【博文推薦】運維角度淺談MySQL數據庫優化
|
本文出自51CTO博客博主“企鵝”那點事兒，如有任何問題請進入博主頁面互動討論。 |
一個成熟的數據庫架構并不是一開始設計就具備高可用、高伸縮等特性的，它是隨著用戶量的增加，基礎架構才逐漸完善。數據庫發展周期大致分為以下五個階段：
1、數據庫表設計
項目立項后，開發部根據產品部需求開發項目，開發工程師工作其中一部分就是對表結構設計。對于數據庫來說，這點很重要，如果設計不當，會直接影響訪問速度和用戶體驗。影響的因素很多，比如慢查詢、低效的查詢語句、沒有適當建立索引、數據庫堵塞(死鎖)等。當然，有測試工程師的團隊，會做壓力測試，找bug。對于沒有測試工程師的團隊來說，大多數開發工程師初期不會太多考慮數據庫設計是否合理，而是盡快完成功能實現和交付，等項目有一定訪問量后，隱藏的問題就會暴露，這時再去修改就不是這么容易的事了。
2、數據庫部署
該運維工程師出場了，項目初期訪問量不會很大，所以單臺部署足以應對在1500左右的QPS(每秒查詢率)?？紤]到高可用性，可采用MySQL主從復制+Keepalived做雙擊熱備，常見集群軟件有Keepalived、Heartbeat。
雙機熱備博文：http://lizhenliang.blog.51cto.com/7876557/1362313
3、數據庫性能優化
如果將MySQL部署到普通的X86服務器上，在不經過任何優化情況下，MySQL理論值正常可以處理1500左右并發連接數(QPS)，經過優化后，有可能會提升到2000左右QPS，否則，訪問量當達到1000多并發連接時，數據庫處理性能就會變慢，而且硬件資源還很富裕，這時就該考慮軟件問題了。那么怎樣讓數據庫***化發揮性能呢?一方面可以單臺運行多個MySQL實例讓服務器性能發揮到***化，另一方面是對數據庫進行優化，往往操作系統和數據庫默認配置都比較保守，會對數據庫發揮有一定限制，可對這些配置進行適當的調整，盡可能的處理更多連接數。
具體優化有以下三個層面：
3.1 數據庫配置優化
MySQL常用有兩種存儲引擎，一個是MyISAM，不支持事務處理，讀性能處理快，表級別鎖。另一個是InnoDB，支持事務處理(ACID)，設計目標是為處理大容量數據發揮***化性能，行級別鎖。
表鎖：開銷小，鎖定粒度大，發生死鎖概率高，相對并發也低。
行鎖：開銷大，鎖定粒度小，發生死鎖概率低，相對并發也高。
為什么會出現表鎖和行鎖呢?主要是為了保證數據的完整性，舉個例子，一個用戶在操作一張表，其他用戶也想操作這張表，那么就要等***個用戶操作完，其他用戶才能操作，表鎖和行鎖就是這個作用。否則多個用戶同時操作一張表，肯定會數據產生沖突或者異常。
根據以上看來，使用InnoDB存儲引擎是***的選擇，也是MySQL5.5以后版本中默認存儲引擎。每個存儲引擎相關聯參數比較多，以下列出主要影響數據庫性能的參數。
公共參數默認值：
- max_connections = 151
- #同時處理***連接數，推薦設置***連接數是上限連接數的80%左右
- sort_buffer_size = 2M
- #查詢排序時緩沖區大小，只對order by和group by起作用，可增大此值為16M
- query_cache_limit = 1M
- #查詢緩存限制，只有1M以下查詢結果才會被緩存，以免結果數據較大把緩存池覆蓋
- query_cache_size = 16M
- #查看緩沖區大小，用于緩存SELECT查詢結果，下一次有同樣SELECT查詢將直接從緩存池返回結果，可適當成倍增加此值
- open_files_limit = 1024
- #打開文件數限制，如果show global status like 'open_files'查看的值等于或者大于open_files_limit值時，程序會無法連接數據庫或卡死
MyISAM參數默認值：
- key_buffer_size = 16M#索引緩存區大小，一般設置物理內存的30-40%
- read_buffer_size = 128K #讀操作緩沖區大小，推薦設置16M或32M
InnoDB參數默認值：
- innodb_buffer_pool_size = 128M
- #索引和數據緩沖區大小，一般設置物理內存的60%-70%
- innodb_buffer_pool_instances = 1
- #緩沖池實例個數，推薦設置4個或8個
- innodb_flush_log_at_trx_commit = 1
- #關鍵參數，0代表大約每秒寫入到日志并同步到磁盤，數據庫故障會丟失1秒左右事務數據。1為每執行一條SQL后寫入到日志并同步到磁盤，I/O開銷大，執行完SQL要等待日志讀寫，效率低。2代表只把日志寫入到系統緩存區，再每秒同步到磁盤，效率很高，如果服務器故障，才會丟失事務數據。對數據安全性要求不是很高的推薦設置2，性能高，修改后效果明顯。
- innodb_file_per_table = OFF
