最近研发的项目对 DB 依赖比较重，梳理了这段时间使用MySQL遇到的8个比较具有代表性的问题，答案也比较偏自己的开发实践，没有 DBA专业和深入，有出入的请使劲拍砖！
- MySQL读写性能是多少，有哪些性能相关的配置参数？
- MySQL负载高时，如何找到是由哪些SQL引起的？
- 如何针对具体的SQL做优化？
- SQL层面已难以优化，请求量继续增大时的应对策略？
- MySQL如何做主从数据同步？
- 如何防止DB误操作和做好容灾？
- 该选择MySQL哪种存储引擎，Innodb具有什么特性？
- MySQL内部结构有哪些层次？
1.MySQL读写性能是多少，有哪些性能相关的重要参数？
这里做了几个简单压测实验
机器：8核CPU，8G内存 表结构(尽量模拟业务)：12个字段(1个bigint(20)为自增primary key，5个int(11)，5个varchar(512)，1个timestamp)，InnoDB存储引擎。 实验1(写)：insert => 6000/s 前提：连接数100，每次insert单条记录 分析：CPU跑了50%，这时磁盘为顺序写，故性能较高
实验2(写)：update(where条件命中索引) => 200/s 前提：连接数100，10w条记录，每次update单条记录的4个字段(2个int(11)，2个varchar(512)) 分析：CPU跑2%，瓶颈明显在IO的随机写
实验3(读)：select(where条件命中索引) => 5000/s 前提：连接数100，10w条记录，每次select单条记录的4个字段(2个int(11)，2个varchar(512)) 分析：CPU跑6%，瓶颈在IO，和db的cache大小相关
实验4(读)：select(where条件没命中索引) => 60/s 前提：连接数100，10w条记录，每次select单条记录的4个字段(2个int(11)，2个varchar(512)) 分析：CPU跑到80%，每次select都需遍历所有记录，看来索引的效果非常明显！
几个重要的配置参数，可根据实际的机器和业务特点调整
max_connecttions：最大连接数
table_cache：缓存打开表的数量
key_buffer_size：索引缓存大小
query_cache_size：查询缓存大小
sort_buffer_size：排序缓存大小(会将排序完的数据缓存起来)
read_buffer_size：顺序读缓存大小
read_rnd_buffer_size：某种特定顺序读缓存大小(如order by子句的查询)
PS：查看配置方法：show variables like '%max_connecttions%';
2.MySQL负载高时，如何找到是由哪些SQL引起的？
方法：慢查询日志分析(MySQLdumpslow)
慢查询日志例子，可看到每个慢查询SQL的耗时：
代码语言：javascript复制# User@Host: edu_online[edu_online] @ [10.139.10.167]
# Query_time: 1.958000 Lock_time: 0.000021 Rows_sent: 254786 Rows_examined: 254786
SET timestamp=1410883292;
select * from t_online_group_records;
日志显示该查询用了1.958秒，返回254786行记录，一共遍历了254786行记录。及具体的时间戳和SQL语句。
使用MySQLdumpslow进行慢查询日志分析
MySQLdumpslow -s t -t 5 slow_log_20140819.txt
输出查询耗时最多的Top5条SQL语句
-s：排序方法，t表示按时间 (此外，c为按次数，r为按返回记录数等) -t：去Top多少条，-t 5表示取前5条
执行完分析结果如下：
代码语言：javascript复制Count: 1076100 Time=0.09s (99065s) Lock=0.00s (76s) Rows=408.9 (440058825), edu_online[edu_online]@28hosts
select * from t_online_group_records where UNIX_TIMESTAMP(gre_updatetime) > N
Count: 1076099 Time=0.05s (52340s) Lock=0.00s (91s) Rows=62.6 (67324907), edu_online[edu_online]@28hosts
select * from t_online_course where UNIX_TIMESTAMP(c_updatetime) > N
Count: 63889 Time=0.78s (49607s) Lock=0.00s (3s) Rows=0.0 (18), edu_online[edu_online]@[10x.213.1xx.1xx]
select f_uin from t_online_student_contact where f_modify_time > N
Count: 1076097 Time=0.02s (16903s) Lock=0.00s (72s) Rows=52.2 (56187090), edu_online[edu_online]@28hosts
select * from t_online_video_info where UNIX_TIMESTAMP(v_update_time) > N
Count: 330046 Time=0.02s (6822s) Lock=0.00s (45s) Rows=0.0 (2302), edu_online[edu_online]@4hosts
select uin,cid,is_canceled,unix_timestamp(end_time) as endtime,unix_timestamp(update_time) as updatetime
from t_kick_log where unix_timestamp(update_time) > N
以第1条为例，表示这类SQL(N可以取很多值，这里MySQLdumpslow会归并起来)在8月19号的慢查询日志内出现了1076100次，总耗时99065秒，总返回440058825行记录，有28个客户端IP用到。
通过慢查询日志分析，就可以找到最耗时的SQL，然后进行具体的SQL分析
慢查询相关的配置参数
log_slow_queries：是否打开慢查询日志，得先确保=ON后面才有得分析
long_query_time：查询时间大于多少秒的SQL被当做是慢查询，一般设为1S
log_queries_not_using_indexes：是否将没有使用索引的记录写入慢查询日志
slow_query_log_file：慢查询日志存放路径
3.如何针对具体的SQL做优化？
使用Explain分析SQL语句执行计划
代码语言：javascript复制MySQL> explain select * from t_online_group_records where UNIX_TIMESTAMP(gre_updatetime) > 123456789;
---- ------------- ------------------------ ------ --------------- ------ --------- ------ ------ -------------
| id | select_type | table | type | possible_keys | key | key_len | ref | rows | Extra |
---- ------------- ------------------------ ------ --------------- ------ --------- ------ ------ -------------
