千萬級大表如何優化，這是一個很有技術含量的問題，通常我們的直覺思維都會跳轉到拆分或者數據分區，在此我想做一些補充和梳理，想和大家做一些這方面的經驗總結，也歡迎大家提出建議。
從一開始腦海里開始也是火光四現，到不斷的自我批評，后來也參考了一些團隊的經驗，我整理了下面的大綱內容。
既然要吃透這個問題，我們勢必要回到本源，我把這個問題分為三部分:
“千萬級”，“大表”，“優化”，
也分別對應我們在圖中標識的
“數據量”，“對象”和“目標”。
我來逐步展開說明一下，從而給出一系列的解決方案。
1.數據量：千萬級
千萬級其實只是一個感官的數字，就是我們印象中的數據量大。 這里我們需要把這個概念細化，因為隨着業務和時間的變化，數據量也會有變化，我們應該是帶着一種動態思維來審視這個指標，從而對於不同的場景我們應該有不同的處理策略。
- 數據量為千萬級，可能達到億級或者更高
通常是一些數據流水，日志記錄的業務，里面的數據隨着時間的增長會逐步增多，超過千萬門檻是很容易的一件事情。
- 數據量為千萬級，是一個相對穩定的數據量
如果數據量相對穩定，通常是在一些偏向於狀態的數據，比如有1000萬用戶，那么這些用戶的信息在表中都有相應的一行數據記錄，隨着業務的增長，這個量級相對是比較穩定的。
- 數據量為千萬級，不應該有這么多的數據
這種情況是我們被動發現的居多，通常發現的時候已經晚了，比如你看到一個配置表，數據量上千萬;或者說一些表里的數據已經存儲了很久，99%的數據都屬於過期數據或者垃圾數據。
數據量是一個整體的認識，我們需要對數據做更近一層的理解，這就可以引出第二個部分的內容。
2.對象：數據表
數據操作的過程就好比數據庫中存在着多條管道，這些管道中都流淌着要處理的數據，這些數據的用處和歸屬是不一樣的。
一般根據業務類型把數據分為三種：
（1）流水型數據
流水型數據是無狀態的，多筆業務之間沒有關聯，每次業務過來的時候都會產生新的單據，比如交易流水、支付流水，只要能插入新單據就能完成業務，特點是后面的數據不依賴前面的數據，所有的數據按時間流水進入數據庫。
（2）狀態型數據
狀態型數據是有狀態的，多筆業務之間依賴於有狀態的數據，而且要保證該數據的准確性，比如充值時必須要拿到原來的余額，才能支付成功。
（3）配置型數據
此類型數據數據量較小，而且結構簡單，一般為靜態數據，變化頻率很低。
至此，我們可以對整體的背景有一個認識了，如果要做優化，其實要面對的是這樣的33的矩陣，如果要考慮表的讀寫比例（讀多寫少，讀少寫多...），那么就會是33*4=24種，顯然做窮舉是不顯示的，而且也完全沒有必要，可以針對不同的數據存儲特性和業務特點來指定不同的業務策略。
對此我們采取抓住重點的方式，把常見的一些優化思路梳理出來，尤其是里面的核心思想，也是我們整個優化設計的一把尺子，而難度決定了我們做這件事情的動力和風險。
而對於優化方案，我想采用面向業務的維度來進行闡述。
3.目標：優化
在這個階段，我們要說優化的方案了，總結的有點多，相對來說是比較全了。
整體分為五個部分：
其實我們通常所說的分庫分表等方案只是其中的一小部分，如果展開之后就比較豐富了。
其實不難理解，我們要支撐的表數據量是千萬級別，相對來說是比較大了，DBA要維護的表肯定不止一張，如何能夠更好的管理，同時在業務發展中能夠支撐擴展，同時保證性能，這是擺在我們面前的幾座大山。
我們分別來說一下這五類改進方案：
優化設計方案1.規范設計
在此我們先提到的是規范設計，而不是其他高大上的設計方案。
黑格爾說：秩序是自由的第一條件。在分工協作的工作場景中尤其重要，否則團隊之間互相牽制太多，問題多多。
規范設計我想提到如下的幾個規范，其實只是屬於開發規范的一部分內容，可以作為參考。
