百萬級數據處理方案

數據存儲結構設計

表字段設計

• 表字段 not null，因為 null 值很難查詢優化且占用額外的索引空間，推薦默認數字 0。
• 數據狀態類型的字段，比如 status, type 等等，盡量不要定義負數，如 -1。因為這樣可以加上 UNSIGNED，數值容量就會擴大一倍。
• 可以的話用 TINYINT、SMALLINT 等代替 INT，盡量不使用 BIGINT，因為占的空間更小。
• 字符串類型的字段會比數字類型占的空間更大，所以盡量用整型代替字符串，很多場景是可以通過編碼邏輯來實現用整型代替的。
• 字符串類型長度不要隨意設置，保證滿足業務的前提下盡量小。
• 用整型來存 IP。
• 單表不要有太多字段，建議在20以內。
• 為能預見的字段提前預留，因為數據量越大，修改數據結構越耗時。

索引設計

• 索引，空間換時間的優化策略，基本上根據業務需求設計好索引，足以應付百萬級的數據量，養成使用 explain 的習慣，關于 explain 也可以訪問：explain 讓你的 sql 寫的更踏實了解更多。
• 一個常識：索引并不是越多越好，索引是會降低數據寫入性能的。
• 索引字段長度盡量短，這樣能夠節省大量索引空間；
• 取消外鍵，可交由程序來約束，性能更好。
• 復合索引的匹配最左列規則，索引的順序和查詢條件保持一致，盡量去除沒必要的單列索引。
• 值分布較少的字段（不重復的較少）不適合建索引，比如像性別這種只有兩三個值的情況字段建立索引意義不大。
• 需要排序的字段建議加上索引，因為索引是會排序的，能提高查詢性能。
• 字符串字段使用前綴索引，不使用全字段索引，可大幅減小索引空間。

查詢語句優化

• 盡量使用短查詢替代復雜的內聯查詢。
• 查詢不使用 select *，盡量查詢帶索引的字段，避免回表。
• 盡量使用 limit 對查詢數量進行限制。
• 查詢字段盡量落在索引上，尤其是復合索引，更需要注意最左前綴匹配。
• 拆分大的 delete / insert 操作，一方面會鎖表，影響其他業務操作，還有一方面是 MySQL 對 sql 長度也是有限制的。
• 不建議使用 MySQL 的函數，計算等，可先由程序處理，從上面提的一些點會發現，能交由程序處理的盡量不要把壓力轉至數據庫上。因為多數的服務器性能瓶頸都在數據庫上。
• 查詢 count，性能：count(1) = count(*) > count(主鍵) > count(其他字段)。
• 查詢操作符能用 between 則不用 in，能用 in 則不用 or。
• 避免使用!=或＜＞、IS NULL或IS NOT NULL、IN ，NOT IN等這樣的操作符，因為這些查詢無法使用索引。
• sql 盡量簡單，少用 join，不建議兩個 join 以上。

千萬級數據處理方案

數據存儲結構設計

到了這個階段的數據量，數據本身已經有很大的價值了，數據除了滿足常規業務需求外，還會有一些數據分析的需求。而這個時候數據可變動性不高，基本上不會考慮修改原有結構，一般會考慮從分區，分表，分庫三方面做優化：

分區：

• 分區是根據一定的規則，數據庫把一個表分解成多個更小的、更容易管理的部分，是一種水平劃分。對應用來說是完全透明的，不影響應用的業務邏輯，即不用修改代碼。因此能存更多的數據，查詢，刪除也支持按分區來操作，從而達到優化的目的。如果有考慮分區，可以提前做準備，避免下列一些限制：
• 一個表最多只能有1024個分區（mysql5.6之后支持8192個分區）。但你實際操作的時候，最好不要一次性打開超過 100 個分區，因為打開分區也是有時間損耗的。
• 如果分區字段中有主鍵或者唯一索引列，那么所有主鍵列和唯一索引列都必須包含進來，如果表中有主鍵或唯一索引，那么分區鍵必須是主鍵或唯一索引。
• 分區表中無法使用外鍵約束。
• NULL值會使分區過濾無效，這樣會被放入默認的分區里，請千萬不要讓分區字段出現 NULL。
• 所有分區必須使用相同的存儲引擎。

