一個成熟的資料庫架構並不是一開始設計就具備高可用、高伸縮等特性的，它是隨著使用者量的增加，基礎架構才逐漸完善。這篇博文主要談MySQL資料庫發展週期中所面臨的問題及優化方案，暫且拋開前端應用不說，大致分為以下五個階段：
1、資料庫表設計
專案立項後，開發部根據產品部需求開發專案，開發工程師工作其中一部分就是對錶結構設計。對於資料庫來說，這點很重要，如果設計不當，會直接影響訪問速度和使用者體驗。影響的因素很多，比如慢查詢、低效的查詢語句、沒有適當建立索引、資料庫堵塞（死鎖）等。當然，有測試工程師的團隊，會做壓力測試，找bug。對於沒有測試工程師的團隊來說，大多數開發工程師初期不會太多考慮資料庫設計是否合理，而是儘快完成功能實現和交付，等專案有一定訪問量後，隱藏的問題就會暴露，這時再去修改就不是這麼容易的事了。
2、資料庫部署
該運維工程師出場了，專案初期訪問量不會很大，所以單臺部署足以應對在1500左右的QPS（每秒查詢率）。考慮到高可用性，可採用MySQL主從複製+Keepalived做雙擊熱備，常見叢集軟體有Keepalived、Heartbeat。
雙機熱備博文：http://lizhenliang.blog.51cto.com/7876557/1362313
3、資料庫效能優化
如果將MySQL部署到普通的X86伺服器上，在不經過任何優化情況下，MySQL理論值正常可以處理2000左右QPS，經過優化後，有可能會提升到2500左右QPS，否則，訪問量當達到1500左右併發連線時，資料庫處理效能就會變慢，而且硬體資源還很富裕，這時就該考慮軟體問題了。那麼怎樣讓資料庫最大化發揮效能呢？一方面可以單臺執行多個MySQL例項讓伺服器效能發揮到最大化，另一方面是對資料庫進行優化，往往作業系統和資料庫預設配置都比較保守，會對資料庫發揮有一定限制，可對這些配置進行適當的調整，儘可能的處理更多連線數。
具體優化有以下三個層面：
3.1 資料庫配置優化
MySQL常用有兩種儲存引擎，一個是MyISAM，不支援事務處理，讀效能處理快，表級別鎖。另一個是InnoDB，支援事務處理（ACID），設計目標是為處理大容量資料發揮最大化效能，行級別鎖。
- 表鎖：開銷小，鎖定粒度大，發生死鎖概率高，相對併發也低。
- 行鎖：開銷大，鎖定粒度小，發生死鎖概率低，相對併發也高。
為什麼會出現表鎖和行鎖呢？主要是為了保證資料的完整性，舉個例子，一個使用者在操作一張表，其他使用者也想操作這張表，那麼就要等第一個使用者操作完，其他使用者才能操作，表鎖和行鎖就是這個作用。否則多個使用者同時操作一張表，肯定會資料產生衝突或者異常。
根據以上看來，使用InnoDB儲存引擎是最好的選擇，也是MySQL5.5以後版本中預設儲存引擎。每個儲存引擎相關聯引數比較多，以下列出主要影響資料庫效能的引數。
公共引數預設值：
|
1 2 3 4 5 6 7 8 9 10 |
max_connections = 151 #同時處理最大連線數，推薦設定最大連線數是上限連線數的80%左右 sort_buffer_size = 2M #查詢排序時緩衝區大小，只對order by和group by起作用，可增大此值為16M query_cache_limit = 1M #查詢快取限制，只有1M以下查詢結果才會被快取，以免結果資料較大把快取池覆蓋 query_cache_size = 16M #檢視緩衝區大小，用於快取SELECT查詢結果，下一次有同樣SELECT查詢將直接從快取池返回結果，可適當成倍增加此值 open_files_limit = 1024 #開啟檔案數限制，如果show global status like 'open_files'檢視的值等於或者大於open_files_limit值時，程式會無法連線資料庫或卡死 |
MyISAM引數預設值：
|
1 2 3 4 |
key_buffer_size = 16M #索引快取區大小，一般設定實體記憶體的30-40% read_buffer_size = 128K #讀操作緩衝區大小，推薦設定16M或32M |
InnoDB引數預設值：
|
1 2 3 4 5 6 7 8 9 10 |
innodb_buffer_pool_size = 128M #索引和資料緩衝區大小，一般設定實體記憶體的60%-70% innodb_buffer_pool_instances = 1 #緩衝池例項個數，推薦設定4個或8個 innodb_flush_log_at_trx_commit = 1 #關鍵引數，0代表大約每秒寫入到日誌並同步到磁碟，資料庫故障會丟失1秒左右事務資料。1為每執行一條SQL後寫入到日誌並同步到磁碟，I/O開銷大，執行完SQL要等待日誌讀寫，效率低。2代表只把日誌寫入到系統快取區，再每秒同步到磁碟，效率很高，如果伺服器故障，才會丟失事務資料。對資料安全性要求不是很高的推薦設定2，效能高，修改後效果明顯。 innodb_file_per_table = OFF #預設是共享表空間，共享表空間idbdata檔案不斷增大，影響一定的I/O效能。推薦開啟獨立表空間模式，每個表的索引和資料都存在自己獨立的表空間中，可以實現單表在不同資料庫中移動。 innodb_log_buffer_size = 8M #日誌緩衝區大小，由於日誌最長每秒鐘重新整理一次，所以一般不用超過16M |
