MySQL优化之--架构优化方向

小灰灰 2024-03-23 12:12 56阅读 0赞

当MySQL开始使用时， 由于数据量少，还没多少问题，当数据量和访问量都上来了， 不可避免要遇到各种性能问题和瓶颈。

这时候一个设计良好的架构就非常重要了，一个好的架构并不是万能的，适合所有的业务。 也不是说当前适合的架构就永远适合。唯一的不变就是变化。

只有跟着业务与时俱进的架构才是一个好的架构。架构也要不断的优化，以下简单介绍下常用的架构优化方向。

9de7bb31d0644e7393039222babfed10

### 升级硬件 ###

Scale up,这个不多说了,根据MySQL是CPU密集型还是I/O密集型,通过提升CPU和内存, 使用SSD,都能显著提升MySQL性能

### 读写分离 ###

也是目前常用的优化,从库读主库写,一般不要采用双主或多主引入很多复杂性,尽量采用文中的其他方案来提高性能. 同时目前很多拆分的解决方案同时也兼顾考虑了读写分离

### 缓存 ###

缓存可以发生在这些层次:

MySQL内部: 在系统调优参数介绍了相关设置

数据访问层: 比如MyBatis针对SQL语句做缓存,而Hibernate可以精确到单个记录,这里缓存的对象主要是持久化对象Persistence Object

应用服务层: 这里可以通过编程手段对缓存做到更精准的控制和更多的实现策略,这里缓存的对象是数据传输对象Data Transfer Object

Web层: 针对web页面做缓存

浏览器客户端: 用户端的缓存

可以根据实际情况在一个层次或多个层次结合加入缓存. 这里重点介绍下服务层的缓存实现,目前主要有两种方式:

直写式 (Write Through): 在数据写入数据库后,同时更新缓存,维持数据库与缓存的一致性. 这也是当前大多数应用缓存框架如Spring Cache的工作方式. 这种实现非常简单,同步好,但效率一般.

回写式 (Write Back): 当有数据要写入数据库时,只会更新缓存,然后异步批量的将缓存数据同步到数据库上. 这种实现比较复杂,需要较多的应用逻辑,同时可能会产生数据库与缓存的不同步,但效率非常高.

### 表分区 ###

MySQL在 5.1 版引入的分区是一种简单的水平拆分,用户需要在建表的时候加上分区参数,对应用是透明的无需修改代码

对用户来说,分区表是一个独立的逻辑表,但是底层由多个物理子表组成,实现分区的代码实际上是通过对一组底层表的对象封装,但对 SQL 层来说是一个完全封装底层的黑盒子. MySQL实现分区的方式也意味着索引也是按照分区的子表定义,没有全局索引

用户的 SQL 语句是需要针对分区表做优化,SQL 条件中要带上分区条件的列,从而使查询定位到少量的分区上,否则就会扫描全部分区,可以通过 EXPLAIN PARTITIONS 来查看某条SQL 语句会落在那些分区上,从而进行 SQL 优化

**分区的好处是:**

可以让单表存储更多的数据

分区表的数据更容易维护,可以通过清楚整个分区批量删除大量数据,也可以增加新的分区来支持新插入的数据. 另外,还可以对一个独立分区进行优化, 检查, 修复等操作

部分查询能够从查询条件确定只落在少数分区上,速度会很快

分区表的数据还可以分布在不同的物理设备上,从而高效利用多个硬件设备

可以使用分区表赖避免某些特殊瓶颈,例如 InnoDB 单个索引的互斥访问, ext3 文件系统的inode 锁竞争

可以备份和恢复单个分区

**分区的限制和缺点:**

一个表最多只能有 1024 个分区

如果分区字段中有主键或者唯一索引的列,那么所有主键列和唯一索引列都必须包含进来

分区表无法使用外键约束

NULL 值会使分区过滤无效

所有分区必须使用相同的存储引擎

**分区的类型:**

RANGE 分区: 基于属于一个给定连续区间的列值,把多行分配给分区

LIST 分区: 类似于按 RANGE 分区,区别在于 LIST 分区是基于列值匹配一个离散值集合中的某个值来进行选择

HASH 分区: 基于用户定义的表达式的返回值来进行选择的分区,该表达式使用将要插入到表中的这些行的列值进行计算. 这个函数可以包含 MySQL中有效的, 产生非负整数值的任何表达式

