共计 18413 个字符，预计需要花费 47 分钟才能阅读完成。
前言
我负责的有几个零碎随着业务量的增长，存储在 MySQL 中的数据日益剧增，我过后就想当初的业务方不讲武德，搞偷袭，趁我没反馈过去把很多表，很快，很快啊都打到了亿级别，我粗心了，没有闪，这就导致跟其 Join 的表的 SQL 变得很慢，对的利用接口的 response time 也变长了，影响了用户体验。
预先我找到业务方，我批评了他们跟他们说要讲武德，连忙跟我赔罪，这个事件才就此作罢，走的时候我对他们说下次不要这样了，耗子尾汁，好好反思。
骂归骂，事件还是得解决，时候我剖析起因发现，发现有些表的数据量增长很快，对应 SQL 扫描了很多有效数据，导致 SQL 慢了下来，通过确认之后，这些大表都是一些流水、记录、日志类型数据，只须要保留 1 到 3 个月，此时须要对表做数据清理实现瘦身，个别都会想到用 insert + delete 的形式去清理。
这篇文章我会从 InnoDB 存储空间散布，delete 对性能的影响，以及优化倡议方面解释为什么不倡议 delete 删除数据。
InnoDB 存储架构
从这张图能够看到，InnoDB 存储构造次要包含两局部：逻辑存储构造和物理存储构造。
逻辑上是由表空间 tablespace —> 段 segment 或者 inode —> 区 Extent ——> 数据页 Page 形成，Innodb 逻辑治理单位是 segment，空间调配的最小单位是 extent，每个 segment 都会从表空间 FREE_PAGE 中调配 32 个 page，当这 32 个 page 不够用时，会依照以下准则进行扩大：如果以后小于 1 个 extent，则扩大到 1 个 extent；当表空间小于 32MB 时，每次扩大一个 extent；表空间大于 32MB，每次扩大 4 个 extent。
物理上次要由零碎用户数据文件，日志文件组成，数据文件次要存储 MySQL 字典数据和用户数据，日志文件记录的是 data page 的变更记录，用于 MySQL Crash 时的复原。
Innodb 表空间
InnoDB 存储包含三类表空间：零碎表空间，用户表空间，Undo 表空间。
零碎表空间： 次要存储 MySQL 外部的数据字典数据，如 information_schema 下的数据。
用户表空间： 当开启 innodb_file_per_table= 1 时，数据表从零碎表空间独立进去存储在以 table_name.ibd 命令的数据文件中，构造信息存储在 table_name.frm 文件中。
Undo 表空间： 存储 Undo 信息，如快照统一读和 flashback 都是利用 undo 信息。
从 MySQL 8.0 开始容许用户自定义表空间，具体语法如下：
CREATE TABLESPACE tablespace_name
ADD DATAFILE 'file_name' #数据文件名
USE LOGFILE GROUP logfile_group #自定义日志文件组，个别每组 2 个 logfile。[EXTENT_SIZE [=] extent_size] #区大小
[INITIAL_SIZE [=] initial_size] #初始化大小
[AUTOEXTEND_SIZE [=] autoextend_size] #主动扩宽尺寸
[MAX_SIZE [=] max_size] #单个文件最大 size，最大是 32G。[NODEGROUP [=] nodegroup_id] #节点组
[WAIT]
[COMMENT [=] comment_text]
ENGINE [=] engine_name
复制代码 这样的益处是能够做到数据的冷热拆散，别离用 HDD 和 SSD 来存储，既能实现数据的高效拜访，又能节约老本，比方能够增加两块 500G 硬盘，通过创立卷组 vg，划分逻辑卷 lv，创立数据目录并 mount 相应的 lv，假如划分的两个目录别离是 /hot_data 和 /cold_data。
这样就能够将外围的业务表如用户表，订单表存储在高性能 SSD 盘上，一些日志，流水表存储在一般的 HDD 上，次要的操作步骤如下：
# 创立热数据表空间
create tablespace tbs_data_hot add datafile '/hot_data/tbs_data_hot01.dbf' max_size 20G;
#创立外围业务表存储在热数据表空间
create table booking(id bigint not null primary key auto_increment, ……) tablespace tbs_data_hot;
#创立冷数据表空间
create tablespace tbs_data_cold add datafile '/hot_data/tbs_data_cold01.dbf' max_size 20G;
#创立日志，流水，备份类的表存储在冷数据表空间
create table payment_log(id bigint not null primary key auto_increment, ……) tablespace tbs_data_cold;
#能够挪动表到另一个表空间
alter table payment_log tablespace tbs_data_hot;
复制代码 Inndob 存储散布
创立空表查看空间变动
mysql> create table user(id bigint not null primary key auto_increment,
-> name varchar(20) not null default ''comment' 姓名 ',
-> age tinyint not null default 0 comment 'age',
-> gender char(1) not null default 'M' comment '性别',
-> phone varchar(16) not null default ''comment' 手机号 ',
-> create_time datetime NOT NULL DEFAULT CURRENT_TIMESTAMP COMMENT '创立工夫',
-> update_time datetime NOT NULL DEFAULT CURRENT_TIMESTAMP ON UPDATE CURRENT_TIMESTAMP COMMENT '批改工夫'
-> ) engine = InnoDB DEFAULT CHARSET=utf8mb4 COMMENT '用户信息表';
Query OK, 0 rows affected (0.26 sec)
