mysql单表亿级数据分页怎么优化?

发布于 2022-4-20 16:05
浏览
0收藏

作者 | 小汪哥写代码
来源 | 小汪哥(ID:xwgcoding)

“ 把简单的事情放大了,它就不简单了”

前言

有人说单表超千万数据就应该分库分表了,这么玩不合理啊。但是对于创新业务来讲,业务系统的设计不可能一上来就预估这么大的容量,成本和工期都不足矣完成系统的开发工作。我觉得对于创新型业务系统的设计,首先满足需求,其次考虑到万一业务井喷发展所要考虑到的临时解决方案,为系统升级预留时间。

谁都希望业务井喷,那么它来了!

01

具体时间点就不说了,开始做了一个新业务,见了一个表,该表累计数据条不超过100万,提供查询功能。后来业务量持续上涨,mysql 磁盘开始报警,查询超时报警。而且,客户需要实时查询该业务表的数据并下载。头大,临时改存储方案已经来不及了,不能耽误KPI。

02

先解决眼下问题,先扩充磁盘。停止双机房同步,减少不必要的报警。mysql单表亿级数据分页怎么优化?-开源基础软件社区

但是1000G 估计也扛不了多久,和业务同学讨论后,业务接受的范围T-7范围内的数据实时查询下载。按这个增长量,7天也是过亿的记录条数。但是7天的数据磁盘肯定是够用的,那就要先把历史数据离线存储。

这个也简单,几行代码的事儿。当然这样依靠完善的基建。mysql单表亿级数据分页怎么优化?-开源基础软件社区

03

容量的问题解决了,那么改对数据分页查询的进行优化。为了说明问题,去掉敏感的业务数据,数据表结构如下:

CREATE TABLE `t` (
  `id` bigint(20) unsigned NOT NULL AUTO_INCREMENT COMMENT '主键',
  `a` char(32) DEFAULT '' COMMENT '',
  `b` varchar(64) DEFAULT NULL COMMENT '',
  `c` bigint(20) unsigned NOT NULL COMMENT '',
  `d` varchar(64) NOT NULL COMMENT '',
  `e` tinyint(4) DEFAULT NULL COMMENT '',
  `f` int(11) NOT NULL DEFAULT '0' COMMENT '',
  `g` varchar(32) NOT NULL COMMENT '',
  `h` char(32) DEFAULT NULL COMMENT '',
  `i` varchar(64) DEFAULT NULL COMMENT '',
  `j` varchar(64) DEFAULT NULL COMMENT '',
  `k` datetime DEFAULT NULL COMMENT '',
  `l` int(11) DEFAULT NULL COMMENT '',
  `m` timestamp NULL DEFAULT NULL COMMENT '',
  `n` timestamp NULL DEFAULT NULL COMMENT ''
  PRIMARY KEY (`id`),
  UNIQUE KEY `UK_b` (`b`),
  KEY `IDX_c` (`c`,) USING BTREE
)

当数据量少时,我们用下面的分页是没有问题的:

SELECT id,a,b… FROM t LIMIT n,m

例如:

pagesize :每页显示条数。

pageno:页码

那么 m=pagesize; n=(pageno-1)*pagesize.

MySQL的limit工作原理就是先读取前面n条记录,然后抛弃前n条,读后面m条想要的,所以n越大,偏移量越大,性能就越差。

修改sql,减少io的消耗

SELECT id,a,b… FROM t where id in(SELECT id FROM t LIMIT n,m)

