单表优化

字段

• 尽量使用
  TINYINT
  、
  SMALLINT
  、
  MEDIUM_INT
  作为整数类型而非
  INT
  ，如果非负则加上
  UNSIGNED
  
• VARCHAR
  的长度只分配真正需要的空间
  
• 使用枚举或整数代替字符串类型
  
• 尽量使用
  TIMESTAMP
  而非
  DATETIME
  ，
  
• 单表不要有太多字段，建议在20以内
  
• 避免使用NULL字段，很难查询优化且占用额外索引空间
  
• 用整型来存IP
  

索引

• 索引并不是越多越好，要根据查询有针对性的创建，考虑在
  WHERE
  和
  ORDER BY
  命令上涉及的列建立索引，可根据
  EXPLAIN
  来查看是否用了索引还是全表扫描
  
• 应尽量避免在
  WHERE
  子句中对字段进行
  NULL
  值判断，否则将导致引擎放弃使用索引而进行全表扫描
  
• 值分布很稀少的字段不适合建索引，例如"性别"这种只有两三个值的字段
  
• 字符字段只建前缀索引
  
• 字符字段最好不要做主键
  
• 不用外键，由程序保证约束
  
• 尽量不用
  UNIQUE
  ，由程序保证约束
  
• 使用多列索引时主意顺序和查询条件保持一致，同时删除不必要的单列索引
  

查询SQL

• 可通过开启慢查询日志来找出较慢的SQL
  
• 不做列运算：
  SELECT id WHERE age + 1 = 10
  ，任何对列的操作都将导致表扫描，它包括数据库教程函数、计算表达式等等，查询时要尽可能将操作移至等号右边
  
• sql语句尽可能简单：一条sql只能在一个cpu运算；大语句拆小语句，减少锁时间；一条大sql可以堵死整个库
  
• 不用
  SELECT *
  
• OR
  改写成
  IN
  ：
  OR
  的效率是n级别，
  IN
  的效率是log(n)级别，in的个数建议控制在200以内
  
• 不用函数和触发器，在应用程序实现
  
• 避免
  %xxx
  式查询
  
• 少用
  JOIN
  
• 使用同类型进行比较，比如用
  '123'
  和
  '123'
  比，
  123
  和
  123
  比
  
• 尽量避免在
  WHERE
  子句中使用!=或<>操作符，否则将引擎放弃使用索引而进行全表扫描
  
• 对于连续数值，使用
  BETWEEN
  不用
  IN
  ：
  SELECT id FROM t WHERE num BETWEEN 1 AND 5
  
• 列表数据不要拿全表，要使用
  LIMIT
  来分页，每页数量也不要太大
  

引擎

MyISAM

• 不支持行锁，读取时对需要读到的所有表加锁，写入时则对表加排它锁
  
• 不支持事务
  
• 不支持外键
  
• 不支持崩溃后的安全恢复
  
• 在表有读取查询的同时，支持往表中插入新纪录
  
• 支持
  BLOB
  和
  TEXT
  的前500个字符索引，支持全文索引
  
• 支持延迟更新索引，极大提升写入性能
  
• 对于不会进行修改的表，支持压缩表，极大减少磁盘空间占用
  

InnoDB

• 支持行锁，采用MVCC来支持高并发
  
• 支持事务
  
• 支持外键
  
• 支持崩溃后的安全恢复
  
• 不支持全文索引
  

系统调优参数

• sysbench：一个模块化，跨平台以及多线程的性能测试工具
  
• iibench-mysql：基于 Java 的 MySQL/Percona/MariaDB 索引进行插入性能测试工具
  
• tpcc-mysql：Percona开发的TPC-C测试工具
  

• back_log：back_log值指出在MySQL暂时停止回答新请求之前的短时间内多少个请求可以被存在堆栈中。也就是说，如果MySql的连接数据达到max_connections时，新来的请求将会被存在堆栈中，以等待某一连接释放资源，该堆栈的数量即back_log，如果等待连接的数量超过back_log，将不被授予连接资源。可以从默认的50升至500
  