复制代码 # ls -lh user1.ibd
-rw-r----- 1 mysql mysql 96K Nov 6 12:48 user.ibd
复制代码 设置参数 innodb_file_per_table= 1 时，创立表时会主动创立一个 segment，同时调配一个 extent，蕴含 32 个 data page 的来存储数据，这样创立的空表默认大小就是 96KB，extent 应用完之后会申请 64 个连贯页，这样对于一些小表，或者 undo segment，能够在开始时申请较少的空间，节俭磁盘容量的开销。
# python2 py_innodb_page_info.py -v /data2/mysql/test/user.ibd
page offset 00000000, page type <File Space Header>
page offset 00000001, page type <Insert Buffer Bitmap>
page offset 00000002, page type <File Segment inode>
page offset 00000003, page type <B-tree Node>, page level <0000>
page offset 00000000, page type <Freshly Allocated Page>
page offset 00000000, page type <Freshly Allocated Page>
Total number of page: 6: #总共调配的页数
Freshly Allocated Page: 2 #可用的数据页
Insert Buffer Bitmap: 1 #插入缓冲页
File Space Header: 1 #文件空间头
B-tree Node: 1 #数据页
File Segment inode: 1 #文件端 inonde，如果是在 ibdata1.ibd 上会有多个 inode。复制代码 插入数据后的空间变动
mysql> DELIMITER $$
mysql> CREATE PROCEDURE insert_user_data(num INTEGER)
-> BEGIN
-> DECLARE v_i int unsigned DEFAULT 0;
-> set autocommit= 0;
-> WHILE v_i < num DO
-> insert into user(`name`, age, gender, phone) values (CONCAT('lyn',v_i), mod(v_i,120), 'M', CONCAT('152',ROUND(RAND(1)*100000000)));
-> SET v_i = v_i+1;
-> END WHILE;
-> commit;
-> END $$
Query OK, 0 rows affected (0.01 sec)
mysql> DELIMITER ;
#插入 10w 数据
mysql> call insert_user_data(100000);
Query OK, 0 rows affected (6.69 sec)
复制代码 # ls -lh user.ibd
-rw-r----- 1 mysql mysql 14M Nov 6 10:58 /data2/mysql/test/user.ibd
# python2 py_innodb_page_info.py -v /data2/mysql/test/user.ibd
page offset 00000000, page type <File Space Header>
page offset 00000001, page type <Insert Buffer Bitmap>
page offset 00000002, page type <File Segment inode>
page offset 00000003, page type <B-tree Node>, page level <0001> #减少了一个非叶子节点，树的高度从 1 变为 2.
........................................................
page offset 00000000, page type <Freshly Allocated Page>
Total number of page: 896:
Freshly Allocated Page: 493
Insert Buffer Bitmap: 1
File Space Header: 1
B-tree Node: 400
File Segment inode: 1
复制代码 delete 数据后的空间变动
mysql> select min(id),max(id),count(*) from user;
+---------+---------+----------+
| min(id) | max(id) | count(*) |
+---------+---------+----------+
| 1 | 100000 | 100000 |
+---------+---------+----------+
1 row in set (0.05 sec)
#删除 50000 条数据，实践上空间应该从 14MB 变长 7MB 左右。mysql> delete from user limit 50000;
Query OK, 50000 rows affected (0.25 sec)
#数据文件大小仍然是 14MB，没有放大。# ls -lh /data2/mysql/test/user1.ibd
-rw-r----- 1 mysql mysql 14M Nov 6 13:22 /data2/mysql/test/user.ibd
#数据页没有被回收。# python2 py_innodb_page_info.py -v /data2/mysql/test/user.ibd
page offset 00000000, page type <File Space Header>
page offset 00000001, page type <Insert Buffer Bitmap>
page offset 00000002, page type <File Segment inode>
page offset 00000003, page type <B-tree Node>, page level <0001>
........................................................
