参考文章 : https://yq.aliyun.com/articles/690978?spm=a2c4e.11155435.0.0.275611f7KFCdbz

https://segmentfault.com/a/1190000012155267

前言

记录数据库优化方法，自己的项目目前还没有到这种量级，记录以备不时之需。

心得

设计和创建表的时候需要尽可能全面考虑（现阶段需求、可能会出现的需求），尽量使得性价和效率比达到最高。

问题概述

使用阿里云 rds for MySQL 数据库（就是 MySQL5.6 版本），有个用户上网记录表 6 个月的数据量近 2000 万，保留最近一年的数据量达到 4000 万，查询速度极慢，日常卡死。严重影响业务。

问题前提：老系统，当时设计系统的人大概是大学没毕业，表设计和 sql 语句写的不仅仅是垃圾，简直无法直视。原开发人员都已离职，到我来维护，这就是传说中的维护不了就跑路，然后我就是掉坑的那个！！！

我尝试解决该问题，so，有个这个日志。

方案概述

• 方案一：优化现有 mysql 数据库。优点：不影响现有业务，源程序不需要修改代码，成本最低。缺点：有优化瓶颈，数据量过亿就玩完了。
• 方案二：升级数据库类型，换一种 100%兼容 mysql 的数据库。优点：不影响现有业务，源程序不需要修改代码，你几乎不需要做任何操作就能提升数据库性能，缺点：多花钱
• 方案三：一步到位，大数据解决方案，更换 newsql/nosql 数据库。优点：扩展性强，成本低，没有数据容量瓶颈，缺点：需要修改源程序代码

以上三种方案，按顺序使用即可，数据量在亿级别一下的没必要换 nosql，开发成本太高。三种方案我都试了一遍，而且都形成了落地解决方案。该过程心中慰问跑路的那几个开发者一万遍 :)

方案一详细说明：优化现有 mysql 数据库

跟阿里云数据库大佬电话沟通 and Google 解决方案 and 问群里大佬，总结如下（都是精华）：

• 1.数据库设计和表创建时就要考虑性能
• 2.sql 的编写需要注意优化
• 4.分区
• 4.分表
• 5.分库

1.数据库设计和表创建时就要考虑性能

mysql 数据库本身高度灵活，造成性能不足，严重依赖开发人员能力。也就是说开发人员能力高，则 mysql 性能高。这也是很多关系型数据库的通病，所以公司的 dba 通常工资巨高。

设计表时要注意：

• 表字段避免 null 值出现，null 值很难查询优化且占用额外的索引空间，推荐默认数字 0 代替 null。
• 尽量使用 INT 而非 BIGINT，如果非负则加上 UNSIGNED（这样数值容量会扩大一倍），当然能使用 TINYINT、SMALLINT、MEDIUM_INT 更好。
• 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
• 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

简言之就是使用合适的数据类型，选择合适的索引

选择合适的数据类型 （1）使用可存下数据的最小的数据类型，整型 < date,time < char,varchar < blob （2）使用简单的数据类型，整型比字符处理开销更小，因为字符串的比较更复杂。如，int 类型存储时间类型，bigint 类型转 ip 函数 （3）使用合理的字段属性长度，固定长度的表会更快。使用 enum、char 而不是 varchar （4）尽可能使用 not null 定义字段 （5）尽量少用 text，非用不可最好分表 # 选择合适的索引列 （1）查询频繁的列，在 where，group by，order by，on 从句中出现的列 （2）where 条件中 <，<=，=，>，>=，between，in，以及 like 字符串+通配符（%）出现的列 （3）长度小的列，索引字段越小越好，因为数据库的存储单位是页，一页中能存下的数据越多越好 （4）离散度大（不同的值多）的列，放在联合索引前面。查看离散度，通过统计不同的列值来实现，count 越大，离散程度越高：

