mysql数据库建模思想_最近很火的MySQL：抛开复杂的架构设计，MySQL优化思想基本都在这...

左手的ㄟ右手 2023-01-12 07:53 16阅读 0赞

优化一览图

![4d6639b8657e0b202574ba6ed7bc9064.png][]

优化

![7c184a7c5bbe38ffa1cce30aad829666.png][]

笔者将优化分为了两大类：软优化和硬优化。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:

DESC SELECT \* FROM \`user\`

显示：

![2e1a6099b66caa71d9ebe73cd59dd159.png][]

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，使用索引的三大注意事项包括：

LIKE关键字匹配'%'开头的字符串，不会使用索引；

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；

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。

分析表： 使用 ANALYZE 关键字，如ANALYZE TABLE user

![3edde5aa006988dfa555c5ff148e678f.png][]

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。

检查表:使用 CHECK关键字，如CHECK TABLE user \[option\]。 option 只对MyISAM有效。共五个参数值：

QUICK： 不扫描行，不检查错误的连接；

FAST： 只检查没有正确关闭的表；

CHANGED： 只检查上次检查后被更改的表和没被正确关闭的表；

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；

EXTENDED： 最全面的的检查，对每行关键字全面查找。

优化表： 使用OPTIMIZE关键字，如OPTIMIZE \[LOCAL|NO\_WRITE\_TO\_BINLOG\] TABLE 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、硬优化

1)硬件三件套

配置多核心和频率高的cpu，多核心可以执行多个线程；

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；

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。

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。

![aba50ee89f0ffba168d48a20964ffd81.png][]

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。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。

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。

![8056579056cf0e31f6304d1f4435f414.png][]

结语

![5f2e7adec5935cf64f8ba40defc276b4.png][]

一个完整而复杂的高并发系统架构中，一定会包含各种复杂的自研基础架构系统和各种精妙的架构设计，因此一篇小文顶多具有抛砖引玉的效果。但是总得来看，数据库优化的思想差不多就这些了。希望能对大家有所帮助。

[4d6639b8657e0b202574ba6ed7bc9064.png]: /images/20221119/9b5668eb2af74e3c8d949955d18d9f9a.png
[7c184a7c5bbe38ffa1cce30aad829666.png]: /images/20221119/ae320fb2c01e4428a3a8874df3958878.png
[2e1a6099b66caa71d9ebe73cd59dd159.png]: /images/20221119/cde1cbf5839f45218c04c0373ecbb17f.png
[3edde5aa006988dfa555c5ff148e678f.png]: /images/20221119/ce2931b8937943cf96ff39231e6b1498.png
[aba50ee89f0ffba168d48a20964ffd81.png]: /images/20221119/ffee9e27567145959e9df49a9478afbd.png
[8056579056cf0e31f6304d1f4435f414.png]: /images/20221119/5f0df3e3f11741ec84ce00f149f1da05.png
[5f2e7adec5935cf64f8ba40defc276b4.png]: /images/20221119/cd4d2e0eb0554c6b846f9607eccf1d42.png