page offset 00000000, page type <Freshly Allocated Page>
Total number of page: 896:
Freshly Allocated Page: 493
Insert Buffer Bitmap: 1
File Space Header: 1
B-tree Node: 400
File Segment inode: 1
#在 MySQL 外部是标记删除，复制代码 mysql> use information_schema;
Database changed
mysql> SELECT A.SPACE AS TBL_SPACEID, A.TABLE_ID, A.NAME AS TABLE_NAME, FILE_FORMAT, ROW_FORMAT, SPACE_TYPE, B.INDEX_ID , B.NAME AS INDEX_NAME, PAGE_NO, B.TYPE AS INDEX_TYPE FROM INNODB_SYS_TABLES A LEFT JOIN INNODB_SYS_INDEXES B ON A.TABLE_ID =B.TABLE_ID WHERE A.NAME = 'test/user1';
+-------------+----------+------------+-------------+------------+------------+----------+------------+---------+------------+
| TBL_SPACEID | TABLE_ID | TABLE_NAME | FILE_FORMAT | ROW_FORMAT | SPACE_TYPE | INDEX_ID | INDEX_NAME | PAGE_NO | INDEX_TYPE |
+-------------+----------+------------+-------------+------------+------------+----------+------------+---------+------------+
| 1283 | 1207 | test/user | Barracuda | Dynamic | Single | 2236 | PRIMARY | 3 | 3 |
+-------------+----------+------------+-------------+------------+------------+----------+------------+---------+------------+
1 row in set (0.01 sec)
PAGE_NO = 3 标识 B -tree 的 root page 是 3 号页，INDEX_TYPE = 3 是汇集索引。INDEX_TYPE 取值如下：0 = nonunique secondary index;
1 = automatically generated clustered index (GEN_CLUST_INDEX);
2 = unique nonclustered index;
3 = clustered index;
32 = full-text index;
#膨胀空间再后进行察看
复制代码 MySQL 外部不会真正删除空间，而且做标记删除，行将 delflag:N 批改为 delflag:Y，commit 之后会会被 purge 进入删除链表，如果下一次 insert 更大的记录，delete 之后的空间不会被重用，如果插入的记录小于等于 delete 的记录空会被重用，这块内容能够通过知数堂的 innblock 工具进行剖析。
Innodb 中的碎片
碎片的产生
咱们晓得数据存储在文件系统上的，总是不能 100% 利用调配给它的物理空间，删除数据会在页面上留下一些”空洞”，或者随机写入（汇集索引非线性减少）会导致页决裂，页决裂导致页面的利用空间少于 50%，另外对表进行增删改会引起对应的二级索引值的随机的增删改，也会导致索引构造中的数据页面上留下一些 ” 空洞 ”，尽管这些空洞有可能会被反复利用，但终究会导致局部物理空间未被应用，也就是碎片。
同时，即使是设置了填充因子为 100%，Innodb 也会被动留下 page 页面 1 /16 的空间作为预留应用（An innodb_fill_factor setting of 100 leaves 1/16 of the space in clustered index pages free for future index growth）避免 update 带来的行溢出。
mysql> select table_schema,
-> table_name,ENGINE,
-> round(DATA_LENGTH/1024/1024+ INDEX_LENGTH/1024/1024) total_mb,TABLE_ROWS,
-> round(DATA_LENGTH/1024/1024) data_mb, round(INDEX_LENGTH/1024/1024) index_mb, round(DATA_FREE/1024/1024) free_mb, round(DATA_FREE/DATA_LENGTH*100,2) free_ratio
-> from information_schema.TABLES where TABLE_SCHEMA= 'test'
-> and TABLE_NAME= 'user';
+--------------+------------+--------+----------+------------+---------+----------+---------+------------+
| table_schema | table_name | ENGINE | total_mb | TABLE_ROWS | data_mb | index_mb | free_mb | free_ratio |
+--------------+------------+--------+----------+------------+---------+----------+---------+------------+
| test | user | InnoDB | 4 | 50000 | 4 | 0 | 6 | 149.42 |
+--------------+------------+--------+----------+------------+---------+----------+---------+------------+
