mysql 超大數(shù)據(jù)/表管理技巧
如果你對長篇大論沒有興趣，也可以直接看看結果，或許你對結果感興趣。在實際應用中經過存儲、優(yōu)化可以做到在超過9千萬數(shù)據(jù)中的查詢響應速度控制在1到20毫秒。看上去是個不錯的成績，不過優(yōu)化這條路沒有終點，當我們的系統(tǒng)有超過幾百人、上千人同時使用時，仍然會顯的力不從心。
目錄：
分區(qū)存儲
優(yōu)化查詢
改進分區(qū)
模糊搜索
持續(xù)改進的方案
正文：
分區(qū)存儲
對于超大的數(shù)據(jù)來說，分區(qū)存儲是一個不錯的選擇，或者說這是一個必選項。對于本例來說，數(shù)據(jù)記錄來源不同，首先可以根據(jù)來源來劃分這些數(shù)據(jù)。但是僅僅這樣還不夠，因為每個來源的分區(qū)的數(shù)據(jù)都可能超過千萬。這對數(shù)據(jù)的存儲和查詢還是太大了。MySQL5.x以后已經比較好的支持了數(shù)據(jù)分區(qū)以及子分區(qū)。因此數(shù)據(jù)就采用分區(qū)+子分區(qū)來存儲。
下面是基本的數(shù)據(jù)結構定義：
CREATE TABLE `tmp_sampledata` (
`id` bigint(20) unsigned NOT NULL AUTO_INCREMENT,
`username` varchar(32) DEFAULT NULL,
`passwd` varchar(32) DEFAULT NULL,
`email` varchar(64) DEFAULT NULL,
`nickname` varchar(32) DEFAULT NULL,
`siteid` varchar(32) DEFAULT NULL,
`src` smallint(6) NOT NULL DEFAULT '0′,
PRIMARY KEY (`id`,`src`)
) ENGINE=MyISAM AUTO_INCREMENT=95660181 DEFAULT CHARSET=gbk
/*!50500 PARTITION BY LIST COLUMNS(src)
SUBPARTITION BY HASH (id)
SUBPARTITIONS 5
(PARTITION pose VALUES IN (1) ENGINE = MyISAM,
PARTITION p2736 VALUES IN (2) ENGINE = MyISAM,
PARTITION p736736 VALUES IN (3) ENGINE = MyISAM,
PARTITION p3838648 VALUES IN (4) ENGINE = MyISAM,
PARTITION p842692 VALUES IN (5) ENGINE = MyISAM,
PARTITION p7575 VALUES IN (6) ENGINE = MyISAM,
PARTITION p386386 VALUES IN (7) ENGINE = MyISAM,
PARTITION p62678 VALUES IN (8) ENGINE = MyISAM) */
對于擁有分區(qū)及子分區(qū)的數(shù)據(jù)表，分區(qū)條件（包括子分區(qū)條件）中使用的數(shù)據(jù)列，都應該定義在primary key 或者 unique key中。詳細的分區(qū)定義格式，可以參考MySQL的文檔。上面的結構是第一稿的存儲方式（后文還將進行修改）。采用load data infile的方式加載，用時30分鐘加載8千萬記錄。感覺還是挺快的（bulk_insert_buffer_size=8m）。
基本查詢優(yōu)化
數(shù)據(jù)裝載完畢后，我們測試了一個查詢：
mysql> explain select * from tmp_sampledata where id=9562468\G
*************************** 1. row ***************************
id: 1
select_type: SIMPLE
table: tmp_sampledata
type: ref
possible_keys: PRIMARY
key: PRIMARY
key_len: 8
ref: const
rows: 8
Extra:
1 row in set (0.00 sec)
這是毋庸置疑的，通過id進行查詢是使用了主鍵，查詢速度會很快。但是這樣的做法幾乎沒有意義。因為對于終端用戶來說，不可能知曉任何的資料的id的。假如需要按照username來進行查詢的話：
mysql> explain select * from tmp_sampledata where username = ‘yourusername'\G
*************************** 1. row ***************************
id: 1
select_type: SIMPLE
table: tmp_sampledata
type: ALL
possible_keys: NULL
key: NULL
key_len: NULL
ref: NULL
rows: 74352359
Extra: Using where
1 row in set (0.00 sec)
mysql> explain select * from tmp_sampledata where src between 1 and 7 and username = ‘yourusername'\G