- #默認是共享表空間，共享表空間idbdata文件不斷增大，影響一定的I/O性能。推薦開啟獨立表空間模式，每個表的索引和數據都存在自己獨立的表空間中，可以實現單表在不同數據庫中移動。
- innodb_log_buffer_size = 8M
- #日志緩沖區大小，由于日志最長每秒鐘刷新一次，所以一般不用超過16M
3.2 系統配置優化
大多數MySQL都部署在linux系統上，所以操作系統的一些參數也會影響到MySQL性能，以下對linux內核進行適當優化。
- net.ipv4.tcp_fin_timeout = 30
- #TIME_WAIT超時時間，默認是60s
- net.ipv4.tcp_tw_reuse = 1
- #1表示開啟復用，允許TIME_WAIT socket重新用于新的TCP連接，0表示關閉
- net.ipv4.tcp_tw_recycle = 1
- #1表示開啟TIME_WAIT socket快速回收，0表示關閉
- net.ipv4.tcp_max_tw_buckets = 4096
- #系統保持TIME_WAIT socket***數量，如果超出這個數，系統將隨機清除一些TIME_WAIT并打印警告信息
- net.ipv4.tcp_max_syn_backlog = 4096
- #進入SYN隊列***長度，加大隊列長度可容納更多的等待連接
在linux系統中，如果進程打開的文件句柄數量超過系統默認值1024，就會提示“too many files open”信息，所以要調整打開文件句柄限制。
- # vi /etc/security/limits.conf #加入以下配置，*代表所有用戶，也可以指定用戶，重啟系統生效
- * soft nofile 65535
- * hoft nofile 65535
- # ulimit -SHn 65535 #立刻生效
3.3 硬件配置
加大物理內存，為提高文件系統性能，linux內核會從內存中分配緩存區(系統緩存和文件緩存)來存放熱數據，也就是說物理內存越大，分配緩存區越大，緩存數據越多。
SSD硬盤代替SAS硬盤，將RAID級別調整為RAID1+0，相對于RAID1和RAID5有更好的讀寫性能(IOPS)，畢竟數據庫的壓力主要來自磁盤I/O方面。
#p#
4、數據庫架構擴展
隨著業務量越來越大，單臺數據庫服務器性能已無法滿足業務需求，該考慮加機器了，該做集群了~~~。主要思想是分解單臺數據庫負載，突破磁盤I/O性能，熱數據存放緩存中，降低磁盤I/O訪問頻率。
4.1 主從復制與讀寫分離
因為生產環境中，數據庫大多都是讀操作，所以部署一主多從架構，主數據庫負責寫操作，并做雙擊熱備，多臺從數據庫做負載均衡，負責讀操作，主流的負載均衡器有LVS、HAProxy、Nginx。怎么來實現讀寫分離呢?大多數企業是在代碼層面實現讀寫分離，效率比較高。另一個種方式通過代理程序實現讀寫分離，企業中應用較少，常見代理程序有MySQL Proxy、Amoeba。在這樣數據庫集群架構中，大大增加數據庫高并發能力，解決單臺性能瓶頸問題。如果從數據庫一臺從庫能處理2000 QPS，那么5臺就能處理1w QPS，數據庫橫向擴展性也很容易。
主從復制博文：http://lizhenliang.blog.51cto.com/7876557/1290431
讀寫分離博文：http://lizhenliang.blog.51cto.com/7876557/1305083
4.2 增加緩存
給數據庫增加緩存系統，提高讀性能，緩存實現有本地緩存和分布式緩存，本地緩存是將數據緩存到本地服務器內存中或者文件中，速度快。分布式可以緩存海量數據，擴展容易，主流的分布式緩存系統有memcached、redis，memcached性能穩定，數據緩存在內存中，速度很快，QPS可達8w左右，可以把熱數據緩存到內存中，如果內存緩存中有要請求的數據就不再去數據庫中返回結果。
4.3 分庫
分庫是根據業務不同把相關的表切分到不同的數據庫中，比如web、bbs、blog等庫。如果業務量很大，還可將切分后的庫做主從架構，進一步避免單個庫壓力過大。
4.4 分表
數據量的日劇增加，數據庫中某個表有幾百萬條數據，導致查詢和插入耗時太長，怎么能解決單表壓力呢?你就該考慮是否把這個表拆分成多個小表，來減輕單個表的壓力，提高處理效率，此方式稱為分表。
分表技術比較麻煩，要修改程序代碼里的SQL語句，還要手動去創建其他表，也可以用merge存儲引擎實現分表，相對簡單許多。分表后，程序是對一個總表進行操作，這個總表不存放數據，只有一些分表的關系，以及更新數據的方式，總表會根據不同的查詢，將壓力分到不同的小表上，因此提高并發能力和磁盤I/O 性能。
分表分為垂直拆分和水平拆分：
垂直拆分：把原來的一個很多字段的表拆分多個表，解決表的寬度問題。你可以把不常用的字段單獨放到一個表中，也可以把大字段獨立放一個表中，或者把關聯密切的字段放一個表中。
水平拆分：把原來一個表拆分成多個表，每個表的結構都一樣，解決單表數據量大的問題。
4.5 分區
