最近研發的項目對 DB 依賴比較重，梳理了這段時間使用MySQL遇到的8個比較具有代表性的問題，答案也比較偏自己的開發實踐，沒有 DBA專業和深入，有出入的請使勁拍磚！

1. MySQL讀寫性能是多少，有哪些性能相關的配置參數？
2. MySQL負載高時，如何找到是由哪些SQL引起的？
3. 如何針對具體的SQL做優化？
4. SQL層面已難以優化，請求量繼續增大時的應對策略？
5. MySQL如何做主從數據同步？
6. 如何防止DB誤操作和做好容災？
7. 該選擇MySQL哪種存儲引擎，Innodb具有什么特性？
8. MySQL內部結構有哪些層次？

1.MySQL讀寫性能是多少，有哪些性能相關的重要參數？

這里做了幾個簡單壓測實驗

機器：8核CPU，8G內存 表結構(盡量模擬業務)：12個字段(1個bigint(20)為自增primary key，5個int(11)，5個varchar(512)，1個timestamp)，InnoDB存儲引擎。 實驗1(寫)：insert => 6000/s 前提：連接數100，每次insert單條記錄 分析：CPU跑了50%，這時磁盤為順序寫，故性能較高

實驗2(寫)：update(where條件命中索引) => 200/s 前提：連接數100，10w條記錄，每次update單條記錄的4個字段(2個int(11)，2個varchar(512)) 分析：CPU跑2%，瓶頸明顯在IO的隨機寫

實驗3(讀)：select(where條件命中索引) => 5000/s 前提：連接數100，10w條記錄，每次select單條記錄的4個字段(2個int(11)，2個varchar(512)) 分析：CPU跑6%，瓶頸在IO，和db的cache大小相關

實驗4(讀)：select(where條件沒命中索引) => 60/s 前提：連接數100，10w條記錄，每次select單條記錄的4個字段(2個int(11)，2個varchar(512)) 分析：CPU跑到80%，每次select都需遍歷所有記錄，看來索引的效果非常明顯！

幾個重要的配置參數，可根據實際的機器和業務特點調整

max_connecttions：最大連接數

table_cache：緩存打開表的數量

key_buffer_size：索引緩存大小

query_cache_size：查詢緩存大小

sort_buffer_size：排序緩存大小(會將排序完的數據緩存起來)

read_buffer_size：順序讀緩存大小

read_rnd_buffer_size：某種特定順序讀緩存大小(如order by子句的查詢)

PS：查看配置方法：show variables like '%max_connecttions%';

2.MySQL負載高時，如何找到是由哪些SQL引起的？

方法：慢查詢日志分析(MySQLdumpslow)

慢查詢日志例子，可看到每個慢查詢SQL的耗時：

# User@Host: edu_online[edu_online] @  [10.139.10.167] # Query_time: 1.958000  Lock_time: 0.000021 Rows_sent: 254786  Rows_examined: 254786 SET timestamp=1410883292; select * from t_online_group_records; 

日志顯示該查詢用了1.958秒，返回254786行記錄，一共遍歷了254786行記錄。及具體的時間戳和SQL語句。

使用MySQLdumpslow進行慢查詢日志分析

MySQLdumpslow -s t -t 5 slow_log_20140819.txt

輸出查詢耗時最多的Top5條SQL語句

-s：排序方法，t表示按時間 (此外，c為按次數，r為按返回記錄數等) -t：去Top多少條，-t 5表示取前5條

執行完分析結果如下：

Count: 1076100  Time=0.09s (99065s)  Lock=0.00s (76s)  Rows=408.9 (440058825), edu_online[edu_online]@28hosts   select * from t_online_group_records where UNIX_TIMESTAMP(gre_updatetime) > N Count: 1076099  Time=0.05s (52340s)  Lock=0.00s (91s)  Rows=62.6 (67324907), edu_online[edu_online]@28hosts   select * from t_online_course where UNIX_TIMESTAMP(c_updatetime) > N Count: 63889  Time=0.78s (49607s)  Lock=0.00s (3s)  Rows=0.0 (18), edu_online[edu_online]@[10x.213.1xx.1xx]   select f_uin from t_online_student_contact where f_modify_time > N Count: 1076097  Time=0.02s (16903s)  Lock=0.00s (72s)  Rows=52.2 (56187090), edu_online[edu_online]@28hosts   select * from t_online_video_info where UNIX_TIMESTAMP(v_update_time) > N Count: 330046  Time=0.02s (6822s)  Lock=0.00s (45s)  Rows=0.0 (2302), edu_online[edu_online]@4hosts   select uin,cid,is_canceled,unix_timestamp(end_time) as endtime,unix_timestamp(update_time) as updatetime    from t_kick_log where unix_timestamp(update_time) > N 