原开发人员已经跑路，该表早已建立，我无法修改，故：该措辞无法执行，放弃！

2.sql 的编写需要注意优化

• 使用 limit 对查询结果的记录进行限定
• 避免 select *，将需要查找的字段列出来
• 使用连接（join）来代替子查询
• 拆分大的 delete 或 insert 语句
• 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
• 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

原开发人员已经跑路，程序已经完成上线，我无法修改 sql，故：该措辞无法执行，放弃！

引擎

引擎

目前广泛使用的是 MyISAM 和 InnoDB 两种引擎：

1. MyISAM
2. MyISAM 引擎是 MySQL 5.1 及之前版本的默认引擎，它的特点是：

• 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

1. InnoDB
2. InnoDB 在 MySQL 5.5 后成为默认索引，它的特点是：

• 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

总体来讲，MyISAM 适合 SELECT 密集型的表，而 InnoDB 适合 INSERT 和 UPDATE 密集型的表

MyISAM 速度可能超快，占用存储空间也小，但是程序要求事务支持，故 InnoDB 是必须的，故该方案无法执行，放弃！

3.分区

MySQL 在 5.1 版引入的分区是一种简单的水平拆分，用户需要在建表的时候加上分区参数，对应用是透明的无需修改代码

对用户来说，分区表是一个独立的逻辑表，但是底层由多个物理子表组成，实现分区的代码实际上是通过对一组底层表的对象封装，但对 SQL 层来说是一个完全封装底层的黑盒子。MySQL 实现分区的方式也意味着索引也是按照分区的子表定义，没有全局索引

用户的 SQL 语句是需要针对分区表做优化，SQL 条件中要带上分区条件的列，从而使查询定位到少量的分区上，否则就会扫描全部分区，可以通过 EXPLAIN PARTITIONS 来查看某条 SQL 语句会落在那些分区上，从而进行 SQL 优化，我测试，查询时不带分区条件的列，也会提高速度，故该措施值得一试。

分区的好处是：

• 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

分区的限制和缺点：

• 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

分区的类型：

• 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
• 具体关于 mysql 分区的概念请自行 google 或查询官方文档，我这里只是抛砖引玉了。

我首先根据月份把上网记录表 RANGE 分区了 12 份，查询效率提高 6 倍左右，效果不明显，故：换 id 为 HASH 分区，分了 64 个分区，查询速度提升显著。问题解决！

结果如下：PARTITION BY HASH (id)PARTITIONS 64

select count() from readroom_website; –11901336 行记录

/ 受影响行数: 0 已找到记录: 1 警告: 0 持续时间 1 查询: 5.734 sec. /

select * from readroom_website where month(accesstime) =11 limit 10;

/ 受影响行数: 0 已找到记录: 10 警告: 0 持续时间 1 查询: 0.719 sec. */

4.分表

分表就是把一张大表，按照如上过程都优化了，还是查询卡死，那就把这个表分成多张表，把一次查询分成多次查询，然后把结果组合返回给用户。

分表分为垂直拆分和水平拆分，通常以某个字段做拆分项。比如以 id 字段拆分为 100 张表： 表名为 tableName_id%100

但：分表需要修改源程序代码，会给开发带来大量工作，极大的增加了开发成本，故：只适合在开发初期就考虑到了大量数据存在，做好了分表处理，不适合应用上线了再做修改，成本太高！！！而且选择这个方案，都不如选择我提供的第二第三个方案的成本低！故不建议采用。

5.分库

把一个数据库分成多个，建议做个读写分离就行了，真正的做分库也会带来大量的开发成本，得不偿失！不推荐使用。

方案二详细说明：升级数据库，换一个 100%兼容 mysql 的数据库

mysql 性能不行，那就换个。为保证源程序代码不修改，保证现有业务平稳迁移，故需要换一个 100%兼容 mysql 的数据库。

1. 开源选择

• tiDB https://github.com/pingcap/tidb
• Cubrid https://www.cubrid.org/
• 开源数据库会带来大量的运维成本且其工业品质和 MySQL 尚有差距，有很多坑要踩，如果你公司要求必须自建数据库，那么选择该类型产品。

