MySQL 数据库优化

作者: 丶Assassin丨 | 来源:发表于2019-04-09 12:12 被阅读0次

MySQL数据库与SQL优化
MySQL-性能优化-优化设计和设计原则
MySQL5：性能优化
SQL审核优化建议
数据库存储原理特性索引优化
MySQL优化
mysql性能与优化
MySQL书目
zabbix4.0 之mysql优化(Zabbix分区表)
性能优化系列文章目录

一、优化一览图

二、优化

我将分为两大类，软优化一般是操作数据库即可，而硬优化则是操作服务器硬件及参数设置

1.软优化：

(1) 查询语句优化

首先我们可以用EXPLAIN或DESCRIBE(简写:DESC)命令分析一条查询语句的执行信息.

例:

其中会显示索引和查询数据读取数据条数等信息

(2) 优化子查询

在MySQL中,尽量使用JOIN来代替子查询.因为子查询需要嵌套查询,嵌套查询时会建立一张临时表,临时表的建立和删除都会有较大的系统开销,而连接查询不会创建临时表,因此效率比嵌套子查询高.

(3) 使用索引

索引是提高数据库查询速度最重要的方法之一,关于索引可以参高笔者<MySQL数据库索引>一文,介绍比较详细,此处记录使用索引的三大注意事项:

A. LIKE关键字匹配'%'开头的字符串,不会使用索引.

B. OR关键字的两个字段必须都是用了索引,该查询才会使用索引.

C. 使用多列索引必须满足最左匹配.

(4) 分解表

对于字段较多的表,如果某些字段使用频率较低,此时应当,将其分离出来从而形成新的表.

(5) 中间表

对于将大量连接查询的表可以创建中间表,从而减少在查询时造成的连接耗时.

(6) 增加冗余字段

类似于创建中间表,增加冗余也是为了减少连接查询.

(7) 分析表,检查表,优化表

分析表主要是分析表中关键字的分布,检查表主要是检查表中是否存在错误,优化表主要是消除删除或更新造成的表空间浪费.

A. 分析表：使用ANALYZE TABLE 表名

Op：表示执行的操作

Msg_type：信息类型，有status,info,note,warning,error

Msg_text：显示信息

B. 检查表: 使用 CHECK关键字,如CHECK TABLE oa_admin_user [option]

option 只对MyISAM有效,共五个参数值：

① QUICK:不扫描行,不检查错误的连接.

② FAST:只检查没有正确关闭的表.

③ CHANGED:只检查上次检查后被更改的表和没被正确关闭的表.

④ MEDIUM:扫描行,以验证被删除的连接是有效的,也可以计算各行关键字校验和.

⑤ EXTENDED:最全面的的检查,对每行关键字全面查找.

C. 优化表:使用OPTIMIZE关键字,如OPTIMIZE [LOCAL|NO_WRITE_TO_BINLOG] TABLE oa_admin_user：

LOCAL|NO_WRITE_TO_BINLOG都是表示不写入日志.,优化表只对VARCHAR,BLOB和TEXT有效,通过OPTIMIZE TABLE语句可以消除文件碎片,在执行过程中会加上只读锁.

2. 硬件化

(1) 硬件三件套

A. 配置多核心和频率高的cpu,多核心可以执行多个线程.

B. 配置大内存,提高内存,即可提高缓存区容量,因此能减少磁盘I/O时间,从而提高响应速度.

C. 配置高速磁盘或合理分布磁盘:高速磁盘提高I/O,分布磁盘能提高并行操作的能力.

(2) 优化数据库参数

优化数据库参数可以提高资源利用率,从而提高MySQL服务器性能.MySQL服务的配置参数都在my.cnf或my.ini,下面列出性能影响较大的几个参数.

key_buffer_size：索引缓冲区大小

table_cache：能同时打开表的个数

query_cache_size和query_cache_type：前者是查询缓冲区大小,后者是前面参数的开关，0表示不使用缓冲区，1表示使用缓冲区,但可以在查询中使用SQL_NO_CACHE表示不要使用缓冲区，2表示在查询中明确指出使用缓冲区才用缓冲区，即SQL_CACHE

sort_buffer_size：排序缓冲区

参考：https://www.mysql.com/cn/why-mysql/performance/index.html

(3) 分库分表

因为数据库压力过大，首先一个问题就是高峰期系统性能可能会降低，因为数据库负载过高对性能会有影响。另外一个，压力过大把你的数据库给搞挂了怎么办？所以此时你必须得对系统做分库分表 + 读写分离，也就是把一个库拆分为多个库，部署在多个数据库服务上，这时作为主库承载写入请求。然后每个主库都挂载至少一个从库，由从库来承载读请求。

4. 缓存集群

如果用户量越来越大，此时你可以不停的加机器，比如说系统层面不停加机器，就可以承载更高的并发请求。然后数据库层面如果写入并发越来越高，就扩容加数据库服务器，通过分库分表是可以支持扩容机器的，如果数据库层面的读并发越来越高，就扩容加更多的从库。但是这里有一个很大的问题：数据库其实本身不是用来承载高并发请求的，所以通常来说，数据库单机每秒承载的并发就在几千的数量级，而且数据库使用的机器都是比较高配置，比较昂贵的机器，成本很高。如果你就是简单的不停的加机器，其实是不对的。所以在高并发架构里通常都有缓存这个环节，缓存系统的设计就是为了承载高并发而生。所以单机承载的并发量都在每秒几万，甚至每秒数十万，对高并发的承载能力比数据库系统要高出一到两个数量级。所以你完全可以根据系统的业务特性，对那种写少读多的请求，引入缓存集群。具体来说，就是在写数据库的时候同时写一份数据到缓存集群里，然后用缓存集群来承载大部分的读请求。这样的话，通过缓存集群，就可以用更少的机器资源承载更高的并发。