大量資料庫

1. 如何優化操作大數據量資料庫

下面以關系資料庫系統Informix為例，介紹改善用戶查詢計劃的方法。

1．合理使用索引

索引是資料庫中重要的數據結構，它的根本目的就是為了提高查詢效率。現在大多數的資料庫產品都採用IBM最先提出的ISAM索引結構。索引的使用要恰到好處，其使用原則如下：

●在經常進行連接，但是沒有指定為外鍵的列上建立索引，而不經常連接的欄位則由優化器自動生成索引。

●在頻繁進行排序或分組（即進行group by或order by操作）的列上建立索引。

●在條件表達式中經常用到的不同值較多的列上建立檢索，在不同值少的列上不要建立索引。比如在雇員表的「性別」列上只有「男」與「女」兩個不同值，因此就無必要建立索引。如果建立索引不但不會提高查詢效率，反而會嚴重降低更新速度。

●如果待排序的列有多個，可以在這些列上建立復合索引（compound index）。

●使用系統工具。如Informix資料庫有一個tbcheck工具，可以在可疑的索引上進行檢查。在一些資料庫伺服器上，索引可能失效或者因為頻繁操作而使得讀取效率降低，如果一個使用索引的查詢不明不白地慢下來，可以試著用tbcheck工具檢查索引的完整性，必要時進行修復。另外，當資料庫表更新大量數據後，刪除並重建索引可以提高查詢速度。

2．避免或簡化排序

應當簡化或避免對大型表進行重復的排序。當能夠利用索引自動以適當的次序產生輸出時，優化器就避免了排序的步驟。以下是一些影響因素：

●索引中不包括一個或幾個待排序的列；

●group by或order by子句中列的次序與索引的次序不一樣；

●排序的列來自不同的表。

為了避免不必要的排序，就要正確地增建索引，合理地合並資料庫表（盡管有時可能影響表的規范化，但相對於效率的提高是值得的）。如果排序不可避免，那麼應當試圖簡化它，如縮小排序的列的范圍等。

3．消除對大型錶行數據的順序存取

在嵌套查詢中，對表的順序存取對查詢效率可能產生致命的影響。比如採用順序存取策略，一個嵌套3層的查詢，如果每層都查詢1000行，那麼這個查詢就要查詢10億行數據。避免這種情況的主要方法就是對連接的列進行索引。例如，兩個表：學生表（學號、姓名、年齡……）和選課表（學號、課程號、成績）。如果兩個表要做連接，就要在「學號」這個連接欄位上建立索引。

還可以使用並集來避免順序存取。盡管在所有的檢查列上都有索引，但某些形式的where子句強迫優化器使用順序存取。下面的查詢將強迫對orders表執行順序操作：

SELECT ＊ FROM orders WHERE (customer_num=104 AND order_num>1001) OR order_num=1008

雖然在customer_num和order_num上建有索引，但是在上面的語句中優化器還是使用順序存取路徑掃描整個表。因為這個語句要檢索的是分離的行的集合，所以應該改為如下語句：

SELECT ＊ FROM orders WHERE customer_num=104 AND order_num>1001

UNION

SELECT ＊ FROM orders WHERE order_num=1008

這樣就能利用索引路徑處理查詢。

4．避免相關子查詢

一個列的標簽同時在主查詢和where子句中的查詢中出現，那麼很可能當主查詢中的列值改變之後，子查詢必須重新查詢一次。查詢嵌套層次越多，效率越低，因此應當盡量避免子查詢。如果子查詢不可避免，那麼要在子查詢中過濾掉盡可能多的行。

5．避免困難的正規表達式

MATCHES和LIKE關鍵字支持通配符匹配，技術上叫正規表達式。但這種匹配特別耗費時間。例如：SELECT ＊ FROM customer WHERE zipcode LIKE 「98_ _ _」

即使在zipcode欄位上建立了索引，在這種情況下也還是採用順序掃描的方式。如果把語句改為SELECT ＊ FROM customer WHERE zipcode >「98000」，在執行查詢時就會利用索引來查詢，顯然會大大提高速度。

另外，還要避免非開始的子串。例如語句：SELECT ＊ FROM customer WHERE zipcode[2，3]>「80」，在where子句中採用了非開始子串，因而這個語句也不會使用索引。