• wait_timeout：数据库连接闲置时间，闲置连接会占用内存资源。可以从默认的8小时减到半小时
  
• max_user_connection: 最大连接数，默认为0无上限，最好设一个合理上限
  
• thread_concurrency：并发线程数，设为CPU核数的两倍
  
• skip_name_resolve：禁止对外部连接进行DNS解析，消除DNS解析时间，但需要所有远程主机用IP访问
  
• key_buffer_size：索引块的缓存大小，增加会提升索引处理速度，对MyISAM表性能影响最大。对于内存4G左右，可设为256M或384M，通过查询
  show status like 'key_read%'
  ，保证
  key_reads / key_read_requests
  在0.1%以下最好
  
• innodb_buffer_pool_size：缓存数据块和索引块，对InnoDB表性能影响最大。通过查询
  show status like 'Innodb_buffer_pool_read%'
  ，保证
  (Innodb_buffer_pool_read_requests – Innodb_buffer_pool_reads) / Innodb_buffer_pool_read_requests
  越高越好
  
• innodb_additional_mem_pool_size：InnoDB存储引擎用来存放数据字典信息以及一些内部数据结构的内存空间大小，当数据库对象非常多的时候，适当调整该参数的大小以确保所有数据都能存放在内存中提高访问效率，当过小的时候，MySQL会记录Warning信息到数据库的错误日志中，这时就需要该调整这个参数大小
  
• innodb_log_buffer_size：InnoDB存储引擎的事务日志所使用的缓冲区，一般来说不建议超过32MB
  
• query_cache_size：缓存MySQL中的ResultSet，也就是一条SQL语句执行的结果集，所以仅仅只能针对select语句。当某个表的数据有任何任何变化，都会导致所有引用了该表的select语句在Query Cache中的缓存数据失效。所以，当我们的数据变化非常频繁的情况下，使用Query Cache可能会得不偿失。根据命中率
  (Qcache_hits/(Qcache_hits+Qcache_inserts)*100))
  进行调整，一般不建议太大，256MB可能已经差不多了，大型的配置型静态数据可适当调大. 可以通过命令
  show status like 'Qcache_%'
  查看目前系统Query catch使用大小
  
• read_buffer_size：MySql读入缓冲区大小。对表进行顺序扫描的请求将分配一个读入缓冲区，MySql会为它分配一段内存缓冲区。如果对表的顺序扫描请求非常频繁，可以通过增加该变量值以及内存缓冲区大小提高其性能
  
• sort_buffer_size：MySql执行排序使用的缓冲大小。如果想要增加
  ORDER BY
  的速度，首先看是否可以让MySQL使用索引而不是额外的排序阶段。如果不能，可以尝试增加sort_buffer_size变量的大小
  
• read_rnd_buffer_size：MySql的随机读缓冲区大小。当按任意顺序读取行时(例如，按照排序顺序)，将分配一个随机读缓存区。进行排序查询时，MySql会首先扫描一遍该缓冲，以避免磁盘搜索，提高查询速度，如果需要排序大量数据，可适当调高该值。但MySql会为每个客户连接发放该缓冲空间，所以应尽量适当设置该值，以避免内存开销过大。
  
• record_buffer：每个进行一个顺序扫描的线程为其扫描的每张表分配这个大小的一个缓冲区。如果你做很多顺序扫描，可能想要增加该值
  
• thread_cache_size：保存当前没有与连接关联但是准备为后面新的连接服务的线程，可以快速响应连接的线程请求而无需创建新的
  
• table_cache：类似于thread_cache_size，但用来缓存表文件，对InnoDB效果不大，主要用于MyISAM
  

升级硬件

读写分离

缓存

• MySQL内部：在系统调优参数介绍了相关设置
  
• 数据访问层：比如MyBatis针对SQL语句做缓存，而Hibernate可以精确到单个记录，这里缓存的对象主要是持久化对象
  Persistence Object
  
