MySQL 性能优化小结

基础概念简述

锁

数据库通过锁机制来解决并发场景 — 共享锁（读锁）和排他锁（写锁）。读锁是不阻塞的，多个客户端可以在同一时刻读取同一个资源；写锁是排他的，并且会阻塞其他的读锁和写锁。

简单提下乐观锁和悲观锁：

• 乐观锁：通常用于数据竞争不激烈的场景，多读少写，通过版本号和时间戳实现
• 悲观锁：通常用于数据竞争激烈的场景，每次操作都会锁定数据

要锁定数据需要一定的锁策略来配合。

• 表锁：锁定整张表，开销最小，但是会加剧锁竞争
• 行锁：锁定行级别，开销最大，但是可以最大程度的支持并发

但是 mysql 的存储引擎的真实实现不是简单的行级锁，一般都是实现了多版本并发控制（mvcc）。mvcc 是行级锁的变种，多数情况下避免了加锁操作，开销更低。mvcc 是通过保存数据的某个时间点快照实现的。

事务

事务保证一组原子性的操作，要么全部成功，要么全部失败。一旦失败，回滚之前的所有操作。mysql 采用自动提交，如果不是显式的开启一个事务，则每个查询都作为一个事务。

隔离级别控制了一个事务中的修改，哪些在事务内和事务间是可见的。四种常见的隔离级别：

• 未提交读（read uncommitted）：事务中的修改，即使没提交对其他事务也是可见的。事务可能读取未提交的数据，造成 脏读
• 提交读（read committed）：一个事务开始时，只能看见已提交的事务所做的修改。事务未提交之前，所做的修改对其他事务是不可见的。也叫 不可重复读，同一个事务多次读取同样记录可能不同
• 可重复读（repeattable read）：同一个事务中多次读取同样的记录结果时结果相同
• 可串行化（serializable）：最高隔离级别，强制事务串行执行

存储引擎

• innodb 引擎：最重要，使用最广泛的存储引擎。被用来设计处理大量短期事务，具有高性能和自动崩溃恢复的特性
• myisam引擎：不支持事务和行级锁，崩溃后无法安全恢复

创建时优化

schema和数据类型优化

整数

tinyint, smallint, mediumint, int, bigint 使用的存储8,16,24,32,64位存储空间。

使用 unsigned 表示不允许负数，可以使正数的上线提高一倍。

实数

• float, double：支持近似的浮点运算
• decimal：用于存储精确的小数

字符串

• varchar：存储变长的字符串。需要1或2个额外的字节记录字符串的长度
• char：定长，适合存储固定长度的字符串，如md5值
• blob, text：为了存储很大的数据而设计的。分别采用二进制和字符的方式

时间类型

• datetime：保存大范围的值，占8个字节
• timestamp：推荐，与 unix 时间戳相同，占4个字节

优化建议点

• 尽量使用对应的数据类型。比如，不要用字符串类型保存时间，用整型保存ip
• 选择更小的数据类型。能用 tinyint 不用int
• 标识列（identifier column），建议使用整型，不推荐字符串类型，占用更多空间，而且计算速度比整型慢
• 不推荐 orm 系统自动生成的 schema，通常具有不注重数据类型。例如，使用很大的 varchar 类型，索引利用不合理等问题
• 真实场景混用范式和反范式。冗余高查询效率高，插入更新效率低；冗余低插入更新效率高，查询效率低
• 创建完全的独立的汇总表\缓存表，定时生成数据，用于用户耗时时间长的操作。对于精确度要求高的汇总操作，可以采用 历史结果+最新记录的结果 来达到快速查询的目的
• 数据迁移，表升级的过程中可以使用影子表的方式，通过修改原表的表名，达到保存历史数据，同时不影响新表使用的目的

索引

索引包含一个或多个列的值。mysql 只能高效的利用索引的最左前缀列。索引的优势：

• 减少查询扫描的数据量
• 避免排序和零时表
• 将随机 io 变为顺序 io （顺序io的效率高于随机io）

b-tree

使用最多的索引类型。采用 b-tree 数据结构来存储数据（每个叶子节点都包含指向下一个叶子节点的指针，从而方便叶子节点的遍历）。b-tree 索引适用于全键值，键值范围，键前缀查找，支持排序。

b-tree 索引限制：

• 如果不是按照索引的最左列开始查询，则无法使用索引
• 不能跳过索引中的列。如果使用第一列和第三列索引，则只能使用第一列索引
• 如果查询中有个范围查询，则其右边的所有列都无法使用索引优化查询