1 row in set (0.00 sec)
复制代码 其中 data_free 是调配了未应用的字节数，并不能阐明齐全是碎片空间。
碎片的回收
对于 InnoDB 的表，能够通过以下命令来回收碎片，开释空间，这个是随机读 IO 操作，会比拟耗时，也会阻塞表上失常的 DML 运行，同时须要占用额定更多的磁盘空间，对于 RDS 来说，可能会导致磁盘空间霎时爆满，实例霎时被锁定，利用无奈做 DML 操作，所以禁止在线上环境去执行。
# 执行 InnoDB 的碎片回收
mysql> alter table user engine=InnoDB;
Query OK, 0 rows affected (9.00 sec)
Records: 0 Duplicates: 0 Warnings: 0
## 执行完之后，数据文件大小从 14MB 升高到 10M。# ls -lh /data2/mysql/test/user1.ibd
-rw-r----- 1 mysql mysql 10M Nov 6 16:18 /data2/mysql/test/user.ibd
复制代码 mysql> select table_schema, table_name,ENGINE, round(DATA_LENGTH/1024/1024+ INDEX_LENGTH/1024/1024) total_mb,TABLE_ROWS, round(DATA_LENGTH/1024/1024) data_mb, round(INDEX_LENGTH/1024/1024) index_mb, round(DATA_FREE/1024/1024) free_mb, round(DATA_FREE/DATA_LENGTH*100,2) free_ratio from information_schema.TABLES where TABLE_SCHEMA= 'test' and TABLE_NAME= 'user';
+--------------+------------+--------+----------+------------+---------+----------+---------+------------+
| table_schema | table_name | ENGINE | total_mb | TABLE_ROWS | data_mb | index_mb | free_mb | free_ratio |
+--------------+------------+--------+----------+------------+---------+----------+---------+------------+
| test | user | InnoDB | 5 | 50000 | 5 | 0 | 2 | 44.29 |
+--------------+------------+--------+----------+------------+---------+----------+---------+------------+
1 row in set (0.00 sec)
复制代码 delete 对 SQL 的影响
未删除前的 SQL 执行状况
# 插入 100W 数据
mysql> call insert_user_data(1000000);
Query OK, 0 rows affected (35.99 sec)
#增加相干索引
mysql> alter table user add index idx_name(name), add index idx_phone(phone);
Query OK, 0 rows affected (6.00 sec)
Records: 0 Duplicates: 0 Warnings: 0
#表上索引统计信息
mysql> show index from user;
+-------+------------+-----------+--------------+-------------+-----------+-------------+----------+--------+------+------------+---------+---------------+
| Table | Non_unique | Key_name | Seq_in_index | Column_name | Collation | Cardinality | Sub_part | Packed | Null | Index_type | Comment | Index_comment |
+-------+------------+-----------+--------------+-------------+-----------+-------------+----------+--------+------+------------+---------+---------------+
| user | 0 | PRIMARY | 1 | id | A | 996757 | NULL | NULL | | BTREE | | |
| user | 1 | idx_name | 1 | name | A | 996757 | NULL | NULL | | BTREE | | |
| user | 1 | idx_phone | 1 | phone | A | 2 | NULL | NULL | | BTREE | | |
+-------+------------+-----------+--------------+-------------+-----------+-------------+----------+--------+------+------------+---------+---------------+
3 rows in set (0.00 sec)
#重置状态变量计数
mysql> flush status;
Query OK, 0 rows affected (0.00 sec)
#执行 SQL 语句
mysql> select id, age ,phone from user where name like 'lyn12%';
+--------+-----+-------------+
| id | age | phone |
+--------+-----+-------------+
| 124 | 3 | 15240540354 |
| 1231 | 30 | 15240540354 |
| 12301 | 60 | 15240540354 |
.............................