*************************** 1. row ***************************
id: 1
select_type: SIMPLE
table: tmp_sampledata
type: ALL
possible_keys: NULL
key: NULL
key_len: NULL
ref: NULL
rows: 74352359
Extra: Using where
1 row in set (0.00 sec)
那這個查詢就沒法用了。根本就沒人能等待一個上億表的全表搜索！這是我們就考慮是否給username創(chuàng)建一個索引，這樣肯定會提高查詢速度：
create index idx_username on tmp_sampledata(username);
這個創(chuàng)建索引的時間很久，似乎超過了數(shù)據(jù)裝載時間，不過好歹建好了。
mysql> explain select * from tmp_sampledata2 where username = ‘yourusername'\G
*************************** 1. row ***************************
id: 1
select_type: SIMPLE
table: tmp_sampledata2
type: ref
possible_keys: idx_username
key: idx_username
key_len: 66
ref: const
rows: 80
Extra: Using where
1 row in set (0.00 sec)
和預期的一樣，這個查詢使用了索引，查詢速度在可接受范圍內。
但是這帶來了另外一個問題：創(chuàng)建索引需要而外的空間??！當我們對username和email都創(chuàng)建索引時，空間的使用大幅度的提升！這同樣不是我們期望看到的（無奈的選擇？）。
除了使用索引，并保證其在查詢中能使用到此索引外，分區(qū)的關鍵字段是一個很重要的優(yōu)化因素，比如下面的這個例子：
mysql> explain select id from tsampledata where username='abcdef'\G
*************************** 1. row ***************************
id: 1
select_type: SIMPLE
table: tsampledata
type: ref
possible_keys: idx_sampledata_username
key: idx_sampledata_username
key_len: 66
ref: const
rows: 80
Extra: Using where
1 row in set (0.00 sec)
mysql> explain select id from tsampledata where username='abcdef' and src in (2,3,4,5)\G
*************************** 1. row ***************************
id: 1
select_type: SIMPLE
table: tsampledata
type: ref
possible_keys: idx_sampledata_username
key: idx_sampledata_username
key_len: 66
ref: const
rows: 40
Extra: Using where
1 row in set (0.01 sec)
mysql> explain select id from tsampledata where username='abcdef' and src in (2)\G
*************************** 1. row ***************************
id: 1
select_type: SIMPLE
table: tsampledata
type: ref
possible_keys: idx_sampledata_username
key: idx_sampledata_username
key_len: 66
ref: const
rows: 10
Extra: Using where
1 row in set (0.00 sec)
mysql> explain select id from tsampledata where username='abcdef' and src in (2,3)\G
*************************** 1. row ***************************
id: 1
select_type: SIMPLE
table: tsampledata
type: ref
possible_keys: idx_sampledata_username
key: idx_sampledata_username
key_len: 66
ref: const
rows: 20
Extra: Using where
1 row in set (0.00 sec)
同一個查詢語句在根據(jù)是否針對分區(qū)限定做查詢時，查詢成本相差很大：
where username='abcdef' rows: 80
where username='abcdef' and src in (2,3,4,5) rows: 40