其实这样也避免不了扫描前n 条,但是时间已经节约了很多。mysql单表亿级数据分页怎么优化?-开源基础软件社区

上面是每页请求的RT,可见随着页数的增加,RT 逐渐上升。mysql单表亿级数据分页怎么优化?-开源基础软件社区

Qps 逐渐下降。

那么如果数据太多的话,最后一页超时的概率会非常大。

优化后

mysql单表亿级数据分页怎么优化?-开源基础软件社区

先卖个关子,先看看优化后的表现,这个接口的性能明显提升。如图所示:mysql单表亿级数据分页怎么优化?-开源基础软件社区

RT 平均在10ms 左右,因为返回做了数据处理,RT最终在15ms左右 

qps 也很平稳,应该可以再高一些,取决于客户的调用。

优化思路

全表扫描肯定不现实,这时我想到了LSM, Log Structured Merge Trees.这种数据结构,被用在许多产品的文件结构策略:HBase, Cassandra, LevelDB, SQLite,Kafka 等。是一种非常复杂的复合数据结构,它包含了 WAL(Write Ahead Log)、跳表(SkipList)和一个分层的有序表(SSTable,Sorted String Table)。

这里,没有必要实现一个LSM 树,只是参考了其稀疏索引的思想,能够准确定位数据。这样就简单了。步骤如下:

1.根据分析业务,构建一个 字段 a,b的联合索引。因为a,b 是数据的查询条件,且能分离出1/7的数据。

ALTER table  ADD INDEX index_a_b('a','b')

2.因为这个表的数据 都是通过 insert ... on duplicate key update ... 来更新的,【这也是线上死锁分析的那篇文章留下的伏笔】,而且 id 是自增主键,所以,所有的数据都是按照入库时的顺序来的,且后面遇到冲突时修改也是update 的,所以主键id 是不会变的。

在redis 中设计 稀疏索引。
key = a+b+页面
value = 这页的起始id
比如 以每页2条数据为例
key1 = ab1 value =0;
key2 = ab1 value =4;
key3 = ab1 value =8;
.....
那么第一页:
select * from t where id>0 and a='a' b='b'  limit 2;
第二页:
select * from t where id>4 and a='a' b='b'   limit 2;
第三页:
select * from t where id>8 and a='a' b='b'  limit 2;
....

mysql单表亿级数据分页怎么优化?-开源基础软件社区

那么这样就能很快定位到每页的起始id,少了大量的扫描操作,同时使用了索引,虽然 ab 联合索引 在ab 值都是一样的时候 区分度不高,但是这样也保证了id的顺序,不用order by。因为主键索引的id 本来就是有序的。

稀疏索引的计算时机:

在一批数据入库完成后开始稀疏索引的计算。

计算方法:

第一页数据
select * from t where id>0 and a='a' b='b'  limit 2;

第二页:id计算方法;

select max(t.id) from (select * from t where id>0 and a='a' b='b'  limit 2) t; 

第三页:id计算方法;

select max(t.id) from (select * from t where id>【第二页id】 and a='a' b='b'  limit 2) t; 

..........

依次类推.....

然后写入redis ,更新也是同样的道理。

为什么不用覆盖索引呢?

有人肯定会说为什么不用覆盖索引呢,这样就不用回表了啊!

答案是不能;

假如我们返回的 字段 是 a,b ,c d,e,f,那么我们建一个 覆盖索引 x。x的B+树如下:mysql单表亿级数据分页怎么优化?-开源基础软件社区

那如果这个时候 我改了id=5 的值a=4 改为a =1mysql单表亿级数据分页怎么优化?-开源基础软件社区

那现在id 就是不是顺序的了!!!!!!

那用覆盖索引+order by id 呢?

数据量不大的话也是可以的,但是这又是何必呢。我们看看order by 的原理。

首先 MySQL 会为每个查询线程分配一块内存,叫做 sort_buffer,这块内存的作用就是用来排序的。这块内存有多大呢?由参数 **sort_buffer_size** 控制,可以通过如下命令来查看。

# 查看sort_buffer的大小
show variables like 'sort_buffer_size';

mysql单表亿级数据分页怎么优化?-开源基础软件社区

这样有两个问题:

  1. 每次都是按照筛选条件全量排序
  2. 如果数据量太大内存不够会触发文件排序,比较慢。

所以还是老老实实用了刚刚的方案。效果也还不错,也是仅仅加了几行代码而已

这个临时方案也是平稳运行了1年多。(>‿◠)

收藏
回复
举报
回复
添加资源
添加资源将有机会获得更多曝光,你也可以直接关联已上传资源 去关联
    相关推荐