1. 云数据选择

• 阿里云 POLARDB
• https://www.aliyun.com/product/polardb?spm=a2c4g.11174283.cloudEssentials.47.7a984b5cS7h4wH

官方介绍语：POLARDB 是阿里云自研的下一代关系型分布式云原生数据库，100%兼容 MySQL，存储容量最高可达 100T，性能最高提升至 MySQL 的 6 倍。POLARDB 既融合了商业数据库稳定、可靠、高性能的特征，又具有开源数据库简单、可扩展、持续迭代的优势，而成本只需商用数据库的 1/10。

我开通测试了一下，支持免费 mysql 的数据迁移，无操作成本，性能提升在 10 倍左右，价格跟 rds 相差不多，是个很好的备选解决方案！

• 阿里云 OcenanBase
• 淘宝使用的，扛得住双十一，性能卓著，但是在公测中，我无法尝试，但值得期待
• 阿里云 HybridDB for MySQL (原 PetaData)
• https://www.aliyun.com/product/petadata?spm=a2c4g.11174283.cloudEssentials.54.7a984b5cS7h4wH

官方介绍：云数据库 HybridDB for MySQL （原名 PetaData）是同时支持海量数据在线事务（OLTP）和在线分析（OLAP）的 HTAP（Hybrid Transaction/Analytical Processing）关系型数据库。

我也测试了一下，是一个 olap 和 oltp 兼容的解决方案，但是价格太高，每小时高达 10 块钱，用来做存储太浪费了，适合存储和分析一起用的业务。

• 腾讯云 DCDB
• https://cloud.tencent.com/product/dcdb_for_tdsql

官方介绍：DCDB 又名 TDSQL，一种兼容 MySQL 协议和语法，支持自动水平拆分的高性能分布式数据库——即业务显示为完整的逻辑表，数据却均匀的拆分到多个分片中；每个分片默认采用主备架构，提供灾备、恢复、监控、不停机扩容等全套解决方案，适用于 TB 或 PB 级的海量数据场景。

腾讯的我不喜欢用，不多说。原因是出了问题找不到人，线上问题无法解决头疼！但是他价格便宜，适合超小公司，玩玩。

方案三详细说明：去掉 mysql，换大数据引擎处理数据

数据量过亿了，没得选了，只能上大数据了。

1. 开源解决方案
2. hadoop 家族。hbase/hive 怼上就是了。但是有很高的运维成本，一般公司是玩不起的，没十万投入是不会有很好的产出的！
3. 云解决方案
4. 这个就比较多了，也是一种未来趋势，大数据由专业的公司提供专业的服务，小公司或个人购买服务，大数据就像水/电等公共设施一样，存在于社会的方方面面。
5. 国内做的最好的当属阿里云。
6. 我选择了阿里云的 MaxCompute 配合 DataWorks，使用超级舒服，按量付费，成本极低。
7. MaxCompute 可以理解为开源的 Hive，提供 sql/mapreduce/ai 算法/python 脚本/shell 脚本等方式操作数据，数据以表格的形式展现，以分布式方式存储，采用定时任务和批处理的方式处理数据。DataWorks 提供了一种工作流的方式管理你的数据处理任务和调度监控。
8. 当然你也可以选择阿里云 hbase 等其他产品，我这里主要是离线处理，故选择 MaxCompute，基本都是图形界面操作，大概写了 300 行 sql，费用不超过 100 块钱就解决了数据处理问题。