where username='abcdef' and src in (2) rows: 10
where username='abcdef' and src in (2,3) rows: 20
從分析中看出，當根據(jù)src（分區(qū)表的分區(qū)字段）進行查詢限定時，被影響的數(shù)目（rows）在發(fā)生著變化。rows:80代表著需要對8個分區(qū)進行搜索。
改進數(shù)據(jù)存儲：另一種分區(qū)格式
既然在統(tǒng)計應用中，最多用的是通過username, email進行數(shù)據(jù)查詢，那么在表存儲時，應該考慮使用username,email進行分區(qū)，而不是通過id。因此重新創(chuàng)建分區(qū)表，導入數(shù)據(jù)：
CREATE TABLE `tmp_sampledata` (
`id` bigint(20) unsigned NOT NULL,
`username` varchar(32) NOT NULL DEFAULT ”,
`passwd` varchar(32) DEFAULT NULL,
`email` varchar(64) NOT NULL DEFAULT ”,
`nickname` varchar(32) DEFAULT NULL,
`siteid` varchar(32) DEFAULT NULL,
`src` smallint(6) NOT NULL DEFAULT '0′,
primary KEY (`src`,`username`,`email`, `id`)
) ENGINE=MyISAM DEFAULT CHARSET=gbk
PARTITION BY LIST COLUMNS(src)
SUBPARTITION BY KEY (username,email)
SUBPARTITIONS 10
(PARTITION pose VALUES IN (1) ENGINE = MyISAM,
PARTITION p2736 VALUES IN (2) ENGINE = MyISAM,
PARTITION p736736 VALUES IN (3) ENGINE = MyISAM,
PARTITION p3838648 VALUES IN (4) ENGINE = MyISAM,
PARTITION p842692 VALUES IN (5) ENGINE = MyISAM,
PARTITION p7575 VALUES IN (6) ENGINE = MyISAM,
PARTITION p386386 VALUES IN (7) ENGINE = MyISAM,
PARTITION p62678 VALUES IN (8) ENGINE = MyISAM)?;
這個定義沒什么問題，按照預期，它將根據(jù)primary key來進行數(shù)據(jù)表分區(qū)。但是這有一個非常非常嚴重的性能問題：數(shù)據(jù)在load data infile的時候，同時對數(shù)據(jù)進行索引創(chuàng)建。這大大延長了數(shù)據(jù)裝載時間，同樣是不可忍受的情況。上面這個例子，如果建表時啟用了 primary key 或者 unique key, 在我的測試系統(tǒng)上，load data infile執(zhí)行了超過12小時。而下面這個：
CREATE TABLE `tmp_sampledata` (
`id` bigint(20) unsigned NOT NULL,
`username` varchar(32) NOT NULL DEFAULT ”,
`passwd` varchar(32) DEFAULT NULL,
`email` varchar(64) NOT NULL DEFAULT ”,
`nickname` varchar(32) DEFAULT NULL,
`siteid` varchar(32) DEFAULT NULL,
`src` smallint(6) NOT NULL DEFAULT '0′
) ENGINE=MyISAM DEFAULT CHARSET=gbk
PARTITION BY LIST COLUMNS(src)
SUBPARTITION BY KEY (username,email)
SUBPARTITIONS 10
(PARTITION pose VALUES IN (1) ENGINE = MyISAM,
PARTITION p2736 VALUES IN (2) ENGINE = MyISAM,
PARTITION p736736 VALUES IN (3) ENGINE = MyISAM,
PARTITION p3838648 VALUES IN (4) ENGINE = MyISAM,
PARTITION p842692 VALUES IN (5) ENGINE = MyISAM,
PARTITION p7575 VALUES IN (6) ENGINE = MyISAM,
PARTITION p386386 VALUES IN (7) ENGINE = MyISAM,
PARTITION p62678 VALUES IN (8) ENGINE = MyISAM)?;
數(shù)據(jù)裝載僅僅用了5分鐘：
mysql> load data infile ‘cvsfile.txt' into table tmp_sampledata fields terminated by ‘\t' escaped by ”;
