开发者

MySQL千万数据量深分页优化流程(拒绝线上故障)

开发者 https://www.devze.com 2023-11-19 11:03 出处：网络 作者： 马丁玩编程
目录引言mysql 同步 ES 流程如下：软硬件说明重新认识 MySQL 分页深分页优化子查询优化延迟关联书签记录ORDER BY 巨坑, 慎踩ORDER BY 索引失效举例结言引言
相关专题：MySQL千万数据深分页优化MySQL深分页优化
目录
  • 引言
  • mysql 同步 ES 流程如下：
  • 软硬件说明
  • 重新认识 MySQL 分页
  • 深分页优化
    • 子查询优化
    • 延迟关联
    • 书签记录
  • ORDER BY 巨坑, 慎踩
    • ORDER BY 索引失效举例
  • 结言

    引言

    优化项目代码过程中发现一个千万级数据深分页问题，缘由是这样的

    库里有一张耗材 MCS_PROD 表，通过同步外部数据中台多维度数据，在系统内部组装为单一耗材产品，最终同步到 ES 搜索引擎

    MySQL 同步 ES 流程如下：

    • 通过定时任务的形式触发同步，比如间隔半天或一天的时间频率
    • 同步的形式为增量同步，根据更新时间的机制，比如第一次同步查询 >= 1970-01-01 00:00:00.0
    • 记录最大的更新时间进行存储，下次更新同步以此为条件
    • 以分页的形式获取数据，当前页数量加一，循环到最后一页

    在这里问题也就出现了，MySQL 查询分页 OFFSET 越深入，性能越差，初步估计线上 MCS_PROD 表中记录在 1000w 左右

    如果按照每页 10 条，OFFSET 值会拖垮查询性能，进而形成一个 "性能深渊"

    同步类代码针对此问题有两种优化方式：

    • 采用游标、流式方案进行优化
    • 优化深分页性能，文章围绕这个题目展开

    软硬件说明

    MySQL VERSION

    mysql>selectversion();
+-----------+
|version()|
+-----------+
|5.7.30|
+-----------+
1rowinset(0.01sec)

    表结构说明

    借鉴公司表结构，字段、长度以及名称均已删减

    mysql>DESCMCS_PROD;
+-----------------------+--------------+------+-----+---------+----------------+
|Field|Type|Null|Key|Default|Extra|
+-----------------------+--------------+------+-----+---------+----------------+
|MCS_PROD_ID|int(11)|NO|PRI|NULL|auto_increment|
|MCS_CODE|varchar(100)|YES||||
|MCS_NAME|varchar(500)|YES||||
|UPDT_TIME|datetime|NO|MUL|NULL||
+-----------------------+--------------+------+-----+---------+----------------+
4rowsinset(0.01sec)

    通过测试同学帮忙造了 500w 左右数据量

    mysql>SELECTCOUNT(*)FROMMCS_PROD;
+----------+
|count(*)|
+----------+
|5100000|
+----------+
1rowinset(1.43sec)

    SQL 语句如下

    因为功能需要满足 增量拉取的方式，所以会有数据更新时间的条件查询，以及相关 查询排序（此处有坑）

    SELECT
MCS_PROD_ID,
MCS_CODE,
MCS_NAME,
UPDT_TIME
FROM
MCS_PROD
WHERE
UPDT_TIME>='1970-01-0100:00:00.0'ORDERBYUPDT_TIME
LIMITxx,xx