以第1條為例，表示這類SQL(N可以取很多值，這里MySQLdumpslow會歸并起來)在8月19號的慢查詢日志內出現了1076100次，總耗時99065秒，總返回440058825行記錄，有28個客戶端IP用到。

通過慢查詢日志分析，就可以找到最耗時的SQL，然后進行具體的SQL分析

慢查詢相關的配置參數

log_slow_queries：是否打開慢查詢日志，得先確保=ON后面才有得分析

long_query_time：查詢時間大于多少秒的SQL被當做是慢查詢，一般設為1S

log_queries_not_using_indexes：是否將沒有使用索引的記錄寫入慢查詢日志

slow_query_log_file：慢查詢日志存放路徑

3.如何針對具體的SQL做優化？

使用Explain分析SQL語句執行計劃

MySQL> explain select * from t_online_group_records where UNIX_TIMESTAMP(gre_updatetime) > 123456789; +----+-------------+------------------------+------+---------------+------+---------+------+------+-------------+ | id | select_type | table                  | type | possible_keys | key  | key_len | ref  | rows | Extra       | +----+-------------+------------------------+------+---------------+------+---------+------+------+-------------+ |  1 | SIMPLE      | t_online_group_records | ALL  | NULL          | NULL | NULL    | NULL |   47 | Using where | +----+-------------+------------------------+------+---------------+------+---------+------+------+-------------+ 1 row in set (0.00 sec) 

如上面例子所示，重點關注下type，rows和Extra：

type：使用類別，有無使用到索引。結果值從好到壞：... > range(使用到索引) > index > ALL(全表掃描)，一般查詢應達到range級別

rows：SQL執行檢查的記錄數

Extra：SQL執行的附加信息，如"Using index"表示查詢只用到索引列，不需要去讀表等

使用Profiles分析SQL語句執行時間和消耗資源

MySQL> set profiling=1; (啟動profiles，默認是沒開啟的) MySQL> select count(1) from t_online_group_records where UNIX_TIMESTAMP(gre_updatetime) > 123456789; (執行要分析的SQL語句) MySQL> show profiles; +----------+------------+----------------------------------------------------------------------------------------------+ | Query_ID | Duration   | Query                                                                                        | +----------+------------+----------------------------------------------------------------------------------------------+ |        1 | 0.00043250 | select count(1) from t_online_group_records where UNIX_TIMESTAMP(gre_updatetime) > 123456789 | +----------+------------+----------------------------------------------------------------------------------------------+ 1 row in set (0.00 sec) MySQL> show profile cpu,block io for query 1; (可看出SQL在各個環節的耗時和資源消耗) +----------------------+----------+----------+------------+--------------+---------------+ | Status               | Duration | CPU_user | CPU_system | Block_ops_in | Block_ops_out | +----------------------+----------+----------+------------+--------------+---------------+ ... | optimizing           | 0.000016 | 0.000000 |   0.000000 |            0 |             0 | | statistics           | 0.000020 | 0.000000 |   0.000000 |            0 |             0 | | preparing            | 0.000017 | 0.000000 |   0.000000 |            0 |             0 | | executing            | 0.000011 | 0.000000 |   0.000000 |            0 |             0 | | Sending data         | 0.000076 | 0.000000 |   0.000000 |            0 |             0 | ... 

SQL優化的技巧 (只提一些業務常遇到的問題)

1. 最關鍵：索引，避免全表掃描。

對接觸的項目進行慢查詢分析，發現TOP10的基本都是忘了加索引或者索引使用不當，如索引字段上加函數導致索引失效等(如where UNIX_TIMESTAMP(gre_updatetime)>123456789)

+----------+------------+---------------------------------------+ | Query_ID | Duration   | Query                                 | +----------+------------+---------------------------------------+ |        1 | 0.00024700 | select * from mytable where id=100    | |        2 | 0.27912900 | select * from mytable where id+1=101  | +----------+------------+---------------------------------------+ 

另外很多同學在拉取全表數據時，喜歡用select xx from xx limit 5000,1000這種形式批量拉取，其實這個SQL每次都是全表掃描，建議添加1個自增id做索引，將SQL改為select xx from xx where id>5000 and id<6000;

+----------+------------+-----------------------------------------------------+ | Query_ID | Duration   | Query                                               | +----------+------------+-----------------------------------------------------+ |        1 | 0.00415400 | select * from mytable where id>=90000 and id<=91000 | |        2 | 0.10078100 | select * from mytable limit 90000,1000              | +----------+------------+-----------------------------------------------------+ 

合理用好索引，應該可解決大部分SQL問題。當然索引也非越多越好，過多的索引會影響寫操作性能

1. 只select出需要的字段，避免select +----------+------------+-----------------------------------------------------+ | Query_ID | Duration | Query | +----------+------------+-----------------------------------------------------+ | 1 | 0.02948800 | select count(1) from ( select id from mytable ) a | | 2 | 1.34369100 | select count(1) from ( select * from mytable ) a | +----------+------------+-----------------------------------------------------+
2. 盡量早做過濾，使Join或者Union等后續操作的數據量盡量小
3. 把能在邏輯層算的提到邏輯層來處理，如一些數據排序、時間函數計算等
4. .......