3.2 系統核心優化
大多數MySQL都部署在linux系統上，所以作業系統的一些引數也會影響到MySQL效能，以下對linux核心進行適當優化。
|
1 2 3 4 5 6 7 8 9 10 |
net.ipv4.tcp_fin_timeout = 30 #TIME_WAIT超時時間，預設是60s net.ipv4.tcp_tw_reuse = 1 #1表示開啟複用，允許TIME_WAIT socket重新用於新的TCP連線，0表示關閉 net.ipv4.tcp_tw_recycle = 1 #1表示開啟TIME_WAIT socket快速回收，0表示關閉 net.ipv4.tcp_max_tw_buckets = 4096 #系統保持TIME_WAIT socket最大數量，如果超出這個數，系統將隨機清除一些TIME_WAIT並列印警告資訊 net.ipv4.tcp_max_syn_backlog = 4096 #進入SYN佇列最大長度，加大佇列長度可容納更多的等待連線 |
在linux系統中，如果程式開啟的檔案控制程式碼數量超過系統預設值1024，就會提示“too many files open”資訊，所以要調整開啟檔案控制程式碼限制。
|
1 2 3 4 |
# vi /etc/security/limits.conf #加入以下配置，*代表所有使用者，也可以指定使用者，重啟系統生效 * soft nofile 65535 * hoft nofile 65535 # ulimit -SHn 65535 #立刻生效 |
3.3 硬體配置
加大實體記憶體，提高檔案系統效能。linux核心會從記憶體中分配出快取區（系統快取和資料快取）來存放熱資料，通過檔案系統延遲寫入機制，等滿足條件時（如快取區大小到達一定百分比或者執行sync命令）才會同步到磁碟。也就是說實體記憶體越大，分配快取區越大，快取資料越多。當然，伺服器故障會丟失一定的快取資料。
SSD硬碟代替SAS硬碟，將RAID級別調整為RAID1+0，相對於RAID1和RAID5有更好的讀寫效能（IOPS），畢竟資料庫的壓力主要來自磁碟I/O方面。
4、資料庫架構擴充套件
隨著業務量越來越大，單臺資料庫伺服器效能已無法滿足業務需求，該考慮加機器了，該做叢集了~~~。主要思想是分解單臺資料庫負載，突破磁碟I/O效能，熱資料存放快取中，降低磁碟I/O訪問頻率。
4.1 主從複製與讀寫分離
因為生產環境中，資料庫大多都是讀操作，所以部署一主多從架構，主資料庫負責寫操作，並做雙擊熱備，多臺從資料庫做負載均衡，負責讀操作，主流的負載均衡器有LVS、HAProxy、Nginx。怎麼來實現讀寫分離呢？大多數企業是在程式碼層面實現讀寫分離，效率比較高。另一個種方式通過代理程式實現讀寫分離，企業中應用較少，常見代理程式有MySQL Proxy、Amoeba。在這樣資料庫叢集架構中，大大增加資料庫高併發能力，解決單臺效能瓶頸問題。如果從資料庫一臺從庫能處理2000 QPS，那麼5臺就能處理1w QPS，資料庫橫向擴充套件性也很容易。
有時，面對大量寫操作的應用時，單臺寫效能達不到業務需求。如果做雙主，就會遇到資料庫資料不一致現象，產生這個原因是在應用程式不同的使用者會有可能操作兩臺資料庫，同時的更新操作造成兩臺資料庫資料庫資料發生衝突或者不一致。在單庫時MySQL利用儲存引擎機制表鎖和行鎖來保證資料完整性，怎樣在多臺主庫時解決這個問題呢？有一套基於perl語言開發的主從複製管理工具，叫MySQL-MMM（Master-Master replication managerfor Mysql，Mysql主主複製管理器），這個工具最大的優點是在同一時間只提供一臺資料庫寫操作，有效保證資料一致性。
主從複製博文：http://lizhenliang.blog.51cto.com/7876557/1290431
讀寫分離博文：http://lizhenliang.blog.51cto.com/7876557/1305083
MySQL-MMM博文：http://lizhenliang.blog.51cto.com/7876557/1354576
4.2 增加快取