KEY 分区: 类似于按 HASH 分区,区别在于 KEY 分区只支持计算一列或多列,且 MySQL服务器提供其自身的哈希函数. 必须有一列或多列包含整数值

**分区适合的场景有:**

最适合的场景数据的时间序列性比较强,则可以按时间来分区

另外 MySQL有一种早期的简单的分区实现 - 合并表 (merge table),限制较多且缺乏优化,不建议使用,应该用新的分区机制来替代

### 垂直拆分 ###

垂直分库是根据数据库里面的数据表的相关性进行拆分.

比如: 一个数据库里面既存在用户数据,又存在订单数据,那么垂直拆分可以把用户数据放到用户库, 把订单数据放到订单库.

垂直分表是对数据表进行垂直拆分的一种方式,常见的是把一个多字段的大表按常用字段和非常用字段进行拆分,每个表里面的数据记录数一般情况下是相同的,只是字段不一样,使用主键关联

**垂直拆分的优点是:**

可以使得行数据变小,一个数据块( Block )就能存放更多的数据,在查询时就会减少 I/O 次数(每次查询时读取的 Block 就少)

可以达到最大化利用 Cache 的目的,具体在垂直拆分的时候可以将不常变的字段放一起,将经常改变的放一起

数据维护简单

**垂直拆分的缺点是:**

主键出现冗余,需要管理冗余列

会引起表连接 JOIN 操作 (增加 CPU 开销)可以通过在业务服务器上进行 join 来减少数据库压力

依然存在单表数据量过大的问题 (需要水平拆分)

事务处理复杂

### 水平拆分 ###

水平拆分是通过某种策略将数据分片来存储,分库内分表和分库两部分,每片数据会分散到不同的 MySQL表或库,达到分布式的效果,能够支持非常大的数据量. 前面的表分区本质上也是一种特殊的库内分表.

库内分表,仅仅是单纯的解决了单一表数据过大的问题,由于没有把表的数据分布到不同的机器上,因此对于减轻 MySQL服务器的压力来说,并没有太大的作用,大家还是竞争同一个物理机上的 IO, CPU, 网络,这个就要通过分库来解决

实际情况中往往会是垂直拆分和水平拆分的结合,即将 Users\_A\_M 和 Users\_N\_Z 再拆成 Users 和 UserExtras,这样一共四张表

**水平拆分的优点是:**

不存在单库大数据和高并发的性能瓶颈

应用端改造较少

提高了系统的稳定性和负载能力

**水平拆分的缺点是:**

分片事务一致性难以解决

跨节点 Join 性能差,逻辑复杂

数据多次扩展难度跟维护量极大

### NoSQL ###

在 MySQL上做 Sharding 是一种戴着镣铐的跳舞,事实上很多大表本身对 MySQL这种RDBMS 的需求并不大,并不要求 ACID,可以考虑将这些表迁移到 NoSQL,彻底解决水平扩展问题,例如:

日志类, 监控类, 统计类数据

非结构化或弱结构化数据

对事务要求不强,且无太多关联操作的数据

MySQL优化之--架构优化方向

发表评论取消回复

还没有评论，来说两句吧...

相关阅读

相关 MySQL优化之--架构优化方向

相关 MySQL优化思路及方向

相关 mysql 性能优化方向

相关 mysql 索引优化 sem,MySQL性能诊断方法论及优化方向

相关 mysql性能优化方向

相关 MongoDB 优化方向

相关性能优化之MySQL优化

相关 Oracle/MySQL 数据库优化方案/方向

相关架构优化之：监控

相关 MySQL优化之——查询优化