吳滄舟，蘭逸正，張 輝

(西安電子科技大學(xué) 技術(shù)物理學(xué)院，陜西 西安710071)

在3G與社區(qū)網(wǎng)站進行融合的時代，微博、人人網(wǎng)等相關(guān)的動態(tài)實時信息比重正在不斷增長，網(wǎng)站所面臨高并發(fā)、高流量、大數(shù)據(jù)量等問題也成為互聯(lián)網(wǎng)時代的特色。而處于網(wǎng)站存儲核心的數(shù)據(jù)庫，其優(yōu)化問題已成為各大門戶網(wǎng)站的重點。而在各類數(shù)據(jù)庫中MySQL由于其低成本及開源等特性被廣大網(wǎng)站開發(fā)者所熱愛。在TechTarget發(fā)起的2012年中國數(shù)據(jù)管理優(yōu)先度調(diào)查中顯示，有45.5%的用戶表示愿意遷至MySQL數(shù)據(jù)庫平臺。

1 基礎(chǔ)優(yōu)化

1.1 MySQL存儲引擎的選擇

MySQL默認配置了許多不同的存儲引擎［1］，可以預(yù)先設(shè)置或者在MySQL服務(wù)器中啟用。其類型有:MyISAM、InnoDB、MERGE、MEMORY(HEAP)、BDB(BerkeleyDB)、EXAMPLE、FEDERATED、ARCHIVE、CSV、BLACKHOLE。每一種類型，都有其特別之處，這里對幾種常用的存儲引擎進行分析其余的都略作解釋:

MyISAM［2］。適用于以讀為主，數(shù)據(jù)一致性要求不是太高。

(1)不支持事務(wù)。表級鎖定:其鎖定機制是表級索引，這雖然可以讓鎖定的實現(xiàn)成本很小但也同時大幅降低了其并發(fā)性能。讀寫互相阻塞:不僅會在寫入時阻塞讀取，MyISAM還會在讀取的時候阻塞寫入，但讀本身并不會阻塞另外的讀。InnoDB:行級鎖定對高并發(fā)有較好的適應(yīng)能力，但需要確保查詢是通過索引完成，適用于數(shù)據(jù)更新較為頻繁的場景。具有較好的事務(wù)支持:支持4個事務(wù)隔離級別，支持多版本讀。行級鎖定:通過索引實現(xiàn)，全表掃描仍然會是表鎖，注意間隙鎖的影響。

(2)讀寫阻塞與事務(wù)隔離級別相關(guān)。具有高效的緩存特性:能緩存索引，也能緩存數(shù)據(jù)。BDB:可替代InnoDB的事務(wù)引擎，支持COMMIT、ROLLBACK和其他事務(wù)特性。Memory:將所有數(shù)據(jù)保存在RAM中，在需要快速查找引用和其他類似數(shù)據(jù)的環(huán)境下，可提供快速的訪問。Merge:允許MySQL DBA或開發(fā)人員將一系列等同的MyISAM表以邏輯方式組合在一起，并作為1個對象引用它們。對于諸如數(shù)據(jù)倉儲等VLDB環(huán)境較適合。Archive:為大量較少引用的歷史、歸檔、或安全審計信息的存儲和檢索提供了良好的解決方案。Federated:能將多個分離的MySQL服務(wù)器鏈接起來，從多個物理服務(wù)器創(chuàng)建一個邏輯數(shù)據(jù)庫。適合于分布式環(huán)境或數(shù)據(jù)集市環(huán)境。Cluster/NDB:MySQL的簇式數(shù)據(jù)庫引擎，尤其適合于具有高性能查找要求的應(yīng)用程序，這類查找需求還要求具有最高的正常工作時間和可用性。Other:其他存儲引擎包括CSV，Blackhole，以及Example引擎。

顯然MySQL為對應(yīng)各種不同的狀況，其本身便已劃分了很多存儲引擎，選擇合適的存儲引擎不僅可以獲得穩(wěn)定的服務(wù)還能額外增長數(shù)據(jù)庫處理數(shù)據(jù)的速度

1.2 索引優(yōu)化

MySQL建有索引機制，而所謂的索引就是用于快速地尋找那些具有特定值的記錄，所以MySQL索引都以B－樹的形式保存。如圖1所示。

圖1 student表中的學(xué)生數(shù)據(jù)

現(xiàn)有100個學(xué)生的成績，當(dāng)執(zhí)行Select語句查詢不及格的學(xué)生有多少時，若沒有索引，MySQL便會遍歷全表，逐個比較。但若在Achievement上建立索引，MySQL便會先查詢索引里符合條件的同學(xué)，然后再執(zhí)行數(shù)據(jù)庫讀取指定的學(xué)生數(shù)據(jù)，也就是說，數(shù)據(jù)庫的讀寫操作次數(shù)變少了。當(dāng)然在表格數(shù)據(jù)較少的情況下，區(qū)別不大。

但若假設(shè)現(xiàn)在數(shù)據(jù)庫中建有50萬張數(shù)據(jù)的表，如果沒有索引，MySQL將會從頭到尾檢索一次，這樣的執(zhí)行效率將會相當(dāng)?shù)汀？梢娝饕拇嬖趯蠓奶岣邫z索效率，當(dāng)然索引也存在一些缺點。索引文件要占磁盤空間。如果有大量的索引，索引文件可能會比數(shù)據(jù)文件更快地達到最大的文件尺寸。其次，索引文件降低了大多數(shù)涉及寫入的操作的時間，因為寫操作不僅涉及數(shù)據(jù)行，而且還常涉及索引。