作者：王帅 http://database.51cto.com/art/201902/592522.htm

声明一下：下面的优化方案都是基于 “ Mysql-索引-BTree 类型 ” 的

一、EXPLAIN

做 MySQL 优化，我们要善用 EXPLAIN 查看 SQL 执行计划。

下面来个简单的示例，标注 (1,2,3,4,5) 我们要重点关注的数据

1. type 列，连接类型。一个好的 sql 语句至少要达到 range 级别。杜绝出现 all 级别
2. key 列，使用到的索引名。如果没有选择索引，值是 NULL。可以采取强制索引方式
3. key_len 列，索引长度
4. rows 列，扫描行数。该值是个预估值
5. extra 列，详细说明。注意常见的不太友好的值有：Using filesort, Using temporary

二、SQL 语句中 IN 包含的值不应过多

MySQL 对于 IN 做了相应的优化，即将 IN 中的常量全部存储在一个数组里面，而且这个数组是排好序的。但是如果数值较多，产生的消耗也是比较大的。再例如：select id from table_name where num in(1,2,3) 对于连续的数值，能用 between 就不要用 in 了；再或者使用连接来替换。

三、SELECT 语句务必指明字段名称

SELECT *增加很多不必要的消耗（cpu、io、内存、网络带宽）；增加了使用覆盖索引的可能性；当表结构发生改变时，前断也需要更新。所以要求直接在 select 后面接上字段名。

四、当只需要一条数据的时候，使用 limit 1

这是为了使 EXPLAIN 中 type 列达到 const 类型

五、如果排序字段没有用到索引，就尽量少排序

六、如果限制条件中其他字段没有索引，尽量少用 or

or 两边的字段中，如果有一个不是索引字段，而其他条件也不是索引字段，会造成该查询不走索引的情况。很多时候使用 union all 或者是 union(必要的时候) 的方式来代替“or”会得到更好的效果

七、尽量用 union all 代替 union

union 和 union all 的差异主要是前者需要将结果集合并后再进行唯一性过滤操作，这就会涉及到排序，增加大量的 CPU 运算，加大资源消耗及延迟。当然，union all 的前提条件是两个结果集没有重复数据。

八、不使用 ORDER BY RAND()

1

select id from `table_name` order by rand() limit 1000;

上面的 sql 语句，可优化为

1

select id from `table_name` t1 join (select rand() * (select max(id) from `table_name`) as nid) t2 ont1.id > t2.nid limit 1000;

九、区分 in 和 exists， not in 和 not exists

1

select * from 表 A where id in (select id from 表 B)

上面 sql 语句相当于

1

select * from 表 A where exists(select * from 表 B where 表 B.id=表 A.id)

区分 in 和 exists 主要是造成了驱动顺序的改变（这是性能变化的关键），如果是 exists，那么以外层表为驱动表，先被访问，如果是 IN，那么先执行子查询。所以IN 适合于外表大而内表小的情况；EXISTS 适合于外表小而内表大的情况。
关于 not in 和 not exists，推荐使用 not exists，不仅仅是效率问题，not in 可能存在逻辑问题。如何高效的写出一个替代 not exists 的 sql 语句？

原 sql 语句

1

select colname … from A 表 where a.id not in (select b.id from B 表)

高效的 sql 语句

1

select colname … from A 表 Left join B 表 on where a.id = b.id where b.id is null

取出的结果集如下图表示，A 表不在 B 表中的数据

十、使用合理的分页方式以提高分页的效率

1

select id,name from table_name limit 866613, 20

使用上述 sql 语句做分页的时候，可能有人会发现，随着表数据量的增加，直接使用 limit 分页查询会越来越慢。

优化的方法如下：可以取前一页的最大行数的 id，然后根据这个最大的 id 来限制下一页的起点。比如此列中，上一页最大的 id 是 866612。sql 可以采用如下的写法：

1

select id,name from table_name where id> 866612 limit 20

十一、分段查询

在一些用户选择页面中，可能一些用户选择的时间范围过大，造成查询缓慢。主要的原因是扫描行数过多。这个时候可以通过程序，分段进行查询，循环遍历，将结果合并处理进行展示。

