MySQL“被动”性能优化汇总！

宇宙尽头

年少不知优化苦，遇坑方知优化难。 ——村口王大爷
本文内容导图如下：



我之前有很多文章都在讲性能优化的问题，比如下面这些：

• 《switch 的性能提升了 3 倍，我只用了这一招！》
  
• 《String性能提升10倍的几个方法！(源码+原理分析)》
  
• 《局部变量竟然比全局变量快 5 倍？》
  
• 《池化技术到达有多牛？看了线程和线程池的对比吓我一跳！》
  
• 《链表竟然比数组慢了1000多倍？(动图+性能评测)》
  
• 《HashMap 的 7 种遍历方式与性能分析！》
  
• 更多性能优化文章
  

当然，本篇也是关于性能优化的，那性能优化就应该一把梭子吗？还是要符合一些规范和原则呢？



所以，在开始之前（MySQL 优化），咱们先来聊聊性能优化的一些原则。
性能优化原则和分类

性能优化一般可以分为：

• 主动优化
  
• 被动优化
  

所谓的主动优化是指不需要外力的推动而自发进行的一种行为，比如当服务没有明显的卡顿、宕机或者硬件指标异常的情况下，自我出发去优化的行为，就可以称之为主动优化。



而被动优化刚好与主动优化相反，它是指在发现了服务器卡顿、服务异常或者物理指标异常的情况下，才去优化的这种行为。
性能优化原则 无论是主动优化还是被动优化都要符合以下性能优化的原则：

• 优化不能改变服务运行的逻辑，要保证服务的正确性；
  
• 优化的过程和结果都要保证服务的安全性；
  
• 要保证服务的稳定性，不能为了追求性能牺牲程序的稳定性。比如不能为了提高 Redis 的运行速度，而关闭持久化的功能，因为这样在 Redis 服务器重启或者掉电之后会丢失存储的数据。
  

以上原则看似都是些废话，但却给了我们一个启发，那就是我们性能优化手段应该是：预防性能问题为主+被动优化为辅。
也就是说，我们应该以预防性能问题为主，在开发阶段尽可能的规避性能问题，而在正常情况下，应尽量避免主动优化，以防止未知的风险（除非是为了 KPI，或者是闲的没事），尤其对生产环境而言更是如此，最后才是考虑被动优化。

PS：当遇到性能缓慢下降、或硬件指标缓慢增加的情况，如今天内存的占用率是 50%，明天是 70%，后天是 90% ，并且丝毫没有收回的迹象时，我们应该提早发现并处理此类问题（这种情况也属于被动优化的一种）。

MySQL 被动性能优化

所以我们本文会重点介绍 MySQL 被动性能优化的知识，根据被动性能优化的知识，你就可以得到预防性能问题发生的一些方法，从而规避 MySQL 的性能问题。
本文我们会从问题入手，然后考虑这个问题产生的原因以及相应的优化方案。我们在实际开发中，通常会遇到以下 3 个问题：

• 单条 SQL 运行慢；
  
• 部分 SQL 运行慢；
  
• 整个 SQL 运行慢。
  

问题 1：单条 SQL 运行慢

问题分析

造成单条 SQL 运行比较慢的常见原因有以下两个：

• 未正常创建或使用索引；
  
• 表中数据量太大。
  

解决方案 1：创建并正确使用索引

索引是一种能帮助 MySQL 提高查询效率的主要手段，因此一般情况下我们遇到的单条 SQL 性能问题，通常都是由于未创建或为正确使用索引而导致的，所以在遇到单条 SQL 运行比较慢的情况下，你首先要做的就是检查此表的索引是否正常创建。
如果表的索引已经创建了，接下来就要检查一下此 SQL 语句是否正常触发了索引查询，如果发生以下情况那么 MySQL 将不能正常的使用索引：

