MySQL数据库优化那些事 转

这篇博文主要谈MySQL数据库发展周期中所面临的问题及优化方案，暂且抛开前端应用不说，大致分为以下五个阶段：

数据库表设计

项目立项后，开发部根据产品需求开发项目，开发工作的一部分就是表结构的设计，这对于数据库来说很重要，如果设计不当，访问速度和用户体验将直接受到影响。比如，慢查询、低效率的查询、没有适当建立索引、数据堵塞(死锁)等。当然，有测试工程师的团队，会做压力测试，找bug。但是对于没有测试团队的来说，大多数开发初期不会考虑太多数据库设计是否合理，而是尽快完成功能实现和交付，等项目有一定的访问量后，隐藏的问题就会暴露出来，这时候再去修改就不是那么容易的事情了。

数据库部署

此时该运维工程师出场了，项目初期访问量不会很大，所以单台部署足以应对现在1500左右的QPS。考虑到高可用性，可采用MySQL主从复制+keepalived做双机热备，常见的集群软件有keepalived、heartbeat、haproxy、mycat等，对于数据量不是很大的公司，推荐架构（双主+高可用读写分离）：keepalived+haproxy+MySQL(双主)

数据库性能优化

假设将MySQL部署到普通的X86服务器上，在不经过任何优化情况下，MySQL理论值正常可以处理2000左右QPS，经过优化后，有可能会提升到2500左右QPS，否则，访问量当达到1500左右并发连接时，数据库处理性能就会变慢，而且硬件资源还很富裕，这时就该考虑软件问题了。那么怎样让数据库最大化发挥性能呢？一方面可以单台运行多个MySQL实例让服务器性能发挥到最大化，另一方面是对数据库进行优化，往往操作系统和数据库默认配置都比较保守，会对数据库发挥有一定限制，可对这些配置进行适当的调整，尽可能的处理更多连接数。

具体从以下三个层面入手进行优化：

数据库配置优化

MySQL有四种引擎InnoDB、MyISAM、memory、archive，常用的有两种存储引擎Innodb、MyISAM。

两种引擎比较：

• MyISAM，不支持事务处理，读性能好，表级别锁；
• InnoDB，支持事务处理（ACID，原子性、一致性、隔离性、持久性），设计目标是为处理大容量数据发挥最大化性能，行级别锁。

锁性能比较：

• 表锁：开销小，锁定力度大，发生死锁的概率高，相对并发也低；
• 行锁：开销大，锁定力度小，发生死锁的概率低，相对并发也高。

为什么会出现表锁和行锁呢？

主要是为了保障数据的完整性，举个例子，一个用户在操作一张表，其他用户也想操作这张表，那么就要等第一个用户操作完，其他用户才能操作，表锁和行锁就是这个作用，否则多个用户同时操作同一张表，肯定会导致数据冲突或异常。