規范的本質不是解決問題，而是有效杜絕一些潛在問題，對於千萬級大表要遵守的規范，我梳理了如下的一些細則，基本可以涵蓋我們常見的一些設計和使用問題，比如表的字段設計不管三七二十一，都是varchar(500),其實是很不規范的一種實現方式，我們來展開說一下這幾個規范。
1）配置規范
（1）MySQL數據庫默認使用InnoDB存儲引擎。
（2）保證字符集設置統一，MySQL數據庫相關系統、數據庫、表的字符集使都用UTF8，應用程序連接、展示等可以設置字符集的地方也都統一設置為UTF8字符集。
注：UTF8格式是存儲不了表情類數據，需要使用UTF8MB4，可在MySQL字符集里面設置。在8.0中已經默認為UTF8MB4，可以根據公司的業務情況進行統一或者定制化設置。
（3）MySQL數據庫的事務隔離級別默認為RR（Repeatable-Read），建議初始化時統一設置為RC（Read-Committed），對於OLTP業務更適合。
（4）數據庫中的表要合理規划，控制單表數據量，對於MySQL數據庫來說，建議單表記錄數控制在2000W以內。
（5）MySQL實例下，數據庫、表數量盡可能少；數據庫一般不超過50個，每個數據庫下，數據表數量一般不超過500個（包括分區表）。
2）建表規范
（1）InnoDB禁止使用外鍵約束，可以通過程序層面保證。
（2）存儲精確浮點數必須使用DECIMAL替代FLOAT和DOUBLE。
（3）整型定義中無需定義顯示寬度，比如：使用INT，而不是INT(4)。
（4）不建議使用ENUM類型，可使用TINYINT來代替。
（5）盡可能不使用TEXT、BLOB類型，如果必須使用，建議將過大字段或是不常用的描述型較大字段拆分到其他表中；另外，禁止用數據庫存儲圖片或文件。
（6）存儲年時使用YEAR(4)，不使用YEAR(2)。
（7）建議字段定義為NOT 。
（8）建議DBA提供SQL審核工具，建表規范性需要通過審核工具審核后
3）命名規范
（1）庫、表、字段全部采用小寫。
（2）庫名、表名、字段名、索引名稱均使用小寫字母，並以“_”分割。
（3）庫名、表名、字段名建議不超過12個字符。（庫名、表名、字段名支持最多64個字符，但為了統一規范、易於辨識以及減少傳輸量，統一不超過12字符）
（4）庫名、表名、字段名見名知意，不需要添加注釋。
對於對象命名規范的一個簡要總結如下表4-1所示，供參考。
4）索引規范
（1）索引建議命名規則：idx_col1_col2[_colN]、uniq_col1_col2[_colN]（如果字段過長建議采用縮寫）。
（2）索引中的字段數建議不超過5個。
（3）單張表的索引個數控制在5個以內。
（4）InnoDB表一般都建議有主鍵列，尤其在高可用集群方案中是作為必須項的。
（5）建立復合索引時，優先將選擇性高的字段放在前面。
（6）UPDATE、DELETE語句需要根據WHERE條件添加索引。
（7）不建議使用%前綴模糊查詢，例如LIKE “%weibo”，無法用到索引，會導致全表掃描。
（8）合理利用覆蓋索引，例如：
（9）SELECT email,uid FROM user_email WHERE uid=xx，如果uid不是主鍵，可以創建覆蓋索引idx_uid_email(uid,email)來提高查詢效率。
（10）避免在索引字段上使用函數，否則會導致查詢時索引失效。
（11）確認索引是否需要變更時要聯系DBA。
5）應用規范
（1）避免使用存儲過程、觸發器、自定義函數等，容易將業務邏輯和DB耦合在一起，后期做分布式方案時會成為瓶頸。