    重新认识 MySQL 分页

    LIMIT 子句可以被用于强制 SELECT 语句返回指定的记录数。LIMIT 接收一个或两个数字参数，参数必须是一个整数常量

    如果给定两个参数，第一个参数指定第一个返回记录行的偏移量，第二个参数指定返回记录行的最大数

    举个简单的例子，分析下 SQL 查询过程，掌握深分页性能为什么差

    mysql>SELECTMCS_PROD_ID,MCS_CODE,MCS_NAMEFROMMCS_PROdwHERE(UPDT_TIME>='1970-01-0100:00:00.0')ORDERBYUPDT_TIMELIMIT100000,1;
+-------------+-------------------------+------------------+---------------------+
|MCS_PROD_ID|MCS_CODE|MCS_NAME|UPDT_TIME|
+-------------+-------------------------+------------------+---------------------+
|181789|XA601709733186213015031|尺、桡骨LC-DCP骨板|2020-10-1916:22:19|
+-------------+-------------------------+------------------+---------------------+
1rowinset(3.66sec)
mysql>EXPLAINSELECTMCS_PROD_ID,MCS_CODE,MCS_NAMEFROMMCS_PRODWHERE(UPDT_TIME>='1970-01-0100:00:00.0')ORDERBYUPDT_TIMELIMIT100000,1;
+----+-------------+----------+------------+-------+---------------+------------+---------+------+---------+----------+-----------------------+
|id|select_type|table|partitions|type|possible_keys|key|key_len|ref|rows|filtered|Extra|
+----+-------------+----------+------------+-------+---------------+------------+---------+------+---------+----------+-----------------------+
|1|SIMPLE|MCS_PROD|NULL|range|MCS_PROD_1|MCS_PROD_1|5|NULL|2296653|100.00|Usingindexcondition|
+----+-------------+----------+------------+-------+---------------+------------+---------+------+---------+----------+-----------------------+
1rowinset,1warning(0.01sec)

    简单说明下上面 SQL 执行过程：

    • 首先查询了表 MCS_PROD，进行过滤 UPDT_TIME 条件，查询出展示列（涉及回表操作）进行排序以及 LIMIT
    • LIMIT 100000, 1 的意思是扫描满足条件的 100001 行，然后扔掉前 100000 行

    MySQL 耗费了 大量随机 I/O 在回表查询聚簇索引的数据上，而这 100000 次随机 I/O 查询数据不会出现在结果集中

    如果系统并发量稍微高一点，每次查询扫描超过 100000 行，性能肯定堪忧，另外 LIMIT 分页 OFFSET 越深，性能越差（多次强调）

    MySQL千万数据量深分页优化流程(拒绝线上故障)

    图1 数据仅供参考

    深分页优化

    关于 MySQL 深分页优化常见的大概有以下三种策略：

    • 子查询优化
    • 延迟关联
    • 书签记录

    上面三点都能大大的提升查询效率，核心思想就是让 MySQL 尽可能扫描更少的页面，获取需要访问的记录后再根据关联列回原表查询所需要的列

    子查询优化

    子查询深分页优化语句如下：

    mysql>SELECTMCS_PROD_ID,MCS_CODE,MCS_NAMEFROMMCS_PRODWHEREMCS_PROD_ID>=(SELECTm1.MCS_PROD_IDFROMMCS_PRODm1WHEREm1.UPDT_TIME>='1970-01-0100:00:00.0'ORDERBYmpython1.UPDT_TIMELIMIT3000000,1)LIMIT1;
+-------------+-------------------------+------------------------+
|MCS_PROD_ID|MCS_CODE|MCS_NAME|
+-------------+-------------------------+------------------------+
|3021401|XA892010009391491861476|金属解剖型接骨板T型接骨板A|
+-------------+-------------------------+------------------------+
1rowinset(0.76sec)
mysql>EXPLAINSELECTMCS_PROD_ID,MCS_CODE,MCS_NAMEFROMMCS_PRODWHEREMCS_PROD_ID>=(SELECTm1.MCS_PROD_IDFROMMCS_PRODm1WHEREm1.UPDT_TIME>='1970-01-0100:00:00.0'ORDERBYm1.UPDT_TIMELIMIT3000000,1)LIMIT1;
+----+-------------+----------+------------+-------+---------------+------------+---------+------+---------+----------+--------------------------+
|id|select_type|table|partitions|type|possible_keys|key|key_len|ref|rows|filtered|Extra|
+----+-------------+----------+------------+-------+---------------+------------+---------+------+---------+----------+--------------------------+
|1|PRIMARY|MCS_PROD|NULL|range|PRIMARY|PRIMARY|4|NULL|2296653|100.00|Usingwhere|
|2|SUBQUERY|m1|NULL|range|MCS_PROD_1|MCS_PROD_1|5|NULL|2296653|100.00|Usingwhere;Usingindex|
+----+-------------+----------+------------+-------+---------------+------------+---------+------+---------+----------+--------------------------+
2rowsinset,1warning(0.77sec)

