一、SQL查询优化（重要）
1.1 获取有性能问题SQL的三种方式
-
通过用户反馈获取存在性能问题的SQL；
-
通过慢查日志获取存在性能问题的SQL；
-
实时获取存在性能问题的SQL；
1.1.2 慢查日志分析工具
相关配置参数：
slow_query_log # 启动停止记录慢查日志，慢查询日志默认是没有开启的可以在配置文件中开启(on)slow_query_log_file # 指定慢查日志的存储路径及文件，日志存储和数据从存储应该分开存储long_query_time # 指定记录慢查询日志SQL执行时间的阀值默认值为10秒通常,对于一个繁忙的系统来说,改为0.001秒(1毫秒)比较合适log_queries_not_using_indexes #是否记录未使用索引的SQL
AI 代码解读
常用工具：mysqldumpslow和pt-query-digest
pt-query-digest --explain h=127.0.0.1,u=root,p=p@ssWord slow-mysql.log
AI 代码解读
1.1.3 实时获取有性能问题的SQL（推荐）
SELECT id,user,host,DB,command,time,state,infoFROM information_schema.processlistWHERE TIME>=60
AI 代码解读
查询当前服务器执行超过60s的SQL，可以通过脚本周期性的来执行这条SQL，就能查出有问题的SQL。
1.2 SQL的解析预处理及生成执行计划（重要）
1.2.1 查询过程描述（重点！！！）
通过上图可以清晰的了解到MySql查询执行的大致过程：
-
发送
SQL语句。 -
查询缓存，如果命中缓存直接返回结果。
-
SQL解析，预处理，再由优化器生成对应的查询执行计划。 -
执行查询，调用存储引擎API获取数据。
-
返回结果。
1.2.2 查询缓存对性能的影响（建议关闭缓存）
第一阶段：
相关配置参数：
query_cache_type # 设置查询缓存是否可用query_cache_size # 设置查询缓存的内存大小query_cache_limit # 设置查询缓存可用的存储最大值（加上sql_no_cache可以提高效率）query_cache_wlock_invalidate # 设置数据表被锁后是否返回缓存中的数据query_cache_min_res_unit # 设置查询缓存分配的内存块的最小单AI 代码解读
缓存查找是利用对大小写敏感的哈希查找来实现的，Hash查找只能进行全值查找（sql完全一致），如果缓存命中，检查用户权限，如果权限允许，直接返回，查询不被解析，也不会生成查询计划。
在一个读写比较频繁的系统中，建议关闭缓存，因为缓存更新会加锁。将query_cache_type设置为off,query_cache_size设置为0。
1.2.3 第二阶段：MySQL依照执行计划和存储引擎进行交互
这个阶段包括了多个子过程：
一条查询可以有多种查询方式，查询优化器会对每一种查询方式的（存储引擎）统计信息进行比较，找到成本最低的查询方式，这也就是索引不能太多的原因。
1.3 会造成MySQL生成错误的执行计划的原因
1、统计信息不准确
2、成本估算与实际的执行计划成本不同
3、给出的最优执行计划与估计的不同
1.4 MySQL优化器可优化的SQL类型
查询优化器：对查询进行优化并查询mysql认为的成本最低的执行计划。 为了生成最优的执行计划，查询优化器会对一些查询进行改写
可以优化的sql类型
1、重新定义表的关联顺序；
2、将外连接转换为内连接；
3、使用等价变换规则；
4、优化count(),min(),max()；
7、提前终止查询，如发现一个不成立条件(如where id = -1)，立即返回一个空结果；
8、对in()条件进行优化；
1.5 查询处理各个阶段所需要的时间
1.5.1 使用profile(目前已经不推荐使用了)
set profiling = 1; #启动profile,这是一个session级的配制执行查询show profiles; # 查询每一个查询所消耗的总时间的信息show profiles for query N; # 查询的每个阶段所消耗的时间
AI 代码解读
1.5.2 performance_schema是5.5引入的一个性能分析引擎（5.5版本时期开销比较大）
启动监控和历史记录表：use performance_schema
update setup_instruments set enabled='YES',TIME = 'YES' WHERE NAME LIKE 'stage%';update set_consumbers set enabled='YES',TIME = 'YES' WHERE NAME LIKE 'event%';
AI 代码解读
1.6 特定SQL的查询优化
1.6.1 大表的数据修改
1.6.2 大表的结构修改
-
利用主从复制，先对从服务器进入修改，然后主从切换
-
（推荐）
添加一个新表（修改后的结构），老表数据导入新表，老表建立触发器，修改数据同步到新表， 老表加一个排它锁（重命名）， 新表重命名， 删除老表。
修改语句这个样子：
alter table sbtest4 modify c varchar(150) not null default ''
AI 代码解读
利用工具修改：
1.6.3 优化not in 和 <> 查询
子查询改写为关联查询：
二、分库分表
2.1 分库分表的几种方式
分担读负载 可通过 一主多从，升级硬件来解决。
2.1.1 把一个实例中的多个数据库拆分到不同实例（集群）
拆分简单,不允许跨库。但并不能减少写负载。
2.1.2 把一个库中的表分离到不同的数据库中
该方式只能在一定时间内减少写压力。
以上两种方式只能暂时解决读写性能问题。
2.1.3 数据库分片
对一个库中的相关表进行水平拆分到不同实例的数据库中
2.1.3.1 如何选择分区键
- 分区键要能尽可能避免跨分区查询的发生
- 分区键要尽可能使各个分区中的数据平均
2.1.3.2 分片中如何生成全局唯一ID
扩展：表的垂直拆分和水平拆分
原文发布时间为：2018-09-19
本文作者：唐成勇
本文来自云栖社区合作伙伴“云时代架构”，了解相关信息可以关注“云时代架构”。