| 1 | SIMPLE | t_online_group_records | ALL | NULL | NULL | NULL | NULL | 47 | Using where |
---- ------------- ------------------------ ------ --------------- ------ --------- ------ ------ -------------
1 row in set (0.00 sec)
如上面例子所示，重点关注下type，rows和Extra：
type：使用类别，有无使用到索引。结果值从好到坏：... > range(使用到索引) > index > ALL(全表扫描)，一般查询应达到range级别
rows：SQL执行检查的记录数
Extra：SQL执行的附加信息，如"Using index"表示查询只用到索引列，不需要去读表等
使用Profiles分析SQL语句执行时间和消耗资源
代码语言：javascript复制MySQL> set profiling=1; (启动profiles，默认是没开启的)
MySQL> select count(1) from t_online_group_records where UNIX_TIMESTAMP(gre_updatetime) > 123456789; (执行要分析的SQL语句)
MySQL> show profiles;
---------- ------------ ----------------------------------------------------------------------------------------------
| Query_ID | Duration | Query |
---------- ------------ ----------------------------------------------------------------------------------------------
| 1 | 0.00043250 | select count(1) from t_online_group_records where UNIX_TIMESTAMP(gre_updatetime) > 123456789 |
---------- ------------ ----------------------------------------------------------------------------------------------
1 row in set (0.00 sec)
MySQL> show profile cpu,block io for query 1; (可看出SQL在各个环节的耗时和资源消耗)
---------------------- ---------- ---------- ------------ -------------- ---------------
| Status | Duration | CPU_user | CPU_system | Block_ops_in | Block_ops_out |
---------------------- ---------- ---------- ------------ -------------- ---------------
...
| optimizing | 0.000016 | 0.000000 | 0.000000 | 0 | 0 |
| statistics | 0.000020 | 0.000000 | 0.000000 | 0 | 0 |
| preparing | 0.000017 | 0.000000 | 0.000000 | 0 | 0 |
| executing | 0.000011 | 0.000000 | 0.000000 | 0 | 0 |
| Sending data | 0.000076 | 0.000000 | 0.000000 | 0 | 0 |
...
SQL优化的技巧 (只提一些业务常遇到的问题)
- 最关键：索引，避免全表扫描。
对接触的项目进行慢查询分析，发现TOP10的基本都是忘了加索引或者索引使用不当，如索引字段上加函数导致索引失效等(如where UNIX_TIMESTAMP(gre_updatetime)>123456789)
---------- ------------ ---------------------------------------
| Query_ID | Duration | Query |
---------- ------------ ---------------------------------------
| 1 | 0.00024700 | select * from mytable where id=100 |
| 2 | 0.27912900 | select * from mytable where id 1=101 |
---------- ------------ ---------------------------------------
另外很多同学在拉取全表数据时，喜欢用select xx from xx limit 5000,1000这种形式批量拉取，其实这个SQL每次都是全表扫描，建议添加1个自增id做索引，将SQL改为select xx from xx where id>5000 and id<6000;
---------- ------------ -----------------------------------------------------
| Query_ID | Duration | Query |
---------- ------------ -----------------------------------------------------
| 1 | 0.00415400 | select * from mytable where id>=90000 and id<=91000 |
| 2 | 0.10078100 | select * from mytable limit 90000,1000 |
---------- ------------ -----------------------------------------------------
合理用好索引，应该可解决大部分SQL问题。当然索引也非越多越好，过多的索引会影响写操作性能
- 只select出需要的字段，避免select
---------- ------------ ----------------------------------------------------- | Query_ID | Duration | Query | ---------- ------------ ----------------------------------------------------- | 1 | 0.02948800 | selectcount(1) from ( selectidfrom mytable ) a | | 2 | 1.34369100 | selectcount(1) from ( select * from mytable ) a | ---------- ------------ ----------------------------------------------------- - 尽量早做过滤，使Join或者Union等后续操作的数据量尽量小
- 把能在逻辑层算的提到逻辑层来处理，如一些数据排序、时间函数计算等
- .......