Query OK, 74352359 rows affected, 65535 warnings (5 min 23.67 sec)
Records: 74352359 Deleted: 0 Skipped: 0 Warnings: 51267046
So，所有的問題，又回到了2.上
測試查詢中的模糊搜索
對于創(chuàng)建好索引的大數(shù)據(jù)表，一般般的針對性的查詢，應該可以滿足需要。但是有些查詢可能不能通過索引來發(fā)揮效率，比如查詢以 163.com 結尾的郵箱:
select … from … where email like ‘%163.com'
即便數(shù)據(jù)針對 email 建立有索引，上面的查詢是用不到那個索引的。如果我們使用的是 oracle，那么還可以建立一個反向索引，但是mysql不支持反向索引。所以如果發(fā)生類似的查詢，只有兩種方案可以：
通過數(shù)據(jù)冗余，把需要的字段反轉一遍另外保存，并創(chuàng)建一個索引
這樣上面的那個查詢可以通過 where email like ‘moc.361%' 來完成，但是這個成本（存儲、更新）太高昂了
通過全文檢索fulltext來實現(xiàn)。不過mysql同樣在分區(qū)表上不支持fulltext(或許等待以后的版本吧。)
自己做分詞fulltext
沒有最終方案
創(chuàng)建一個不含任何索引、鍵的分區(qū)表；
導入數(shù)據(jù)；
創(chuàng)建索引；
因為創(chuàng)建索引要花很久時間，此處做了個小小調整，提高myisam索引的排序空間為1G（默認是8m）：
mysql> set myisam_sort_buffer_size=1048576000;
Query OK, 0 rows affected (0.00 sec)
mysql> create index idx_username_src on tmp_sampledata (username,src);
Query OK, 74352359 rows affected (7 min 13.11 sec)
Records: 74352359 Duplicates: 0 Warnings: 0
mysql> create index idx_email_src on tmp_sampledata (email,src);
Query OK, 74352359 rows affected (10 min 48.30 sec)
Records: 74352359 Duplicates: 0 Warnings: 0
mysql> create index idx_src_username_email on tmp_sampledata(src,username,email);
Query OK, 74352359 rows affected (16 min 5.35 sec)
Records: 74352359 Duplicates: 0 Warnings: 0
實際應用中，此表可能不需要這么多索引的，都建立一遍，只是為了展示一下創(chuàng)建的速度而已。
實際應用中的效果
存儲的問題暫時解決到這里了，接下來經過了一系列的服務器參數(shù)調整以及查詢的優(yōu)化，我只能做到在這個超過9千萬數(shù)據(jù)中的查詢響應速度控制在1到20毫秒。聽上去是個不錯的成績。但是當我們的系統(tǒng)有超過幾百個人同時使用時，仍然顯的力不從心?；蛟S日后還有機會能更優(yōu)化這個存儲與查詢。讓我慢慢期待吧。
相關文章
本文通過圖文并茂的形式給大家介紹了MySQL8.0.11安裝總結，非常不錯，具有參考借鑒價值，需要的朋友參考下吧2018-05-05
MySQL作為一種常用的關系型數(shù)據(jù)庫管理系統(tǒng),在權限管理和用戶認證方面提供了豐富的功能和方案,本文主要介紹了MySQL用戶授權管理及白名單的實現(xiàn),感興趣的可以了解一下2023-09-09
mysql SQL語句積累,學習mysql的朋友可以參考下。2011-09-09
processlist命令的輸出結果顯示了有哪些線程在運行，可以幫助識別出有問題的查詢語句，兩種方式使用這個命令。2009-04-04
下面小編就為大家?guī)硪黄猻ql format函數(shù)()的用法及簡單實例。小編覺得挺不錯的，現(xiàn)在就分享給大家，也給大家做個參考。一起跟隨小編過來看看吧2016-05-05
解析:內聯(lián),左外聯(lián),右外聯(lián),全連接,交叉連接的區(qū)別
本篇文章是對內聯(lián),左外聯(lián),右外聯(lián),全連接,交叉連接的區(qū)別進行了詳細的分析介紹，需要的朋友參考下2013-07-07
這篇文章主要介紹了SQL左連接和右連接原理及實例解析,文中通過示例代碼介紹的非常詳細，對大家的學習或者工作具有一定的參考學習價值,需要的朋友可以參考下2020-11-11
在開發(fā)中經常遇到樹形結構的場景，本文將以部門表為例對比幾種設計的優(yōu)缺點，具有一定的參考價值，感興趣的小伙伴們可以參考一下2021-09-09
這篇文章主要介紹了MySQL數(shù)據(jù)庫之約束簡析,約束是作用于表中字段上的規(guī)則,用于限制存儲在表中的數(shù)據(jù),保證數(shù)據(jù)庫中數(shù)據(jù)的正確、有效性和完整性,需要的朋友可以參考下2023-09-09
在本篇文章中小編給大家整理了一篇關于MySQL用limit方式實現(xiàn)分頁的實例方法，有需要的朋友們可以參考學習下。2020-01-01