MySql 这个数据库绝对是适合dba级的高手去玩的,一般做一点1万篇新闻的小型系统怎么写都可以,用xx框架可以实现快速开发。可是数据量到了10万,百万至千万,他的性能还能那么高吗?一点小小的失误,可能造成整个系统的改写,甚至更本系统无法正常运行!好了,不那么多废话了。用事实说话,看例子:
数据表 collect ( id, title ,info ,vtype) 就这4个字段,其中 title 用定长,info 用text, id
是逐渐,vtype是tinyint,vtype是索引。这是一个基本的新闻系统的简单模型。现在往里面填充数据,填充10万篇新闻。
最后collect 为 10万条记录,数据库表占用硬盘1.6G。OK ,看下面这条sql语句:
select id,title from collect limit 1000,10; 很快;基本上0.01秒就OK,再看下面的
select id,title from collect limit 90000,10; 从9万条开始分页,结果?
8-9秒完成,my god 哪出问题了????其实要优化这条数据,网上找得到答案。看下面一条语句:
select id from collect order by id limit 90000,10; 很快,0.04秒就OK。
为什么?因为用了id主键做索引当然快。网上的改法是:
select id,title from collect where id>=(select id from collect order by id limit 90000,1) limit 10;
这就是用了id做索引的结果。可是问题复杂那么一点点,就完了。看下面的语句
select id from collect where vtype=1 order by id limit 90000,10;
很慢,用了8-9秒!
到了这里我相信很多人会和我一样,有崩溃感觉!vtype 做了索引了啊?怎么会慢呢?vtype做了索引是不错,你直接
select id from collect where vtype=1 limit 1000,10;
是很快的,基本上0.05秒,可是提高90倍,从9万开始,那就是0.05*90=4.5秒的速度了。和测试结果8-9秒到了一个数量级。从这里开始有人提出了分表的思路,这个和discuz
论坛是一样的思路。思路如下:
建一个索引表: t (id,title,vtype) 并设置成定长,然后做分页,分页出结果再到 collect 里面去找info 。
是否可行呢?实验下就知道了。
10万条记录到 t(id,title,vtype) 里,数据表大小20M左右。用
select id from t where vtype=1 order by id limit 90000,10;
很快了。基本上0.1-0.2秒可以跑完。为什么会这样呢?我猜想是因为collect 数据太多,所以分页要跑很长的路。limit
完全和数据表的大小有关的。其实这样做还是全表扫描,只是因为数据量小,只有10万才快。OK, 来个疯狂的实验,加到100万条,测试性能。
加了10倍的数据,马上t表就到了200多M,而且是定长。还是刚才的查询语句,时间是0.1-0.2秒完成!分表性能没问题?错!因为我们的limit还是9万,所以快。给个大的,90万开始
select id from t where vtype=1 order by id limit 900000,10; 看看结果,时间是1-2秒!
why ?? 分表了时间还是这么长,非常之郁闷!有人说定长会提高limit的性能,开始我也以为,因为一条记录的长度是固定的,mysql
应该可以算出90万的位置才对啊? 可是我们高估了mysql 的智能,他不是商务数据库,事实证明定长和非定长对limit影响不大? 怪不得有人说
discuz到了100万条记录就会很慢,我相信这是真的,这个和数据库设计有关!
难道MySQL 无法突破100万的限制吗???到了100万的分页就真的到了极限???
答案是: NO !!!!
为什么突破不了100万是因为不会设计mysql造成的。下面介绍非分表法,来个疯狂的测试!一张表搞定100万记录,并且10G
数据库,如何快速分页!
好了,我们的测试又回到 collect表,开始测试结论是:
30万数据,用分表法可行,超过30万他的速度会慢道你无法忍受!当然如果用分表+我这种方法,那是绝对完美的。但是用了我这种方法后,不用分表也可以完美解决!
答案就是:复合索引! 有一次设计mysql索引的时候,无意中发现索引名字可以任取,可以选择几个字段进来,这有什么用呢?开始的select id from
collect order by id limit 90000,10; 这么快就是因为走了索引,可是如果加了where 就不走索引了。抱着试试看的想法加了
search(vtype,id) 这样的索引。然后测试
select id from collect where vtype=1 limit 90000,10; 非常快!0.04秒完成!
再测试: select id ,title from collect where vtype=1 limit 90000,10;
非常遗憾,8-9秒,没走search索引!
再测试:search(id,vtype),还是select id 这个语句,也非常遗憾,0.5秒。
综上:如果对于有where 条件,又想走索引用limit的,必须设计一个索引,将where
放第一位,limit用到的主键放第2位,而且只能select 主键!
完美解决了分页问题了。可以快速返回id就有希望优化limit , 按这样的逻辑,百万级的limit 应该在0.0x秒就可以分完。看来mysql
语句的优化和索引时非常重要的!