| 129998 | 37 | 15240540354 |
| 129999 | 38 | 15240540354 |
| 130000 | 39 | 15240540354 |
+--------+-----+-------------+
11111 rows in set (0.03 sec)
mysql> explain select id, age ,phone from user where name like 'lyn12%';
+----+-------------+-------+-------+---------------+----------+---------+------+-------+-----------------------+
| id | select_type | table | type | possible_keys | key | key_len | ref | rows | Extra |
+----+-------------+-------+-------+---------------+----------+---------+------+-------+-----------------------+
| 1 | SIMPLE | user | range | idx_name | idx_name | 82 | NULL | 22226 | Using index condition |
+----+-------------+-------+-------+---------------+----------+---------+------+-------+-----------------------+
1 row in set (0.00 sec)
#查看相干状态呢变量
mysql> select * from information_schema.session_status where variable_name in('Last_query_cost','Handler_read_next','Innodb_pages_read','Innodb_data_reads','Innodb_pages_read');
+-------------------+----------------+
| VARIABLE_NAME | VARIABLE_VALUE |
+-------------------+----------------+
| HANDLER_READ_NEXT | 11111 | #申请读的行数
| INNODB_DATA_READS | 7868409 | #数据物理读的总数
| INNODB_PAGES_READ | 7855239 | #逻辑读的总数
| LAST_QUERY_COST | 10.499000 | #SQL 语句的老本 COST，次要包含 IO_COST 和 CPU_COST。+-------------------+----------------+
4 rows in set (0.00 sec)
复制代码 删除后的 SQL 执行状况
# 删除 50w 数据
mysql> delete from user limit 500000;
Query OK, 500000 rows affected (3.70 sec)
#剖析表统计信息
mysql> analyze table user;
+-----------+---------+----------+----------+
| Table | Op | Msg_type | Msg_text |
+-----------+---------+----------+----------+
| test.user | analyze | status | OK |
+-----------+---------+----------+----------+
1 row in set (0.01 sec)
#重置状态变量计数
mysql> flush status;
Query OK, 0 rows affected (0.01 sec)
mysql> select id, age ,phone from user where name like 'lyn12%';
Empty set (0.05 sec)
mysql> explain select id, age ,phone from user where name like 'lyn12%';
+----+-------------+-------+-------+---------------+----------+---------+------+-------+-----------------------+
| id | select_type | table | type | possible_keys | key | key_len | ref | rows | Extra |
+----+-------------+-------+-------+---------------+----------+---------+------+-------+-----------------------+
| 1 | SIMPLE | user | range | idx_name | idx_name | 82 | NULL | 22226 | Using index condition |
+----+-------------+-------+-------+---------------+----------+---------+------+-------+-----------------------+
1 row in set (0.00 sec)
mysql> select * from information_schema.session_status where variable_name in('Last_query_cost','Handler_read_next','Innodb_pages_read','Innodb_data_reads','Innodb_pages_read');
+-------------------+----------------+
| VARIABLE_NAME | VARIABLE_VALUE |
+-------------------+----------------+
| HANDLER_READ_NEXT | 0 |
| INNODB_DATA_READS | 7868409 |
| INNODB_PAGES_READ | 7855239 |
| LAST_QUERY_COST | 10.499000 |
+-------------------+----------------+
4 rows in set (0.00 sec)
复制代码 后果统计分析
操作
COST
物理读次数
逻辑读次数
扫描行数
返回行数
执行工夫
初始化插入 100W
10.499000
7868409
7855239
22226
11111
30ms
100W 随机删除 50W
