MySQL 性能
①最大数据量
抛开数据量和并发数，谈性能都是耍流氓。
MySQL 没有限制单表最大记录数，它取决于操作系统对文件大小的限制。
《阿里巴巴 Java 开发手册》提出单表行数超过 500 万行或者单表容量超过 2GB，才推荐分库分表。
性能由综合因素决定，抛开业务复杂度，影响程度依次是硬件配置、MySQL 配置、数据表设计、索引优化。
500 万这个值仅供参考，并非铁律。
一个4 亿行数据的单表，分页查询最新的 20 条记录耗时 0.6 秒，SQL 语句大致是：
select field_1,field_2 from table where id < #{prePageMinId} order by id desc limit 20
prePageMinId 是上一页数据记录的最小 ID。
虽然当时查询速度还凑合，随着数据不断增长，有朝一日必定不堪重负。
分库分表是个周期长而风险高的大活儿，应该尽可能在当前结构上优化，比如升级硬件、迁移历史数据等等，实在没辙了再分。
②最大并发数
并发数是指同一时刻数据库能处理多少个请求，由 max_connections 和 max_user_connections 决定。
max_connections 是指 MySQL 实例的最大连接数，上限值是 16384;
max_user_connections 是指每个数据库用户的最大连接数。
MySQL 会为每个连接提供缓冲区，意味着消耗更多的内存。如果连接数设置太高硬件吃不消，太低又不能充分利用硬件。
一般要求两者比值超过 10%，计算方法如下：
max_used_connections / max_connections * 100% = 3/100 *100% ≈ 3%
查看最大连接数与响应最大连接数：
show variables like '%max_connections%';show variables like '%max_user_connections%';
在配置文件 my.cnf 中修改最大连接数：
[mysqld]max_connections = 100max_used_connections = 20
③查询耗时 0.5 秒
建议将单次查询耗时控制在 0.5 秒以内，0.5 秒是个经验值，源于用户体验的 3 秒原则。
如果用户的操作 3 秒内没有响应，将会厌烦甚至退出。
响应时间=客户端 UI 渲染耗时+网络请求耗时+应用程序处理耗时+查询数据库耗时，
0.5 秒就是留给数据库 1/6 的处理时间。
④实施原则
相比 NoSQL 数据库，MySQL 是个娇气脆弱的家伙。它就像体育课上的某些同学，一点纠纷就和同学闹别扭（扩容难），跑两步就气喘吁吁（容量小并发低），常常身体不适要请假（SQL 约束太多）。
如今大家都会搞点分布式，应用程序扩容比数据库要容易得多，所以实施原则是数据库少干活，应用程序多干活：
-
充分利用但不滥用索引，须知索引也消耗磁盘和 CPU。
-
不推荐使用数据库函数格式化数据，交给应用程序处理。
-
不推荐使用外键约束，用应用程序保证数据准确性。
-
写多读少的场景，不推荐使用唯一索引，用应用程序保证唯一性。
-
适当冗余字段，尝试创建中间表，用应用程序计算中间结果，用空间换时间。
-
不允许执行极度耗时的事务，配合应用程序拆分成更小的事务。
-
预估重要数据表（比如订单表）的负载和数据增长态势，提前优化。
数据表设计
①数据类型
数据类型的选择原则，更简单或者占用空间更小：
-
如果长度能够满足，整型尽量使用 tinyint、smallint、medium_int 而非 int。
-
如果字符串长度确定，采用 char 类型。
-
如果 varchar 能够满足，不采用 text 类型。
-
精度要求较高的使用 decimal 类型，也可以使用 BIGINT，比如精确两位小数就乘以 100 后保存。
-
尽量采用 timestamp 而非 datetime。
相比 datetime，timestamp 占用更少的空间，以 UTC 的格式储存自动转换时区。
②避免空值
MySQL 中字段为 NULL 时依然占用空间，会使索引、索引统计更加复杂。从 NULL 值更新到非 NULL 无法做到原地更新，容易发生索引分裂影响性能。因此尽可能将 NULL 值用有意义的值代替，也能避免 SQL 语句里面包含 is not null 的判断。
③Text 类型优化
由于 Text 字段储存大量数据，表容量会很早涨上去，影响其他字段的查询性能。建议抽取出来放在子表里，用业务主键关联。
索引优化
索引分类如下：
-
普通索引：最基本的索引。
-
组合索引：多个字段上建立的索引，能够加速复合查询条件的检索。
-
唯一索引：与普通索引类似，但索引列的值必须唯一，允许有空值。
-
组合唯一索引：列值的组合必须唯一。
-
主键索引：特殊的唯一索引，用于唯一标识数据表中的某一条记录，不允许有空值，一般用 primary key 约束。
-
全文索引：用于海量文本的查询，MySQL 5.6 之后的 InnoDB 和 MyISAM 均支持全文索引。由于查询精度以及扩展性不佳，更多的企业选择 Elasticsearch。
索引优化原则：
-
分页查询很重要，如果查询数据量超过 30%，MySQL 不会使用索引。
-
单表索引数不超过 5 个、单个索引字段数不超过 5 个。
-
字符串可使用前缀索引，前缀长度控制在 5-8 个字符。
-
字段唯一性太低，增加索引没有意义，如：是否删除、性别。
-
合理使用覆盖索引，如下所示：
select login_name, nick_name from member where login_name = ?