給資料庫增加快取系統，把熱資料快取到記憶體中，如果記憶體快取中有要請求的資料就不再去資料庫中返回結果，提高讀效能。快取實現有本地快取和分散式快取，本地快取是將資料快取到本地伺服器記憶體中或者檔案中，速度快。分散式可以快取海量資料，擴充套件容易，主流的分散式快取系統有memcached、redis，memcached效能穩定，資料快取在記憶體中，速度很快，QPS可達8w左右。如果想資料持久化那就用redis，效能不低於memcached。
工作過程：
4.3 分庫
分庫是根據業務不同把相關的表切分到不同的資料庫中，比如web、bbs、blog等庫。如果業務量很大，還可將切分後的庫做主從架構，進一步避免單個庫壓力過大。
4.4 分表
資料量的日劇增加，資料庫中某個表有幾百萬條資料，導致查詢和插入耗時太長，怎麼能解決單表壓力呢？你就該考慮是否把這個表拆分成多個小表，來減輕單個表的壓力，提高處理效率，此方式稱為分表。
分表技術比較麻煩，要修改程式程式碼裡的SQL語句，還要手動去建立其他表，也可以用merge儲存引擎實現分表，相對簡單許多。分表後，程式是對一個總表進行操作，這個總表不存放資料，只有一些分表的關係，以及更新資料的方式，總表會根據不同的查詢，將壓力分到不同的小表上，因此提高併發能力和磁碟I/O效能。
分表分為垂直拆分和水平拆分：
垂直拆分：把原來的一個很多欄位的表拆分多個表，解決表的寬度問題。你可以把不常用的欄位單獨放到一個表中，也可以把大欄位獨立放一個表中，或者把關聯密切的欄位放一個表中。
水平拆分：把原來一個表拆分成多個表，每個表的結構都一樣，解決單表資料量大的問題。
4.5 分割槽
分割槽就是把一張表的資料分成多個區塊，這些區塊可以在一個磁碟上，也可以在不同的磁碟上，分割槽後，表面上還是一張表，但資料雜湊在多個位置，這樣一來，多塊硬碟同時處理不同的請求，從而提高磁碟I/O讀寫效能，實現比較簡單。
注：增加快取、分庫、分表和分割槽主要由程式猿來實現。
5、資料庫維護
資料庫維護是運維工程師或者DBA主要工作，包括效能監控、效能分析、效能調優、資料庫備份和恢復等。
5.1 效能狀態關鍵指標
QPS，Queries Per Second：每秒查詢數，一臺資料庫每秒能夠處理的查詢次數
TPS，Transactions Per Second：每秒處理事務數
通過show status檢視執行狀態，會有300多條狀態資訊記錄，其中有幾個值幫可以我們計算出QPS和TPS，如下：
Uptime：伺服器已經執行的實際，單位秒
Questions：已經傳送給資料庫查詢數
Com_select：查詢次數，實際運算元據庫的
Com_insert：插入次數
Com_delete：刪除次數
Com_update：更新次數
Com_commit：事務次數
Com_rollback：回滾次數
那麼，計算方法來了，基於Questions計算出QPS：
|
1 2 |
mysql> show global status like 'Questions'; mysql> show global status like 'Uptime'; |
QPS = Questions / Uptime
基於Com_commit和Com_rollback計算出TPS：
|
1 2 3 4 |
mysql> show global status like 'Com_commit'; mysql> show global status like 'Com_rollback'; mysql> show global status like 'Uptime'; TPS = (Com_commit + Com_rollback) / Uptime |
另一計算方式：基於Com_select、Com_insert、Com_delete、Com_update計算出QPS
|
1 |
mysql> show global status where Variable_name in('com_select','com_insert','com_delete','com_update'); |
等待1秒再執行，獲取間隔差值，第二次每個變數值減去第一次對應的變數值，就是QPS
TPS計算方法：
|
1 |
mysql> show global status where Variable_name in('com_insert','com_delete','com_update'); |
計算TPS，就不算查詢操作了，計算出插入、刪除、更新四個值即可。
經網友對這兩個計算方式的測試得出，當資料庫中myisam表比較多時，使用Questions計算比較準確。當資料庫中innodb表比較多時，則以Com_*計算比較準確。
5.2 開啟慢查詢日誌
MySQL開啟慢查詢日誌，分析出哪條SQL語句比較慢，使用set設定變數，重啟服務失效，可以在my.cnf新增引數永久生效。
|
1 2 3 4 |