PS：關于SQL優化，已經有足夠多文章了，所以就不講太全面了，只重點說自己1個感受：索引！基本都是因為索引！

4.SQL層面已難以優化，請求量繼續增大時的應對策略？

下面是我能想到的幾個方法，每個方法又都是一篇大文章了，這里就不展開。

• 分庫分表
• 使用集群(master-slave)，讀寫分離
• 增加業務的cache層
• 使用連接池

5.MySQL如何做主從數據同步？

復制機制（Replication）

master通過復制機制，將master的寫操作通過binlog傳到slave生成中繼日志(relaylog)，slave再將中繼日志redo，使得主庫和從庫的數據保持同步

復制相關的3個MySQL線程

1. slave上的I/O線程：向master請求數據
2. master上的Binlog Dump線程：讀取binlog事件并把數據發送給slave的I/O線程
3. slave上的SQL線程：讀取中繼日志并執行，更新數據庫

屬于slave主動請求拉取的模式

實際使用可能遇到的問題

數據非強一致：CDB默認為異步復制，master和slave的數據會有一定延遲(稱為主從同步距離，一般 < 1s) 主從同步距離變大：可能是DB寫入壓力大，也可能是slave機器負載高，網絡波動等原因，具體問題具體分析

相關監控命令

show processlist：查看MySQL進程信息，包括3個同步線程的當前狀態

show master status ：查看master配置及當前復制信息

show slave status：查看slave配置及當前復制信息

6.如何防止DB誤操作和做好容災？

業務側應做到的幾點：

• 重要DB數據的手工修改操作，操作前需做到2點：1 先在測試環境操作 2 備份數據
• 根據業務重要性做定時備份，考慮系統可承受的恢復時間
• 進行容災演練，感覺很必要

MySQL備份和恢復操作

1.備份：使用MySQLdump導出數據

MySQLdump -u 用戶名 -p 數據庫名 [表名] > 導出的文件名 MySQLdump -uxxx -p xxx mytable > mytable.20140921.bak.sql 

2.恢復：導入備份數據

MySQL -uxxx -p xxxx < mytable.20140921.bak.sql

3.恢復：導入備份數據之后發送的寫操作。先使用MySQLbinlog導出這部分寫操作SQL(基于時間點或位置) 如導出2014-09-21 09:59:59之后的binlog：

MySQLbinlog --database="test" --start-date="2014-09-21 09:59:59" /var/lib/MySQL/mybinlog.000001 > binlog.data.sql 

如導出起始id為123456之后的binlog：

MySQLbinlog --database="test" --start-position="123456" /var/lib/MySQL/mybinlog.000001 > binlog.data.sql 

最后把要恢復的binlog導入db

MySQL -uxxxx -p xxxx < binlog.data.sql

7.該選擇MySQL哪種存儲引擎，Innodb具有什么特性？

存儲引擎簡介

插件式存儲引擎是MySQL的重要特性，MySQL支持多種存儲引擎以滿足用戶的多種應用場景 存儲引擎解決的問題：如何組織MySQL數據在介質中高效地讀取，需考慮存儲機制、索引設計、并發讀寫的鎖機制等 MySQL5.0支持的存儲引擎有MyISAM、InnoDB、Memory、Merge等

**MyISAM和InnoDB的區別(只說重點了)

1. InnoDB，MySQL5.5之后及CDB的默認引擎。
   • 支持行鎖：并發性能好
   • 支持事務：故InnoDB稱為事務性存儲引擎，支持ACID，提供了具有提交、回滾和崩潰恢復能力的事務安全
   • 支持外鍵：當前唯一支持外鍵的引擎
2. MyISAM，MySQL5.5之前默認引擎
   • 支持表鎖：插入+查詢速度快，更新+刪除速度慢
   • 不支持事務

使用show engines可查看當前MySQL支持的存儲引擎詳情

8.MySQL內部結構有哪些層次？

非專業DBA，這里只簡單貼個結構圖說明下。MySQL是開源系統，其設計思路和源代碼都出自大牛之手，有空可以學習下。

1. Connectors：連接器。接收不同語言的Client交互
2. Management Serveices & Utilities：系統管理和控制工具
3. Connection Pool: 連接池。管理用戶連接
4. SQL Interface: SQL接口。接受用戶的SQL命令，并且返回用戶需要查詢的結果
5. Parser: 解析器。驗證和解析SQL語句成內部數據結構
6. Optimizer: 查詢優化器。為查詢語句選擇合適的執行路徑
7. Cache和Buffer：查詢緩存。緩存查詢的結果，有命中即可直接返回
8. Engine：存儲引擎。MySQL數據最后組織并存儲成具體文件