（2）考慮使用UNION ALL，減少使用UNION，因為UNION ALL不去重，而少了排序操作，速度相對比UNION要快，如果沒有去重的需求，優先使用UNION ALL。
（3）考慮使用limit N，少用limit M，N，特別是大表或M比較大的時候。
（4）減少或避免排序，如：group by語句中如果不需要排序，可以增加order by 。
（5）統計表中記錄數時使用COUNT()，而不是COUNT(primary_key)和COUNT(1)；InnoDB表避免使用COUNT()操作，計數統計實時要求較強可以使用Memcache或者Redis，非實時統計可以使用單獨統計表，定時更新。
（6）做字段變更操作（modify column/change column）的時候必須加上原有的注釋屬性，否則修改后，注釋會丟失。
（7）使用prepared statement可以提高性能並且避免SQL注入。
（8）SQL語句中IN包含的值不應過多。
（9）UPDATE、DELETE語句一定要有明確的WHERE條件。
（10）WHERE條件中的字段值需要符合該字段的數據類型，避免MySQL進行隱式類型轉化。
（11）SELECT、INSERT語句必須顯式的指明字段名稱，禁止使用SELECT * 或是INSERT INTO table_name values。
（12）INSERT語句使用batch提交（INSERT INTO table_name VALUES(),(),()……），values的個數不應過多。
優化設計方案2：****業務層優化
業務層優化應該是收益最高的優化方式了，而且對於業務層完全可見，主要有業務拆分，數據拆分和兩類常見的優化場景（讀多寫少，讀少寫多）
1）業務拆分
ü 將混合業務拆分為獨立業務
ü 將狀態和歷史數據分離
業務拆分其實是把一個混合的業務剝離成為更加清晰的獨立業務，這樣業務1，業務2。。。獨立的業務使得業務總量依舊很大，但是每個部分都是相對獨立的，可靠性依然有保證。
對於狀態和歷史數據分離**，我可以舉一個例子來說明。
例如：我們有一張表Account，假設用戶余額為100。
我們需要在發生數據變更后，能夠追溯數據變更的歷史信息，如果對賬戶更新狀態數據，增加100的余額，這樣余額為200。
這個過程可能對應一條update語句，一條insert語句。
對此我們可以改造為兩個不同的數據源，account和account_hist
在account_hist中就會是兩條insert記錄，如下:
而在account中則是一條update語句，如下：
這也是一種很基礎的冷熱分離，可以大大減少維護的復雜度，提高業務響應效率。
2）數據拆分
2.1 按照日期拆分，這種使用方式比較普遍，尤其是按照日期維度的拆分，其實在程序層面的改動很小，但是擴展性方面的收益很大。
-
數據按照日期維度拆分，如test_20191021
-
數據按照周月為維度拆分,如test_201910
-
數據按照季度，年維度拆分,如test_2019
2.2 采用分區模式，分區模式也是常見的使用方式，采用hash,range等方式會多一些，在MySQL中我是不大建議使用分區表的使用方式，因為隨着存儲容量的增長，數據雖然做了垂直拆分，但是歸根結底，數據其實難以實現水平擴展，在MySQL中是有更好的擴展方式。
2.3 讀多寫少優化場景
采用緩存，采用Redis技術，將讀請求打在緩存層面，這樣可以大大降低MySQL層面的熱點數據查詢壓力。
2.4 讀少寫多優化場景，可以采用三步走：
-
采用異步提交模式，異步對於應用層來說最直觀的就是性能的提升，產生最少的同步等待。
-