10.499000
7868409
7855239
22226
0
50ms
这也阐明对一般的大表，想要通过 delete 数据来对表进行瘦身是不事实的，所以在任何时候不要用 delete 去删除数据，应该应用优雅的标记删除。
delete 优化倡议
管制业务账号权限
对于一个大的零碎来说，须要依据业务特点去拆分子系统，每个子系统能够看做是一个 service，例如美团 APP，下面有很多服务，外围的服务有用户服务 user-service，搜寻服务 search-service，商品 product-service，位置服务 location-service，价格服务 price-service 等。每个服务对应一个数据库，为该数据库创立独自账号，同时只授予 DML 权限且没有 delete 权限，同时禁止跨库拜访。
# 创立用户数据库并受权
create database mt_user charset utf8mb4;
grant USAGE, SELECT, INSERT, UPDATE ON mt_user.* to 'w_user'@'%' identified by 't$W*g@gaHTGi123456';
flush privileges;
复制代码 delete 改为标记删除
在 MySQL 数据库建模标准中有 4 个公共字段，基本上每个表必须有的，同时在 create_time 列要创立索引，有两方面的益处：
- 一些查问业务场景都会有一个默认的时间段，比方 7 天或者一个月，都是通过 create_time 去过滤，走索引扫描更快。
- 一些外围的业务表须要以 T + 1 的形式抽取数据仓库中，比方每天晚上 00:30 抽取前一天的数据，都是通过 create_time 过滤的。
`id` bigint(20) NOT NULL AUTO_INCREMENT COMMENT '主键 id',
`is_deleted` tinyint(4) NOT NULL DEFAULT '0' COMMENT '是否逻辑删除：0：未删除，1：已删除',
`create_time` timestamp NOT NULL DEFAULT CURRENT_TIMESTAMP COMMENT '创立工夫',
`update_time` timestamp NOT NULL DEFAULT CURRENT_TIMESTAMP ON UPDATE CURRENT_TIMESTAMP COMMENT '批改工夫'
#有了删除标记，业务接口的 delete 操作就能够转换为 update
update user set is_deleted = 1 where user_id = 1213;
#查问的时候须要带上 is_deleted 过滤
select id, age ,phone from user where is_deleted = 0 and name like 'lyn12%';
复制代码 数据归档形式
通用数据归档办法
#1. 创立归档表，个别在原表名前面增加_bak。CREATE TABLE `ota_order_bak` (`id` bigint(11) NOT NULL AUTO_INCREMENT COMMENT '主键',
`order_id` varchar(255) DEFAULT NULL COMMENT '订单 id',
`ota_id` varchar(255) DEFAULT NULL COMMENT 'ota',
`check_in_date` varchar(255) DEFAULT NULL COMMENT '入住日期',
`check_out_date` varchar(255) DEFAULT NULL COMMENT '离店日期',
`hotel_id` varchar(255) DEFAULT NULL COMMENT '酒店 ID',
`guest_name` varchar(255) DEFAULT NULL COMMENT '顾客',
`purcharse_time` timestamp NULL DEFAULT NULL COMMENT '购买工夫',
`create_time` datetime DEFAULT NULL,
`update_time` datetime DEFAULT NULL,
`create_user` varchar(255) DEFAULT NULL,
`update_user` varchar(255) DEFAULT NULL,
`status` int(4) DEFAULT '1' COMMENT '状态：1 失常，0 删除',
`hotel_name` varchar(255) DEFAULT NULL,
`price` decimal(10,0) DEFAULT NULL,
`remark` longtext,
PRIMARY KEY (`id`),
KEY `IDX_order_id` (`order_id`) USING BTREE,
KEY `hotel_name` (`hotel_name`) USING BTREE,
KEY `ota_id` (`ota_id`) USING BTREE,
KEY `IDX_purcharse_time` (`purcharse_time`) USING BTREE,
KEY `IDX_create_time` (`create_time`) USING BTREE
) ENGINE=InnoDB DEFAULT CHARSET=utf8
PARTITION BY RANGE (to_days(create_time)) (PARTITION p201808 VALUES LESS THAN (to_days('2018-09-01')),
PARTITION p201809 VALUES LESS THAN (to_days('2018-10-01')),
PARTITION p201810 VALUES LESS THAN (to_days('2018-11-01')),
PARTITION p201811 VALUES LESS THAN (to_days('2018-12-01')),
PARTITION p201812 VALUES LESS THAN (to_days('2019-01-01')),
PARTITION p201901 VALUES LESS THAN (to_days('2019-02-01')),
PARTITION p201902 VALUES LESS THAN (to_days('2019-03-01')),
PARTITION p201903 VALUES LESS THAN (to_days('2019-04-01')),
PARTITION p201904 VALUES LESS THAN (to_days('2019-05-01')),
PARTITION p201905 VALUES LESS THAN (to_days('2019-06-01')),
PARTITION p201906 VALUES LESS THAN (to_days('2019-07-01')),