分表：

分表分水平分表和垂直分表。

水平分表即拆分成數據結構相同的各個小表，如拆分成 table1, table2...，從而緩解數據庫讀寫壓力。

垂直分表即將一些字段分出去形成一個新表，各個表數據結構不相同，可以優化高并發下鎖表的情況。

可想而知，分表的話，程序的邏輯是需要做修改的，所以，一般是在項目初期時，預見到大數據量的情況，才會考慮分表。后期階段不建議分表，成本很大。

分庫：

分庫一般是主從模式，一個數據庫服務器主節點復制到一個或多個從節點多個數據庫，主庫負責寫操作，從庫負責讀操作，從而達到主從分離，高可用，數據備份等優化目的。

當然，主從模式也會有一些缺陷，主從同步延遲，binlog 文件太大導致的問題等等，這里不細講（筆者也學不動了）。

其他：

冷熱表隔離。對于歷史的數據，查詢和使用的人數少的情況，可以移入另一個冷數據庫里，只提供查詢用，來緩解熱表數據量大的情況。

數據庫表主鍵設計

數據庫主鍵設計，個人推薦帶有時間屬性的自增長數字ID。（分布式自增長ID生成算法）

• 雪花算法
• 百度分布式ID算法
• 美團分布式ID算法

為什么要使用這些算法呢，這個與MySQL數據存儲結構有關

從業務上來說：

在設計數據庫時不需要費盡心思去考慮設置哪個字段為主鍵。然后是這些字段只是理論上是唯一的，例如使用圖書編號為主鍵，這個圖書編號只是理論上來說是唯一的，但實踐中可能會出現重復的情況。所以還是設置一個與業務無關的自增ID作為主鍵，然后增加一個圖書編號的唯一性約束。

從技術上來說：

1.如果表使用自增主鍵，那么每次插入新的記錄，記錄就會順序添加到當前索引節點的后續位置，當一頁寫滿，就會自動開辟一個新的頁。 總的來說就是可以提高查詢和插入的性能。

2.對InnoDB來說主鍵索引既存儲索引值，又在葉子節點中存儲行的數據，也就是說數據文件本身就是按照b+樹方式存放數據的。

3.如果沒有定義主鍵，則會使用非空的UNIQUE鍵做主鍵 ; 如果沒有非空的UNIQUE鍵，則系統生成一個6字節的rowid做主鍵;聚簇索引中，N行形成一個頁（一頁通常大小為16K)。如果碰到不規則數據插入時，為了保持B+樹的平衡，會造成頻繁的頁分裂和頁旋轉，插入速度比較慢。所以聚簇索引的主鍵值應盡量是連續增長的值，而不是隨機值(不要用隨機字符串或UUID)。

4.故對于InnoDB的主鍵，盡量用整型，而且是遞增的整型。這樣在存儲/查詢上都是非常高效的。

MySQL面試題

MySQL數據庫千萬級數據查詢優化方案

limit分頁查詢越靠后查詢越慢。這也讓我們得出一個結論：

1、limit語句的查詢時間與起始記錄的位置成正比。

2、mysql的limit語句是很方便，但是對記錄很多的表并不適合直接使用

表使用InnoDB作為存儲引擎，id作為自增主鍵，默認為主鍵索引

SELECT id FROM test LIMIT 9000000,100;

現在優化的方案有兩種，即通過id作為查詢條件使用子查詢實現和使用join實現；

1、id>=的（子查詢）形式實現

select * from test where id >= (select id from test limit 9000000,1)limit 0,100

使用join的形式；

SELECT * FROM test a JOIN (SELECT id FROM test LIMIT 9000000,100) b ON a.id = b.id

這兩種優化查詢使用時間比較接近，其實兩者用的都是一個原理，所以效果也差不多。但個人建議最好使用join，盡量減少子查詢的使用。注：目前是千萬級別查詢，如果將至百萬級別，速度會更快。

SELECT * FROM test a JOIN (SELECT id FROM test LIMIT 1000000,100) b ON a.id = b.id

你用過MySQL那些存儲引擎

他們都有什么特點和區別？

這是高級開發者面試時經常被問的問題。實際我們在平時的開發中，經常會遇到的。Mysql的存儲引擎有這么多種，實際我們在平時用的最多的莫過于InnoDB和MyISAM了。所有如果面試官問道mysql有哪些存儲引擎，你只需要告訴這兩個常用的就行。