1.3 存儲過程

存儲過程［3］即為以后使用而保存一條或多條MySQL語句的集合，即批文件。使用存儲過程的優(yōu)點即簡單、安全、高性能，而且重要的是與基本的SQL語句相比，它的處理速度更快，但其編寫較SQL語句更復(fù)雜，對編寫者有較高的要求。

1.4 硬件上的提升

以空間換時間，或以時間換空間，可謂是伴隨著計算機誕生以來一直存在的事物。如果只是學(xué)習(xí)，任何一臺老式計算機做服務(wù)器都沒有問題，因為不必擔(dān)心處理數(shù)據(jù)耗費的時間問題，但是作為一個高訪問量的網(wǎng)站，一臺專門的數(shù)據(jù)庫服務(wù)器是必要的。以更大的內(nèi)存節(jié)省計算機計算時間，以更出色的硬件性能來完成數(shù)據(jù)庫的存儲問題。

2 Sharding

Sharding意為數(shù)據(jù)切分，涉及的具體步驟是分庫分表。數(shù)據(jù)庫的Sharding分為2種，水平切分和垂直切分［4］。前者適合表不多，但每張表的數(shù)據(jù)較多，后者適合因為表多而導(dǎo)致數(shù)據(jù)也多，當(dāng)然多數(shù)時候兩者可以結(jié)合，如圖2所示，DB指數(shù)據(jù)庫端，Shard指切分后的數(shù)據(jù)庫。

圖2 數(shù)據(jù)庫切分示意圖

2.1 垂直切分

所謂垂直切分是將組成數(shù)據(jù)庫的表垂直的切開，然后將其分散到多臺數(shù)據(jù)庫主機上。例如現(xiàn)有3張表，Student，Teacher，Achievement。那 么Student和Achievement需分到一個庫，Teacher分到另一庫。這樣分的原因是表關(guān)聯(lián)是無法在數(shù)據(jù)庫級別完成的，所以垂直切分中分庫的表都是沒有關(guān)聯(lián)的。

2.2 水平切分

水平切分是給一個表規(guī)定適合的記錄數(shù)，把超過記錄數(shù)的記錄放入新的表中。例如現(xiàn)在有一張記有500萬數(shù)據(jù)量的單張數(shù)據(jù)表，切分成10份，分別放入Table1，Table2以此類推至Table10，那么當(dāng)往表里再更新數(shù)據(jù)時，就是往任一一個只有50萬的數(shù)據(jù)表中插入數(shù)據(jù)，此時更改的索引量與原來500萬相比將呈指數(shù)級下降。實際上便是分表操作。

當(dāng)然水平切分主要有兩種思路［5］:一種是使用MD5哈希，做法是對UID進行md5加密，取前幾位，然后就可以將不同的UID哈希到不同的用戶表(user_xx)中，如圖3所示。

圖3 MD5哈希代碼

然而這種算法無法擴展表，一旦用戶數(shù)量過多，則會造成單張表單數(shù)據(jù)量過大的問題。另一種則是使用移位，方法如圖4所示。

圖4 移位代碼

如圖所示，其意思是將uid向右移動20位，這樣就可以將約前100萬的用戶數(shù)據(jù)放在第一個表user_000，第二個100萬的用戶數(shù)據(jù)放在第二個表user_001中，如此循環(huán)。直到user_999，可分1 000張，若不夠，則改后綴即可。

3 集群

集群(Cluster)技術(shù)是使用特定的連接方式，將價格相對較低的硬件設(shè)備結(jié)合起來，同時也能提供高性能相當(dāng)?shù)娜蝿?wù)處理能力。

如上文提到的提升硬件性能，但是多數(shù)時候單臺計算機已無法滿足軟件的需求，便引入集群的概念，即AP+DB的架構(gòu):AP指應(yīng)用程序，DB指數(shù)據(jù)庫端，AP放在一個服務(wù)器上，DB放在另一個服務(wù)器上，又或者是多臺服務(wù)器運行一個DB，集群利用的是將一臺計算機需要做的事，分散到多臺上去完成，就可以更高效地完成單臺計算機無法完成的事。

圖5 集群示意圖

4 結(jié)束語

雖然數(shù)據(jù)庫的優(yōu)化手段有多種，但在面對大流量、高并發(fā)量的數(shù)據(jù)時，有時依然不能很好地解決問題，硬件的讀寫速度從某種角度講較大程度上限制了數(shù)據(jù)庫的性能，但以上的優(yōu)化手段還是可以很好地提升其服務(wù)性能。

［1］SABA P.深入理解MySQL核心技術(shù)［M］.李芳，于紅蕓，邵健，譯.北京:中國電力出版社，2009.

［2］ 簡朝陽.MySQL數(shù)據(jù)庫性能優(yōu)化之存儲引擎選擇［EB/OL］.(2012－09－10)［2012－11－05］http://isky000.com/database/mysql－performance－tuning－storage－engine.

［3］ 劉曉霞，鐘鳴.MySQL必知必會［M］.北京:人民郵電出版社，2009.

［4］ 簡朝陽.MySQL性能調(diào)優(yōu)與架構(gòu)設(shè)計［M］.北京:電子工業(yè)出版社，2012.

［5］Veda.數(shù)據(jù)庫水平切分的兩個思路［EB/OL］.(2012－03－02)［2012－11－07］http://www.nowamagic.net/librarys/veda/detail/1528.

［6］ 王威.MySQL數(shù)據(jù)源代碼分析及存儲引擎的設(shè)計［D］.南京郵電大學(xué)，2012.

［7］ 胡要，李燕.MySQL數(shù)據(jù)庫存儲引擎探析［J］.軟件導(dǎo)刊，2012，11(12):129－131.