• 应用服务层：这里可以通过编程手段对缓存做到更精准的控制和更多的实现策略，这里缓存的对象是数据传输对象
  Data Transfer Object
  
• Web层：针对web页面做缓存
  
• 浏览器客户端：用户端的缓存
  

• 直写式（Write Through）：在数据写入数据库后，同时更新缓存，维持数据库与缓存的一致性。这也是当前大多数应用缓存框架如Spring Cache的工作方式。这种实现非常简单，同步好，但效率一般。
  
• 回写式（Write Back）：当有数据要写入数据库时，只会更新缓存，然后异步批量的将缓存数据同步到数据库上。这种实现比较复杂，需要较多的应用逻辑，同时可能会产生数据库与缓存的不同步，但效率非常高。
  

表分区

Alt text

     
     
     

 
      
      
      mysql> explain partitions select count(1) from user_partition where id in (1,2,3,4,5);
+----+-------------+----------------+------------+-------+---------------+---------+---------+------+------+--------------------------+
| id | select_type | table          | partitions | type  | possible_keys | key     | key_len | ref  | rows | Extra                    |
+----+-------------+----------------+------------+-------+---------------+---------+---------+------+------+--------------------------+
|  1 | SIMPLE      | user_partition | p1,p4      | range | PRIMARY       | PRIMARY | 8       | NULL |    5 | Using where; Using index |
+----+-------------+----------------+------------+-------+---------------+---------+---------+------+------+--------------------------+
1 row in set (0.00 sec)

     
     
     

• 可以让单表存储更多的数据
  
• 分区表的数据更容易维护，可以通过清楚整个分区批量删除大量数据，也可以增加新的分区来支持新插入的数据。另外，还可以对一个独立分区进行优化、检查、修复等操作
  
• 部分查询能够从查询条件确定只落在少数分区上，速度会很快
  
• 分区表的数据还可以分布在不同的物理设备上，从而搞笑利用多个硬件设备
  
• 可以使用分区表赖避免某些特殊瓶颈，例如InnoDB单个索引的互斥访问、ext3文件系统的inode锁竞争
  
• 可以备份和恢复单个分区
  

• 一个表最多只能有1024个分区
  
• 如果分区字段中有主键或者唯一索引的列，那么所有主键列和唯一索引列都必须包含进来
  
• 分区表无法使用外键约束
  
• NULL值会使分区过滤无效
  
• 所有分区必须使用相同的存储引擎
  

• RANGE分区：基于属于一个给定连续区间的列值，把多行分配给分区
  
• LIST分区：类似于按RANGE分区，区别在于LIST分区是基于列值匹配一个离散值集合中的某个值来进行选择
  
• HASH分区：基于用户定义的表达式的返回值来进行选择的分区，该表达式使用将要插入到表中的这些行的列值进行计算。这个函数可以包含MySQL中有效的、产生非负整数值的任何表达式
  
• KEY分区：类似于按HASH分区，区别在于KEY分区只支持计算一列或多列，且MySQL服务器提供其自身的哈希函数。必须有一列或多列包含整数值
  

• 最适合的场景数据的时间序列性比较强，则可以按时间来分区，如下所示：
  

     
     
     

 
      
      
      CREATE TABLE members (
    firstname VARCHAR(25) NOT NULL,
    lastname VARCHAR(25) NOT NULL,
    username VARCHAR(16) NOT NULL,
    email VARCHAR(35),
    joined DATE NOT NULL
)
PARTITION BY RANGE( YEAR(joined) ) (
    PARTITION p0 VALUES LESS THAN (1960),
    PARTITION p1 VALUES LESS THAN (1970),
    PARTITION p2 VALUES LESS THAN (1980),
    PARTITION p3 VALUES LESS THAN (1990),
    PARTITION p4 VALUES LESS THAN MAXVALUE
);

     
     
     

• 如果数据有明显的热点，而且除了这部分数据，其他数据很少被访问到，那么可以将热点数据单独放在一个分区，让这个分区的数据能够有机会都缓存在内存中，查询时只访问一个很小的分区表，能够有效使用索引和缓存
  

垂直拆分

Alt text

Alt text

• 可以使得行数据变小，一个数据块(Block)就能存放更多的数据，在查询时就会减少I/O次数(每次查询时读取的Block 就少)
  
