mysql数据库优化（四）-项目实战

在flask项目中，防止随着时间的流逝，数据库数据越来越多，导致接口访问数据库速度变慢。所以自己填充数据进行测试及 mysql优化

1.插入数据：

通过脚本，使用多进程，每100次提交数据

import multiprocessing
import time

from flask import Flask
from flask_sqlalchemy import SQLAlchemy

HOST = '127.0.0.1'
USER = "root"
PASSWD = ""
DB = "fwss_dev"
CHARTSET = "utf8"

app = Flask(__name__, instance_relative_config=True)
# 链接数据库路径
app.config['SQLALCHEMY_DATABASE_URI'] = 'mysql://%s:%s@127.0.0.1:3306/%s?charset=%s' % (USER, PASSWD, DB, CHARTSET)
# 如果设置成 True (默认情况)，Flask-SQLAlchemy 将会追踪对象的修改并且发送信号。这需要额外的内存， 如果不必要的可以禁用它。
app.config['SQLALCHEMY_TRACK_MODIFICATIONS'] = True
# 如果设置成 True，SQLAlchemy 将会记录所有 发到标准输出(stderr)的语句，这对调试很有帮助。
app.config['SQLALCHEMY_ECHO'] = False
# 数据库连接池的大小。默认是数据库引擎的默认值 （通常是 5）。
app.config['SQLALCHEMY_POOL_SIZE'] = 6
db = SQLAlchemy(app)

def insert(count):
    start = time.time()
    for item in range(50000):
        # time1 = time.strftime("%Y-%m-%d %H:%M:%S", time.localtime(time_one))
        print(count)
        for it in range(100):
            db.session.execute(
                f"""INSERT INTO order_bang (creator_id,redenvelope,status) VALUES
                                       ({count},12,0,'需要')"""
                # f"INSERT INTO account_realauth (uid,`status`) VALUES({count},2)"
            )
        count += 1
        db.session.commit()
    print((time.time() - start) / 60)

if __name__ == '__main__':
    with app.app_context():
        multiprocessing.Process(target=insert, args=(273256,)).start()
        multiprocessing.Process(target=insert, args=(10273256,)).start()
        multiprocessing.Process(target=insert, args=(20273256,)).start()
        multiprocessing.Process(target=insert, args=(30273256,)).start()

以上只是展示 部分插入数据库的脚本，总共插入数据量如下： 用户表(account_user）110万用户，实名认证表（account_realauth）20万用户，某订单表(order_bang)2023万条。相关表结构如下：

CREATE TABLE `order_bang` (
  `id` int(11) NOT NULL AUTO_INCREMENT,
  `creator_id` int(11) NOT NULL,
  `status` tinyint(4) DEFAULT NULL,
  `create_time` datetime DEFAULT NULL,
  `province_id` char(6) COLLATE utf8mb4_unicode_ci DEFAULT NULL,
  `city_id` char(4) COLLATE utf8mb4_unicode_ci DEFAULT NULL,
   ........
  PRIMARY KEY (`id`),
  KEY `ix_order_bang_province_id` (`province_id`),
  KEY `ix_order_bang_status` (`status`),
  KEY `bang_addr_index` (`province_id`,`city_id`),
  KEY `ix_order_bang_create_time` (`create_time`),
  KEY `ix_order_bang_creator_id` (`creator_id`)
)

2.在flask中记录查询较慢的sql语句及相关信息

本人设置最长查询时间为0.1秒便记录

相关 方法在：项目中记录影响性能的缓慢数据库查询

3.关闭mysql缓存功能

查看缓存是否开启，

输入命令：show variables like '%cache%';       query_cache_type值为OFF表示关闭

关闭方式输入如下：

one.

set global query_cache_type=0
set global query_cache_size=0

two.

查询中添加：  Select sql_no_cache count(*) from account_user; 不缓存

4.查看相关结果，并进行优化

一：

时间耗时3.32秒。

分析得知：

where子句条件时uid进行筛选，而索引用的是 id。

解决方法：

第一种：在 uid上添加索引。

分析得知：

查询使用uid的索引，耗时0.002秒。

第二种：对于客户端不需要表中全部字段的情况，在查询时最好选择具体的字段，而不是直接 select  *  from table;这样 可以减少网络带宽

在sqlalchemy中为如下（直接使用类方法，及查询具体字段，而不是返回一个对象）

class RealAuth(DB.Model):

    @classmethod
        def get_success_realname(cls, uid):
           db_result = DB.session.query(cls.real_name).filter(
              and_(cls.uid == uid, cls.status == RealAuthStatus.SUCCESS)).order_by(
              cls.id.desc()).limit(1).first()

总结：

错误原因：由于没有对where子句条件使用索引，导致查询过慢

经验教训：添加索引

二：在查订单时， 接口直接 无响应

sql语句如下：

索引如下：

city字段类型是 char类型

通过 explain查看本条sql,city_id传的值是int类型：

索引使用的是 create_time。

把city_id改为数据库中设定的 str 类型，再次查看

总结：

错误原因：导致此接口查询无响应的原因是 在 大量数据的情况下，没有规范 书写 sql查询的数据类型，导致 无法使用正确的索引，而导致此问题

经验教训：在开发中，在sql执行之前，一定要手动的把 查询条件的值的类型和设计表时的类型相对应，否则可能导致 数据库无法使用此索引，而出错。

待更新；