点击上方△蓝字关注我们
带你征服编程和泡妞两座大山
对MySQL的性能和亿级数据的处理方法思考，以及分库分表到底该如何做，在什么场景比较合适？
比如银行交易流水记录的查询
限盐少许，上实际实验过程，以下是在实验的过程中做一些操作，以及踩过的一些坑，我觉得坑对于读者来讲是非常有用的。
首先：建立一个现金流量表，交易历史是各个金融体系下使用率最高，历史存留数据量最大的数据类型。现金流量表的数据搜索，可以根据时间范围，和个人，以及金额进行搜索。
-- 建立一张 现金流量表
CREATETABLE`yun_cashflow`( `id`bigint(20)NOTNULLAUTO_INCREMENT, `userid`int(11)DEFAULTNULL, `type`int(11)DEFAULTNULLCOMMENT'1、入账，2提现', `operatoruserid`int(11)DEFAULTNULLCOMMENT'操作员ID', `withdrawdepositid`bigint(20)DEFAULTNULLCOMMENT'提现ID', `money`doubleDEFAULTNULLCOMMENT'钱数', `runid`bigint(20)DEFAULTNULLCOMMENT'工单ID', `createtime`timestampNULLDEFAULTCURRENT_TIMESTAMPONUPDATECURRENT_TIMESTAMP, PRIMARYKEY(`id`) )ENGINE=InnoDBAUTO_INCREMENT=63DEFAULTCHARSET=utf8;DROPTABLEIFEXISTS`yun_cashflow`;
然后开始造1个亿的数据进去。
-- 循环插入
DELIMITER;; CREATEPROCEDUREtest_insert() begin declarenumint; setnum=0; whilenumdo insertintoyun_cashflow(userid,type,operatoruserid,withdrawdepositid,money)values(FLOOR(7+(RAND()*6))+FLOOR(22+(RAND()*9)),1,FLOOR(97+(RAND() *6))+FLOOR(2+(RAND()*9)),FLOOR(17+(RAND()*6))+FLOOR(2+(RAND()*9)),FLOOR(5+(RAND()*6))+FLOOR(2+(RAND()*9))); setnum=num+1; endwhile; END;; calltest_insert();dropPROCEDUREtest_insert;
坑一：
这个存储过程建立好了之后，发现插入数据特别的慢，一天一晚上也插入不到100万条数据，平均每秒40~60条数据，中间我停过几次，以为是随机函数的问题，都变成常数，但效果一样，还是很慢，当时让我对这个MySQL数据库感觉到悲观，毕竟Oracle用惯了，那插速是真的很快，不过功夫不负有心人，原来可以用另外一种写法造数据，速度很快，上代码。
(example_id,name,value,other_value) VALUES (100,'Name1','Value1','Other1'), (101,'Name2','Value2','Other2'), (102,'Name3','Value3','Other3'), (103,'Name4','Value4','Other4');INSERTINTOexample
就是在循环里，用这种格式造很多数据，VALUES后面以,隔开，然后把数据写上去，我用Excel造了1万条数据，按照语句格式粘贴了出来，就变成每循环一次，就1万条数据，这样没多久1亿数据就造好了。
selectcount(*)fromyun_cashflow
我还比较好奇，8个字段1亿条数据，到底占了多大的地方,通过以下语句找到数据的路径。
showglobalvariableslike"%datadir%";
通过查看文件，是7.78GB，看来如果字段不是很多，数据量大的话，其实不是什么问题，这其实作为架构师来讲，在估算机器配置硬盘冗余的时候，这是最简单直接粗暴的换算思路。
行了，表建完了，各种实验开始
首先，啥条件不加看看咋样。
呵呵了，Out of memory，看来这个查询是真往内存里整，内存整冒烟了，看来7.8G的数据是往内存里放，我内存没那么大导致的。
资金流水一般会按照时间进行查询，看看这速度到底怎样。
select*fromyun_cashflowwherecreatetimebetween'-10-2309:06:58'and'-10-2309:06:59'
我去，脑补一下，当你拿这支付宝查历史资金明细的时候，56条信息，103.489秒，也就是将近2分钟的查询速度，你会是怎样的体验。哦 哦，不对，这个还没加用条件，那下面单独试试某个用户不限时间范围的条件是怎样的。
selectcount(*)fromyun_cashflowwhereuserid=21
也是将近1分半的速度，那在试试金额的条件。
selectcount(*)fromyun_cashflowwheremoney<62anduserid=32
同样都是将近一分半的时间。
那把两个条件做下级联，看看效果会是怎样。
一样，也是将近1分半的时间。
小总结一：在不加索引的情况下，无论单独，还是联合条件查询，结果都是1分多钟不到2分钟。
好吧，那就加上索引试试，看看到底会有啥样奇迹发生。
给用户加索引
ALTERTABLEyun_cashflowADDINDEXindex_userid(userid)
`
给金额加索引
ALTERTABLEyun_cashflowADDINDEXindex_money(money)
给时间加索引
ALTERTABLEyun_cashflowADDINDEXindex_createtime(createtime)
小总结二： 建立索引的时间平均在1400秒左右，大概在23分钟左右。
索引都建立完了，在开始以前的条件查询，看看效果。
1、时间范围查询
select*fromyun_cashflowwherecreatetimebetween'-10-2309:06:58'and'-10-2309:06:59'
2、用户查询与钱的联合查询
3、用户查询与钱与时间三个条件的联合查询
select*fromyun_cashflowwheremoney<62anduserid=32andcreatetimebetween'-10-2209:06:58'and'-10-2309:06:59'
小总结三：建立完索引后，这种级联性质的查询，速度基本都很快，数据量不大的情况下，基本不会超过一秒。
由于时间的范围返回是56条数据，数据量比较小，所以速度快可能与这个有关，那实验下条件多的数据效果会是什么样。
先试试加完索引, 金额条件的效果。
2千5百万的数据，返回时间为11.460秒。
加一个用户数量比较多的条件 UserID=21
返回1000多万的数据，用了6秒
在找一个用户数量比较少的userid=34
返回4000多条，用不到1秒。
小总结四：条件返回的数据统计量越多，速度就越慢，超过1000万就慢的离谱，1秒左右就是100万的量才行。
那。。。。。。。。。。。。咱们程序猿都知道，我们在做数据的时候，都要用到分页。分页一般会用到LIMIT,比如每页10行，第二页就是LIMIT 10,10，得试试在分页的时候，哪些页的情况下，会是什么样的效果呢?