mysql> set global slow-query-log=on #開啟慢查詢功能 mysql> set global slow_query_log_file='/var/log/mysql/mysql-slow.log'; #指定慢查詢日誌檔案位置 mysql> set global log_queries_not_using_indexes=on; #記錄沒有使用索引的查詢 mysql> set global long_query_time=1; #只記錄處理時間1s以上的慢查詢 |
分析慢查詢日誌，可以使用MySQL自帶的mysqldumpslow工具，分析的日誌較為簡單。
# mysqldumpslow -t 3 /var/log/mysql/mysql-slow.log #檢視最慢的前三個查詢
也可以使用percona公司的pt-query-digest工具，日誌分析功能全面，可分析slow log、binlog、general log。
分析慢查詢日誌：pt-query-digest /var/log/mysql/mysql-slow.log
分析binlog日誌：mysqlbinlog mysql-bin.000001 >mysql-bin.000001.sql
pt-query-digest –type=binlog mysql-bin.000001.sql
分析普通日誌：pt-query-digest –type=genlog localhost.log
5.3 資料庫備份
備份資料庫是最基本的工作，也是最重要的，否則後果很嚴重，你懂得！但由於資料庫比較大，上百G，往往備份都很耗費時間，所以就該選擇一個效率高的備份策略，對於資料量大的資料庫，一般都採用增量備份。常用的備份工具有mysqldump、mysqlhotcopy、xtrabackup等，mysqldump比較適用於小的資料庫，因為是邏輯備份，所以備份和恢復耗時都比較長。mysqlhotcopy和xtrabackup是物理備份，備份和恢復速度快，不影響資料庫服務情況下進行熱拷貝，建議使用xtrabackup，支援增量備份。
Xtrabackup備份工具使用博文：http://lizhenliang.blog.51cto.com/7876557/1612800
5.4 資料庫修復
有時候MySQL伺服器突然斷電、異常關閉，會導致表損壞，無法讀取表資料。這時就可以用到MySQL自帶的兩個工具進行修復，myisamchk和mysqlcheck。
myisamchk：只能修復myisam表，需要停止資料庫
常用引數：
-f –force 強制修復，覆蓋老的臨時檔案，一般不使用
-r –recover 恢復模式
-q –quik 快速恢復
-a –analyze 分析表
-o –safe-recover 老的恢復模式，如果-r無法修復，可以使用此引數試試
-F –fast 只檢查沒有正常關閉的表
快速修復weibo資料庫:
# cd /var/lib/mysql/weibo
# myisamchk -r -q *.MYI
mysqlcheck：myisam和innodb表都可以用，不需要停止資料庫，如修復單個表，可在資料庫後面新增表名，以空格分割
常用引數：
-a –all-databases 檢查所有的庫
-r –repair 修復表
-c –check 檢查表，預設選項
-a –analyze 分析表
-o –optimize 優化表
-q –quik 最快檢查或修復表
-F –fast 只檢查沒有正常關閉的表
快速修復weibo資料庫:
mysqlcheck -r -q -uroot -p123 weibo
5.5 另外，檢視CPU和I/O效能方法
#檢視CPU效能
#引數-P是顯示CPU數，ALL為所有，也可以只顯示第幾顆
#檢視I/O效能
#引數-m是以M單位顯示，預設K
#%util：當達到100%時，說明I/O很忙。
#await：請求在佇列中等待時間，直接影響read時間。
I/O極限：IOPS（r/s+w/s）,一般在1200左右。（IOPS，每秒進行讀寫（I/O）操作次數）
I/O頻寬：在順序讀寫模式下SAS硬碟理論值在300M/s左右，SSD硬碟理論值在600M/s左右。
以上是本人使用MySQL三年來總結的一些主要優化方案，能力有限，有些不太全面，但這些基本能夠滿足中小型企業資料庫需求。由於關係型資料庫初衷設計限制，一些BAT公司海量資料放到關係型資料庫中，在海量資料查詢和分析方面已經達不到更好的效能。因此NoSQL火起來了，非關係型資料庫，大資料量，具有高效能，同時也彌補了關係型資料庫某方面不足，漸漸大多數公司已經將部分業務資料庫存放到NoSQL中，如MongoDB、HBase等。資料儲存方面採用分散式檔案系統，如HDFS、GFS等。海量資料計算分析採用Hadoop、Spark、Storm等。這些都是與運維相關的前沿技術，也是在儲存方面主要學習物件，小夥伴們共同加油吧！哪位博友有更好的優化方案，歡迎交流哦。