MySQL性能优化教程

 

    一、

这是一篇MySQL性能优化的教程，来着某公司的DBA，原是为了培训公司员工用，现在转载出来供大家一起学习提高。

背景及目标

● 用于员工培训和分享。

● 针对用户群为已经使用过mysql环境，并有一定开发经验的工程师

● 针对高并发，海量数据的互联网环境。

● 本文语言为口语，非学术标准用语。

● 以实战和解决具体问题为主要目标，非应试，非常规教育。友情提醒，在校生学习本教程可能对成绩提高有害无益。

● 非技术挑战，非高端架构师培训，请高手自动忽略。

Mysql 执行优化

认识数据索引

1.为什么使用数据索引能提高效率

■ 数据索引的存储是有序的

■ 在有序的情况下，通过索引查询一个数据是无需遍历索引记录的

■ 极端情况下，数据索引的查询效率为二分法查询效率，趋近于 log2(N)

2.如何理解数据索引的结构

■ 数据索引通常默认采用btree索引，（内存表也使用了hash索引）。

■ 单一有序排序序列是查找效率最高的（二分查找，或者说折半查找），使用树形索引的目的是为了达到快速的更新和增删操作。

■ 在极端情况下（比如数据查询需求量非常大，而数据更新需求极少，实时性要求不高，数据规模有限），直接使用单一排序序列，折半查找速度最快。

◆实战范例 ： ip地址反查

资源：

Ip地址对应表，源数据格式为  startip, endip, area

源数据条数为 10万条左右，呈很大的分散性

目标： 

需要通过任意ip查询该ip所属地区

性能要求达到每秒1000次以上的查询效率

挑战：

如使用 between … and 数据库操作，无法有效使用索引。

如果每次查询请求需要遍历10万条记录，根本不行。

方法： 

一次性排序（只在数据准备中进行，数据可存储在内存序列）

折半查找（每次请求以折半查找方式进行）

■ 在进行索引分析和SQL优化时，可以将数据索引字段想象为单一有序序列，并以此作为分析的基础。

◆实战范例：复合索引查询优化实战，同城异性列表

资源： 用户表user，字段 sex性别；area 地区；lastlogin 最后登录时间；其他略

目标：

查找同一地区的异性，按照最后登录时间逆序

高访问量社区的高频查询，如何优化。

查询SQL: select * from user where area=’$area’ and sex=’$sex’ order by lastlogin desc limit 0,30;

挑战： 

建立复合索引并不难， area+sex+lastlogin 三个字段的复合索引,如何理解？

首先，忘掉btree，将索引字段理解为一个排序序列。

如果只使用area会怎样？搜索会把符合area的结果全部找出来，然后在这里面遍历，选择命中sex的并排序。 遍历所有 area=’$area’数据！

如果使用了area+sex，略好，仍然要遍历所有area=’$area’ and sex=’$sex’数据，然后在这个基础上排序！！

Area+sex+lastlogin复合索引时（切记lastlogin在最后），该索引基于area+sex+lastlogin 三个字段合并的结果排序，该列表可以想象如下。

广州女$时间1

广州女$时间2

广州女$时间3

…

广州男

….

深圳女

….
数据库很容易命中到 area+sex的边界，并且基于下边界向上追溯30条记录，搞定！在索引中迅速命中所有结果，无需二次遍历！

3.如何理解影响结果集

■ 影响结果集是数据查询优化的一个重要中间数据

◆ 查询条件与索引的关系决定影响结果集

如上例所示，即便查询用到了索引，但是如果查询和排序目标不能直接在索引中命中，其可能带来较多的影响结果。而这会直接影响到查询效率

◆ 微秒级优化

● 优化查询不能只看慢查询日志，常规来说，0.01秒以上的查询，都是不够优化的。

● 实战范例

和上案例类似，某游戏社区要显示用户动态，select * from userfeed where uid=$uid order by lastlogin desc limit 0,30;   初期默认以uid为索引字段， 查询为命中所有uid=$uid的结果按照lastlogin排序。 当用户行为非常频繁时，该SQL索引命中影响结果集有数百乃至数千条记录。查询效率超过0.01秒，并发较大时数据库压力较大。

