mysql 數據庫 優化

一個成熟的數據庫架構並不是一開始設計就具備高可用、高伸縮等特性的，它是隨着用戶量的增加，基礎架構才逐漸完善。這篇博文主要談MySQL數據庫發展週期中所面臨的問題及優化方案，暫且拋開前端應用不說，大致分爲以下五個階段：

1、數據庫表設計

項目立項後，開發部根據產品部需求開發項目，開發工程師工作其中一部分就是對錶結構設計。對於數據庫來說，這點很重要，如果設計不當，會直接影響訪問速度和用戶體驗。影響的因素很多，比如慢查詢、低效的查詢語句、沒有適當建立索引、數據庫堵塞（死鎖）等。當然，有測試工程師的團隊，會做壓力測試，找bug。對於沒有測試工程師的團隊來說，大多數開發工程師初期不會太多考慮數據庫設計是否合理，而是儘快完成功能實現和交付，等項目有一定訪問量後，隱藏的問題就會暴露，這時再去修改就不是這麼容易的事了。

2、數據庫部署

該運維工程師出場了，項目初期訪問量不會很大，所以單臺部署足以應對在1500左右的QPS（每秒查詢率）。考慮到高可用性，可採用MySQL主從複製+Keepalived做雙擊熱備，常見集羣軟件有Keepalived、Heartbeat。

 

3、數據庫性能優化

如果將MySQL部署到普通的X86服務器上，在不經過任何優化情況下，MySQL理論值正常可以處理2000左右QPS，經過優化後，有可能會提升到2500左右QPS，否則，訪問量當達到1500左右併發連接時，數據庫處理性能就會變慢，而且硬件資源還很富裕，這時就該考慮軟件問題了。那麼怎樣讓數據庫最大化發揮性能呢？一方面可以單臺運行多個MySQL實例讓服務器性能發揮到最大化，另一方面是對數據庫進行優化，往往操作系統和數據庫默認配置都比較保守，會對數據庫發揮有一定限制，可對這些配置進行適當的調整，儘可能的處理更多連接數。

具體優化有以下三個層面：

3.1 數據庫配置優化

MySQL常用有兩種存儲引擎，一個是MyISAM，不支持事務處理，讀性能處理快，表級別鎖。另一個是InnoDB，支持事務處理（ACID），設計目標是爲處理大容量數據發揮最大化性能，行級別鎖。

• 表鎖：開銷小，鎖定粒度大，發生死鎖概率高，相對併發也低。
• 行鎖：開銷大，鎖定粒度小，發生死鎖概率低，相對併發也高。

爲什麼會出現表鎖和行鎖呢？主要是爲了保證數據的完整性，舉個例子，一個用戶在操作一張表，其他用戶也想操作這張表，那麼就要等第一個用戶操作完，其他用戶才能操作，表鎖和行鎖就是這個作用。否則多個用戶同時操作一張表，肯定會數據產生衝突或者異常。

根據以上看來，使用InnoDB存儲引擎是最好的選擇，也是MySQL5.5以後版本中默認存儲引擎。每個存儲引擎相關聯參數比較多，以下列出主要影響數據庫性能的參數。

公共參數默認值：

1 2 3 4 5 6 7 8 9 10

max_connections = 151 #同時處理最大連接數，推薦設置最大連接數是上限連接數的80%左右   sort_buffer_size = 2M #查詢排序時緩衝區大小，只對order by和group by起作用，可增大此值爲16M query_cache_limit = 1M  #查詢緩存限制，只有1M以下查詢結果纔會被緩存，以免結果數據較大把緩存池覆蓋 query_cache_size = 16M  #查看緩衝區大小，用於緩存SELECT查詢結果，下一次有同樣SELECT查詢將直接從緩存池返回結果，可適當成倍增加此值 open_files_limit = 1024 #打開文件數限制，如果show global status like 'open_files'查看的值等於或者大於open_files_limit值時，程序會無法連接數據庫或卡死

MyISAM參數默認值：

1 2 3 4

key_buffer_size = 16M #索引緩存區大小，一般設置物理內存的30-40% read_buffer_size = 128K  #讀操作緩衝區大小，推薦設置16M或32M