PS：关于SQL优化，已经有足够多文章了，所以就不讲太全面了，只重点说自己1个感受：索引！基本都是因为索引！
4.SQL层面已难以优化，请求量继续增大时的应对策略？
下面是我能想到的几个方法，每个方法又都是一篇大文章了，这里就不展开。
- 分库分表
- 使用集群(master-slave)，读写分离
- 增加业务的cache层
- 使用连接池
5.MySQL如何做主从数据同步？
复制机制（Replication）
master通过复制机制，将master的写操作通过binlog传到slave生成中继日志(relaylog)，slave再将中继日志redo，使得主库和从库的数据保持同步
复制相关的3个MySQL线程
- slave上的I/O线程：向master请求数据
- master上的Binlog Dump线程：读取binlog事件并把数据发送给slave的I/O线程
- slave上的SQL线程：读取中继日志并执行，更新数据库
属于slave主动请求拉取的模式
实际使用可能遇到的问题
数据非强一致：CDB默认为异步复制，master和slave的数据会有一定延迟(称为主从同步距离，一般 < 1s) 主从同步距离变大：可能是DB写入压力大，也可能是slave机器负载高，网络波动等原因，具体问题具体分析
相关监控命令
show processlist：查看MySQL进程信息，包括3个同步线程的当前状态
show master status ：查看master配置及当前复制信息
show slave status：查看slave配置及当前复制信息
6.如何防止DB误操作和做好容灾？
业务侧应做到的几点：
- 重要DB数据的手工修改操作，操作前需做到2点：1 先在测试环境操作 2 备份数据
- 根据业务重要性做定时备份，考虑系统可承受的恢复时间
- 进行容灾演练，感觉很必要
MySQL备份和恢复操作
1.备份：使用MySQLdump导出数据
代码语言：javascript复制MySQLdump -u 用户名 -p 数据库名 [表名] > 导出的文件名
MySQLdump -uxxx -p xxx mytable > mytable.20140921.bak.sql
2.恢复：导入备份数据
MySQL -uxxx -p xxxx < mytable.20140921.bak.sql
3.恢复：导入备份数据之后发送的写操作。先使用MySQLbinlog导出这部分写操作SQL(基于时间点或位置) 如导出2014-09-21 09:59:59之后的binlog：
代码语言：javascript复制MySQLbinlog --database="test" --start-date="2014-09-21 09:59:59" /var/lib/MySQL/mybinlog.000001 > binlog.data.sql
如导出起始id为123456之后的binlog：
代码语言：javascript复制MySQLbinlog --database="test" --start-position="123456" /var/lib/MySQL/mybinlog.000001 > binlog.data.sql
最后把要恢复的binlog导入db
MySQL -uxxxx -p xxxx < binlog.data.sql
7.该选择MySQL哪种存储引擎，Innodb具有什么特性？
存储引擎简介
插件式存储引擎是MySQL的重要特性，MySQL支持多种存储引擎以满足用户的多种应用场景 存储引擎解决的问题：如何组织MySQL数据在介质中高效地读取，需考虑存储机制、索引设计、并发读写的锁机制等 MySQL5.0支持的存储引擎有MyISAM、InnoDB、Memory、Merge等
**MyISAM和InnoDB的区别(只说重点了)
- InnoDB，MySQL5.5之后及CDB的默认引擎。
- 支持行锁：并发性能好
- 支持事务：故InnoDB称为事务性存储引擎，支持ACID，提供了具有提交、回滚和崩溃恢复能力的事务安全
- 支持外键：当前唯一支持外键的引擎
- MyISAM，MySQL5.5之前默认引擎
- 支持表锁：插入 查询速度快，更新 删除速度慢
- 不支持事务
使用show engines可查看当前MySQL支持的存储引擎详情
8.MySQL内部结构有哪些层次？
非专业DBA，这里只简单贴个结构图说明下。MySQL是开源系统，其设计思路和源代码都出自大牛之手，有空可以学习下。
- Connectors：连接器。接收不同语言的Client交互
- Management Serveices & Utilities：系统管理和控制工具
- Connection Pool: 连接池。管理用户连接
- SQL Interface: SQL接口。接受用户的SQL命令，并且返回用户需要查询的结果
- Parser: 解析器。验证和解析SQL语句成内部数据结构
- Optimizer: 查询优化器。为查询语句选择合适的执行路径
- Cache和Buffer：查询缓存。缓存查询的结果，有命中即可直接返回
- Engine：存储引擎。MySQL数据最后组织并存储成具体文件