• 在 where 子句中使用 != 或者 <> 操作符，查询引用会放弃索引而进行全表扫描；
  
• 不能使用前导模糊查询，也就是 '%XX' 或 '%XX%'，由于前导模糊不能利用索引的顺序，必须一个个去找，看是否满足条件，这样会导致全索引扫描或者全表扫描；
  
• 如果条件中有 or 即使其中有条件带索引也不会正常使用索引，要想使用 or 又想让索引生效，只能将 or 条件中的每个列都加上索引才能正常使用；
  
• 在 where 子句中对字段进行表达式操作。
  

因此你要尽量避免以上情况，除了正常使用索引之外，我们也可以使用以下技巧来优化索引的查询速度：

• 尽量使用主键查询，而非其他索引，因为主键查询不会触发回表查询；
  
• 查询语句尽可能简单，大语句拆小语句，减少锁时间；
  
• 尽量使用数字型字段，若只含数值信息的字段尽量不要设计为字符型；
  
• 用 exists 替代 in 查询；
  
• 避免在索引列上使用 is null 和 is not null。
  

回表查询：普通索引查询到主键索引后，回到主键索引树搜索的过程，我们称为回表查询。

解决方案 2：数据拆分

当表中数据量太大时 SQL 的查询会比较慢，你可以考虑拆分表，让每张表的数据量变小，从而提高查询效率。
1.垂直拆分

指的是将表进行拆分，把一张列比较多的表拆分为多张表。比如，用户表中一些字段经常被访问，将这些字段放在一张表中，另外一些不常用的字段放在另一张表中，插入数据时，使用事务确保两张表的数据一致性。 垂直拆分的原则：

• 把不常用的字段单独放在一张表；
  
• 把 text，blob 等大字段拆分出来放在附表中；
  
• 经常组合查询的列放在一张表中。
  

2.水平拆分

指的是将数据表行进行拆分，表的行数超过200万行时，就会变慢，这时可以把一张的表的数据拆成多张表来存放。 通常情况下，我们使用取模的方式来进行表的拆分，比如，一张有 400W 的用户表 users，为提高其查询效率我们把其分成 4 张表 users1，users2，users3，users4，然后通过用户 ID 取模的方法，同时查询、更新、删除也是通过取模的方法来操作。
表的其他优化方案：

• 使用可以存下数据最小的数据类型；
  
• 使用简单的数据类型，int 要比 varchar 类型在 MySQL 处理简单；
  
• 尽量使用 tinyint、smallint、mediumint 作为整数类型而非 int；
  
• 尽可能使用 not null 定义字段，因为 null 占用 4 字节空间；
  
• 尽量少用 text 类型，非用不可时最好考虑分表；
  
• 尽量使用 timestamp，而非 datetime；
  
• 单表不要有太多字段，建议在 20 个字段以内。
  

问题 2：部分 SQL 运行慢

问题分析

部分 SQL 运行比较慢，我们首先要做的就是先定位出这些 SQL，然后再看这些 SQL 是否正确创建并使用索引。也就是说，我们先要使用慢查询工具定位出具体的 SQL，然后再使用问题 1 的解决方案处理慢 SQL。
解决方案：慢查询分析

MySQL 中自带了慢查询日志的功能，开启它就可以用来记录在 MySQL 中响应时间超过阀值的语句，具体指运行时间超过 long_query_time 值的 SQL，则会被记录到慢查询日志中。long_query_time 的默认值为 10，意思是运行 10S 以上的语句。默认情况下，MySQL 数据库并不启动慢查询日志，需要我们手动来设置这个参数，如果不是调优需要的话，一般不建议启动该参数，因为开启慢查询日志会给 MySQL 服务器带来一定的性能影响。慢查询日志支持将日志记录写入文件，也支持将日志记录写入数据库表。 使用 mysql> show variables like '%slow_query_log%'; 来查询慢查询日志是否开启，执行效果如下图所示：


