MySQL數據量太大，日常卡死！想跑路了

問題概述

使用阿里雲rds for MySQL資料庫（就是MySQL5.6版本），有個用戶上網記錄表6個月的數據量近2000萬，保留最近一年的數據量達到4000萬，查詢速度極慢，日常卡死。嚴重影響業務。

問題前提：老系統，當時設計系統的人大概是大學沒畢業，表設計和sql語句寫的不僅僅是垃圾，簡直無法直視。原開發人員都已離職，到我來維護，這就是傳說中的維護不了就跑路，然後我就是掉坑的那個！！！

我嘗試解決該問題，so，有個這個日誌。

方案概述

方案一：優化現有mysql資料庫。

優點：不影響現有業務，源程序不需要修改代碼，成本最低。

缺點：有優化瓶頸，數據量過億就玩完了。

方案二：升級資料庫類型，換一種100%兼容mysql的資料庫。

優點：不影響現有業務，源程序不需要修改代碼，你幾乎不需要做任何操作就能提升資料庫性能。

缺點：多花錢

方案三：一步到位，大數據解決方案，更換newsql/nosql資料庫。

優點：擴展性強，成本低，沒有數據容量瓶頸

缺點：需要修改源程序代碼

以上三種方案，按順序使用即可，數據量在億級別以下的沒必要換nosql，開發成本太高。三種方案我都試了一遍，而且都形成了落地解決方案。該過程心中慰問跑路的那幾個開發者一萬遍 :)

方案一詳細說明：優化現有mysql資料庫

跟阿里雲資料庫大佬電話溝通 and Google解決方案 and 問群裡大佬，總結如下（都是精華）：

1.資料庫設計和表創建時就要考慮性能

2.sql的編寫需要注意優化

3.分區

4.分表

5.分庫

1.資料庫設計和表創建時就要考慮性能

mysql資料庫本身高度靈活，造成性能不足，嚴重依賴開發人員能力。也就是說開發人員能力高，則mysql性能高。這也是很多關係型資料庫的通病，所以公司的dba通常工資巨高。

設計表時要注意：

1.表欄位避免null值出現，null值很難查詢優化且佔用額外的索引空間，推薦默認數字0代替null。

2.儘量使用INT而非BIGINT，如果非負則加上UNSIGNED（這樣數值容量會擴大一倍），當然能使用TINYINT、SMALLINT、MEDIUM_INT更好。

3.使用枚舉或整數代替字符串類型

4.儘量使用TIMESTAMP而非DATETIME

5.單表不要有太多欄位，建議在20以內

6.用整型來存IP

索引

1.索引並不是越多越好，要根據查詢有針對性的創建，考慮在WHERE和ORDER BY命令上涉及的列建立索引，可根據EXPLAIN來查看是否用了索引還是全表掃描

2.應儘量避免在WHERE子句中對欄位進行NULL值判斷，否則將導致引擎放棄使用索引而進行全表掃描

3.值分布很稀少的欄位不適合建索引，例如"性別"這種只有兩三個值的欄位

4.字符欄位只建前綴索引

5.字符欄位最好不要做主鍵

6.不用外鍵，由程序保證約束

7.儘量不用UNIQUE，由程序保證約束

8.使用多列索引時注意順序和查詢條件保持一致，同時刪除不必要的單列索引

簡言之就是使用合適的數據類型，選擇合適的索引

選擇合適的數據類型

（1）使用可存下數據的最小的數據類型，整型 < date,time < char,varchar < blob

（2）使用簡單的數據類型，整型比字符處理開銷更小，因為字符串的比較更複雜。如，int類型存儲時間類型，bigint類型轉ip函數

（3）使用合理的欄位屬性長度，固定長度的表會更快。使用enum、char而不是varchar

（4）儘可能使用not null定義欄位

（5）儘量少用text，非用不可最好分表# 選擇合適的索引列

（1）查詢頻繁的列，在where，group by，order by，on從句中出現的列

（2）where條件中<，<=，=，>，>=，between，in，以及like 字符串+通配符（%）出現的列 （3）長度小的列，索引欄位越小越好，因為資料庫的存儲單位是頁，一頁中能存下的數據越多越好

（4）離散度大（不同的值多）的列，放在聯合索引前面。查看離散度，通過統計不同的列值來實現，count越大，離散程度越高：

原開發人員已經跑路，該表早已建立，我無法修改，故：該措辭無法執行，放棄！

2.sql的編寫需要注意優化

1.使用limit對查詢結果的記錄進行限定

2.避免select *，將需要查找的欄位列出來

3.使用連接（join）來代替子查詢

4.拆分大的delete或insert語句

5.可通過開啟慢查詢日誌來找出較慢的SQL

6.不做列運算：SELECT id WHERE age + 1 = 10，任何對列的操作都將導致表掃描，它包括資料庫教程函數、計算表達式等等，查詢時要儘可能將操作移至等號右邊

