Java面试准备十六：数据库——MySQL性能优化

2017年04月20日 13:09:43
阅读数：6837
这里只是为了记录，由于自身水平实在不怎么样，难免错误百出，有错的地方还望大家多多指出，谢谢。

来自MySQL性能优化的最佳20+经验

为查询缓存优化你的查询
EXPLAIN你的SELECT查询
当只要一行数据是使用LIMIT 1
为搜索字段建索引
在Join表的时候使用相当类型的列，并将其索引
千万不要ORDER BY RAND()
避免SELECT *
永远为每张表设置一个ID
使用ENUM而不是VARCHAR
从PROCEDURE ANALYSE() 取得建议
尽可能的使用NOT NULL
PreparedStatement
无缓冲的查询
把IP地址存成 UNSIGNED INT
固定长度的表会更快
垂直分割
拆分大的 DELETE 或 INSERT 语句
越小的列会越快
选择正确的存储引擎
使用一个对象关系映射器（Object Relational Mapper）
小心“永久链接”

1. 为查询缓存优化你的查询
   大多数的MySQL服务器都开启了查询缓存。这是提高性最有效的方法之一，而且这是被MySQL的数据库引擎处理的。当有很多相同的查询被执行了多次的时候，这些查询结果会被放到一个缓存中，这样，后续的相同的查询就不用操作表而直接访问缓存结果了。

这里最主要的问题是，对于程序员来说，这个事情是很容易被忽略的。因为，我们某些查询语句会让MySQL不使用缓存。请看下面的示例：

// 查询缓存不开启
$r = mysql_query("SELECT username FROM user WHERE signup_date >= CURDATE()");

// 开启查询缓存
$today = date("Y-m-d");
$r = mysql_query("SELECT username FROM user WHERE signup_date >= '$today'");
1
2
3
4
5
6
上面两条SQL语句的差别就是 CURDATE() ，MySQL的查询缓存对这个函数不起作用。所以，像 NOW() 和 RAND() 或是其它的诸如此类的SQL函数都不会开启查询缓存，因为这些函数的返回是会不定的易变的。所以，你所需要的就是用一个变量来代替MySQL的函数，从而开启缓存。

1. EXPLAIN 你的 SELECT 查询
   使用 EXPLAIN 关键字可以让你知道MySQL是如何处理你的SQL语句的。这可以帮你分析你的查询语句或是表结构的性能瓶颈。

EXPLAIN 的查询结果还会告诉你你的索引主键被如何利用的，你的数据表是如何被搜索和排序的……等等，等等。

1. 当只要一行数据时使用 LIMIT 1
   当你查询表的有些时候，你已经知道结果只会有一条结果，但因为你可能需要去fetch游标，或是你也许会去检查返回的记录数。

在这种情况下，加上 LIMIT 1 可以增加性能。这样一样，MySQL数据库引擎会在找到一条数据后停止搜索，而不是继续往后查少下一条符合记录的数据。

下面的示例，只是为了找一下是否有“中国”的用户，很明显，后面的会比前面的更有效率。（请注意，第一条中是Select *，第二条是Select 1）

// 没有效率的：
$r = mysql_query("SELECT * FROM user WHERE country = 'China'");
if (mysql_num_rows($r) > 0) {
// ...
}

// 有效率的：
$r = mysql_query("SELECT 1 FROM user WHERE country = 'China' LIMIT 1");
if (mysql_num_rows($r) > 0) {
// ...
}
1
2
3
4
5
6
7
8
9
10
11

1. 为搜索字段建索引
   参考Java面试准备十五：数据库——索引

2. 在Join表的时候使用相当类型的例，并将其索引
   如果你的应用程序有很多 JOIN 查询，你应该确认两个表中Join的字段是被建过索引的。这样，MySQL内部会启动为你优化Join的SQL语句的机制。

而且，这些被用来Join的字段，应该是相同的类型的。例如：如果你要把 DECIMAL 字段和一个 INT 字段Join在一起，MySQL就无法使用它们的索引。对于那些STRING类型，还需要有相同的字符集才行。（两个表的字符集有可能不一样）