使用隊列技術，大量的寫請求可以通過隊列的方式來進行擴展，實現批量的數據寫入。
-
降低寫入頻率，這個比較難理解，我舉個例子
對於業務數據，比如積分類，相比於金額來說業務優先級略低的場景，如果數據的更新過於頻繁，可以適度調整數據更新的范圍（比如從原來的每分鍾調整為10分鍾）來減少更新的頻率。
例如：更新狀態數據，積分為200，如下圖所示
可以改造為，如下圖所示。
如果業務數據在短時間內更新過於頻繁，比如1分鍾更新100次，積分從100到10000，則可以根據時間頻率批量提交。
例如：更新狀態數據，積分為100，如下圖所示。
無需生成100個事務（200條SQL語句）可以改造為2條SQL語句，如下圖所示。
對於業務指標，比如更新頻率細節信息，可以根據具體業務場景來討論決定。
優化設計方案****3：架構層優化
架構層優化其實就是我們認為的那種技術含量很高的工作，我們需要根據業務場景在架構層面引入一些新的花樣來。
3.1.系統水平擴展場景
3.1.1采用中間件技術，可以實現數據路由，水平擴展，常見的中間件有MyCAT，ShardingSphere,ProxySQL等
3.1.2 采用讀寫分離技術，這是針對讀需求的擴展，更側重於狀態表，在允許一定延遲的情況下，可以采用多副本的模式實現讀需求的水平擴展，也可以采用中間件來實現，如MyCAT,ProxySQL,MaxScale,MySQL Router等
3.1.3 采用負載均衡技術，常見的有LVS技術或者基於域名服務的Consul技術等
3.2.兼顧OLTP+OLAP的業務場景，可以采用NewSQL，優先兼容MySQL協議的HTAP技術棧，如TiDB
3.3.離線統計的業務場景，有幾類方案可供選擇。
3.3.1 采用NoSQL體系，主要有兩類，一類是適合兼容MySQL協議的數據倉庫體系，常見的有Infobright或者ColumnStore，另外一類是基於列式存儲，屬於異構方向，如HBase技術
**3.3.2 **采用數倉體系，基於MPP架構,如使用Greenplum統計，如T+1統計
優化設計方案****4：數據庫優化
數據庫優化，其實可打的牌也不少，但是相對來說空間沒有那么大了，我們來逐個說一下。
4.1 事務優化
根據業務場景選擇事務模型，是否是強事務依賴
對於事務降維策略，我們來舉出幾個小例子來。
4.1.1 降維策略1：存儲過程調用轉換為透明的SQL調用
對於新業務而言，使用存儲過程顯然不是一個好主意，MySQL的存儲過程和其他商業數據庫相比，功能和性能都有待驗證，而且在目前輕量化的業務處理中，存儲過程的處理方式太“重”了。
有些應用架構看起來是按照分布式部署的，但在數據庫層的調用方式是基於存儲過程，因為存儲過程封裝了大量的邏輯，難以調試，而且移植性不高，這樣業務邏輯和性能壓力都在數據庫層面了，使得數據庫層很容易成為瓶頸，而且難以實現真正的分布式。
所以有一個明確的改進方向就是對於存儲過程的改造，把它改造為SQL調用的方式，可以極大地提高業務的處理效率，在數據庫的接口調用上足夠簡單而且清晰可控。
4.1.2 降維策略：2 DDL操作轉換為DML操作
有些業務經常會有一種緊急需求，總是需要給一個表添加字段，搞得DBA和業務同學都挺累，可以想象一個表有上百個字段，而且基本都是name1，name2……name100，這種設計本身就是有問題的，更不用考慮性能了。究其原因，是因為業務的需求動態變化，比如一個游戲裝備有20個屬性，可能過了一個月之后就增加到了40個屬性，這樣一來，所有的裝備都有40個屬性，不管用沒用到，而且這種方式也存在諸多的冗余。