哈希索引

只有精确匹配索引的所有列，查询才有效。存储引擎会对所有的索引列计算一个哈希码，哈希索引将所有的哈希码存储在索引中，并保存指向每个数据行的指针。

哈希索引限制：

• 无法用于排序
• 不支持部分匹配
• 只支持等值查询如 =, in( )，不支持 < >

优化建议点

• 注意每种索引的适用范围和适用限制。
• 索引的列如果是表达式的一部分或者是函数的参数，则失效
• 针对特别长的字符串，可以使用前缀索引，根据索引的选择性选择合适的前缀长度
• 使用多列索引的时候，可以通过 and 和 or 语法连接
• 重复索引没必要，如（a，b）和（a）重复
• 索引在 where 条件查询和 group by 语法查询的时候特别有效
• 将范围查询放在条件查询的最后，防止范围查询导致的右边索引失效的问题
• 索引最好不要选择过长的字符串，而且索引列也不宜为 null

查询时优化

三个重要指标

• 响应时间 （服务时间，排队时间）
• 扫描的行
• 返回的行

查询优化点

• 避免查询无关的列，如使用 select * 返回所有的列。
• 避免查询无关的行
• 切分查询。将一个对服务器压力较大的任务，分解到一个较长的时间中，并分多次执行。如要删除一万条数据，可以分10次执行，每次执- 行完成后暂停一段时间，再继续执行。过程中可以释放服务器资源给其他任务。
• 分解关联查询。将多表关联查询的一次查询，分解成对单表的多次查询。可以减少锁竞争，查询本身的查询效率也比较高。因为 mysql 的连接和断开都是轻量级的操作，不会由于查询拆分为多次，造成效率问题。
• 注意 count 的操作只能统计不为 null 的列，所以统计总的行数使用 count(*)
• group by 按照标识列分组效率高，分组结果不宜出行分组列之外的列
• 关联查询延迟关联，可以根据查询条件先缩小各自要查询的范围，再关联
• union 查询默认去重，如果不是业务必须，建议使用效率更高的 union all
• limit 分页优化。可以根据索引覆盖扫描，再根据索引列关联自身查询其他列。如：

select
 id,
 name,
 age
where
 student s1
inner join (
 select
  id
 from
  student
 order by
  age
 limit 50,5
) as s2 on s1.id = s2.id

其它优化点

• 表关联查询时务必遵循 小表驱动大表 原则；
• 使用查询语句 where 条件时，不允许出现 函数，否则索引会失效；
• 使用单表查询时，相同字段尽量不要用 or，因为可能导致索引失效，比如：select * from table where name = '手机' or name = '电脑'，可以使用 union 替代；
• like 语句不允许使用 % 开头，否则索引会失效；
• 组合索引一定要遵循 从左到右 原则，否则索引会失效；比如：select * from table where name = '张三' and age = 18，那么该组合索引必须是 name,age 形式；
• 索引不宜过多，根据实际情况决定，尽量不要超过 10 个；
• 每张表都必须有 主键，达到加快查询效率的目的；
• 分表，可根据业务字段尾数中的个位或十位或百位（以此类推）做表名达到分表的目的；
• 分库，可根据业务字段尾数中的个位或十位或百位（以此类推）做库名达到分库的目的；
• 表分区，类似于硬盘分区，可以将某个时间段的数据放在分区里，加快查询速度，可以配合 分表 + 表分区 结合使用
• 文章作者：彭超
• 本文首发于个人博客：https://antoniopeng.com/2019/12/08/mysql/mysql%e6%80%a7%e8%83%bd%e4%bc%98%e5%8c%96%e5%b0%8f%e7%bb%93/
• 版权声明：本博客所有文章除特别声明外，均采用 cc by-nc-sa 4.0 许可协议。转载请注明来自 彭超 | blog！