1. 千万不要 ORDER BY RAND()
   如果你真的想把返回的数据行打乱了，你有N种方法可以达到这个目的。这样使用只会让你的数据库的性能呈指数级的下降。这里的问题是：MySQL会不得不去执行RAND（）函数（很耗CPU时间），而且这是为了每一行记录去记行，然后再对其进行排序。就算你用了limit 1也无济于事（因为要排序）

下面的示例是随机挑一条记录

-- 千万不要这样做
SELECT last_name FROM actor ORDER BY RAND() LIMIT 1;-- 时间: 0.252s

-- 这样会更好
SELECT COUNT() FROM actor;
-- 然后在程序代码里，返回0~count()-1的一个随机数rand，再通过以下sql去查表
SELECT last_name FROM actor limit rand, 1;
1
2
3
4
5
6
7

1. 避免 SELECT *

从数据库里面读出的数据越多，查询速度越慢
如果数据库拂去其和WEB服务器是两台独立的机器时，还会增加网络传输的负载
所以，你应该养成需要什么数据取什么数据的习惯。

1. 永远为每张表设置一个主键
   我们应该为数据库里的每张表都设置一个ID作为其主键，而且最好是一个INT型的（推荐使用UNSIGN）,并设置上自动增加的AUTO_INCREMENT标志。

就算是你users表有一个主键叫“email”的字段，你也别让他成为主键。使用VARCHAR类型来当主键会使得性能下降。另外，在你的程序中，你应该使用表的主键来构造你的数据机构。

而且，在MySQL数据引擎下，还有一些操作需要使用主键，在这些情况下，主键的性能和设置变得非常重要，比如，集群，分区….（不懂这个。。）

在这里，只有一个情况是例外，那就是“关联表”的“外键”，也就是说，这个表的主键，通过若干个别的表的主键构成。我们把这个情况叫做“外键”。比如，有个“学生表”有学生的ID,有个“课程表”有课程ID,那么“成绩表”就是“关联表”，其关联了学生表和课程表，在成绩表中，学生ID和课程ID叫“外键”其共同组成主键。

1. 使用 ENUM 而不是 VARCHAR
   ENUM类型是非常快和紧凑的。在实际上，其保存的是TINYINT，但其外表上显示为字符串。这样一来 ，用这个字段来做一些选项列表变得相当的完美。

如果你有一个字段，比如“性别”，“国家”，“民族”，“状态”或“部门”，你知道这些字段的取值是有限而且固定的，那么，你应该使用 ENUM 而不是 VARCHAR。

MySQL也有一个“建议”（见第十条）告诉你怎么去重新组织你的表结构。当你有一个 VARCHAR 字段时，这个建议会告诉你把其改成 ENUM 类型。使用 PROCEDURE ANALYSE() 你可以得到相关的建议。

1. 从 PROCEDURE ANALYSE() 取得建议
   PROCEDURE ANALYSE() 会让 MySQL 帮你去分析你的字段和其实际的数据，并会给你一些有用的建议。只有表中有实际的数据，这些建议才会变得有用，因为要做一些大的决定是需要有数据作为基础的。

例如，如果你创建了一个 INT 字段作为你的主键，然而并没有太多的数据，那么，PROCEDURE ANALYSE()会建议你把这个字段的类型改成 MEDIUMINT 。或是你使用了一个 VARCHAR 字段，因为数据不多，你可能会得到一个让你把它改成 ENUM 的建议。这些建议，都是可能因为数据不够多，所以决策做得就不够准。

一定要注意，这些只是建议，只有当你的表里的数据越来越多时，这些建议才会变得准确。一定要记住，你才是最终做决定的人。

1. 尽可能的使用 NOT NULL
   除非你有一个很特别的原因去使用 NULL 值，你应该总是让你的字段保持 NOT NULL。这看起来好像有点争议，请往下看。

首先，问问你自己“Empty”和“NULL”有多大的区别（如果是INT，那就是0和NULL）？如果你觉得它们之间没有什么区别，那么你就不要使用NULL。（你知道吗？在 Oracle 里，NULL 和 Empty 的字符串是一样的！)