7.sql語句儘可能簡單：一條sql只能在一個cpu運算；大語句拆小語句，減少鎖時間；一條大sql可以堵死整個庫

8.OR改寫成IN：OR的效率是n級別，IN的效率是log(n)級別，in的個數建議控制在200以內

9.不用函數和觸發器，在應用程式實現

10.避免%xxx式查詢

11.少用JOIN

12.使用同類型進行比較，比如用'123'和'123'比，123和123比

13.儘量避免在WHERE子句中使用!=或<>操作符，否則將引擎放棄使用索引而進行全表掃描

14.對於連續數值，使用BETWEEN不用IN：SELECT id FROM t WHERE num BETWEEN 1 AND 5

15.列表數據不要拿全表，要使用LIMIT來分頁，每頁數量也不要太大 「原開發人員已經跑路，程序已經完成上線，我無法修改sql，故：該措辭無法執行，放棄！

引擎

引擎 目前廣泛使用的是MyISAM和InnoDB兩種引擎： MyISAM MyISAM引擎是MySQL 5.1及之前版本的默認引擎，它的特點是：

1.不支持行鎖，讀取時對需要讀到的所有表加鎖，寫入時則對表加排它鎖 2.不支持事務 3.不支持外鍵 4.不支持崩潰後的安全恢復 5.在表有讀取查詢的同時，支持往表中插入新紀錄 6.支持BLOB和TEXT的前500個字符索引，支持全文索引 7.支持延遲更新索引，極大提升寫入性能 8.對於不會進行修改的表，支持壓縮表，極大減少磁碟空間佔用

InnoDB

InnoDB在MySQL 5.5後成為默認索引，它的特點是：

1.支持行鎖，採用MVCC來支持高並發

2.支持事務

3.支持外鍵

4.支持崩潰後的安全恢復

5.不支持全文索引

總體來講，MyISAM適合SELECT密集型的表，而InnoDB適合INSERT和UPDATE密集型的表 「MyISAM速度可能超快，佔用存儲空間也小，但是程序要求事務支持，故InnoDB是必須的，故該方案無法執行，放棄！

3.分區

MySQL在5.1版引入的分區是一種簡單的水平拆分，用戶需要在建表的時候加上分區參數，對應用是透明的無需修改代碼

對用戶來說，分區表是一個獨立的邏輯表，但是底層由多個物理子表組成，實現分區的代碼實際上是通過對一組底層表的對象封裝，但對SQL層來說是一個完全封裝底層的黑盒子。MySQL實現分區的方式也意味著索引也是按照分區的子表定義，沒有全局索引

用戶的SQL語句是需要針對分區表做優化，SQL條件中要帶上分區條件的列，從而使查詢定位到少量的分區上，否則就會掃描全部分區，可以通過EXPLAIN PARTITIONS來查看某條SQL語句會落在哪些分區上，從而進行SQL優化，我測試，查詢時不帶分區條件的列，也會提高速度，故該措施值得一試。

分區的好處是：

1.可以讓單表存儲更多的數據

2.分區表的數據更容易維護，可以通過清除整個分區批量刪除大量數據，也可以增加新的分區來支持新插入的數據。另外，還可以對一個獨立分區進行優化、檢查、修復等操作

3.部分查詢能夠從查詢條件確定只落在少數分區上，速度會很快

4.分區表的數據還可以分布在不同的物理設備上，從而高效利用多個硬體設備

5.可以使用分區表來避免某些特殊瓶頸，例如InnoDB單個索引的互斥訪問、ext3文件系統的inode鎖競爭

6.可以備份和恢復單個分區

分區的限制和缺點：

1.一個表最多只能有1024個分區

2.如果分區欄位中有主鍵或者唯一索引的列，那麼所有主鍵列和唯一索引列都必須包含進來

3.分區表無法使用外鍵約束

4.NULL值會使分區過濾無效

5.所有分區必須使用相同的存儲引擎

分區的類型：

1.RANGE分區：基於屬於一個給定連續區間的列值，把多行分配給分區

2.LIST分區：類似於按RANGE分區，區別在於LIST分區是基於列值匹配一個離散值集合中的某個值來進行選擇

3.HASH分區：基於用戶定義的表達式的返回值來進行選擇的分區，該表達式使用將要插入到表中的這些行的列值進行計算。這個函數可以包含MySQL中有效的、產生非負整數值的任何表達式

4.KEY分區：類似於按HASH分區，區別在於KEY分區只支持計算一列或多列，且MySQL伺服器提供其自身的哈希函數。必須有一列或多列包含整數值

5.具體關於mysql分區的概念請自行google或查詢官方文檔，我這裡只是拋磚引玉了。 「我首先根據月份把上網記錄表RANGE分區了12份，查詢效率提高6倍左右，效果不明顯，故：換id為HASH分區，分了64個分區，查詢速度提升顯著。問題解決！