InnoDB參數默認值：

1 2 3 4 5 6 7 8 9 10

innodb_buffer_pool_size = 128M #索引和數據緩衝區大小，一般設置物理內存的60%-70% innodb_buffer_pool_instances = 1    #緩衝池實例個數，推薦設置4個或8個 innodb_flush_log_at_trx_commit = 1  #關鍵參數，0代表大約每秒寫入到日誌並同步到磁盤，數據庫故障會丟失1秒左右事務數據。1爲每執行一條SQL後寫入到日誌並同步到磁盤，I/O開銷大，執行完SQL要等待日誌讀寫，效率低。2代表只把日誌寫入到系統緩存區，再每秒同步到磁盤，效率很高，如果服務器故障，纔會丟失事務數據。對數據安全性要求不是很高的推薦設置2，性能高，修改後效果明顯。 innodb_file_per_table = OFF  #默認是共享表空間，共享表空間idbdata文件不斷增大，影響一定的I/O性能。推薦開啓獨立表空間模式，每個表的索引和數據都存在自己獨立的表空間中，可以實現單表在不同數據庫中移動。 innodb_log_buffer_size = 8M  #日誌緩衝區大小，由於日誌最長每秒鐘刷新一次，所以一般不用超過16M

3.2 系統內核優化

大多數MySQL都部署在linux系統上，所以操作系統的一些參數也會影響到MySQL性能，以下對linux內核進行適當優化。

1 2 3 4 5 6 7 8 9 10

net.ipv4.tcp_fin_timeout = 30 #TIME_WAIT超時時間，默認是60s net.ipv4.tcp_tw_reuse = 1    #1表示開啓複用，允許TIME_WAIT socket重新用於新的TCP連接，0表示關閉 net.ipv4.tcp_tw_recycle = 1  #1表示開啓TIME_WAIT socket快速回收，0表示關閉 net.ipv4.tcp_max_tw_buckets = 4096   #系統保持TIME_WAIT socket最大數量，如果超出這個數，系統將隨機清除一些TIME_WAIT並打印警告信息 net.ipv4.tcp_max_syn_backlog = 4096 #進入SYN隊列最大長度，加大隊列長度可容納更多的等待連接

在linux系統中，如果進程打開的文件句柄數量超過系統默認值1024，就會提示“too many files open”信息，所以要調整打開文件句柄限制。

1 2 3 4

# vi /etc/security/limits.conf  #加入以下配置，*代表所有用戶，也可以指定用戶，重啓系統生效 * soft nofile 65535 * hard nofile 65535 # ulimit -SHn 65535   #立刻生效

3.3 硬件配置

加大物理內存，提高文件系統性能。linux內核會從內存中分配出緩存區（系統緩存和數據緩存）來存放熱數據，通過文件系統延遲寫入機制，等滿足條件時（如緩存區大小到達一定百分比或者執行sync命令）纔會同步到磁盤。也就是說物理內存越大，分配緩存區越大，緩存數據越多。當然，服務器故障會丟失一定的緩存數據。

SSD硬盤代替SAS硬盤，將RAID級別調整爲RAID1+0，相對於RAID1和RAID5有更好的讀寫性能（IOPS），畢竟數據庫的壓力主要來自磁盤I/O方面。

4、數據庫架構擴展

隨着業務量越來越大，單臺數據庫服務器性能已無法滿足業務需求，該考慮加機器了，該做集羣了~~~。主要思想是分解單臺數據庫負載，突破磁盤I/O性能，熱數據存放緩存中，降低磁盤I/O訪問頻率。

4.1 主從複製與讀寫分離

因爲生產環境中，數據庫大多都是讀操作，所以部署一主多從架構，主數據庫負責寫操作，並做雙擊熱備，多臺從數據庫做負載均衡，負責讀操作，主流的負載均衡器有LVS、HAProxy、Nginx。怎麼來實現讀寫分離呢？大多數企業是在代碼層面實現讀寫分離，效率比較高。另一個種方式通過代理程序實現讀寫分離，企業中應用較少，常見代理程序有MySQL Proxy、Amoeba。在這樣數據庫集羣架構中，大大增加數據庫高併發能力，解決單臺性能瓶頸問題。如果從數據庫一臺從庫能處理2000 QPS，那麼5臺就能處理1w QPS，數據庫橫向擴展性也很容易。

有時，面對大量寫操作的應用時，單臺寫性能達不到業務需求。如果做雙主，就會遇到數據庫數據不一致現象，產生這個原因是在應用程序不同的用戶會有可能操作兩臺數據庫，同時的更新操作造成兩臺數據庫數據庫數據發生衝突或者不一致。在單庫時MySQL利用存儲引擎機制表鎖和行鎖來保證數據完整性，怎樣在多臺主庫時解決這個問題呢？有一套基於perl語言開發的主從複製管理工具，叫MySQL-MMM（Master-Master replication managerfor Mysql，Mysql主主複製管理器），這個工具最大的優點是在同一時間只提供一臺數據庫寫操作，有效保證數據一致性。