6．使用臨時表加速查詢

把表的一個子集進行排序並創建臨時表，有時能加速查詢。它有助於避免多重排序操作，而且在其他方面還能簡化優化器的工作。例如：

SELECT cust.name，rcvbles.balance，……other columns

FROM cust，rcvbles

WHERE cust.customer_id = rcvlbes.customer_id

AND rcvblls.balance>0

AND cust.postcode>「98000」

ORDER BY cust.name

如果這個查詢要被執行多次而不止一次，可以把所有未付款的客戶找出來放在一個臨時文件中，並按客戶的名字進行排序：

SELECT cust.name，rcvbles.balance，……other columns

FROM cust，rcvbles

WHERE cust.customer_id = rcvlbes.customer_id

AND rcvblls.balance>0

ORDER BY cust.name

INTO TEMP cust_with_balance

然後以下面的方式在臨時表中查詢：

SELECT ＊ FROM cust_with_balance

WHERE postcode>「98000」

臨時表中的行要比主表中的行少，而且物理順序就是所要求的順序，減少了磁碟I/O，所以查詢工作量可以得到大幅減少。

注意：臨時表創建後不會反映主表的修改。在主表中數據頻繁修改的情況下，注意不要丟失數據。

7．用排序來取代非順序存取

非順序磁碟存取是最慢的操作，表現在磁碟存取臂的來回移動。SQL語句隱藏了這一情況，使得我們在寫應用程序時很容易寫出要求存取大量非順序頁的查詢。

有些時候，用資料庫的排序能力來替代非順序的存取能改進查詢。

實例分析

下面我們舉一個製造公司的例子來說明如何進行查詢優化。製造公司資料庫中包括3個表，模式如下所示：

1．part表

零件號?????零件描述????????其他列

（part_num）?（part_desc）??????（other column）

102，032???Seageat 30G disk?????……

500，049???Novel 10M network card??……

……

2．vendor表

廠商號??????廠商名??????其他列

（vendor _num）?（vendor_name） （other column）

910，257?????Seageat Corp???……

523，045?????IBM Corp?????……

……

3．parven表

零件號?????廠商號?????零件數量

（part_num）?（vendor_num）?（part_amount）

102，032????910，257????3,450,000

234，423????321，001????4，000，000

……

下面的查詢將在這些表上定期運行，並產生關於所有零件數量的報表：

SELECT part_desc，vendor_name，part_amount

FROM part，vendor，parven

WHERE part.part_num=parven.part_num

AND parven.vendor_num = vendor.vendor_num

ORDER BY part.part_num

如果不建立索引，上述查詢代碼的開銷將十分巨大。為此，我們在零件號和廠商號上建立索引。索引的建立避免了在嵌套中反復掃描。關於表與索引的統計信息如下：

表?????行尺寸???行數量?????每頁行數量???數據頁數量

（table）?(row size)?（Row count）?（Rows/Pages）?（Data Pages）

part????150?????10，000????25???????400

Vendor???150?????1，000???? 25???????40

Parven???13????? 15，000????300?????? 50

索引?????鍵尺寸???每頁鍵數量???頁面數量

（Indexes）?(Key Size)?（Keys/Page)???(Leaf Pages）

part?????4??????500???????20

Vendor????4??????500???????2

Parven????8??????250???????60

看起來是個相對簡單的3表連接，但是其查詢開銷是很大的。通過查看系統表可以看到，在part_num上和vendor_num上有簇索引，因此索引是按照物理順序存放的。parven表沒有特定的存放次序。這些表的大小說明從緩沖頁中非順序存取的成功率很小。此語句的優化查詢規劃是：首先從part中順序讀取400頁，然後再對parven表非順序存取1萬次，每次2頁（一個索引頁、一個數據頁），總計2萬個磁碟頁，最後對vendor表非順序存取1.5萬次，合3萬個磁碟頁。可以看出在這個索引好的連接上花費的磁碟存取為5.04萬次。

2. MySQL資料庫背後數據達億級規模MySQL上億條數據

MySQL 資料庫背後數據達億級規模
MySQL資料庫是最流行的開源關系型資料庫管理系統之一，它的使用范圍涵蓋從小型網站到大型企業級環境。眾所周知，MySQL資料庫在存儲和管理數據方面極為強大，能夠適應大量的數據流量和高訪問量，現在一些企業已經將MySQL用於存儲和管理超過億級規模的數據，實現了數據收集、處理、存儲和分析等一系列的任務。
那麼，如何應對億級數據規模並能夠保證MySQL資料庫性能穩定運行？其中重要的一點是需要對MySQL資料庫進行適當的調優。下面是針對MySQL資料庫背後處理億級規模數據的調優措施：
1. 使用正確的存儲引擎
在選擇MySQL存儲引擎時，需要考慮特定場景下的不同要求。InnoDB引擎是目前使用最廣泛的存儲引擎，它能夠支持ACID事務，提供高可靠性和穩定性，適合存儲復雜的數據結構和大量的讀寫操作。雖然MyISAM引擎具有性能優勢，但它對數據一致性方面的支持不如InnoDB引擎，如果需要在數據一致性和性能之間進行權衡，應選擇InnoDB。
2. 合理使用索引
索引是MySQL中的一個關鍵概念，索引能夠提高查詢速度，增加數據檢索效率。在處理億級數據時，應該對需要經常搜索的列進行索引，同時需要注意避免使用過多的索引。過多的索引將導致查詢變慢，也會增加數據存儲和更新的開銷。
3. 分區表
分區表是MySQL中的另一個重要概念，可將大表拆分為多個更小的表，每個分區獨立管理，從而增加查詢和更新的效率。在分區表中，可以根據列值或列值的范圍進行分區，例如將按年份分區的訂單表拆分為多個表，每張表存儲一個年份的數據，從而提高查詢和更新效率。
4. 負載均衡策略
負載均衡策略是指MySQL伺服器上的資料庫請求能夠平均分布到所有的MySQL節點上，以確保MySQL集群的性能能夠最大化。負載平衡方式有很多種，比如使用HAProxy、LVS、DNS負載均衡等等，選擇負載平衡策略應該根據實際應用場景來決定。
5. 數據備份和恢復
在數據存儲和管理中，備份和恢復是極其重要的。在處理億級數據時，資料庫備份和恢復是至關重要的，因為如果發生數據丟失或損壞，將會嚴重影響企業的正常運營。定期進行資料庫備份，確保備份數據的安全和完整性，一旦出現故障，在最短時間內完成資料庫恢復。
MySQL的存儲能力和客戶端訪問性能的穩定和高效與其優秀的設計和數據調優密不可分。相信通過針對MySQL資料庫背後億級數據規模下的調優措施，可以更好地管理和運維MySQL資料庫，並以其穩定可靠的性能為企業的成功增添一份動力。