不要以为 NULL 不需要空间，其需要额外的空间，并且，在你进行比较的时候，你的程序会更复杂。 当然，这里并不是说你就不能使用NULL了，现实情况是很复杂的，依然会有些情况下，你需要使用NULL值。

1. PreparedStatement
   PreparedStatement很像存储过程，是一种运行在后台的SQL语句集合，我们可以使用PreparedStatement获得很多好处，无论是性能问题还是安全问题。

PreparedStatement可以检查一些你绑定好的变量，这样可以保护你的程序不会受到“SQL注入式”攻击。当然，你也可以手动去检查你的这些变量，然而，手动的检查容易出问题，而且很经常会被程序员忘了。当我们使用一些framework或是ORM的时候，这样的问题会好一些。

在性能方面，当一个相同的查询被使用很多次的时候，这会为你带来可观的性能优势，你可以给这些PreparedStatement定义一些参数，而MySQL只会解析一次。

1. 无缓冲的查询
   正常情况下，当你在你的脚本中执行一个SQL语句的时候，你的程序会停在那里直到这个SQL语句返回，然后你的程序再往下继续执行。你可以使用无缓冲查询来改变这个行为。尤其是那些会产生大量结果的查询语句，并且，你不需要等到所有第的结果都返回，只需要第一行的数据返回的时候，你就可以马上开始工作于查询结果了。

2. 把IP地址存成 UNSIGNED INT
   很多程序员都会创建一个varchar(15)字段来存放字符串形式的IP而不是整形的IP。如果你用整形来存放，只需要4个字节，并且你可以有定长的字段。而且，这会为你带来查询上的优势，尤其是当你需要使用这样的WHERE条件：between ip1 and ip2。

我们必须使用UNSIGNED INT,因为IP地址会使用整个32位的无符号整形。

而你的查询，你可以使用INET_ATON()来把一个字符串IP转成一个整形，并使用INET_NTOA(）把一个整形转成一个字符串IP。如下：

-- 字符串IP转成整形
select INET_ATON('127.0.0.1') from dual;

-- 整形转成字符串ip
select INET_NTOA(2130706433) from dual;
1
2
3
4
5

1. 固定长度的表会更快
   如果表中的所有字段都是“固定长度的”，整个表会被认为是“static”或“”“fixed-length”。例如，表中没有如下类型的字段：VARCHAR, TEXT, BLOB。只要你包括了其中一个这些字段，那么这个表就不是“固定长度静态表”了，这样，MySQL引擎会用另外一种方法来处理。

固定长度的表会提高性能，因为MySQL搜寻的会更快一些，因为这些固定的长度是很容易计算下一个数据的偏移量的，所以读取的自然也会很快。而如果字段不是定长的，那么，每一次要找下一条的话，需要程序找到主键。

并且，固定长度的表更容易被缓存和重建。不过，唯一的副作用是，固定长度的字段会浪费一些空间，因为定长的字段无论你要弄个不用，它都是要分配那么多的空间。

使用“垂直分割”技术（见下一条），你可以分割你的表成为两个一个是定长的，一个则不是定长的。

1. 垂直分割
   “垂直分割”是一种把数据库中的表按列变成几张表的方法，这样可以降低表的复杂度和字段的数目，从而达到优化的目的。

示例一：
在User表中有一个字段是家庭地址，这个字段是可选字段，相比起，而且你在数据库操作的时候除了个人信息外，你并不需要经常读取或是改写这个字段。那么，为什么不把这个字段放到另一张表呢？这样会让你的表有更好的性能。

示例二：
你有一个叫“last_login”字段，它会在每次用户登录的时候被更新。但是，每次更新时会导致该表的查询缓存被清空。所以，你可以把这个字段放到另外一个表中，这样就不会影响ID，用户名，用户角色的不停的读取了，因为查询缓存会帮你增加很多性能。

