最近研发的项目对DB依赖比较重，梳理了这段时间使用MySQL遇到的8个比较具有代表性的问题，答案也比较偏自己的开发实践，没有DBA专业和深入，有出入的请使劲拍砖!…
- MySQL读写性能是多少，有哪些性能相关的配置参数?MySQL负载高时，如何找到是由哪些SQL引起的?如何针对具体的SQL做优化?SQL层面已难以优化，请求量继续增大时的应对策略?MySQL如何做主从数据同步?如何防止DB误操作和做好容灾?该选择MySQL哪种存储引擎，Innodb具有什么特性?MySQL内部结构有哪些层次?
1.MySQL读写性能是多少，有哪些性能相关的重要参数?
这里做了几个简单压测实验
机器：8核CPU，8G内存
表结构(尽量模拟业务)：12个字段(1个bigint(20)为自增primary key，5个int(11)，5个varchar(512)，1个timestamp)，InnoDB存储引擎。
实验1(写)：insert => 6000/s
前提：连接数100，每次insert单条记录
分析：CPU跑了50%，这时磁盘为顺序写，故性能较高
实验2(写)：update(where条件***索引) => 200/s
前提：连接数100，10w条记录，每次update单条记录的4个字段(2个int(11)，2个varchar(512))
分析：CPU跑2%，瓶颈明显在IO的随机写
实验3(读)：select(where条件***索引) => 5000/s
前提：连接数100，10w条记录，每次select单条记录的4个字段(2个int(11)，2个varchar(512))
分析：CPU跑6%，瓶颈在IO，和db的cache大小相关
实验4(读)：select(where条件没***索引) => 60/s
前提：连接数100，10w条记录，每次select单条记录的4个字段(2个int(11)，2个varchar(512))
分析：CPU跑到80%，每次select都需遍历所有记录，看来索引的效果非常明显!
几个重要的配置参数，可根据实际的机器和业务特点调整
max_connecttions：***连接数
table_cache：缓存打开表的数量
key_buffer_size：索引缓存大小
query_cache_size：查询缓存大小
sort_buffer_size：排序缓存大小(会将排序完的数据缓存起来)
read_buffer_size：顺序读缓存大小
read_rnd_buffer_size：某种特定顺序读缓存大小(如order by子句的查询)
PS：查看配置方法：show variables like ‘%max_connecttions%’;
2.MySQL负载高时，如何找到是由哪些SQL引起的?
方法：慢查询日志分析(MySQLdumpslow)
慢查询日志例子，可看到每个慢查询SQL的耗时：
#User@Host:edu_online[edu_online]@[10.139.10.167]#Query_time:1.958000Lock_time:0.000021Rows_sent:254786Rows_examined:254786SETtimestamp=1410883292;select*fromt_online_group_records;
日志显示该查询用了1.958秒，返回254786行记录，一共遍历了254786行记录。及具体的时间戳和SQL语句。
使用MySQLdumpslow进行慢查询日志分析
MySQLdumpslow -s t -t 5 slow_log_20140819.txt
输出查询耗时最多的Top5条SQL语句
-s：排序方法，t表示按时间 (此外，c为按次数，r为按返回记录数等)
-t：去Top多少条，-t 5表示取前5条
执行完分析结果如下：
Count:1076100Time=0.09s(99065s)Lock=0.00s(76s)Rows=408.9(440058825),edu_online[edu_online]@28hostsselect*fromt_online_group_recordswhereUNIX_TIMESTAMP(gre_updatetime)>NCount:1076099Time=0.05s(52340s)Lock=0.00s(91s)Rows=62.6(67324907),edu_online[edu_online]@28hostsselect*fromt_online_coursewhereUNIX_TIMESTAMP(c_updatetime)>NCount:63889Time=0.78s(49607s)Lock=0.00s(3s)Rows=0.0(18),edu_online[edu_online]@[10x.213.1xx.1xx]selectf_uinfromt_online_student_contactwheref_modify_time>NCount:1076097Time=0.02s(16903s)Lock=0.00s(72s)Rows=52.2(56187090),edu_online[edu_online]@28hostsselect*fromt_online_video_infowhereUNIX_TIMESTAMP(v_update_time)>NCount:330046Time=0.02s(6822s)Lock=0.00s(45s)Rows=0.0(2302),edu_online[edu_online]@4hostsselectuin,cid,is_canceled,unix_timestamp(end_time)asendtime,unix_timestamp(update_time)asupdatetimefromt_kick_logwhereunix_timestamp(update_time)>N
以第1条为例，表示这类SQL(N可以取很多值，这里MySQLdumpslow会归并起来)在8月19号的慢查询日志内出现了1076100次，总耗时99065秒，总返回440058825行记录，有28个客户端IP用到。
通过慢查询日志分析，就可以找到最耗时的SQL，然后进行具体的SQL分析了
慢查询相关的配置参数
log_slow_queries：是否打开慢查询日志，得先确保=ON后面才有得分析
long_query_time：查询时间大于多少秒的SQL被当做是慢查询，一般设为1S
log_queries_not_using_indexes：是否将没有使用索引的记录写入慢查询日志
slow_query_log_file：慢查询日志存放路径
3.如何针对具体的SQL做优化?