• 可以达到最大化利用Cache的目的，具体在垂直拆分的时候可以将不常变的字段放一起，将经常改变的放一起
  
• 数据维护简单
  

• 主键出现冗余，需要管理冗余列
  
• 会引起表连接JOIN操作（增加CPU开销）可以通过在业务服务器上进行join来减少数据库压力
  
• 依然存在单表数据量过大的问题（需要水平拆分）
  
• 事务处理复杂
  

水平拆分

概述

Alt text

• 不存在单库大数据和高并发的性能瓶颈
  
• 应用端改造较少
  
• 提高了系统的稳定性和负载能力
  

• 分片事务一致性难以解决
  
• 跨节点Join性能差，逻辑复杂
  
• 数据多次扩展难度跟维护量极大
  

分片原则

• 能不分就不分，参考单表优化
  
• 分片数量尽量少，分片尽量均匀分布在多个数据结点上，因为一个查询SQL跨分片越多，则总体性能越差，虽然要好于所有数据在一个分片的结果，只在必要的时候进行扩容，增加分片数量
  
• 分片规则需要慎重选择做好提前规划，分片规则的选择，需要考虑数据的增长模式，数据的访问模式，分片关联性问题，以及分片扩容问题，最近的分片策略为范围分片，枚举分片，一致性Hash分片，这几种分片都有利于扩容
  
• 尽量不要在一个事务中的SQL跨越多个分片，分布式事务一直是个不好处理的问题
  
• 查询条件尽量优化，尽量避免Select * 的方式，大量数据结果集下，会消耗大量带宽和CPU资源，查询尽量避免返回大量结果集，并且尽量为频繁使用的查询语句建立索引。
  
• 通过数据冗余和表分区赖降低跨库Join的可能
  

解决方案

客户端架构

Alt text

• 应用直连数据库，降低外围系统依赖所带来的宕机风险
  
• 集成成本低，无需额外运维的组件
  

• 限于只能在数据库访问层上做文章，扩展性一般，对于比较复杂的系统可能会力不从心
  
• 将分片逻辑的压力放在应用服务器上，造成额外风险
  

代理架构

Alt text

• 能够处理非常复杂的需求，不受数据库访问层原来实现的限制，扩展性强
  
• 对于应用服务器透明且没有增加任何额外负载
  

• 需部署和运维独立的代理中间件，成本高
  
• 应用需经过代理来连接数据库，网络上多了一跳，性能有损失且有额外风险
  

各方案比较

1. 确定是使用代理架构还是客户端架构。中小型规模或是比较简单的场景倾向于选择客户端架构，复杂场景或大规模系统倾向选择代理架构
   
2. 具体功能是否满足，比如需要跨节点
   ORDER BY
   ，那么支持该功能的优先考虑
   
3. 不考虑一年内没有更新的产品，说明开发停滞，甚至无人维护和技术支持
   
4. 最好按大公司->社区->小公司->个人这样的出品方顺序来选择
   
5. 选择口碑较好的，比如github星数、使用者数量质量和使用者反馈
   
6. 开源的优先，往往项目有特殊需求可能需要改动源代码
   

• 客户端架构：ShardingJDBC
  
• 代理架构：MyCat或者Atlas
  

兼容MySQL且可水平扩展的数据库

• TiDB
  
• Cubrid
  

• 阿里云PetaData
  
• 阿里云OceanBase
  
• 腾讯云DCDB
  

NoSQL

• 日志类、监控类、统计类数据
  
• 非结构化或弱结构化数据
  
• 对事务要求不强，且无太多关联操作的数据
  

---

-END-

如果看到这里，说明你喜欢这篇文章，请 转发、点赞。同时 标星（置顶）本公众号可以第一时间接受到博文推送。

推荐阅读

1. Spring Boot+RabbitMQ 实现延迟消息

2. 面试官问：List 如何一边遍历，一边删除？

3. 为什么要放弃 Lombok ？

4. 宇宙第一 IDE 到底是谁？

获取方式：点“ 在看，关注公众号 Java后端 并回复 777 领取，更多内容陆续奉上。

喜欢文章，点个在看