另外，你需要注意的是，这些被分出去的字段所形成的表，你不会经常性的去join他们，不然的话，这样的性能会比不分割时还要差，而且，是指数级的下降。

1. 拆分大的 DELETE 或 INSERT 语句
   如果你需要在一个在线的网站上去执行一个大的DELETE或INSERT查询，你需要非常小心，要避免你的操作会让你的整个网站停止响应。因为这两个操作是会锁表的，表一锁住了，别的操作都进不来了。

Apache会有很多的子进程或线程。所以，其工作起来相当有效率，而我们的服务器也不希望有太多的子线程，线程和数据库链接，这时极大的占服务器资源的事情，尤其是内存。

如果你把你的表锁上一段时间，比如30s,那么对于一个有很高访问量的站点来说，这30s所积累的访问进程/线程，数据库链接，打开的文件数，可能不仅仅会让你的web服务器crash，还可能会让你的整台服务器马上挂了。

所以，如果你有一个大的处理，你要把他拆分，使用LIMIT条件是一个好的方法。下面是一个示例：

while(true){
//每次只做1000条
mysql_query("DELETE FROM logs WHERE log_date <= '2009-11-01' LIMIT 1000");
if(mysql_affected_rows()==0){
//没得可删了，退出
break;
}
usleep(5000);
}
1
2
3
4
5
6
7
8
9

1. 越小的列会越快
   对于大多数的数据引擎来说，硬盘操作可能是最大的瓶颈。所以，把你的数据变得紧凑会对这种情况非常有帮助，因为这减少了对硬盘的访问。

可以参考MySQL的文档Storage Requirements查看所有的数据类型。

如果一个表只会有几列罢了（比如说字典表，配置表），那么，我们就没有理由使用INT来做主键，使用MEDIUMINT ,SMALLINT或是更小的TINYINT会更经济一些。如果你不需要记录时间，使用DATE要比DATETIME好得多。

当然，你也需要留足够的扩展空间，不然，你日后要干这个事，你会死的很难看，参考Slashdot的例子，一个简单的ALTER TABLE 语句花了3个多小时，因为里面
有一千六百万条数据。

1. 选择正确的存储引擎
   在MySQL中有两个存储引擎MyISAM和Innodb,每个引擎都会有利弊。MyISAM
   适合于一些需要大量查询的应用，但是对于有大量写操作并不是很好。甚至你只是需要update一个字段，整个表都会被锁起来，而别的进程，就算是读进程都无法操作直到读操作完成。另外，MyISAM对于SELECT COUNT(*)这种操作是超快务必的。

Innodb的趋势会是一个非常复杂的存储引擎，对于一些小的应用，他会比MyiSAM还慢。他是支持“行锁”的，所以在写操作比较多 的时候，会更优秀。并且，他还支持更多的高级应用，比如：事务。

1. 使用一个对象关系映射器（Object Relational Mapper）
   使用ORM,你能够获得可靠的性能增涨。一个ORM可以做到所有事情，也能被手动的编写出来。但是，这需要一个高级专家。

ORM的最重要的是“Lazy loading”,也就是说，只有在需要的去取值的时候才会去真正的去做。但你也需要小心这种机制的副作用，因为这很可能会因为要去创建很多很多小的查询反而会降低性能。（不懂最后这句。。）

ORM还可以把你的SQL语句打包成一个事务，这会比单独执行他们快得多得多。（啥意思？）

1. 小心“永久链接”
   “永久链接”的目的是用来减少重新创建MySQL链接的次数。当一个链接呗创建了，它会永远处在链接的状态，就算是数据库操作已经结束了，而且，自动我们的Apache开始重用它的子进程后——也就是说，下一次的HTTP请求会重用Apache的子进程，并重用相同的MySQL链接。

在理论上来说，这听起来非常的不错。但是从个人经验（也是大多数人的）上来说，这个功能制造出来的麻烦事更多。因为，你只有有限的链接数，内存问题，文件句柄数，等等。

而且，Apache 运行在极端并行的环境中，会创建很多很多的了进程。这就是为什么这种“永久链接”的机制工作地不好的原因。在你决定要使用“永久链接”之前，你需要好好地考虑一下你的整个系统的架构。