login_name, nick_name 两个字段建立组合索引，比 login_name 简单索引要更快。
SQL 优化
①分批处理
一个鱼塘挖开小口子放水，水面有各种漂浮物。
浮萍和树叶总能顺利通过出水口，而树枝会挡住其他物体通过，有时还会卡住，需要人工清理。
MySQL 就是鱼塘，最大并发数和网络带宽就是出水口，用户 SQL 就是漂浮物。
不带分页参数的查询或者影响大量数据的 update 和 delete 操作，都是树枝，我们要把它打散分批处理，下面举例说明。
业务描述：更新用户所有已过期的优惠券为不可用状态。SQL 语句：
update status=0 FROM `coupon` WHERE expire_date <= #{currentDate} and status=1;
如果大量优惠券需要更新为不可用状态，执行这条 SQL 可能会堵死其他 SQL，分批处理伪代码如下：
int pageNo = 1;
int PAGE_SIZE = 100;
while(true) {
List<Integer> batchIdList = queryList('select id FROM `coupon` WHERE expire_date <= #{currentDate} and status = 1 limit #{(pageNo-1) * PAGE_SIZE},#{PAGE_SIZE}');
if (CollectionUtils.isEmpty(batchIdList)) {
return;
}
update('update status = 0 FROM `coupon` where status = 1 and id in #{batchIdList}')
pageNo ++;
}
②操作符 <> 优化
通常 <> 操作符无法使用索引，举例如下，查询金额不为 100 元的订单：
select id from orders where amount != 100;
如果金额为 100 的订单极少，这种数据分布严重不均的情况下，有可能使用索引。
鉴于这种不确定性，采用 union 聚合搜索结果，改写方法如下：
(select id from orders where amount > 100
) union all
(select id from orders where amount < 100 and amount > 0)
③OR 优化
在 Innodb 引擎下 OR 无法使用组合索引，比如：
select id，product_name from orders where mobile_no = '13421800407' or user_id = 100;
OR 无法命中 mobile_no + user_id 的组合索引，可采用 union，如下所示：
(select id，product_name from orders where mobile_no = '13421800407')
union
(select id，product_name from orders where user_id = 100);
此时 id 和 product_name 字段都有索引，查询才最高效。
④IN 优化
IN 适合主表大子表小，EXIST 适合主表小子表大。由于查询优化器的不断升级，很多场景这两者性能差不多一样了。
尝试改为 Join 查询，举例如下：
select id from orders where user_id in (select id from user where level = 'VIP');
采用 Join 如下所示：
select o.id from orders o left join user u on o.user_id = u.id where u.level = 'VIP';
⑤不做列运算
通常在查询条件列运算会导致索引失效，如下所示，查询当日订单：
select id from order where date_format(create_time，'%Y-%m-%d') = '2019-07-01';
date_format 函数会导致这个查询无法使用索引，改写后：
select id from order where create_time between '2019-07-01 00:00:00' and '2019-07-01 23:59:59';
⑥避免Select All
如果不查询表中所有的列，避免使用 SELECT *，它会进行全表扫描，不能有效利用索引。
⑦Like 优化
Like 用于模糊查询，举个例子（field 已建立索引）：
SELECT column FROM table WHERE field like '%keyword%';
这个查询未命中索引，换成下面的写法：
SELECT column FROM table WHERE field like 'keyword%';
去除了前面的 % 查询将会命中索引，但是产品经理一定要前后模糊匹配呢？全文索引 fulltext 可以尝试一下，但 Elasticsearch 才是终极武器。
⑧Join 优化
Join 的实现是采用 Nested Loop Join 算法，就是通过驱动表的结果集作为基础数据，通过该结数据作为过滤条件到下一个表中循环查询数据，然后合并结果。如果有多个 Join，则将前面的结果集作为循环数据，再次到后一个表中查询数据。驱动表和被驱动表尽可能增加查询条件，满足 ON 的条件而少用 Where，用小结果集驱动大结果集。被驱动表的 Join 字段上加上索引，无法建立索引的时候，设置足够的 Join Buffer Size。禁止 Join 连接三个以上的表，尝试增加冗余字段。
⑨Limit 优化
Limit 用于分页查询时越往后翻性能越差，解决的原则：缩小扫描范围，如下所示：
select * from orders order by id desc limit 100000,10//耗时0.4秒
select * from orders order by id desc limit 1000000//10耗时5.2秒
先筛选出 ID 缩小查询范围，写法如下：
select * from orders where id >
(select id from orders order by id desc limit 1000000, 1)
order by id desc limit 0
//10耗时0.5秒
如果查询条件仅有主键 ID，写法如下：
select id from orders where id between 1000000 and 1000010 order by id desc
//耗时0.3秒
如果以上方案依然很慢呢？只好用游标了，感兴趣的朋友阅读 JDBC 使用游标实现分页查询的方法。
其他数据库
作为一名后端开发人员，务必精通作为存储核心的 MySQL 或 SQL Server，也要积极关注 NoSQL 数据库，他们已经足够成熟并被广泛采用，能解决特定场景下的性能瓶颈。
网友评论