那他們都有什么特點和區別呢？

MyISAM：默認表類型，它是基于傳統的ISAM類型，ISAM是Indexed Sequential Access Method (有索引的順序訪問方法) 的縮寫，它是存儲記錄和文件的標準方法。不是事務安全的，而且不支持外鍵，如果執行大量的select，insert MyISAM比較適合。

InnoDB：支持事務安全的引擎，支持外鍵、行鎖、事務是他的最大特點。如果有大量的update和insert，建議使用InnoDB，特別是針對多個并發和QPS較高的情況。注：在MySQL 5.5之前的版本中，默認的搜索引擎是MyISAM，從MySQL 5.5之后的版本中，默認的搜索引擎變更為InnoDB

MyISAM和InnoDB的區別

1.InnoDB支持事務，MyISAM不支持。對于InnoDB每一條SQL語言都默認封裝成事務，自動提交，這樣會影響速度，所以最好把多條SQL語言放在begin和commit之間，組成一個事務；

2.InnoDB支持外鍵，而MyISAM不支持。

3.InnoDB是聚集索引，使用B+Tree作為索引結構，數據文件是和（主鍵）索引綁在一起的（表數據文件本身就是按B+Tree組織的一個索引結構），必須要有主鍵，通過主鍵索引效率很高。MyISAM是非聚集索引，也是使用B+Tree作為索引結構，索引和數據文件是分離的，索引保存的是數據文件的指針。主鍵索引和輔助索引是獨立的。

4.InnoDB不保存表的具體行數，執行select count(*) from table時需要全表掃描。而MyISAM用一個變量保存了整個表的行數，執行上述語句時只需要讀出該變量即可，速度很快。

5.Innodb不支持全文索引，而MyISAM支持全文索引，查詢效率上MyISAM要高；5.7以后的InnoDB支持全文索引了。

6.InnoDB支持表、行級鎖(默認)，而MyISAM支持表級鎖。；

7.InnoDB表必須有主鍵（用戶沒有指定的話會自己找或生產一個主鍵），而Myisam可以沒有。

8.Innodb存儲文件有frm、ibd，而Myisam是frm、MYD、MYI。

9.Innodb：frm是表定義文件，ibd是數據文件。

10.Myisam：frm是表定義文件，myd是數據文件，myi是索引文件。

MySQL復雜查詢語句的優化

說到復雜SQL優化，最多的是由于多表關聯造成了大量的復雜的SQL語句，那我們拿到這種sql到底該怎么優化呢，實際優化也是有套路的，只要按照套路執行就行。復雜SQL優化方案：

1.使用EXPLAIN關鍵詞檢查SQL。EXPLAIN可以幫你分析你的查詢語句或是表結構的性能瓶頸，就得EXPLAIN 的查詢結果還會告訴你你的索引主鍵被如何利用的，你的數據表是如何被搜索和排序的，是否有全表掃描等；

2.查詢的條件盡量使用索引字段，如某一個表有多個條件，就盡量使用復合索引查詢，復合索引使用要注意字段的先后順序。

3.多表關聯盡量用join，減少子查詢的使用。表的關聯字段如果能用主鍵就用主鍵，也就是盡可能的使用索引字段。如果關聯字段不是索引字段可以根據情況考慮添加索引。

4.盡量使用limit進行分頁批量查詢，不要一次全部獲取。

5.絕對避免select *的使用，盡量select具體需要的字段，減少不必要字段的查詢；

6.盡量將or 轉換為 union all。

7.盡量避免使用is null或is not null。

8.要注意like的使用，前模糊和全模糊不會走索引。

9.Where后的查詢字段盡量減少使用函數，因為函數會造成索引失效。

10.避免使用不等于（!=），因為它不會使用索引。

11.用exists代替in，not exists代替not in，效率會更好；

12.避免使用HAVING子句, HAVING 只會在檢索出所有記錄之后才對結果集進行過濾，這個處理需要排序，總計等操作。如果能通過WHERE子句限制記錄的數目,那就能減少這方面的開銷。

13.千萬不要 ORDER BY RAND()

以上就是詳解MySQL數據庫千萬級數據查詢和存儲的詳細內容，更多關于MySQL數據庫千萬級數據查詢和存儲的資料請關注腳本之家其它相關文章！