    根据执行计划得知，子查询 table m1 查询是用到了索引。首先在 索引上拿到了聚集索引的主键 ID 省去了回表操作，然后第二查询直接根据第一个查询的 ID 往后再去查 10 个就可以了

    MySQL千万数据量深分页优化流程(拒绝线上故障)

    图2 数据仅供参考

    延迟关联

    "延迟关联" 深分页优化语句如下：

    mysql>SELECTMCS_PROD_ID,MCS_CODE,MCS_NAMEFROMMCS_PRODINNERJOIN(SELECTm1.MCS_PROD_IDFROMMCS_PRODm1WHEREm1.UPDT_TIME>='1970-01-0100:00:00.0'ORDERBYm1.UPDT_TIMELIMIT3000000,1)ASMCS_PROD2USING(MCS_PROD_ID);
+-------------+-------------------------+------------------------+
|MCS_PROD_ID|MCS_CODE|MCS_NAME|
+-------------+-------------------------+------------------------+
|3021401|XA892010009391491861476|金属解剖型接骨板T型接骨板A|
+-------------+-------------------------+------------------------+
1rowinset(0.75sec)
mysql>EXPLAINSELECTMCS_PROD_ID,MCS_CODE,MCS_NAMEFROMMCS_PRODINNERJOIN(SELECTm1.MCS_PROD_IDFROMMCS_PRODm1WHEREm1.UPDT_TIME>='1970-01-0100:00:00.0'ORDERBYm1.UPDT_TIMELIMIT3000000,1)ASMCS_PROD2USING(MCS_PROD_ID);
+----+-------------+------------+------------+--------+---------------+------------+---------+-----------------------+---------+----------+--------------------------+
|id|select_type|table|partitions|type|possible_keys|key|key_len|ref|rows|filtered|Extra|
+----+-------------+------------+------------+--------+---------------+------------+---------+-----------------------+---------+----------+--------------------------+
|1|PRIMARY|<derived2>|NULL|ALL|NULL|NULL|NULL|NULL|2296653|100.00|NULL|
|1|PRIMARY|MCS_PROD|NULL|eq_ref|PRIMARY|PRIMARY|4|MCS_PROD2.MCS_PROD_ID|1|100.00|NULL|
|2|DERIVED|m1|NULL|range|MCS_PROD_1|MCS_PROD_1|5|NULL|2296653|100.00|Usingwhere;Usingindex|
+----+-------------+------------+------------+--------+---------------+------------+---------+-----------------------+---------+----------+--------------------------+
3rowsinset,1warning(0.00sec)