使用Explain分析SQL语句执行计划
MySQL>explainselect*fromt_online_group_recordswhereUNIX_TIMESTAMP(gre_updatetime)>123456789;+----+-------------+------------------------+------+---------------+------+---------+------+------+-------------+|id|select_type|table|type|possible_keys|key|key_len|ref|rows|Extra|+----+-------------+------------------------+------+---------------+------+---------+------+------+-------------+|1|SIMPLE|t_online_group_records|ALL|NULL|NULL|NULL|NULL|47|Usingwhere|+----+-------------+------------------------+------+---------------+------+---------+------+------+-------------+1rowinset(0.00sec)
如上面例子所示，重点关注下type，rows和Extra：
type：使用类别，有无使用到索引。结果值从好到坏：… > range(使用到索引) > index > ALL(全表扫描)，一般查询应达到range级别
rows：SQL执行检查的记录数
Extra：SQL执行的附加信息，如”Using index”表示查询只用到索引列，不需要去读表等
使用Profiles分析SQL语句执行时间和消耗资源
MySQL>setprofiling=1;(启动profiles，默认是没开启的)MySQL>selectcount(1)fromt_online_group_recordswhereUNIX_TIMESTAMP(gre_updatetime)>123456789;(执行要分析的SQL语句)MySQL>showprofiles;+----------+------------+----------------------------------------------------------------------------------------------+|Query_ID|Duration|Query|+----------+------------+----------------------------------------------------------------------------------------------+|1|0.00043250|selectcount(1)fromt_online_group_recordswhereUNIX_TIMESTAMP(gre_updatetime)>123456789|+----------+------------+----------------------------------------------------------------------------------------------+1rowinset(0.00sec)MySQL>showprofilecpu,blockioforquery1;(可看出SQL在各个环节的耗时和资源消耗)+----------------------+----------+----------+------------+--------------+---------------+|Status|Duration|CPU_user|CPU_system|Block_ops_in|Block_ops_out|+----------------------+----------+----------+------------+--------------+---------------+...|optimizing|0.000016|0.000000|0.000000|0|0||statistics|0.000020|0.000000|0.000000|0|0||preparing|0.000017|0.000000|0.000000|0|0||executing|0.000011|0.000000|0.000000|0|0||Sendingdata|0.000076|0.000000|0.000000|0|0|...
SQL优化的技巧 (只提一些业务常遇到的问题)
最关键：索引，避免全表扫描。
对接触的项目进行慢查询分析，发现***0的基本都是忘了加索引或者索引使用不当，如索引字段上加函数导致索引失效等(如where UNIX_TIMESTAMP(gre_updatetime)>123456789)
+----------+------------+---------------------------------------+|Query_ID|Duration|Query|+----------+------------+---------------------------------------+|1|0.00024700|select*frommytablewhereid=100||2|0.27912900|select*frommytablewhereid+1=101|+----------+------------+---------------------------------------+
另外很多同学在拉取全表数据时，喜欢用select xx from xx limit 5000,1000这种形式批量拉取，其实这个SQL每次都是全表扫描，建议添加1个自增id做索引，将SQL改为select xx from xx where id>5000 and id;
+----------+------------+-----------------------------------------------------+|Query_ID|Duration|Query|+----------+------------+-----------------------------------------------------+|1|0.00415400|select*frommytablewhereid>=90000andid91000||2|0.10078100|select*frommytablelimit90000,1000|+----------+------------+-----------------------------------------------------+
合理用好索引，应该可解决大部分SQL问题。当然索引也非越多越好，过多的索引会影响写操作性能
只select出需要的字段，避免select
+----------+------------+-----------------------------------------------------+|Query_ID|Duration|Query|+----------+------------+-----------------------------------------------------+|1|0.02948800|selectcount(1)from(selectidfrommytable)a||2|1.34369100|selectcount(1)from(select*frommytable)a|+----------+------------+-----------------------------------------------------+
尽量早做过滤，使Join或者Union等后续操作的数据量尽量小
把能在逻辑层算的提到逻辑层来处理，如一些数据排序、时间函数计算等
…….