PARTITION p201907 VALUES LESS THAN (to_days('2019-08-01')),
PARTITION p201908 VALUES LESS THAN (to_days('2019-09-01')),
PARTITION p201909 VALUES LESS THAN (to_days('2019-10-01')),
PARTITION p201910 VALUES LESS THAN (to_days('2019-11-01')),
PARTITION p201911 VALUES LESS THAN (to_days('2019-12-01')),
PARTITION p201912 VALUES LESS THAN (to_days('2020-01-01')));
#2. 插入原表中有效的数据（须要跟开发同学确认数据保留范畴）create table tbl_p201808 as select * from ota_order where create_time between '2018-08-01 00:00:00' and '2018-08-31 23:59:59';
#3. 跟归档表分区做分区替换
alter table ota_order_bak exchange partition p201808 with table tbl_p201808;
#4. 删除原表中曾经标准的数据
delete from ota_order where create_time between '2018-08-01 00:00:00' and '2018-08-31 23:59:59' limit 3000;
复制代码 优化后的归档形式
#1. 创立两头表
CREATE TABLE `ota_order_2020` (........) ENGINE=InnoDB DEFAULT CHARSET=utf8
PARTITION BY RANGE (to_days(create_time)) (PARTITION p201808 VALUES LESS THAN (to_days('2018-09-01')),
PARTITION p201809 VALUES LESS THAN (to_days('2018-10-01')),
PARTITION p201810 VALUES LESS THAN (to_days('2018-11-01')),
PARTITION p201811 VALUES LESS THAN (to_days('2018-12-01')),
PARTITION p201812 VALUES LESS THAN (to_days('2019-01-01')),
PARTITION p201901 VALUES LESS THAN (to_days('2019-02-01')),
PARTITION p201902 VALUES LESS THAN (to_days('2019-03-01')),
PARTITION p201903 VALUES LESS THAN (to_days('2019-04-01')),
PARTITION p201904 VALUES LESS THAN (to_days('2019-05-01')),
PARTITION p201905 VALUES LESS THAN (to_days('2019-06-01')),
PARTITION p201906 VALUES LESS THAN (to_days('2019-07-01')),
PARTITION p201907 VALUES LESS THAN (to_days('2019-08-01')),
PARTITION p201908 VALUES LESS THAN (to_days('2019-09-01')),
PARTITION p201909 VALUES LESS THAN (to_days('2019-10-01')),
PARTITION p201910 VALUES LESS THAN (to_days('2019-11-01')),
PARTITION p201911 VALUES LESS THAN (to_days('2019-12-01')),
PARTITION p201912 VALUES LESS THAN (to_days('2020-01-01')));
#2. 插入原表中无效的数据，如果数据量在 100W 左右能够在业务低峰期直接插入，如果比拟大，倡议采纳 dataX 来做，能够管制频率和大小，之前我这边用 Go 封装了 dataX 能够实现主动生成 json 文件，自定义大小去执行。insert into ota_order_2020 select * from ota_order where create_time between '2020-08-01 00:00:00' and '2020-08-31 23:59:59';
#3. 表重命名
alter table ota_order rename to ota_order_bak;
alter table ota_order_2020 rename to ota_order;
#4. 插入差别数据
insert into ota_order select * from ota_order_bak a where not exists (select 1 from ota_order b where a.id = b.id);
#5. ota_order_bak 革新成分区表，如果表比拟大不倡议间接革新，能够先创立好分区表，通过 dataX 把导入进去即可。#6. 后续的归档办法
#创立两头广泛表
create table ota_order_mid like ota_order;
#替换原表有效数据分区到一般表
alter table ota_order exchange partition p201808 with table ota_order_mid;
## 替换一般表数据到归档表的相应分区
alter table ota_order_bak exchange partition p201808 with table ota_order_mid;
复制代码 这样原表和归档表都是按月的分区表，只须要创立一个两头一般表，在业务低峰期做两次分区替换，既能够删除有效数据，又能回收空，而且没有空间碎片，不会影响表上的索引及 SQL 的执行打算。
总结
通过从 InnoDB 存储空间散布，delete 对性能的影响能够看到，delete 物理删除既不能开释磁盘空间，而且会产生大量的碎片，导致索引频繁决裂，影响 SQL 执行打算的稳定性；
同时在碎片回收时，会耗用大量的 CPU，磁盘空间，影响表上失常的 DML 操作。
在业务代码层面，应该做逻辑标记删除，防止物理删除；为了实现数据归档需要，能够用采纳 MySQL 分区表个性来实现，都是 DDL 操作，没有碎片产生。
另外一个比拟好的计划采纳 Clickhouse，对有生命周期的数据表能够应用 Clickhouse 存储，利用其 TTL 个性实现有效数据主动清理。
正文完