slow_query_log 的值为 OFF 时，表示未开启慢查询日志。
开启慢查询日志

开启慢查询日志，可以使用如下 MySQL 命令：

mysql> set global slow_query_log=1

不过这种设置方式，只对当前数据库生效，如果 MySQL 重启也会失效，如果要永久生效，就必须修改 MySQL 的配置文件 my.cnf，配置如下：

slow_query_log =1 slow_query_log_file=/tmp/mysql_slow.log

当你开启慢查询日志之后，所有的慢查询 SQL 都会被记录在 slow_query_log_file 参数配置的文件内，默认是 /tmp/mysql_slow.log 文件，此时我们就可以打开日志查询到所有慢 SQL 进行逐个优化。
问题 3：整个 SQL 运行慢

问题分析

当出现整个 SQL 都运行比较慢就说明目前数据库的承载能力已经到了峰值，因此我们需要使用一些数据库的扩展手段来缓解 MySQL 服务器了。
解决方案：读写分离

一般情况下对数据库而言都是“读多写少”，换言之，数据库的压力多数是因为大量的读取数据的操作造成的，我们可以采用数据库集群的方案，使用一个库作为主库，负责写入数据；其他库为从库，负责读取数据。这样可以缓解对数据库的访问压力。
MySQL 常见的读写分离方案有以下两种：
1.应用层解决方案

可以通过应用层对数据源做路由来实现读写分离，比如，使用 SpringMVC + MyBatis，可以将 SQL 路由交给 Spring，通过 AOP 或者 Annotation 由代码显示的控制数据源。 优点：路由策略的扩展性和可控性较强。 缺点：需要在 Spring 中添加耦合控制代码。
2.中间件解决方案

通过 MySQL 的中间件做主从集群，比如：Mysql Proxy、Amoeba、Atlas 等中间件都能符合需求。 优点：与应用层解耦。 缺点：增加一个服务维护的风险点，性能及稳定性待测试，需要支持代码强制主从和事务。
扩展知识：SQL 语句分析

在 MySQL 中我们可以使用 explain 命令来分析 SQL 的执行情况，比如：

explain select * from t where id=5;

如下图所示：


其中：

• id — 选择标识符，id 越大优先级越高，越先被执行；
  
• select_type — 表示查询的类型；
  
• table — 输出结果集的表；
  
• partitions — 匹配的分区；
  
• type — 表示表的连接类型；
  
• possible_keys — 表示查询时，可能使用的索引；
  
• key — 表示实际使用的索引；
  
• key_len — 索引字段的长度；
  
• ref—  列与索引的比较；
  
• rows — 大概估算的行数；
  
• filtered — 按表条件过滤的行百分比；
  
• Extra — 执行情况的描述和说明。
  

其中最重要的就是 type 字段，type 值类型如下：

• all — 扫描全表数据；
  
• index — 遍历索引；
  
• range — 索引范围查找；
  
• index_subquery — 在子查询中使用 ref；
  
• unique_subquery — 在子查询中使用 eq_ref；
  
• ref_or_null — 对 null 进行索引的优化的 ref；
  
• fulltext — 使用全文索引；
  
• ref — 使用非唯一索引查找数据；
  
• eq_ref — 在 join 查询中使用主键或唯一索引关联；
  
• const — 将一个主键放置到 where 后面作为条件查询， MySQL 优化器就能把这次查询优化转化为一个常量，如何转化以及何时转化，这个取决于优化器，这个比 eq_ref 效率高一点。
  

总结

本文我们介绍了 MySQL 性能优化的原则和分类，MySQL 的性能优化可分为：主动优化和被动优化，但无论何种优化都要保证服务的正确性、安全性和稳定性。它带给我们的启发是应该采用：预防 + 被动优化的方案来确保 MySQL 服务器的稳定性，而被动优化常见的问题是：

• 单条 SQL 运行慢；
  
• 部分 SQL 运行慢；
  
• 整个 SQL 运行慢。
  

因此我们给出了每种被动优化方案的问题分析和解决方案，希望本文可以帮助到你。