分區就是把一張表的數據分成多個區塊，這些區塊可以在一個磁盤上，也可以在不同的磁盤上，分區后，表面上還是一張表，但數據散列在多個位置，這樣一來，多塊硬盤同時處理不同的請求，從而提高磁盤I/O讀寫性能，實現比較簡單。
5、數據庫維護
數據庫維護是運維工程師或者DBA主要工作，包括性能監控、性能分析、性能調優、數據庫備份和恢復等。
5.1 開啟慢查詢日志
MySQL開啟慢查詢日志，分析出哪條SQL語句比較慢，使用set設置變量，重啟服務失效，可以在my.cnf添加參數***生效。
- mysql> set global slow-query-log=on #開啟慢查詢功能
- mysql> set global slow_query_log_file='/var/log/mysql/mysql-slow.log'; #指定慢查詢日志文件位置
- mysql> set global log_queries_not_using_indexes=on; #記錄沒有使用索引的查詢
- mysql> set global long_query_time=1; #只記錄處理時間1s以上的慢查詢
分析慢查詢日志，可以使用MySQL自帶的mysqldumpslow工具，分析的日志較為簡單。
# mysqldumpslow -t 3 /var/log/mysql/mysql-slow.log #查看最慢的前三個查詢
也可以使用percona公司的pt-query-digest工具，日志分析功能全面，可分析slow log、binlog、general log。
分析慢查詢日志：pt-query-digest /var/log/mysql/mysql-slow.log
分析binlog日志：mysqlbinlog mysql-bin.000001 >mysql-bin.000001.sql
pt-query-digest --type=binlog mysql-bin.000001.sql
分析普通日志：pt-query-digest --type=genlog localhost.log
5.2 數據庫備份
備份數據庫是最基本的工作，也是最重要的，否則后果很嚴重，你懂得!但由于數據庫比較大，上百G，往往備份都很耗費時間，所以就該選擇一個效率高的備份策略，對于數據量大的數據庫，一般都采用增量備份。常用的備份工具有mysqldump、mysqlhotcopy、xtrabackup 等，mysqldump比較適用于小的數據庫，因為是邏輯備份，所以備份和恢復耗時都比較長。mysqlhotcopy和xtrabackup是物理備份，備份和恢復速度快，不影響數據庫服務情況下進行熱拷貝，建議使用xtrabackup，支持增量備份。有興趣可參考以往博文：http://lizhenliang.blog.51cto.com/7876557/1612800
5.3 數據庫修復
有時候MySQL服務器突然斷電、異常關閉，會導致表損壞，無法讀取表數據。這時就可以用到MySQL自帶的兩個工具進行修復，myisamchk和mysqlcheck。
myisamchk：只能修復myisam表，需要停止數據庫
常用參數：
-f --force 強制修復，覆蓋老的臨時文件，一般不使用
-r --recover 恢復模式
-q --quik 快速恢復
-a --analyze 分析表
-o --safe-recover 老的恢復模式，如果-r無法修復，可以使用此參數試試
-F --fast 只檢查沒有正常關閉的表
快速修復weibo數據庫:
# cd /var/lib/mysql/weibo
# myisamchk -r -q *.MYI
mysqlcheck：myisam和innodb表都可以用，不需要停止數據庫，如修復單個表，可在數據庫后面添加表名，以空格分割
常用參數：
-a --all-databases 檢查所有的庫
-r --repair 修復表
-c --check 檢查表，默認選項
-a --analyze 分析表
-o --optimize 優化表
-q --quik 最快檢查或修復表
-F --fast 只檢查沒有正常關閉的表
快速修復weibo數據庫:
mysqlcheck -r -q -uroot -p123 weibo
以上是本人使用MySQL三年來總結的一些主要優化方案，能力有限，有些不太全面，但這些基本能夠滿足中小型企業數據庫需求。由于關系型數據庫初衷設計限制，一些BAT公司海量數據放到關系型數據庫中，在海量數據查詢和分析方面已經達不到更好的性能。因此NoSQL火起來了，非關系型數據庫，大數據量，具有高性能，同時也彌補了關系型數據庫某方面不足，漸漸大多數公司已經將部分業務數據庫存放到NoSQL中，如MongoDB、HBase等。數據存儲方面采用分布式文件系統，如HDFS、GFS等。海量數據計算分析采用Hadoop、Spark、Storm等。這些都是與運維相關的前沿技術，也是在存儲方面主要學習對象，小伙伴們共同加油吧!哪位博友有更好的優化方案，歡迎交流哦。