    思路以及性能与子查询优化一致，只不过采用了 JOIN 的形式执行

    书签记录

    关于 LIMIT 深分页问题，核心在于 OFFSET 值，它会 导致 MySQL 扫描大量不需要的记录行然后抛弃掉

    我们可以先使用书签 记录获取上次取数据的位置，下次就可以直接从该位置开始扫描，这样可以 避免使用 OFFEST

    假设需要查询 3000000 行数据后的第 1 条记录，查询可以这么写

    mysql>SELECTMCS_PROD_ID,MCS_CODE,MCS_NAMEFROMMCS_PRODWHEREMCS_PROD_ID<3000000ORDERBYUPDT_TIMELIMIT1;
+-------------+-------------------------+---------------------------------+
|MCS_PROD_ID|MCS_CODE|MCS_NAME|
+-------------+-------------------------+---------------------------------+
|127|XA683240878449276581799|股骨近端-1螺纹孔锁定板（纯钛）YJBL01|
+-------------+-------------------------+---------------------------------+
1rowinset(0.00sec)
mysql>EXPLAINSELECTMCS_PROD_ID,MCS_CODE,MCS_NAMEFROMMCS_PRODWHEREMCS_PROD_ID<3000000ORDERBYUPDT_TIMELIMIT1;
+----+-------------+----------+------------+-------+---------------+------------+---------+------+------+----------+-------------+
|id|select_type|table|partitions|type|possible_keys|key|key_len|ref|rows|filtered|Extra|
+----+-------------+----------+------------+-------+---------------+------------+---------+------+------+----------+-------------+
|1|SIMPLE|MCS_PROD|NULL|index|PRIMARY|MCS_PROD_1|5|NULL|2|50.00|Usingwhere|
+----+-------------+----------+------------+-------+---------------+------------+---------+------+------+----------+-------------+
1rowinset,1warning(0.00sec)

    好处是很明显的，查询速度超级快，性能都会稳定在毫秒级，从性能上考虑碾压其它方式

    不过这种方式局限性也比较大，需要一种类似连续自增的字段，以及业务所能包容的连续概念，视情况而定

    MySQL千万数据量深分页优化流程(拒绝线上故障)

    上图是阿里云 OSS Bucket 桶内文件列表，大胆猜测是不是可以采用书签记录的形式完成

    ORDER BY 巨坑, 慎踩

    以下言论可能会打破你对 order by 所有 美好 YY

    先说结论吧，当 LIMIT OFFSET 过深时，会使 ORDER BY 普通索引失效（联合、唯一这些索引没有测试）

    mysql>EXPLAINSELECTMCS_PROD_ID,MCS_CODE,MCS_NAME,UPDT_TIMEFROMMCS_PRODWHERE(UPDT_TIME>='1970-01-0100:00:00.0')ORDERBYUPDT_TIMELIMIT100000,1;
+----+-------------+----------+------------+-------+---------------+------------+---------+------+---------+----------+-----------------------+
|id|select_type|table|partitions|type|possible_keys|key|key_len|ref|rows|filtered|Extra|
+----+-------------+----------+------------+-------+---------------+------------+-------php--+------+---------+----------+-----------------------+
|1|SIMPLE|MCS_PROD|NULL|range|MCS_PROD_1|MCS_PROD_1|5|NULL|2296653|100.00|Usingindexcondition|
+----+-------------+----------+------------+-------+---------------+------------+---------+------+---------+----------+-----------------------+
1rowinset,1warning(0.00sec)

    先来说一下这个 ORDER BY 执行过程：

    • 初始化 SORT_BUFFER，放入 MCS_PROD_ID,MCS_CODE,MCS_NAME,UPDT_TIME 四个字段
    • 从索引 UPDT_TIME 找到满足条件的主键 ID，回表查询出四个字段值存入 SORT_BUFFER
    • 从索引处继续查询满足 UPDT_TIME 条件记录，继续执行步骤 2
    • 对 SORT_BUFFER 中的数据按照 UPDT_TIME 排序
    • 排序成功后取出符合 LIMIT 条件的记录返回客户端

    按照 UPDT_TIME 排序可能在内存中完成，也可能需要使用外部排序，取决于排序所需的内存和参数 SORT_BUFFER_SIZE

    SORT_BUFFER_SIZE 是 MySQL 为排序开辟的内存。如果排序数据量小于 SORT_BUFFER_SIZE，排序会在内存中完成。如果数据量过大，内存放不下，则会利用磁盘临时文件排序