解决方案：将索引改为 uid+lastlogin 复合索引，索引直接命中影响结果集30条，查询效率提高了10倍，平均在0.001秒，数据库压力骤降。

■ 影响结果集的常见误区

◆ 影响结果集并不是说数据查询出来的结果数或操作影响的结果数，而是查询条件的索引所命中的结果数。

◆ 实战范例

● 某游戏数据库使用了innodb，innodb是行级锁，理论上很少存在锁表情况。出现了一个SQL语句(delete from tabname where xid=…)，这个SQL非常用SQL，仅在特定情况下出现，每天出现频繁度不高（一天仅10次左右），数据表容量百万级，但是这个xid未建立索引，于是悲惨的事情发生了，当执行这条delete 的时候，真正删除的记录非常少，也许一到两条，也许一条都没有；但是！由于这个xid未建立索引，delete操作时遍历全表记录，全表被delete操作锁定，select操作全部被locked，由于百万条记录遍历时间较长，期间大量select被阻塞，数据库连接过多崩溃。

这种非高发请求，操作目标很少的SQL，因未使用索引，连带导致整个数据库的查询阻塞，需要极大提高警觉。

■ 总结：

◆ 影响结果集是搜索条件索引命中的结果集，而非输出和操作的结果集。

◆ 影响结果集越趋近于实际输出或操作的目标结果集，索引效率越高。

◆ 请注意，我这里永远不会讲关于外键和join的优化，因为在我们的体系里，这是根本不允许的！ 架构优化部分会解释为什么。

 

二 、

理解执行状态

1.常见分析手段

●  慢查询日志，关注重点如下

■ 是否锁定，及锁定时间

◆ 如存在锁定，则该慢查询通常是因锁定因素导致，本身无需优化，需解决锁定问题。

■ 影响结果集

◆ 如影响结果集较大，显然是索引项命中存在问题，需要认真对待。

●  Explain 操作

■  索引项使用

◆ 不建议用using index做强制索引，如未如预期使用索引，建议重新斟酌表结构和索引设置。

■  影响结果集

◆ 这里显示的数字不一定准确，结合之前提到对数据索引的理解来看，还记得嘛？就把索引当作有序序列来理解，反思SQL。

●  Set profiling , show profiles for query操作

■  执行开销

◆ 注意，有问题的SQL如果重复执行，可能在缓存里，这时要注意避免缓存影响。通过这里可以看到。

◆ 执行时间超过0.005秒的频繁操作SQL建议都分析一下。

◆ 深入理解数据库执行的过程和开销的分布

●  Show processlist

■  状态清单

◆ Sleep 状态， 通常代表资源未释放，如果是通过连接池，sleep状态应该恒定在一定数量范围内

♦  实战范例： 因前端数据输出时（特别是输出到用户终端）未及时关闭数据库连接，导致因网络连接速度产生大量sleep连接，在网速出现异常时，数据库 too many connections 挂死。

♦  简单解读，数据查询和执行通常只需要不到0.01秒，而网络输出通常需要1秒左右甚至更长，原本数据连接在0.01秒即可释放，但是因为前端程序未执行close操作，直接输出结果，那么在结果未展现在用户桌面前，该数据库连接一直维持在sleep状态！

◆ Waiting for net, reading from net, writing to net

♦  偶尔出现无妨

♦  如大量出现，迅速检查数据库到前端的网络连接状态和流量

♦  案例: 因外挂程序，内网数据库大量读取，内网使用的百兆交换迅速爆满，导致大量连接阻塞在waiting for net，数据库连接过多崩溃

◆ Locked状态

♦  有更新操作锁定

♦  通常使用innodb可以很好的减少locked状态的产生，但是切记，更新操作要正确使用索引，即便是低频次更新操作也不能疏忽。如上影响结果集范例所示。

♦  在myisam的时代，locked是很多高并发应用的噩梦。所以mysql官方也开始倾向于推荐innodb。

◆ Copy to tmp table

♦  索引及现有结构无法涵盖查询条件，才会建立一个临时表来满足查询要求，产生巨大的恐怖的i/o压力。

♦  很可怕的搜索语句会导致这样的情况，如果是数据分析，或者半夜的周期数据清理任务，偶尔出现，可以允许。频繁出现务必优化之。

♦  Copy to tmp table 通常与连表查询有关，建议逐渐习惯不使用连表查询。

♦  实战范例：

某社区数据库阻塞，求救，经查，其服务器存在多个数据库应用和网站，其中一个不常用的小网站数据库产生了一个恐怖的copy to tmp table 操作，导致整个硬盘i/o和cpu压力超载。Kill掉该操作一切恢复。

◆ Sending data

♦  Sending data 并不是发送数据，别被这个名字所欺骗，这是从物理磁盘获取数据的进程，如果你的影响结果集较多，那么就需要从不同的磁盘碎片去抽取数据，

♦  偶尔出现该状态连接无碍。

♦  回到上面影响结果集的问题，一般而言，如果sending data连接过多，通常是某查询的影响结果集过大，也就是查询的索引项不够优化。

♦  如果出现大量相似的SQL语句出现在show proesslist列表中，并且都处于sending data状态，优化查询索引，记住用影响结果集的思路去思考。

