我是如何用2個Unix命令給SQL提速的

譯者 | 薛命燈

我試圖在 MariaDB（MySQL）上執行一個簡單的連線查詢，但效能簡直糟糕透了。下面將介紹我是如何通過兩個簡單的 Unix 命令，將查詢時間從 380 小時降到 12 小時以下的。

下面就是這個查詢，它是 GHTorrent 分析的一部分，我使用了關係線上分析處理框架 simple-rolap 來實現這個分析。

select distinct

project_commits.project_id,

date_format(created_at, ‘%x%v1’) as week_commit

from project_commits

left join commits

on project_commits.commit_id = commits.id;

兩個連線欄位都有索引。不過，MariaDB 是通過對 project_commits 進行全表掃描和對 commits 進行索引查詢來實現連線的。這可以從 EXPLAIN 的輸出看出來。

這兩個表中的記錄比較多：project_commits 有 50 億行記錄，commits 有 8.47 億行記錄。伺服器的記憶體比較小，只有 16GB。所以很可能是因為記憶體放不下那麼大的索引，需要讀取磁碟，因此嚴重影響到了效能。從 pmonitor 對臨時表的分析結果來看，這個查詢已經執行半天了，還需要 373 個小時才能執行完。

/home/mysql/ghtorrent/project_commits#P#p0.MYD 6.68% ETA 373:38:11

在我看來，這個太過分了，因為排序合併連線（sort-merge join）所需的 I/O 時間應該要比預計的執行時間要低一個數量級。我在 dba.stackexchange.com 上尋求幫助，有人給出了一些建議讓我嘗試，但我沒有信心它們能夠解決我的問題。我嘗試了第一個建議，結果並不樂觀。嘗試每個建議都需要至少半天的時間，後來，我決定採用一種我認為可以有效解決這個問題的辦法。

我將這兩個表匯出到檔案中，使用 Unix 的 join 命令將它們連線在一起，將結果傳給 uniq，把重複的行移除掉，然後將結果導回到資料庫。匯入過程（包括重建索引）從 20:41 開始，到第二天的 9:53 結束。以下是具體操作步驟。

1. 將資料庫表匯出為文字檔案

我先匯出連線兩個表需要用到的欄位，並按照連線欄位進行排序。為了確保排序順序與 Unix 工具的排序順序相容，我將欄位轉換為字元型別。

我將以下 SQL 查詢的輸出儲存到檔案 commits_week.txt 中。

select cast(id as char) as cid,

date_format(created_at, ‘%x%v1’) as week_commit

from commits

order by cid;

然後將以下 SQL 查詢的輸出儲存到 project_commits.txt 檔案中：

select cast(commit_id as char) as cid, project_id

from project_commits

order by cid;

這樣就生成了以下兩個檔案。

-rw-r–r– 1 dds dds 15G Aug 4 21:09 commits_week.txt

-rw-r–r– 1 dds dds 93G Aug 5 00:36 project_commits.txt

為了避免記憶體不足，我使用 –quick 選項來執行 mysql 客戶端，否則客戶端會在輸出結果之前嘗試收集所有的記錄。

2. 使用 Unix 命令列工具處理檔案

接下來，我使用 Unix 的 join 命令來連線這兩個文字檔案。這個命令線性掃描兩個檔案，並將第一個欄位相同的記錄組合在一起。由於檔案中的記錄已經排好序，因此整個過程完成得很快，幾乎就是 I/O 的速度。我還將連線的結果傳給 uniq，用以消除重複記錄，這就解決了原始查詢中的 distinct 問題。同樣，在已經排好序的輸出結果上，可以通過簡單的線性掃描完成去重。

這是我執行的 Unix 命令。

join commits_week.txt project_commits.txt | uniq >joined_commits.txt

經過一個小時的處理，我得到了想要的結果。

-rw-r–r– 1 dds dds 133G Aug 5 01:40 joined_commits.txt

3. 將文字檔案導回資料庫

最後，我將文字檔案導回資料庫。

create table half_life.week_commits_all (

project_id INT(11) not null,

week_commit CHAR(7)) ENGINE=MyISAM;

load data local infile ‘joined_commits.txt’

into table half_life.week_commits_all

fields terminated by ‘ ‘;

結 語

理想情況下，MariaDB 應該支援排序合併連線，並且在預測到備用策略的執行時間過長時，優化器應該使用排序合併連線。但在此之前，使用 70 年代設計的 Unix 命令就可以解決這個問題。