• 主從複製博文： http://lizhenliang.blog.51cto.com/7876557/1290431
• 讀寫分離博文： http://lizhenliang.blog.51cto.com/7876557/1305083
• MySQL-MMM博文： http://lizhenliang.blog.51cto.com/7876557/1354576

4.2 增加緩存

給數據庫增加緩存系統，把熱數據緩存到內存中，如果內存緩存中有要請求的數據就不再去數據庫中返回結果，提高讀性能。緩存實現有本地緩存和分佈式緩存，本地緩存是將數據緩存到本地服務器內存中或者文件中，速度快。分佈式可以緩存海量數據，擴展容易，主流的分佈式緩存系統有memcached、redis，memcached性能穩定，數據緩存在內存中，速度很快，QPS可達8w左右。如果想數據持久化那就用redis，性能不低於memcached。

工作過程：

 

4.3 分庫

分庫是根據業務不同把相關的表切分到不同的數據庫中，比如web、bbs、blog等庫。如果業務量很大，還可將切分後的庫做主從架構，進一步避免單個庫壓力過大。

4.4 分表

數據量的日劇增加，數據庫中某個表有幾百萬條數據，導致查詢和插入耗時太長，怎麼能解決單表壓力呢？你就該考慮是否把這個表拆分成多個小表，來減輕單個表的壓力，提高處理效率，此方式稱爲分表。

分表技術比較麻煩，要修改程序代碼裏的SQL語句，還要手動去創建其他表，也可以用merge存儲引擎實現分表，相對簡單許多。分表後，程序是對一個總表進行操作，這個總表不存放數據，只有一些分表的關係，以及更新數據的方式，總表會根據不同的查詢，將壓力分到不同的小表上，因此提高併發能力和磁盤I/O性能。

分表分爲垂直拆分和水平拆分：

• 垂直拆分：把原來的一個很多字段的表拆分多個表，解決表的寬度問題。你可以把不常用的字段單獨放到一個表中，也可以把大字段獨立放一個表中，或者把關聯密切的字段放一個表中。
• 水平拆分：把原來一個表拆分成多個表，每個表的結構都一樣，解決單表數據量大的問題。

4.5 分區

分區就是把一張表的數據分成多個區塊，這些區塊可以在一個磁盤上，也可以在不同的磁盤上，分區後，表面上還是一張表，但數據散列在多個位置，這樣一來，多塊硬盤同時處理不同的請求，從而提高磁盤I/O讀寫性能，實現比較簡單。

注：增加緩存、分庫、分表和分區主要由程序猿來實現。

5、數據庫維護

數據庫維護是運維工程師或者DBA主要工作，包括性能監控、性能分析、性能調優、數據庫備份和恢復等。

5.1 性能狀態關鍵指標

• QPS，Queries Per Second：每秒查詢數，一臺數據庫每秒能夠處理的查詢次數
• TPS，Transactions Per Second：每秒處理事務數

通過show status查看運行狀態，會有300多條狀態信息記錄，其中有幾個值幫可以我們計算出QPS和TPS，如下：

• Uptime：服務器已經運行的實際，單位秒
• Questions：已經發送給數據庫查詢數
• Com_select：查詢次數，實際操作數據庫的
• Com_insert：插入次數
• Com_delete：刪除次數
• Com_update：更新次數
• Com_commit：事務次數
• Com_rollback：回滾次數

那麼，計算方法來了，基於Questions計算出QPS：

1 2	mysql> show globalstatus like'Questions'; mysql> show globalstatus like'Uptime';

基於Com_commit和Com_rollback計算出TPS：

1 2 3

mysql> show globalstatus like'Com_commit'; mysql> show globalstatus like'Com_rollback'; mysql> show globalstatus like'Uptime';

另一計算方式：基於Com_select、Com_insert、Com_delete、Com_update計算出QPS：

1	mysql> show globalstatus whereVariable_name in('com_select','com_insert','com_delete','com_update');

等待1秒再執行，獲取間隔差值，第二次每個變量值減去第一次對應的變量值，就是QPS。

TPS計算方法：

1	mysql> show globalstatus whereVariable_name in('com_select','com_insert','com_delete','com_update');

計算TPS，就不算查詢操作了，計算出插入、刪除、更新四個值即可。

經網友對這兩個計算方式的測試得出，當數據庫中myisam表比較多時，使用Questions計算比較準確。當數據庫中innodb表比較多時，則以Com_*計算比較準確。