综上，选择InnoDB引擎较好，也是MySQL5.5版本后的默认存储引擎。存储引擎相关的参数比较多，以下列出主要影响数据库性能的参数：

• 公共参数默认值： max_connections = 151 # 同时处理最大连接数，推荐设置最大连接数是上限连接数的80%左右 sort_buffer_size = 2M # 查询排序时缓冲区大小，只对order by和group by起作用，可增大此值为16M open_files_limit = 1024 # 打开文件数限制，如果show global status like 'open_files'查看的值等于或者大于open_files_limit值时，程序会无法连接数据库或卡死
• MyISAM参数默认值： key_buffer_size = 16M # 索引缓存区大小，一般设置物理内存的30-40% read_buffer_size = 128K # 读操作缓冲区大小，推荐设置16M或32M query_cache_type = ON # 打开查询缓存功能 query_cache_limit = 1M # 查询缓存限制，只有1M以下查询结果才会被缓存，以免结果数据较大把缓存池覆盖 query_cache_size = 16M # 查看缓冲区大小，用于缓存SELECT查询结果，下一次有同样SELECT查询将直接从缓存池返回结果，可适当成倍增加此值
• InnoDB参数默认值： innodb_buffer_pool_size = 128M # 索引和数据缓冲区大小，一般设置物理内存的60%-70% innodb_buffer_pool_instances = 1 # 缓冲池实例个数，推荐设置4个或8个 innodb_flush_log_at_trx_commit = 1 # 关键参数，0代表大约每秒写入到日志并同步到磁盘，数据库故障会丢失1秒左右事务数据。1为每执行一条SQL后写入到日志并同步到磁盘，I/O开销大，执行完SQL要等待日志读写，效率低。2代表只把日志写入到系统缓存区，再每秒同步到磁盘，效率很高，如果服务器故障，才会丢失事务数据。对数据安全性要求不是很高的推荐设置2，性能高，修改后效果明显。 innodb_file_per_table = OFF # 默认是共享表空间，共享表空间idbdata文件不断增大，影响一定的I/O性能。推荐开启独立表空间模式，每个表的索引和数据都存在自己独立的表空间中，可以实现单表在不同数据库中移动，同时有利于空间回收。 innodb_log_buffer_size = 8M # 日志缓冲区大小，由于日志最长每秒钟刷新一次，所以一般不用超过16M
• 系统内核优化： 大多数MySQL都部署在linux系统上，所以操作系统的一些参数也会影响到MySQL性能，以下对linux内核进行适当优化。 net.ipv4.tcp_fin_timeout = 30 # TIME_WAIT超时时间，默认是60s net.ipv4.tcp_tw_reuse = 1 # 1表示开启复用，允许TIME_WAIT socket重新用于新的TCP连接，0表示关闭 net.ipv4.tcp_tw_recycle = 1 # 1表示开启TIME_WAIT socket快速回收，0表示关闭 net.ipv4.tcp_max_tw_buckets = 4096 # 系统保持TIME_WAIT socket最大数量，如果超出这个数，系统将随机清除一些TIME_WAIT并打印警告信息 net.ipv4.tcp_max_syn_backlog = 4096 # 进入SYN队列最大长度，加大队列长度可容纳更多的等待连接 net.ipv4.tcpsyncookies = 1 # 表示开启SYN Cookies。当出现SYN等待队列溢出时，启用cookies来处理，可防范少量SYN×××，默认为0，表示关闭； 在linux系统中，如果进程打开的文件句柄数量超过系统默认值1024，就会提示“too many files open”信息，所以要调整打开文件句柄限制： $ vim /etc/security/limits.conf # *代表所有用户，也可以指定用户，重启系统生效 * soft nofile 65535 * hard nofile 65535 $ ulimit -SHn 65535 # 立刻生效
• 硬件配置
  • 加大物理内存，提高文件系统性能。linux内核会从内存中分配出缓存区（系统缓存和数据缓存）来存放热数据，通过文件系统延迟写入机制，等满足条件时（如缓存区大小到达一定百分比或者执行sync命令）才会同步到磁盘。也就是说物理内存越大，分配缓存区越大，缓存数据越多。当然，服务器故障会丢失一定的缓存数据。
  • SSD硬盘代替SAS硬盘，将RAID级别调整为RAID1+0，相对于RAID1和RAID5有更好的读写性能（IOPS），毕竟数据库的压力主要来自磁盘I/O方面。

数据库架构扩展

随着业务量越来越大，单台数据库服务器性能已无法满足业务需求，该考虑加机器了，该做集群了~~~。主要思想是分解单台数据库负载，突破磁盘I/O性能，热数据存放缓存中，降低磁盘I/O访问频率。

主从复制与读写分离

因为生产环境中，数据库大多都是读操作，所以部署一主多从架构，主数据库负责写操作，并做双击热备，多台从数据库做负载均衡，负责读操作，主流的负载均衡器有LVS、HAProxy、Nginx。

怎么来实现读写分离呢？大多数企业是在代码层面实现读写分离，效率比较高。另一个种方式通过代理程序实现读写分离，企业中应用较少，常见代理程序有MySQL Proxy、Amoeba。在这样数据库集群架构中，大大增加数据库高并发能力，解决单台性能瓶颈问题。如果从数据库一台从库能处理2000 QPS，那么5台就能处理1w QPS，数据库横向扩展性也很容易。

有时，面对大量写操作的应用时，单台写性能达不到业务需求。如果做双主，就会遇到数据库数据不一致现象，产生这个原因是在应用程序不同的用户会有可能操作两台数据库，同时的更新操作造成两台数据库数据库数据发生冲突或者不一致。在单库时MySQL利用存储引擎机制表锁和行锁来保证数据完整性，怎样在多台主库时解决这个问题呢？有一套基于perl语言开发的主从复制管理工具，叫MySQL-MMM（Master-Master replication managerfor Mysql，Mysql主主复制管理器），这个工具最大的优点是在同一时间只提供一台数据库写操作，有效保证数据一致性。

• 参考
  • 主从复制博文：http://lizhenliang.blog.51cto.com/7876557/1290431
  • 读写分离博文：http://lizhenliang.blog.51cto.com/7876557/1305083
  • MySQL-MMM博文：http://lizhenliang.blog.51cto.com/7876557/1354576