如下图这个 sql 语句，扫描的行数成百万级以上的时候就可以使用分段查询

十二、避免在 where 子句中对字段进行 null 值判断

对于 null 的判断会导致引擎放弃使用索引而进行全表扫描。

十三、不建议使用%前缀模糊查询

例如 LIKE “%name”或者 LIKE “%name%”，这种查询会导致索引失效而进行全表扫描。但是可以使用 LIKE “name%”。

那如何查询%name%？

如下图所示，虽然给 secret 字段添加了索引，但在 explain 结果果并没有使用

那么如何解决这个问题呢，答案：使用全文索引

在我们查询中经常会用到 select id,fnum,fdst from table_name where user_name like ‘%zhangsan%’; 。这样的语句，普通索引是无法满足查询需求的。庆幸的是在 MySQL 中，有全文索引来帮助我们。

创建全文索引的 sql 语法是：

1

ALTER TABLE `table_name` ADD FULLTEXT INDEX `idx_user_name` (`user_name`);

使用全文索引的 sql 语句是：

1

select id,fnum,fdst from table_name where match(user_name) against('zhangsan' in boolean mode);

注意：在需要创建全文索引之前，请联系 DBA 确定能否创建。同时需要注意的是查询语句的写法与普通索引的区别

十四、避免在 where 子句中对字段进行表达式操作

比如

1

select user_id,user_project from table_name where age*2=36;

中对字段就行了算术运算，这会造成引擎放弃使用索引，建议改成

1

select user_id,user_project from table_name where age=36/2;

十五、避免隐式类型转换

where 子句中出现 column 字段的类型和传入的参数类型不一致的时候发生的类型转换，建议先确定 where 中的参数类型

十六、对于联合索引来说，要遵守最左前缀法则

举列来说索引含有字段 id,name,school，可以直接用 id 字段，也可以 id,name 这样的顺序，但是 name;school 都无法使用这个索引。所以在创建联合索引的时候一定要注意索引字段顺序，常用的查询字段放在最前面

十七、必要时可以使用 force index 来强制查询走某个索引

1

有的时候 MySQL 优化器采取它认为合适的索引来检索 sql 语句，但是可能它所采用的索引并不是我们想要的。这时就可以采用 force index 来强制优化器使用我们制定的索引。

十八、注意范围查询语句

对于联合索引来说，如果存在范围查询，比如 between,>,<等条件时，会造成后面的索引字段失效。

十九、关于 JOIN 优化

• LEFT JOIN A 表为驱动表
• INNER JOIN MySQL 会自动找出那个数据少的表作用驱动表
• RIGHT JOIN B 表为驱动表

注意：MySQL 中没有 full join，可以用以下方式来解决

1
2
3
4

select * from A left join B on B.name = A.name 
where B.name is null
 union all
select * from B;

尽量使用 inner join，避免 left join

参与联合查询的表至少为 2 张表，一般都存在大小之分。如果连接方式是 inner join，在没有其他过滤条件的情况下 MySQL 会自动选择小表作为驱动表，但是 left join 在驱动表的选择上遵循的是左边驱动右边的原则，即 left join 左边的表名为驱动表。

合理利用索引

被驱动表的索引字段作为 on 的限制字段。

利用小表去驱动大表

从原理图能够直观的看出如果能够减少驱动表的话，减少嵌套循环中的循环次数，以减少 IO 总量及 CPU 运算的次数。

巧用 STRAIGHT_JOIN

inner join 是由 mysql 选择驱动表，但是有些特殊情况需要选择另个表作为驱动表，比如有 group by、order by 等「Using filesort」、「Using temporary」时。STRAIGHT_JOIN 来强制连接顺序，在 STRAIGHT_JOIN 左边的表名就是驱动表，右边则是被驱动表。在使用 STRAIGHT_JOIN 有个前提条件是该查询是内连接，也就是 inner join。其他链接不推荐使用 STRAIGHT_JOIN，否则可能造成查询结果不准确。

这个方式有时可能减少 3 倍的时间。