id 和 product_name 字段都有索引,查问才最高效。
IN 优化
- IN 适宜主表大子表小,EXIST 适宜主表小子表大。因为查问优化器的一直降级,很多场景这两者性能差不多一样了。
- 尝试改为 join 查问,举例如下:
select id from orders where user_id in (select id from user where level = ‘VIP’);
采纳 JOIN 如下所示:
select o.id from orders o left join user u on o.user_id = u.id where u.level = 'VIP';
不做列运算
通常在查问条件列运算会导致索引生效,如下所示:查问当日订单
select id from order where date_format(create_time,'%Y-%m-%d') = '2019-07-01';
date_format 函数会导致这个查问无奈应用索引,改写后:
select id from order where create_time between '2019-07-01 00:00:00' and '2019-07-01 23:59:59';
防止 Select all
如果不查问表中所有的列,防止应用 SELECT *
,它会进行全表扫描,不能无效利用索引。
Like 优化
like 用于含糊查问,举个例子(field 已建设索引):
SELECT column FROM table WHERE field like '%keyword%';
这个查问未命中索引,换成上面的写法:
SELECT column FROM table WHERE field like 'keyword%';
去除了后面的 % 查问将会命中索引,然而产品经理肯定要前后含糊匹配呢?全文索引 fulltext 能够尝试一下,但 Elasticsearch 才是终极武器。
Join 优化
join 的实现是采纳 Nested Loop Join 算法,就是通过驱动表的后果集作为根底数据,通过该结数据作为过滤条件到下一个表中循环查问数据,而后合并后果。如果有多个 join,则将后面的后果集作为循环数据,再次到后一个表中查问数据。
- 驱动表和被驱动表尽可能减少查问条件,满足 ON 的条件而少用 Where,用小后果集驱动大后果集。
- 被驱动表的 join 字段上加上索引,无奈建设索引的时候,设置足够的 Join Buffer Size。
- 禁止 join 连贯三个以上的表,尝试减少冗余字段。
Limit 优化
limit 用于分页查问时越往后翻性能越差,解决的准则:放大扫描范畴,如下所示:
select * from orders order by id desc limit 100000,10 耗时 0.4 秒 select * from orders order by id desc limit 1000000,10 耗时 5.2 秒
先筛选出 ID 放大查问范畴,写法如下:
select * from orders where id > (select id from orders order by id desc limit 1000000, 1) order by id desc limit 0,10 耗时 0.5 秒
如果查问条件仅有主键 ID,写法如下:
select id from orders where id between 1000000 and 1000010 order by id desc 耗时 0.3 秒
如果以上计划仍然很慢呢?只好用游标了,感兴趣的敌人浏览 JDBC 应用游标实现分页查问的办法
其余数据库
作为一名后端开发人员,务必精通作为存储外围的 MySQL 或 SQL Server,也要积极关注 NoSQL 数据库,他们曾经足够成熟并被宽泛采纳,能解决特定场景下的性能瓶颈。
分类 | 数据库 | 个性 |
---|---|---|
键值型 | Memcache | 用于内容缓存,大量数据的高拜访负载 |
键值型 | Redis | 用于内容缓存,比 Memcache 反对更多的数据类型,并能长久化数据 |
列式存储 | HBase | Hadoop 体系的外围数据库,海量结构化数据存储,大数据必备。 |
文档型 | MongoDb | 出名文档型数据库,也能够用于缓存 |
文档型 | CouchDB | Apache 的开源我的项目,专一于易用性,反对 REST API |
文档型 | SequoiaDB | 国内出名文档型数据库 |
图形 | Neo4J | 用于社交网络构建关系图谱,举荐零碎等 |
参考:https://www.jianshu.com/p/686…
鸡汤:你既然曾经做出了抉择,又何必去问为什么抉择。——卫庄
近期热文举荐:
1.1,000+ 道 Java 面试题及答案整顿(2022 最新版)
2. 劲爆!Java 协程要来了。。。
3.Spring Boot 2.x 教程,太全了!
4. 别再写满屏的爆爆爆炸类了,试试装璜器模式,这才是优雅的形式!!
5.《Java 开发手册(嵩山版)》最新公布,速速下载!
感觉不错,别忘了顺手点赞 + 转发哦!