    针对 SORT_BUFFER_SIZE 这个参数在网上查询到有用资料比较少，大家如果测试过程中存在问题，可以加微信一起沟通

    ORDER BY 索引失效举例

    OFFSET 100000 时，通过 key Extra 得知，没有使用磁盘临时文件排序，这个时候把 OFFSET 调整到 500000

    凉凉夜色为你思念成河，化作春泥呵护着你... 一首凉凉送给写这个 SQL 的同学，发现了 Using filesort

    mysql>EXPLAINSELECTMCS_PROD_ID,MCS_CODE,MCS_NAME,UPDT_TIMEFROMMCS_PRODWHERE(UPDT_TIME>='1970-01-0100:00:00.0')ORDERBYUPDT_TIMELIMIT500000,1;
+----+-------------+----------+------------+------+---------------+------+------javascript---+------+---------+----------+-----------------------------+
|id|select_type|table|partitions|type|possible_keys|key|key_len|ref|rows|filtered|Extra|
+----+-------------+----------+------------+------+---------------+------+---------+------+---------+----------+-----------------------------+
|1|SIMPLE|MCS_PROD|NULL|ALL|MCS_PROD_1|NULL|NULL|NULL|4593306|50.00|Usingwhere;Usingfilesort|
+----+-------------+----------+------------+------+---------------+------+---------+------+---------+----------+-----------------------------+
1rowinset,1warning(0www.devze.com.0javascript0sec)

    Using filesort 表示在索引之外，需要额外进行外部的排序动作，性能必将受到严重影响

    所以我们应该 结合相对应的业务逻辑避免常规 LIMIT OFFSET，采用 # 深分页优化 章节进行修改对应业务

    结言

    最后有一点需要声明下，MySQL 本身并不适合单表大数据量业务

    因为 MySQL 应用在企业级项目时，针对库表查询并非简单的条件，可能会有更复杂的联合查询，亦或者是大数据量时存在频繁新增或更新操作，维护索引或者数据 ACID 特性上必然存在性能牺牲

    如果设计初期能够预料到库表的数据增长，理应构思合理的重构优化方式，比如 ES 配合查询、分库分表、TiDB 等解决方式

    以上就是MySQL千万数据量深分页优化拒绝线上故障的详细内容，更多关于MySQL千万数据深分页优化的资料请关注我们其它相关文章！

    0

    上一篇:

    :下一篇

    更多 数据库 相关资讯：

    精彩评论

    暂无评论...
    登录 注册
    Qedev.com
    验证码 换一张
    取 消

    关注公众号

    热门标签

    图文推荐

    MySQL字符串日期格式转换的几种常用方法例子解析

    MySQL字符串日期格式转换的几种常用方法例子解析
    详解Sqlsugar调用Oracle的存储过程

    详解Sqlsugar调用Oracle的存储过程
    SpringBoot集成Mongodb的操作方法

    SpringBoot集成Mongodb的操作方法
    如何用PyMongo在Python中操作MongoDB的超完整指南

    如何用PyMongo在Python中操作MongoDB的超完整指南
    Vcenter清理/storage/archive空间的处理方式

    Vcenter清理/storage/archive空间的处理方式
    mysql插入带emoji表情的数据报错问题

    mysql插入带emoji表情的数据报错问题
    Mysql允许他人访问本机数据库的实现步骤

    Mysql允许他人访问本机数据库的实现步骤
    Docker安装MongoDB的过程(mongo.latest)

    Docker安装MongoDB的过程(mongo.latest)

    开发者开发者网给大家分享系统运维,大数据运维,云计算,编程开发技巧,路由交换,运维和开发相关的资讯及技术文章，同时StackOverflow中文社区，知识经验交流分享。

    法律声明：本站内容均为网友上传，网站举办方负责审核和监督，如存在版权或非法内容，欢迎举报，我们将尽快予以删除。邮箱：devze@qq.com

    Copyright © 2018-2020 开发者. All rights reserved. Powered by 开发者ICP备案号: 京ICP备10032868号-9