总结的一些MySQL数据库优化技巧

一个成熟的数据库架构并不是一开始设计就具备高可用、高伸缩等特性的,它是随着用户量的增加,基础架构才逐渐完善。这篇文章主要谈谈MySQL数据库在发展周期中所面临的问题及优化方案,暂且抛开前端应用不说,大致分为以下五个阶段:

阶段一:数据库表设计

项目立项后,开发部门根据产品部门需求开发项目。
开发工程师在开发项目初期会对表结构设计。对于数据库来说,表结构设计很重要,如果设计不当,会直接影响到用户访问网站速度,用户体验不好!这种情况具体影响因素有很多,例如慢查询(低效的查询语句)、没有适当建立索引、数据库堵塞(锁)等。当然,有测试部门的团队,会做产品测试,找Bug。
由于开发工程师重视点不同,初期不会考虑太多数据库设计是否合理,而是尽快完成功能实现和交付。等项目上线有一定访问量后,隐藏的问题就会暴露,这时再去修改就不是这么容易的事了!

阶段二:数据库部署

是时候运维工程师出场了,项目上线。
项目初期访问量一般是寥寥无几,此阶段Web+数据库单台部署足以应对在1000左右的QPS(每秒查询率)。考虑到单点故障,应做到高可用性,可采用MySQL主从复制+Keepalived实现双机热备。主流HA软件有:Keepalived(推荐)、Heartbeat。

阶段三:数据库性能优化

如果将MySQL部署到普通的X86服务器上,在不经过任何优化情况下,MySQL理论值正常可以处理1500左右QPS,经过优化后,有可能会提升到2000左右QPS。否则,访问量当达到1500左右并发连接时,数据库处理性能可能响应就会慢,而且硬件资源还比较富裕,这时就该考虑性能优化问题了。那么怎样能让数据库发挥最大性能呢?主要从硬件配置、数据库配置、架构方面着手,具体分为以下:

3.1 硬件配置

如果有条件一定要SSD固态硬盘代替SAS机械硬盘,将RAID级别调整为RAID1+0,相对于RAID1和RAID5有更好的读写性能,毕竟数据库的压力主要来自磁盘I/O方面。
Linux内核有一个特性,会从物理内存中划分出缓存区(系统缓存和数据缓存)来存放热数据,通过文件系统延迟写入机制,等满足条件时(如缓存区大小到达一定百分比或者执行sync命令)才会同步到磁盘。也就是说物理内存越大,分配缓存区越大,缓存数据越多。当然,服务器故障会丢失一定的缓存数据。建议物理内存至少富裕50%以上。

3.2 数据库配置优化

MySQL应用最广泛的有两种存储引擎:一个是MyISAM,不支持事务处理,读性能处理快,表级别锁。另一个是InnoDB,支持事务处理(ACID属性),设计目标是为大数据处理,行级别锁。
表锁:开销小,锁定粒度大,发生死锁概率高,相对并发也低。
行锁:开销大,锁定粒度小,发生死锁概率低,相对并发也高。
为什么会出现表锁和行锁呢?主要为保证数据完整性。举个例子,一个用户在操作一张表,其他用户也想操作这张表,那么就要等第一个用户操作完,其他用户才能操作,表锁和行锁就是这个作用。否则多个用户同时操作一张表,肯定会数据产生冲突或者异常。
根据这些方面看,使用InnoDB存储引擎是最好的选择,也是MySQL5.5+版本默认存储引擎。每个存储引擎相关运行参数比较多,以下列出可能影响数据库性能的参数。
公共参数默认值:


MyISAM参数默认值:


InnoDB参数默认值:


扫描二维码关注公众号,回复: 885122 查看本文章

3.3 系统内核参数优化

大多数MySQL都部署在linux系统上,所以操作系统的一些参数也会影响到MySQL性能,以下对Linux内核参数进行适当优化


阶段四:数据库架构扩展

随着业务量越来越大,单台数据库服务器性能已无法满足业务需求,该考虑增加服务器扩展架构了。主要思想是分解单台数据库负载,突破磁盘I/O性能,热数据存放缓存中,降低磁盘I/O访问频率。

4.1 增加缓存

给数据库增加缓存系统,把热数据缓存到内存中,如果缓存中有请求的数据就不再去请求MySQL,减少数据库负载。缓存实现有本地缓存和分布式缓存,本地缓存是将数据缓存到本地服务器内存中或者文件中。分布式缓存可以缓存海量数据,扩展性好,主流的分布式缓存系统:memcached、redis,memcached性能稳定,数据缓存在内存中,速度很快,QPS理论可达8w左右。如果想数据持久化就选择用redis,性能不低于memcached。
工作过程:

4.2 主从复制与读写分离

在生产环境中,业务系统通常读多写少,可部署一主多从架构,主数据库负责写操作,并做双机热备,多台从数据库做负载均衡,负责读操作。主流的负载均衡器:LVS、HAProxy、Nginx。
怎么来实现读写分离呢?大多数企业是在代码层面实现读写分离,效率高。另一个种方式通过代理程序实现读写分离,企业中应用较少,会增加中间件消耗。主流中间件代理系统有MyCat、Atlas等。
在这种MySQL主从复制拓扑架构中,分散单台负载,大大提高数据库并发能力。如果一台从服务器能处理1500 QPS,那么3台就能处理4500 QPS,而且容易横向扩展。
有时,面对大量写操作的应用时,单台写性能达不到业务需求。就可以做双向复制(双主),但有个问题得注意:两台主服务器如果都对外提供读写操作,就可能遇到数据不一致现象,产生这个原因是程序有同时操作两台数据库几率,同时的更新操作会造成两台数据库数据发生冲突或者不一致。
可设置每个表ID字段自增唯一:auto_increment_increment和auto_increment_offset,也可以写算法生成随机唯一。
官方近两年推出的MGR(多主复制)集群也可以考虑下。

4.3 分库

分库是根据业务将数据库中相关的表分离到不同的数据库中,例如web、bbs、blog等库。如果业务量很大,还可将分离后的数据库做主从复制架构,进一步避免单库压力过大。

4.4 分表

数据量的日剧增加,数据库中某个表有几百万条数据,导致查询和插入耗时太长,怎么能解决单表压力呢?你应该考虑把这个表拆分成多个小表,来减轻单个表的压力,提高处理效率,此方式称为分表。
分表技术比较麻烦,要修改程序代码里的SQL语句,还要手动去创建其他表,也可以用merge存储引擎实现分表,相对简单许多。分表后,程序是对一个总表进行操作,这个总表不存放数据,只有一些分表的关系,以及更新数据的方式,总表会根据不同的查询,将压力分到不同的小表上,因此提高并发能力和磁盘I/O性能。
分表分为垂直拆分和水平拆分:
垂直拆分:把原来的一个很多字段的表拆分多个表,解决表的宽度问题。你可以把不常用的字段单独放到一个表中,也可以把大字段独立放一个表中,或者把关联密切的字段放一个表中。
水平拆分:把原来一个表拆分成多个表,每个表的结构都一样,解决单表数据量大的问题。

4.5 分区

分区就是把一张表的数据根据表结构中的字段(如range、list、hash等)分成多个区块,这些区块可以在一个磁盘上,也可以在不同的磁盘上,分区后,表面上还是一张表,但数据散列在多个位置,这样一来,多块硬盘同时处理不同的请求,从而提高磁盘I/O读写性能。
注:增加缓存、分库、分表和分区主要由程序猿或DBA来实现。

阶段五:数据库维护

数据库维护是数据库工程师或运维工程师的工作,包括系统监控、性能分析、性能调优、数据库备份和恢复等主要工作。

5.1 性能状态关键指标


5.2 开启慢查询日志

MySQL开启慢查询日志,分析出哪条SQL语句比较慢,支持动态开启:

5.3 数据库备份

备份数据库是最基本的工作,也是最重要的,否则后果很严重,你懂得!高频率的备份策略,选用一个稳定快速的工具至关重要。数据库大小在2G以内,建议使用官方的逻辑备份工具mysqldump。超过2G以上,建议使用percona公司的物理备份工具xtrabackup,否则慢的跟蜗牛似得。这两个工具都支持InnoDB存储引擎下热备,不影响业务读写操作。

5.4 数据库修复

有时候MySQL服务器突然断电、异常关闭,会导致表损坏,无法读取表数据。这时就可以用到MySQL自带的两个工具进行修复,myisamchk和mysqlcheck。前者只能修复MyISAM表,并且停止数据库,后者MyISAM和InnoDB都可以,在线修复。
注意:修复前最好先备份数据库。

5.5 MySQL服务器性能分析


重点关注:
id:CPU利用率百分比,平均小于60%正常,但已经比较繁忙了。
wa:CPU等待磁盘IO响应时间,一般大于5说明磁盘读写量大。

KB_read/s、KB_wrtn/s 每秒读写数据量,主要根据磁盘每秒最高读写速度评估。

r/s、w/s:每秒读写请求次数,可以理解为IOPS(每秒输入输出量),是衡量磁盘性能的主要指标之一。
await:IO平均每秒响应时间,一般大于5说明磁盘响应慢,超过自身性能。
util:磁盘利用率百分比,平均小于60%正常,但已经比较繁忙了。

小结

由于关系型数据库初衷设计限制,在大数据处理时会显得力不从心。因此NoSQL(非关系型数据库)火起来了,天生励志,具备分布式、高性能、高可靠等特性,弥补了关系型数据库某方面先天性不足,非常适合存储非结构化数据。主流NoSQL数据库有:MongoDB、HBase、Cassandra等。

单纯数据库层面优化效果提升并不多明显,主要还是要根据业务场景选择合适的数据库!


猜你喜欢

转载自blog.csdn.net/bbwangj/article/details/80333037
今日推荐