我們在設計規范里面也提到了一些設計的基本要素，在這些基礎上需要補充的是，保持有限的字段，如果要實現這些功能的擴展，其實完全可以通過配置化的方式來實現，比如把一些動態添加的字段轉換為一些配置信息。配置信息可以通過DML的方式進行修改和補充，對於數據入口也可以更加動態、易擴展。
4.1.3 降維策略3：Delete操作轉換為高效操作
有些業務需要定期來清理一些周期性數據，比如表里的數據只保留一個月，那么超出時間范圍的數據就要清理掉了，而如果表的量級比較大的情況下，這種Delete操作的代價實在太高，我們可以有兩類解決方案來把Delete操作轉換為更為高效的方式。
第一種是根據業務建立周期表，比如按照月表、周表、日表等維度來設計，這樣數據的清理就是一個相對可控而且高效的方式了。
第二種方案是使用MySQL rename的操作方式，比如一張2千萬的大表要清理99%的數據，那么需要保留的1%的數據我們可以很快根據條件過濾補錄，實現“移形換位”。
4.2 SQL優化
其實相對來說需要的極簡的設計，很多點都在規范設計里面了，如果遵守規范，八九不離十的問題都會杜絕掉，在此補充幾點：
4.2.1 SQL語句簡化，簡化是SQL優化的一大利器，因為簡單，所以優越。
4.2.2 盡可能避免或者杜絕多表復雜關聯，大表關聯是大表處理的噩夢，一旦打開了這個口子，越來越多的需求需要關聯，性能優化就沒有回頭路了，更何況大表關聯是MySQL的弱項，盡管Hash Join才推出，不要像掌握了絕對大殺器一樣，在商業數據庫中早就存在，問題照樣層出不窮。
4.2.3 SQL中盡可能避免反連接，避免半連接，這是優化器做得薄弱的一方面，什么是反連接，半連接？其實比較好理解，舉個例子，not in ,not exists就是反連接，in,exists就是半連接，在千萬級大表中出現這種問題，性能是幾個數量級的差異。
4.3 索引優化
應該是大表優化中需要把握的一個度。
4.3.1 首先必須有主鍵，規范設計中第一條就是，此處不接收反駁。
4.3.2 其次，SQL查詢基於索引或者唯一性索引，使得查詢模型盡可能簡單。
4.3.3 最后，盡可能杜絕范圍數據的查詢，范圍掃描在千萬級大表情況下還是盡可能減少。
優化設計方案****4：管理優化
這部分應該是在所有的解決方案中最容易被忽視的部分了，我放在最后，在此也向運維同事致敬，總是為很多認為本應該正常的問題盡職盡責（背鍋）。
千萬級大表的數據清理一般來說是比較耗時的，在此建議在設計中需要完善冷熱數據分離的策略，可能聽起來比較拗口，我來舉一個例子，把大表的Drop 操作轉換為可逆的DDL操作。
Drop操作是默認提交的，而且是不可逆的，在數據庫操作中都是跑路的代名詞，MySQL層面目前沒有相應的Drop操作恢復功能，除非通過備份來恢復，但是我們可以考慮將Drop操作轉換為一種可逆的DDL操作。
MySQL中默認每個表有一個對應的ibd文件，其實可以把Drop操作轉換為一個rename操作，即把文件從testdb遷移到testdb_arch下面；從權限上來說，testdb_arch是業務不可見的，rename操作可以平滑的實現這個刪除功能，如果在一定時間后確認可以清理，則數據清理對於已有的業務流程是不可見的，如下圖所示。
此外，還有兩個額外建議，一個是對於大表變更，盡可能考慮低峰時段的在線變更，比如使用pt-osc工具或者是維護時段的變更，就不再贅述了。
最后總結一下，其實就是一句話：
千萬級大表的優化是根據業務場景，以成本為代價進行優化的，絕對不是孤立的一個層面的優化。
作者：不想當碼農的程序員
鏈接：https://www.jianshu.com/p/7aafd59f9131
來源：簡書
著作權歸作者所有。商業轉載請聯系作者獲得授權，非商業轉載請注明出處。