Mysql-优化篇

mysql的优化实在太多，这里仅仅列一些常见的，不可能完全概括，后续有新学习的内容会持续更新。

explain 分析select语句

主要字段
select_type查询类型 eg：SIMPLE 简单查询，UNION 联合查询，SUBQUERY 子查询
table 查询的表
partitions：
type 索引查询类型 const：使用主键或者唯一索引进行查询的时候只有一行匹配 ref：使用非唯一索引 range：范围查询 all：扫描全表 index：和all的区别是扫描的是索引树 system表只有一行或空表，const的特例 fulltext：全文索引，优先级很高 等等
possible_keys 可能用到的索引
key 实际使用的索引
key_len 查询用到的索引长度（字节数）
ref 等值查询会显示const
rows 扫描的行数
filtered 表示存储引擎返回的数据在server层过滤后，剩下多少满足查询的记录数量的比例
extra ：

• Using index 查询不需要回表，并且where筛选条件是索引的是前导列
• Using where Using index 查询不需要回表，并且where筛选条件是索引列之一但是不是索引的不是前导列，或者是前导列的一个范围查找
• NULL 查询需要回表，并且where筛选条件是索引的前导列
• Using where 查询需要回表，where筛选条件非索引的前导列，或者筛选条件非索引列
  等等

---

索引优化

（1）建立联合索引，讲选择性强唯一性高的字段放在前面，范围查找字段放在最后
（2）索引覆盖，尽量避免回表
（3）合理利用前缀索引，避免长字段索引过长，占用空间

---

索引下推ICP

这是mysql5.6版本之后内部对于索引过滤数据做的优化，适用于比如范围查询，模糊查询，因为最左前缀原则，导致联合索引后续索引字段失效。
以前的查询都是在存储引擎层先返回条件字段索引相关的数据，然后直接回表，在server层再对where后失效的索引查询条件进行过滤，在5.6之后，在引擎层会对where索引条件进行筛选，进一步增加了对记录的过滤（用通俗的话就是5.6版本之前联合索引中失效的索引字段会回表再去判断，ICP会让判断条件从服务层下推至存储引擎层，对失效的索引字段在存储引擎层进行判断，进一步筛选数据之后再回表）。此时explain select语句的extra为Using index condition（查找使用了索引，并且需要回表查询数据）。

核心是减少回表次数，将一些需要回表的判断放在存储引擎层进行。

---

MRR「Multi-Range Read Optimization」

随机磁盘读转换为顺序磁盘读

---

读写分离

将数据库分为主表和从表，主表作为写表，用于处理数据增删改和数据表操作，而从表作为读表一般会有多个，用于同步主表的修改，并且处理读操作。
主表master和从表slave通过binlog来同步。我们知道，对于主表的修改会写入binlog，此时主表会开启一个binlog dump线程，将修改的binlog发送给从表的IO线程，从表会将binlog写入relay log，之后sql线程会将修改的部分同步到从表。

读写分离带来的主从表数据不一致问题怎么解决？
可以采用 1.从主表读取未同步的数据 2.延迟读 等等方法。

---

分库分表

分表

• 垂直分表
  按照字段进行分表，使用频率高的字段放在一张表，使用频率低的放另一张表，同时，两张表都要有相同的主键id。
  垂直分表的意义在于，表的最大尺寸是和字段数相关的，如果垂直拆分字段成不同的表，字段数下降了，表的最大尺寸则变大了，能容纳更多数据。
• 水平分表
  根据一个规则或字段（分片键）将数据分到不同的表里，保证所有表的字段都相同，数据均匀划分。

分库

• 业务模块分库
  根据不同的业务模块来分库，将不同业务的数据库操作分隔开来
• 按表分库
  对于上述水平分表产生的多个子表来说，可以将不同的子表分到不同的数据库中

分库分表也会带来一些问题，比如：

• 不同库表关联查询问题
  首先设计初需要避免这种情况，如果出现这种情况
  1.设计冗余字段，避免跨库的join
  2.添加全局表，保存一些全局数据等很少修改的数据
• 分布式事务问题
  基于两阶段提交的XA事务
• 分布式id问题
  可以利用雪花算法，或者专门的id生成服务解决
• 数据扩容
  因业务量增加需要增加子表，这个时候需要重新设置分片规则，并且做数据迁移，保证数据均匀分布
• 跨表排序分页
  分片键作为排序字段，则正常使用排序；反之，则需要在不同子表中分别查询结果并汇总，再次排序
• ER分片
  对于一些关联表，可以合理设置它们的分片字段，使得相同分片数据的表在同一个数据分片上，避免跨库join。比如员工表和公司表，假设他们以公司id关联，可以以公司id来分片，这样能保证同一个库内，公司表和员工表的公司id都是一样的。

此外，这些问题可以利于一些市面上成熟的中间件来解决，比如ShardingSphere，mycat，Sharding-JDBC，DRDS等等。