PS：关于SQL优化，已经有足够多文章了，所以就不讲太全面了，只重点说自己1个感受：索引!基本都是因为索引!
4.SQL层面已难以优化，请求量继续增大时的应对策略?
下面是我能想到的几个方法，每个方法又都是一篇大文章了，这里就不展开
分库分表
使用集群(master-slave)，读写分离
增加业务的cache层
使用连接池
5.MySQL如何做主从数据同步?
复制机制(Replication)
master通过复制机制，将master的写操作通过binlog传到slave生成中继日志(relaylog)，slave再将中继日志redo，使得主库和从库的数据保持同步
复制相关的3个MySQL线程
- slave上的I/O线程：向master请求数据master上的Binlog Dump线程：读取binlog事件并把数据发送给slave的I/O线程slave上的SQL线程：读取中继日志并执行，更新数据库
属于slave主动请求拉取的模式
实际使用可能遇到的问题
数据非强一致：CDB默认为异步复制，master和slave的数据会有一定延迟(称为主从同步距离，一般 主从同步距离变大：可能是DB写入压力大，也可能是slave机器负载高，网络波动等原因，具体问题具体分析
相关监控命令
show processlist：查看MySQL进程信息，包括3个同步线程的当前状态
show master status ：查看master配置及当前复制信息
show slave status：查看slave配置及当前复制信息
6.如何防止DB误操作和做好容灾?
业务侧应做到的几点：
重要DB数据的手工修改操作，操作前需做到2点：1 先在测试环境操作 2 备份数据
根据业务重要性做定时备份，考虑系统可承受的恢复时间
进行容灾演练，感觉很必要
MySQL备份和恢复操作
1.备份：使用MySQLdump导出数据
MySQLdump -u 用户名 -p 数据库名 [表名] > 导出的文件名
MySQLdump -uxxx -p xxx mytable > mytable.20140921.bak.sql
2.恢复：导入备份数据
MySQL -uxxx -p xxxx
3.恢复：导入备份数据之后发送的写操作。先使用MySQLbinlog导出这部分写操作SQL(基于时间点或位置)
如导出2014-09-21 09:59:59之后的binlog：
MySQLbinlog--database="test"--start-date="2014-09-2109:59:59"/var/lib/MySQL/mybinlog.000001>binlog.data.sql
如导出起始id为123456之后的binlog：
MySQLbinlog--database="test"--start-position="123456"/var/lib/MySQL/mybinlog.000001>binlog.data.sql
***把要恢复的binlog导入db
MySQL-uxxxx-pxxxx
7.该选择MySQL哪种存储引擎，Innodb具有什么特性?
存储引擎简介
插件式存储引擎是MySQL的重要特性，MySQL支持多种存储引擎以满足用户的多种应用场景
存储引擎解决的问题：如何组织MySQL数据在介质中高效地读取，需考虑存储机制、索引设计、并发读写的锁机制等
MySQL5.0支持的存储引擎有MyISAM、InnoDB、Memory、Merge等
**MyISAM和InnoDB的区别(只说重点了)
1.InnoDB
MySQL5.5之后及CDB的默认引擎。
支持行锁：并发性能好支持事务：故InnoDB称为事务性存储引擎，支持ACID，提供了具有提交、回滚和崩溃恢复能力的事务安全支持外键：当前唯一支持外键的引擎2.MyISAM
MySQL5.5之前默认引擎
支持表锁：插入+查询速度快，更新+删除速度慢不支持事务使用show engines可查看当前MySQL支持的存储引擎详情
8.MySQL内部结构有哪些层次?
非专业DBA，这里只简单贴个结构图说明下。MySQL是开源系统，其设计思路和源代码都出自大牛之手，有空可以学习下。
- Connectors：连接器。接收不同语言的Client交互Management Serveices & Utilities：系统管理和控制工具Connection Pool: 连接池。管理用户连接SQL Interface: SQL接口。接受用户的SQL命令，并且返回用户需要查询的结果Parser: 解析器。验证和解析SQL语句成内部数据结构Optimizer: 查询优化器。为查询语句选择合适的执行路径Cache和Buffer：查询缓存。缓存查询的结果，有***即可直接返回Engine：存储引擎。MySQL数据***组织并存储成具体文件