好了,回到原题,如何将上面的研究成功快速应用于开发呢?如果用复合查询,我的轻量级框架就没的用了。分页字符串还得自己写,那多麻烦?这里再看一个例子,思路就出来了:
select * from collect where id in (9000,12,50,7000); 竟然 0秒就可以查完!
mygod ,mysql 的索引竟然对于in语句同样有效!看来网上说in无法用索引是错误的!
有了这个结论,就可以很简单的应用于轻量级框架了:
其实思路很简单:1)通过优化索引,找出id,并拼成 "123,90000,12000" 这样的字符串。2)第2次查询找出结果。
小小的索引+一点点的改动就使mysql 可以支持百万甚至千万级的高效分页!
通过这里的例子,我反思了一点:对于大型系统,PHP千万不能用框架,尤其是那种连sql语句都看不到的框架!因为开始对于我的轻量级框架都差点崩溃!只适合小型应用的快速开发,对于ERP,OA,大型网站,数据层包括逻辑层的东西都不能用框架。如果程序员失去了对sql语句的把控,那项目的风险将会成几何级数增加!尤其是用mysql
的时候,mysql 一定需要专业的dba 才可以发挥他的最佳性能。一个索引所造成的性能差别可能是上千倍!
PS:
经过实际测试,到了100万的数据,160万数据,15G表,190M索引,就算走索引,limit都得0.49秒。所以分页最好别让别人看到10万条以后的数据,要不然会很慢!就算用索引。经过这样的优化,mysql到了百万级分页是个极限!但有这样的成绩已经很不错,如果你是用sqlserver肯定卡死!而160万的数据用
id in (str) 很快,基本还是0秒。如果这样,千万级的数据,mysql应该也很容易应付。
分享到:
相关推荐
mysq 优化方案+优化策略mysq 优化方案+优化策略mysq 优化方案+优化策略mysq 优化方案+优化策略mysq 优化方案+优化策略mysq 优化方案+优化策略mysq 优化方案+优化策略
- **性能优化**:根据数据量,可能需要调整批量导入的大小,以平衡速度和内存使用。 - **测试与验证**:在实际迁移前,先进行小规模的测试,确保数据的一致性和完整性。 - **数据同步**:如果在迁移过程中需要保持两...
关于mysql的数据类型的内容,主要是了解mysql的基本数据类型,便于以后的学习
MySQL数据库提供了`LIMIT`关键字,用于实现数据的分页查询,但直接在Java代码中处理可能会导致SQL语句过于复杂,不易维护。基于此,我们讨论的是一种名为"基于MySQL LIMIT的Java分页小插件"的工具,它可以帮助开发者...
mysql limit两个参数:第一个参数表示从第几条记录开始,第二个参数表示要查询多少条记录
3. **性能优化**:升级版可能包含了对性能的优化,例如通过预编译的PreparedStatement来提升查询效率,或者优化了分页算法,减少了不必要的数据传输。 4. **兼容性**:考虑到不同的数据库可能有不同的分页语法,该...
### MySQL COUNT(*)优化详解 #### 一、COUNT(*)性能瓶颈分析 在MySQL中,`COUNT(*)`函数被广泛应用于查询表中的记录总数。然而,在某些场景下,尤其是使用InnoDB作为存储引擎时,`COUNT(*)`可能会导致性能瓶颈。...
MySQL 数据同步是指在一个数据库(主库)上的数据更改能够实时或定时地反映到另一个数据库(从库)上,以实现数据的一致性和可用性。在 MySQL 中,这通常通过二进制日志(Binary Log)和复制(Replication)机制来...
本压缩包“包含mysq、sqLite、瓦片数据的离线地图下载工具.zip”提供了这样的解决方案,它集成了LeafLet库、MySQL数据库、SQLite数据库以及瓦片数据,使得用户可以实现高效且全面的离线地图操作。 首先,LeafLet是...
4. **快速生成**:该工具声称能够“瞬间生成”数据字典,这意味着它采用了高效的算法和优化,可以快速处理大量数据,为用户提供即时结果。 5. **小巧轻便**:软件体积小意味着它占用的磁盘空间少,同时可能加载和...
7. **性能优化**:探讨如何优化SQL查询,使用索引,以及调整MySQL服务器配置以提高数据库性能。 8. **数据安全**:了解如何加密敏感数据,以及遵循最佳实践来保护数据库免受恶意攻击。 9. **备份与恢复**:学习...
mysq5.0l安装文件,mysql-gui-tools-5.0-r2-win32.msi。小巧玲珑在东西。
mysql数据仓库指南
mysq常用函数字符串处理函数日期和时间函数常用的数值函数 CEIL(x)返回大于X的最大整数
Range Optimizer专注于单表数据访问的优化,尤其关注如何选择合适的索引来最小化查询成本。其核心内容包括代价模型的构建、统计信息的收集和应用等。 ##### 1. 代价模型 代价模型用于衡量不同执行路径的成本,通常...
MySQL 乱码问题是一个常见的困扰,尤其是在数据迁移、版本升级或者跨平台操作时。这个问题涉及到多个层面,包括服务器配置、客户端设置、数据库、连接以及结果集的字符编码。以下是一些解决 MySQL 乱码问题的方法: ...