◆ Freeing items

♦  理论上这玩意不会出现很多。偶尔出现无碍

♦  如果大量出现，内存，硬盘可能已经出现问题。比如硬盘满或损坏。

◆ Sorting for …

♦  和Sending data类似，结果集过大，排序条件没有索引化，需要在内存里排序，甚至需要创建临时结构排序。

◆ 其他

♦  还有很多状态，遇到了，去查查资料。基本上我们遇到其他状态的阻塞较少，所以不关心。

2.分析流程

●  基本流程

■  详细了解问题状况

◆  Too many connections 是常见表象，有很多种原因。

◆  索引损坏的情况在innodb情况下很少出现。

◆  如出现其他情况应追溯日志和错误信息。

■  了解基本负载状况和运营状况

◆  基本运营状况

♦  当前每秒读请求

♦  当前每秒写请求

♦  当前在线用户

♦  当前数据容量

◆  基本负载情况

♦  学会使用这些指令

 Top

 Vmstat

 uptime

 iostat

 df

♦  Cpu负载构成

 特别关注i/o压力( wa%)

 多核负载分配

♦  内存占用

 Swap分区是否被侵占

 如Swap分区被侵占，物理内存是否较多空闲

♦  磁盘状态

 硬盘满和inode节点满的情况要迅速定位和迅速处理

■  了解具体连接状况

◆  当前连接数

♦  Netstat –an|grep 3306|wc –l

♦  Show processlist

◆  当前连接分布 show processlist

♦  前端应用请求数据库不要使用root帐号！

 Root帐号比其他普通帐号多一个连接数许可。

 前端使用普通帐号，在too many connections的时候root帐号仍可以登录数据库查询 show processlist!

 记住，前端应用程序不要设置一个不叫root的root帐号来糊弄！非root账户是骨子里的，而不是名义上的。

♦  状态分布

 不同状态代表不同的问题，有不同的优化目标。

 参见如上范例。

 雷同SQL的分布

 是否较多雷同SQL出现在同一状态

◆  当前是否有较多慢查询日志

♦  是否锁定

♦  影响结果集

■  频繁度分析

◆  写频繁度

♦  如果i/o压力高，优先分析写入频繁度

♦  Mysqlbinlog 输出最新binlog文件，编写脚本拆分

♦  最多写入的数据表是哪个

♦  最多写入的数据SQL是什么

♦  是否存在基于同一主键的数据内容高频重复写入？

 涉及架构优化部分，参见架构优化-缓存异步更新

◆  读取频繁度

♦  如果cpu资源较高，而i/o压力不高，优先分析读取频繁度

♦  程序中在封装的db类增加抽样日志即可，抽样比例酌情考虑，以不显著影响系统负载压力为底线。

♦  最多读取的数据表是哪个

♦  最多读取的数据SQL是什么

 该SQL进行explain 和set profiling判定

 注意判定时需要避免query cache影响

比如，在这个SQL末尾增加一个条件子句 and 1=1 就可以避免从query cache中获取数据，而得到真实的执行状态分析。

♦  是否存在同一个查询短期内频繁出现的情况

 涉及前端缓存优化

■  抓大放小，解决显著问题

◆  不苛求解决所有优化问题，但是应以保证线上服务稳定可靠为目标。

◆  解决与评估要同时进行，新的策略或解决方案务必经过评估后上线。

3.总结

●  要学会怎样分析问题，而不是单纯拍脑袋优化

■  慢查询只是最基础的东西，要学会优化0.01秒的查询请求。

●  当发生连接阻塞时，不同状态的阻塞有不同的原因，要找到原因，如果不对症下药，就会南辕北辙

■  范例：如果本身系统内存已经超载，已经使用到了swap，而还在考虑加大缓存来优化查询，那就是自寻死路了。

●  监测与跟踪要经常做，而不是出问题才做

■  读取频繁度抽样监测

◆  全监测不要搞，i/o吓死人。

◆  按照一个抽样比例抽样即可。

◆  针对抽样中发现的问题，可以按照特定SQL在特定时间内监测一段全查询记录，但仍要考虑i/o影响。

■  写入频繁度监测

◆  基于binlog解开即可，可定时或不定时分析。

■  微慢查询抽样监测

◆  高并发情况下，查询请求时间超过0.01秒甚至0.005秒的，建议酌情抽样记录。

■  连接数预警监测

◆  连接数超过特定阈值的情况下，虽然数据库没有崩溃，建议记录相关连接状态。

●  学会通过数据和监控发现问题，分析问题，而后解决问题顺理成章。特别是要学会在日常监控中发现隐患，而不是问题爆发了才去处理和解决。