写一手好SQL很有必要

写一手好SQL很有必要

SQL语言的设计初衷是把关系数据库的细节隐藏起来,解耦操作逻辑与数据展示,暴露给用户一个简单的交互接口。严格来说,SQL不是编程语言而是表达式,很多非程序员也可以快速掌握。一些产品经理直接通过SQL查询运营数据,不用等到程序员开发后台界面。

当数据量大的时候,优化SQL语句和数据库结构才是一门学问。传统关系型数据库就像体育课上的女同学,跑两步就气喘吁吁 – 容量小并发低 ,常常身体不适要请假 – 约束太多。大家都会搞点分布式,扩容应用程序比数据库要容易得多,所以传统关系型数据库的实施原则是数据库少干活,应用程序多干活,如下几点细则:

  • 充分利用但不滥用索引,须知索引也消耗磁盘和CPU。
  • 不推荐使用数据库函数格式化数据,交给应用程序处理。
  • 不推荐使用外键约束,用应用程序保证数据准确性。
  • 写多读少的场景,不推荐使用唯一索引,用应用程序保证唯一性。
  • 适当冗余字段,用应用程序计算中间结果,用空间换时间。
  • 不允许执行极度耗时的事务,在应用程序中拆分成更小的事务。
  • 预估重要数据表(比如订单表)的负载和数据增长态势,做好优化预案。

以MySQL为例,分享几点数据库优化的措施。

1 MySQL配置

1.1 单表数据量

抛开数据量和并发数,谈性能都是耍流氓。MySQL没有限制单表最大记录数,它取决于操作系统对文件大小的限制。

文件系统 单文件大小限制
FAT32 最大4G
NTFS 最大64GB
NTFS5.0 最大2TB
EXT2 块大小为1024字节,文件最大容量16GB;块大小为4096字节,文件最大容量2TB
EXT3 块大小为4KB,文件最大容量为4TB
EXT4 理论可以大于16TB

《阿里巴巴Java开发手册》提出单表行数超过500万行或者单表容量超过2GB,才推荐分库分表。性能由综合因素决定,抛开业务复杂度,影响程度依次是硬件配置、MySQL配置、数据表设计、索引优化。500万这个值仅供参考,并非铁律。我曾经操作过超过4亿行数据的单表,分页查询最新的20条记录耗时0.6秒,SQL语句大致是 select field_1,field_2 from table where id < #{prePageMinId} order by id desc limit 20 ,prePageMinId是上一页数据记录的最小ID。虽然当时查询速度还凑合,随着数据不断增长,有朝一日必定不堪重负。分库分表是个周期长而风险高的大活儿,应该尽可能在当前结构上优化,比如升级硬件、迁移历史数据等等,实在没辙了再分。

1.2 最大并发数

在MySQL中,每个连接通常都对应着一个线程,并发数代表着一定时间段内,允许访问数据库的线程的最大数,由参数 max_connections 和 max_user_connections 决定。max_connections是指数据库实例的最大连接数,上限值是16384,max_user_connections是指每个数据库用户的最大连接数。MySQL会为每个连接提供缓冲区,意味着消耗更多的内存。如果连接数设置太高硬件吃不消,太低又不能充分利用硬件。一般要求两者比值超过10%,计算方法如下:

max_used_connections / max_connections * 100% = 3/100 *100% ≈ 3%

查看最大连接数与响应最大连接数:

show variables like '%max_connections%';
show variables like '%max_user_connections%';

在配置文件my.cnf中修改最大连接数

[mysqld]
max_connections = 100
max_used_connections = 20

1.3 慢查询日志

用户体验有一个3秒原则,如果用户的操作3秒内没有响应,将会厌烦甚至退出。响应时间=客户端UI渲染耗时+网络请求耗时+应用程序处理耗时+查询数据库耗时,0.5秒就是留给数据库1/6的处理时间。建议将单次查询耗时控制在0.5秒以内,并且配置慢查询日志。

2 数据表优化

2.1 数据类型

尽可能采用更简单或者占用空间更小的数据类型:

  • 如果长度能够满足,整型尽量使用tinyint、smallint、medium_int而非int。
  • 如果字符串长度确定,采用char类型。
  • 如果varchar能够满足,不采用text类型。
  • 精度要求较高的使用decimal类型,也可以使用BIGINT,比如精确两位小数就乘以100后保存。
  • 尽量采用timestamp而非datetime。
类型 字节 描述
datetime 8字节 ‘1000-01-01 00:00:00.000000’ to ‘9999-12-31 23:59:59.999999
timestamp 4字节 ‘1970-01-01 00:00:01.000000’ to ‘2038-01-19 03:14:07.999999’

相比datetime,timestamp占用更少的空间,以UTC的格式储存自动转换时区。

2.2 避免空值

MySQL中字段为NULL时依然占用空间,会使索引、索引统计更加复杂。从NULL值更新到非NULL无法做到原地更新,容易发生索引分裂影响性能。尽可能将NULL值用有意义的值代替,也能避免SQL语句里面包含is not null的判断。

2.3 优化text类型

text字段用于储存大量数据,容易导致单表容量过快膨胀,影响其他字段的查询性能。建议抽取出来放在子表里,用业务主键关联。

3 索引优化

3.1 索引分类

  • 普通索引:最基本的索引。
  • 组合索引:多个字段上建立的索引,能够加速复合查询条件的检索。
  • 唯一索引:与普通索引类似,但索引列的值必须唯一,允许有空值。
  • 组合唯一索引:列值的组合必须唯一。
  • 主键索引:特殊的唯一索引,用于唯一标识数据表中的某一条记录,不允许有空值,一般用primary key约束。
  • 全文索引:用于海量文本的查询,MySQL5.6之后的InnoDB和MyISAM均支持全文索引。由于查询精度以及扩展性不佳,更多的企业选择Elasticsearch。

3.2 索引优化

  • 单次查询数据量超过30%时,优化器认为全表扫描比走索引更好,此时索引失效。
  • 单表索引数不超过5个、单个索引字段数不超过5个。
  • 字符串可使用前缀索引,前缀长度控制在5-8个字符。
  • 字段唯一性太低,增加索引没有意义,比如性别。
  • 合理使用覆盖索引,如下所示:
    select login_name, nick_name from member where login_name = ?

    login_name, nick_name两个字段建立组合索引,比login_name简单索引要更快

4 SQL优化

4.1 分批处理

你见过鱼塘挖开堤岸放水吗?水面有各种漂浮物比如浮萍、树叶、树枝,浮萍总能顺利通过出水口,而树枝可能卡住出口,挡住其他物体通过。数据库是鱼塘,最大并发数就是出水口,一般的用户SQL是浮萍,影响大量数据行的select、update操作是树枝,举例如下:

更新用户所有已过期的优惠券为不可用状态。  
update status=0 FROM `coupon` WHERE expire_date <= #{currentDate} and status=1;

如果大量优惠券需要更新为不可用状态,执行这条SQL可能会堵死其他SQL,分批处理伪代码如下:

int pageNo = 1;
int PAGE_SIZE = 100;
while(true) {
    List<Integer> batchIdList = queryList('select id FROM `coupon` WHERE expire_date <= #{currentDate} and status = 1 limit #{(pageNo-1) * PAGE_SIZE},#{PAGE_SIZE}');
    if (CollectionUtils.isEmpty(batchIdList)) {
        return;
    }
    update('update status = 0 FROM `coupon` where status = 1 and id in #{batchIdList}')
    pageNo ++;
}

4.2 操作符优化

通常\<>操作符无法使用索引,举例如下,查询金额不为100元的订单:

select id from orders where amount  != 100;

如果金额为100的订单极少,这种数据分布严重不均的情况下,有可能使用索引。鉴于这种不确定性,采用union聚合搜索结果,改写方法如下:

(select id from orders where amount > 100)
 union all
(select id from orders where amount < 100 and amount > 0)

4.3 OR优化

在Innodb引擎下or无法使用组合索引,比如:

select id,product_name from orders where mobile_no = '13421800407' or user_id = 100;

OR无法命中mobile_no + user_id的组合索引,可采用union,如下所示:

(select id,product_name from orders where mobile_no = '13421800407')
 union
(select id,product_name from orders where user_id = 100);