結果如下：PARTITION BY HASH (id)PARTITIONS 64select count() from readroom_website; --11901336行記錄/ 受影響行數: 0 已找到記錄: 1 警告: 0 持續時間 1 查詢: 5.734 sec. /select * from readroom_website where month(accesstime) =11 limit 10;/ 受影響行數: 0 已找到記錄: 10 警告: 0 持續時間 1 查詢: 0.719 sec. */

4.分表

分表就是把一張大表，按照如上過程都優化了，還是查詢卡死，那就把這個表分成多張表，把一次查詢分成多次查詢，然後把結果組合返回給用戶。

分表分為垂直拆分和水平拆分，通常以某個欄位做拆分項。比如以id欄位拆分為100張表：表名為 tableName_id%100

但：分表需要修改源程序代碼，會給開發帶來大量工作，極大的增加了開發成本，故：只適合在開發初期就考慮到了大量數據存在，做好了分表處理，不適合應用上線了再做修改，成本太高！！！而且選擇這個方案，都不如選擇我提供的第二第三個方案的成本低！故不建議採用。

5.分庫

把一個資料庫分成多個，建議做個讀寫分離就行了，真正的做分庫也會帶來大量的開發成本，得不償失！不推薦使用。

方案二詳細說明：升級資料庫，換一個100%兼容mysql的資料庫

mysql性能不行，那就換個。為保證源程序代碼不修改，保證現有業務平穩遷移，故需要換一個100%兼容mysql的資料庫。

開源選擇

1.tiDB https://github.com/pingcap/tidb

2.Cubrid https://www.cubrid.org/

3.開源資料庫會帶來大量的運維成本且其工業品質和MySQL尚有差距，有很多坑要踩，如果你公司要求必須自建資料庫，那麼選擇該類型產品。

雲數據選擇

1.阿里雲POLARDB

2.https://www.aliyun.com/product/polardb?spm=a2c4g.11174283.cloudEssentials.47.7a984b5cS7h4wH 「官方介紹語：POLARDB 是阿里雲自研的下一代關係型分布式雲原生資料庫，100%兼容MySQL，存儲容量最高可達 100T，性能最高提升至 MySQL 的 6 倍。POLARDB 既融合了商業資料庫穩定、可靠、高性能的特徵，又具有開源資料庫簡單、可擴展、持續迭代的優勢，而成本只需商用資料庫的 1/10。 我開通測試了一下，支持免費mysql的數據遷移，無操作成本，性能提升在10倍左右，價格跟rds相差不多，是個很好的備選解決方案！

1.阿里雲OcenanBase

2.淘寶使用的，扛得住雙十一，性能卓著，但是在公測中，我無法嘗試，但值得期待

3.阿里雲HybridDB for MySQL (原PetaData)

4.https://www.aliyun.com/product/petadata?spm=a2c4g.11174283.cloudEssentials.54.7a984b5cS7h4wH 「官方介紹：雲資料庫HybridDB for MySQL （原名PetaData）是同時支持海量數據在線事務（OLTP）和在線分析（OLAP）的HTAP（Hybrid Transaction/Analytical Processing）關係型資料庫。

我也測試了一下，是一個olap和oltp兼容的解決方案，但是價格太高，每小時高達10塊錢，用來做存儲太浪費了，適合存儲和分析一起用的業務。

1.騰訊雲DCDB

2.https://cloud.tencent.com/product/dcdb_for_tdsql 「官方介紹：DCDB又名TDSQL，一種兼容MySQL協議和語法，支持自動水平拆分的高性能分布式資料庫——即業務顯示為完整的邏輯表，數據卻均勻的拆分到多個分片中；每個分片默認採用主備架構，提供災備、恢復、監控、不停機擴容等全套解決方案，適用於TB或PB級的海量數據場景。 騰訊的我不喜歡用，不多說。原因是出了問題找不到人，線上問題無法解決頭疼！但是他價格便宜，適合超小公司，玩玩。

方案三詳細說明：去掉mysql，換大數據引擎處理數據

數據量過億了，沒得選了，只能上大數據了。

開源解決方案

hadoop家族。hbase/hive懟上就是了。但是有很高的運維成本，一般公司是玩不起的，沒十萬投入是不會有很好的產出的！

雲解決方案

這個就比較多了，也是一種未來趨勢，大數據由專業的公司提供專業的服務，小公司或個人購買服務，大數據就像水/電等公共設施一樣，存在於社會的方方面面。

國內做的最好的當屬阿里雲。

我選擇了阿里雲的MaxCompute配合DataWorks，使用超級舒服，按量付費，成本極低。

MaxCompute可以理解為開源的Hive，提供sql/mapreduce/ai算法/python腳本/shell腳本等方式操作數據，數據以表格的形式展現，以分布式方式存儲，採用定時任務和批處理的方式處理數據。DataWorks提供了一種工作流的方式管理你的數據處理任務和調度監控。

當然你也可以選擇阿里雲hbase等其他產品，我這裡主要是離線處理，故選擇MaxCompute，基本都是圖形界面操作，大概寫了300行sql，費用不超過100塊錢就解決了數據處理問題。