一张思维导图学会如何构建高性能MySQL系统

                         一张思维导图学会如何构建高性能MySQL系统

一、简介

最近在压测新的存储，正好把工作过程中积累的对高性能MySQL相关的知识体系构建起来，做成思维导图的方式。总结乃一家之言，有不妥之处，望给位读者朋友指正。

二、思维导图

构建高性能MySQL系统涵盖从单机、硬件、OS、文件系统、内存到MySQL 本身的配置，以及schema 设计、索引设计 ，再到数据库架构上的水平和垂直拓展。

t.png (354.69 KB, 下载次数: 0)

下载附件

2017-7-6 12:06 上传

三、内容展示

硬件

（1）CPU

• CPU亲和性：

  
  

确保每个io都被其发起的CPU处理

echo 2 > /sys/block/<block device>/queue/rq_affinity

• 选择最大性能模式，避免节能模式导致性能不足
  

  
  

• 关闭NUMA，降低swap概率

  
  

numactl --interleave=all

（2）RAID卡

• 选择FORCE WB读写策略
  

• 选择合适的充放电策略

• 高IO，推荐RAID10

• 空间需求大则RAID5

  
  

操作系统

（1）IO调度策略

SSD/PCIE SSD推荐noop，其它推荐deadline

echo noop > /sys/block/<block device>/queue/scheduler

（2）禁用块设备轮转模式

echo 0 > /sys/block/<block device>/queue/rotational

（3）内存

• vm.swappiness=0

• 内存最大性能模式

  
  

文件系统

确保4K对⻬，如果使用全盘一个分区，例如mkfs.ext4 /dev/dfa也可以使用xfs 构建文件系统。

禁止atime、diratime

mount -o noatime -o nodiratime

开启trim

mount -o discard

关闭barrier

mount -o barrier=0

/dev/sdc1 /data ext4 defaults,noatime,nodiratime,nobarrier 0 0

MySQL

（1）配置优化

IO相关参数

• innodb_flush_method = O_DIRECT

• innodb_read_io_threads = 16

• innodb_write_io_threads = 16

• innodb_io_capacity = 3000（PCIE卡建议更高）

• innodb_flush_neighbors=0

  InnoDB存储引擎在刷新一个脏页时，会检测该页所在区(extent)的所有页，如果是脏页，那么一起刷新。这样做的好处是通过AIO可以将多个IO写操作合并为一个IO操作。对于传统机械硬盘建议使用，而对于固态硬盘可以关闭

• innodb_flush_log_at_trx_commit

  redo 的刷盘策略

• sync_binlog

  binlog 的刷盘策略

• innodb_log_buffer_size

  建议8-16M，有高TPS（比如大于6k）的可以提高到32M，系统tps越高设置可以设置的越大

  
  

内存分配

• 策略：

  
  

jemalloc是BSD的提供的内存分配管理

tcmalloc是google的内存分配管理模块

ptmalloc是glibc的内存分配管理

malloc-lib= /usr/lib64/libjemalloc.so.1

• 系统资源：

  
  

malloc-lib= /usr/lib64/libjemalloc.so.1

back_log：大于max_connections

thread_stack=192

• 并发控制：

  
  

使用thread_pool

thread_cache_size

（2）schema优化

索引优化

目标：利用最小的索引成本找到最需要的行记录。

原则：

• 最左前缀原则：MySQL会一直向右匹配直到遇到范围查询(>、<、between、like)就停止匹配，比如a=1 and b=2 and c>3 and d=4 如果建立(a,b,c,d)顺序的索引，d是用不到索引的，如果建立(a,b,d,c)的索引则都可以用到，a,b,d的顺序可以任意调整

• 避免重复索引：idx_abc多列索引,相当于创建了(a)单列索引，(a,b)组合索引以及(a,b,c)组合索引。不在索引列使用函数 如 max(id)> 10 ,id+1>3 等

• 尽量选择区分度高的列作为前缀索引：区分度的公式是count(distinct col)/count(*)，表示字段不重复的比例，比例越大我们扫描的记录数越少

  
  

SQL开发优化

• 不使用存储过程、触发器，自定义函数

• 不使用全文索引

• 不使用分区表

• 针对OTLP业务尽量避免使用多表join和子查询

• 不使用*,SELECT使用具体的列名：在发生列的增/删时，发生列名修改时，最大限度避免程序逻辑中没有修改导致的BUG，IN的元素个数300-500

• 避免使用大事务，使用短小的事务：减少锁等待和竞争

• 禁止使用%前缀模糊查询 where like ‘%xxx’

• 禁止使用子查询，遇到使用子查询的情况，尽量使用join代替

• 遇到分页查询，使用延迟关联解决：分页如果有大offset，可以先取Id，然后用主键id关联表会提高效率

• 禁止并发执行count(*)，并发导致CPU飙高

• 禁止使⽤order by rand()

• 不使用负向查询，如 not in/like，使用in反向代替

• 不要一次更新大量（大于30000条）数据，批量更新/删除

• SQL中使用到OR的改写为用 IN() （or的效率没有in的效率高）

  
  

数据库架构

• 单实例无法解决空间和性能需求时考虑拆分

• 垂直拆分

• 水平拆分

• 引入缓存系统

  
  

四、说明

• IO相关的优化可能还不完整，以后会逐步完善。

• 关于数据库系统水平和垂直拆分是一个比较大的命题，这里略过，每个公司的业务规模不一样，选取的拆分策略也有所不同。