此时id和product_name字段都有索引,查询才最高效。

4.4 IN优化

IN适合主表大子表小,EXIST适合主表小子表大。由于查询优化器的不断升级,很多场景这两者性能差不多一样了。举例如下:

select id from orders where user_id in (select id from user where level = 'VIP');

改造为 Join:

select o.id from orders o left join user u on o.user_id = u.id where u.level = 'VIP';

4.5 不做列运算

在查询条件列运算会导致索引失效,如下所示:

查询当日订单
select id from order where date_format(create_time,'%Y-%m-%d') = '2019-07-01';

date_format函数会导致这个查询无法使用索引,改写后:

select id from order where create_time between '2019-07-01 00:00:00' and '2019-07-01 23:59:59';

4.6 避免Select all

如果不查询表中所有的列,避免使用SELECT *,它会进行全表扫描,不能有效利用索引。

4.7 Like优化

like用于模糊查询,举个例子(field已建立索引):

SELECT column FROM table WHERE field like '%keyword%';

这个查询未命中索引,换成下面的写法:

SELECT column FROM table WHERE field like 'keyword%';

去除了前面的%查询将会命中索引,但是产品经理一定要前后模糊匹配呢?全文索引fulltext可以尝试一下,但Elasticsearch才是终极武器。

4.8 Join优化

Join的原理通过驱动表的结果集作为基础数据,将该结果数据作为过滤条件到下一个表中循环查询数据,然后合并结果。如果有多个join,则将前面的结果集作为循环数据,再次到后一个表中查询数据。

  • 驱动表和被驱动表尽可能增加查询条件,满足ON的条件而少用Where,用小结果集驱动大结果集。
  • 被驱动表的join字段上加上索引,无法建立索引的时候,设置足够的Join Buffer Size。
  • 禁止join连接三个以上的表,尝试增加冗余字段。

4.9 Limit优化

limit用于分页查询时越往后翻性能越差,解决的原则:缩小扫描范围,如下所示:

select * from orders order by id desc limit 100000,10 
耗时0.4秒

select * from orders order by id desc limit 1000000,10
耗时5.2秒

先筛选出ID缩小查询范围,写法如下:

select * from orders where id > (select id from orders order by id desc  limit 1000000, 1) order by id desc limit 0,10
耗时0.5秒

如果查询条件仅有主键ID,写法如下:

select id from orders where id between 1000000 and 1000010 order by id desc
耗时0.3秒

5 NoSQL数据库

NoSQL 数据库通常指非关系型数据库,是一种基于数据键值对存储、高度分布式、支持动态查询的数据管理系统。NoSQL 数据库的设计目的是为了解决传统关系型数据库无法处理的大型应用程序的数据存储和管理问题。它们通常具有以下特点:

  • 灵活性:NoSQL 数据库没有固定的表结构和查询语言,允许在一个数据元素里存储不同类型的数据,从而支持灵活的数据存储和管理。
  • 可扩展性:NoSQL 数据库通常采用分布式存储和并行处理技术,可以在需要时轻松扩展以支持更大的数据量和更高的并发访问。
  • 高可用:NoSQL 数据库通常采用多副本复制技术,以确保数据的高可用性和容错能力。
  • 弱一致性:与传统的关系型数据库不同,NoSQL 数据库通常采用最终一致性模型,这意味着在分布式系统中,数据可能不会立即同步,但在一段时间后将趋于一致。

后端开发人员不光要精通MySQL或Oracle等传统关系数据库,也要学会采用NoSQL数据库解决特定场景下的性能瓶颈。

分类 数据库 特性
键值型 Memcache 用于内容缓存,大量数据的高访问负载
键值型 Redis 用于内容缓存,比Memcache支持更多的数据类型,并能持久化数据
列式存储 HBase Hadoop体系的核心数据库,海量结构化数据存储,大数据必备。
文档型 MongoDb 知名文档型数据库,也可以用于缓存
文档型 CouchDB Apache的开源项目,专注于易用性,支持REST API
图形 Neo4J 用于社交网络构建关系图谱,推荐系统等

发表评论

您的电子邮箱地址不会被公开。 必填项已用*标注