5.2 開啓慢查詢日誌

MySQL開啓慢查詢日誌，分析出哪條SQL語句比較慢，使用set設置變量，重啓服務失效，可以在my.cnf添加參數永久生效。

1 2 3 4

mysql>setglobal slow-query-log=on #開啓慢查詢功能 mysql>setglobal slow_query_log_file='/var/log/mysql/mysql-slow.log';  #指定慢查詢日誌文件位置 mysql>setglobal log_queries_not_using_indexes=on;   #記錄沒有使用索引的查詢 mysql>setglobal long_query_time=1;   #只記錄處理時間1s以上的慢查詢

分析慢查詢日誌，可以使用MySQL自帶的mysqldumpslow工具，分析的日誌較爲簡單。

1	# mysqldumpslow -t 3 /var/log/mysql/mysql-slow.log #查看最慢的前三個查詢

也可以使用percona公司的pt-query-digest工具，日誌分析功能全面，可分析slow log、binlog、general log。

分析慢查詢日誌：

1	pt-query-digest /var/log/mysql/mysql-slow.log

分析binlog日誌：

1 2	mysqlbinlog mysql-bin.000001 >mysql-bin.000001.sql pt-query-digest –type=binlog mysql-bin.000001.sql

分析普通日誌：

1	pt-query-digest –type=genlog localhost.log

5.3 數據庫備份

備份數據庫是最基本的工作，也是最重要的，否則後果很嚴重，你懂得！但由於數據庫比較大，上百G，往往備份都很耗費時間，所以就該選擇一個效率高的備份策略，對於數據量大的數據庫，一般都採用增量備份。常用的備份工具有mysqldump、mysqlhotcopy、xtrabackup等，mysqldump比較適用於小的數據庫，因爲是邏輯備份，所以備份和恢復耗時都比較長。mysqlhotcopy和xtrabackup是物理備份，備份和恢復速度快，不影響數據庫服務情況下進行熱拷貝，建議使用xtrabackup，支持增量備份。

• Xtrabackup備份工具使用博文： http://lizhenliang.blog.51cto.com/7876557/1612800

5.4 數據庫修復

有時候MySQL服務器突然斷電、異常關閉，會導致表損壞，無法讀取表數據。這時就可以用到MySQL自帶的兩個工具進行修復，myisamchk和mysqlcheck。

myisamchk：只能修復myisam表，需要停止數據庫。

常用參數：

• -f –force 強制修復，覆蓋老的臨時文件，一般不使用
• -r –recover 恢復模式
• -q –quik 快速恢復
• -a –analyze 分析表
• -o –safe-recover 老的恢復模式，如果-r無法修復，可以使用此參數試試
• -F –fast 只檢查沒有正常關閉的表

快速修復weibo數據庫:

1 2	# cd /var/lib/mysql/weibo # myisamchk -r -q *.MYI

mysqlcheck：myisam和innodb表都可以用，不需要停止數據庫，如修復單個表，可在數據庫後面添加表名，以空格分割

常用參數：

• -a –all-databases 檢查所有的庫
• -r –repair 修復表
• -c –check 檢查表，默認選項
• -a –analyze 分析表
• -o –optimize 優化表
• -q –quik 最快檢查或修復表
• -F –fast 只檢查沒有正常關閉的表

快速修復weibo數據庫:

1	mysqlcheck -r -q -uroot -p123 weibo

5.5 另外，查看CPU和I/O性能方法

查看CPU性能

參數-P是顯示CPU數，ALL爲所有，也可以只顯示第幾顆

查看I/O性能

參數-m是以M單位顯示，默認K。

• %util：當達到100%時，說明I/O很忙。
• await：請求在隊列中等待時間，直接影響read時間。
• I/O極限：IOPS（r/s+w/s）,一般在1200左右。（IOPS，每秒進行讀寫（I/O）操作次數）
• I/O帶寬：在順序讀寫模式下SAS硬盤理論值在300M/s左右，SSD硬盤理論值在600M/s左右。

以上是本人使用MySQL三年來總結的一些主要優化方案，能力有限，有些不太全面，但這些基本能夠滿足中小型企業數據庫需求。由於關係型數據庫初衷設計限制，一些BAT公司海量數據放到關係型數據庫中，在海量數據查詢和分析方面已經達不到更好的性能。因此NoSQL火起來了，非關係型數據庫，大數據量，具有高性能，同時也彌補了關係型數據庫某方面不足，漸漸大多數公司已經將部分業務數據庫存放到NoSQL中，如MongoDB、HBase等。數據存儲方面採用分佈式文件系統，如HDFS、GFS等。海量數據計算分析採用Hadoop、Spark、Storm等。這些都是與運維相關的前沿技術，也是在存儲方面主要學習對象，小夥伴們共同加油吧！哪位博友有更好的優化方案，歡迎交流哦。

打賞