增加缓存

给数据库增加缓存系统，把热数据缓存到内存中，如果缓存中有要请求的数据就不再去数据库中返回结果，提高读性能。缓存实现有本地缓存和分布式缓存，本地缓存是将数据缓存到本地服务器内存中或者文件中。分布式缓存可以缓存海量数据，扩展性好，主流的分布式缓存系统有memcached、redis，memcached性能稳定，数据缓存在内存中，速度很快，QPS可达8w左右。如果想数据持久化就选择用redis，性能不低于memcached。

分库

分库是根据业务不同把相关的表切分到不同的数据库中，比如web、bbs、blog等库。如果业务量很大，还可将切分后的库做主从架构，进一步避免单个库压力过大。

分表

数据量的日剧增加，数据库中某个表有几百万条数据，导致查询和插入耗时太长，怎么能解决单表压力呢？你就该考虑是否把这个表拆分成多个小表，来减轻单个表的压力，提高处理效率，此方式称为分表。

分表技术比较麻烦，要修改程序代码里的SQL语句，还要手动去创建其他表，也可以用merge存储引擎实现分表，相对简单许多。分表后，程序是对一个总表进行操作，这个总表不存放数据，只有一些分表的关系，以及更新数据的方式，总表会根据不同的查询，将压力分到不同的小表上，因此提高并发能力和磁盘I/O性能。

分表分为垂直拆分和水平拆分。

垂直拆分

垂直拆分：把原来的一个很多字段的表拆分多个表，解决表的宽度问题。你可以把不常用的字段单独放到一个表中，也可以把大字段独立放一个表中，或者把关联密切的字段放一个表中。

水平拆分

水平拆分：把原来一个表拆分成多个表，每个表的结构都一样，解决单表数据量大的问题。

分区

分区就是把一张表的数据根据表结构中的字段（如range、list、hash等）分成多个区块，这些区块可以在一个磁盘上，也可以在不同的磁盘上，分区后，表面上还是一张表，但数据散列在多个位置，这样一来，多块硬盘同时处理不同的请求，从而提高磁盘I/O读写性能，实现比较简单。

注：增加缓存、分库、分表和分区主要由程序猿来实现。

数据库维护

数据库维护是运维工程师或者DBA主要工作，包括性能监控、性能分析、性能调优、数据库备份和恢复等。

性能状态关键指标

• QPS，Queries Per Second：每秒查询数，一台数据库每秒能够处理的查询次数
• TPS，Transactions Per Second：每秒处理事务数
• 通过show status查看运行状态，会有300多条状态信息记录，其中有几个值帮可以我们计算出QPS和TPS，如下：
• Uptime：服务器已经运行的实际，单位秒
• Questions：已经发送给数据库查询数
• Com_select：查询次数，实际操作数据库的
• Com_insert：插入次数
• Com_delete：删除次数
• Com_update：更新次数
• Com_commit：事务次数
• Com_rollback：回滚次

计算方法1

• 基于Questions计算出QPS： mysql> show global status like 'Questions'; mysql> show global status like 'Uptime'; QPS = Questions / Uptime
• 基于Com_commit和Com_rollback计算出TPS： mysql> show global status like 'Com_commit'; mysql> show global status like 'Com_rollback'; mysql> show global status like 'Uptime'; TPS = (Com_commit + Com_rollback) / Uptime

计算方法2

• QPS 基于Com_select、Com_insert、Com_delete、Com_update计算出QPS： mysql> show global status where Variable_name in('com_select','com_insert','com_delete','com_update'); 等待1秒再执行，获取间隔差值，第二次每个变量值减去第一次对应的变量值，就是QPS
• TPS mysql> show global status where Variable_name in('com_insert','com_delete','com_update'); 计算TPS，就不算查询操作了，计算出插入、删除、更新四个值即可。 经网友对这两个计算方式的测试得出，当数据库中myisam表比较多时，使用Questions计算比较准确。当数据库中innodb表比较多时，则以Com_*计算比较准确。

开启慢查询日志

MySQL开启慢查询日志，分析出哪条SQL语句比较慢，使用set设置变量，重启服务失效，可以在my.cnf添加参数永久生效。

分析慢查询日志，可以使用MySQL自带的mysqldumpslow工具，分析的日志较为简单。

也可以使用percona公司的pt-query-digest工具，日志分析功能全面，可分析slow log、binlog、general log。

分析慢查询日志：pt-query-digest /var/log/mysql/mysql-slow.log

分析binlog日志：mysqlbinlog mysql-bin.000001 >mysql-bin.000001.sql 
pt-query-digest --type=binlog mysql-bin.000001.sql 

分析普通日志：pt-query-digest --type=genlog localhost.log

参考

https://blog.51cto.com/lizhenliang/1657465

(adsbygoogle = window.adsbygoogle || []).push({});