limit在1千时候速度
limit在1百万时候速度
limit在1千万时候速度
小总结五：LIMIT 参数1，参数2 在随着参数1(开始索引)增大时候，这个速度就会越来越慢，如果要求1秒左右返回时候的速度是100万数据，在多在大就慢了，也就是，如果10条一页，当你到第10万页之后，就会越来越慢。如果到30万页之后，可能就会到不到一般系统的3秒要求了。
数据库都建上索引了，那我插数据速度有没有影响呢，那试试
也就是说100条数据插了将近5秒，平均每秒插20条。
小总结六：也就是说，按照这样的速度插入，并发量一但大的情况下，操作起来会很慢。所以在有索引的条件下插入数据，要么索引失效，要么插入会特别慢。
分库分表的思维，一个大表返回那么多数据慢，那我把它变成若干张表，然后每张表count(*)后，我统计累加一下，一合计，就是所有数据的查询结果的条数，然后就是到第多少页，我先算一下这页在哪个库，哪张表，在从那张表读不就完了。通过之前 的总结，100万数据返回为1秒，所以就一张表里放100万个数据，1亿的数据就100张表。
DECLARE`@i`int(11); DECLARE`@createSql`VARCHAR(2560); DECLARE`@createIndexSql1`VARCHAR(2560); DECLARE`@createIndexSql2`VARCHAR(2560); DECLARE`@createIndexSql3`VARCHAR(2560); set`@i`=0; WHILE`@i`DO SET@createSql=CONCAT('CREATETABLEIFNOTEXISTSyun_cashflow_',`@i`,'( `id`bigint(20)NOTNULLAUTO_INCREMENT, `userid`int(11)DEFAULTNULL, `type`int(11)DEFAULTNULL, `operatoruserid`int(11)DEFAULTNULL, `withdrawdepositid`bigint(20)DEFAULTNULL, `money`doubleDEFAULTNULL, `runid`bigint(20)DEFAULTNULL, `createtime`timestampNULLDEFAULTCURRENT_TIMESTAMPONUPDATECURRENT_TIMESTAMP, PRIMARYKEY(`id`) )' ); preparestmtfrom@createSql; executestmt;BEGIN
-- 创建索引
preparestmt1from@createIndexSql1; executestmt1; set@createIndexSql2=CONCAT('createindex`t_userid`onyun_cashflow_',`@i`,'(`userid`);'); preparestmt2from@createIndexSql2; executestmt2; SET`@i`=`@i`+1; ENDWHILE; ENDset@createIndexSql1=CONCAT('createindex`t_money`onyun_cashflow_',`@i`,'(`money`);');
表建完了，库里的效果是酱样的。
是不是很酷，这表分的，绝了，满库全是表。那还得往每张表里整100万的数据。这部分代码就不写了，可以参考前面的改，相信能把文章看到这的都是懂行的人，也是对这方面有一腚追求的人。
坑二：我高估了我的计算机的并行计算能力，当我启用100个线程同时玩我自己电脑的数据库连接的时候，到后期给我反馈的结果是这样的。
说白了，连接满了，超时，数据库都不给我返回值了，所以这种实验，不找100台机器，也别可一台机器去霍霍，因为如果能快，那个1个亿的大表，返回的也不会慢。这时候拼的就是计算能力了,都在一台机器上去做实验，会让你怀疑人生的。
那咋办， 这地方我就假装返回都是1000毫秒，也就1秒，然后每个线程都在1秒的时候都给我返回值，这个值我写死，可以看看多线程分布式统计count的效果。
最后总体耗时，就是最后那个返回时间最长的线程返回的时间，所以理论上100个线程同时启动，应该在1秒完成，但线程这玩意有快有慢，所以1秒多一点，也是可以接受的。如果碰上都是机器性能好的时候，所有数据库返回都在1秒以内，那么也就是1秒了。
这个多线程编程可以试试类似Java的countDownLatch/AKKA 将异步多线程结果同步返回。
最后是在数据库数据量比较大的时候，通过MySQL以上的特性，进行不同场景应用的思考。
场景：银行交易流水记录的查询
根据小总结六的特性，操作表和历史查询表一定要时间可以分开，由于带索引的历史表，插入会很慢，所以要插入到操作表内，操作表和历史表的字段是一样的。
根据小总结二特性，然后固定某个时间点，比如半夜12点，或者固定日期，或者选择非交易查询活跃的时间，把操作表里的数据往历史表里插一下，由于重建索引也用不了太久，一样半个小时左右。让两种表并存。还有另外一种策略，由于流水主要以时间做为排序对象，可以按照时间顺序，也就是ID自增长的顺序进行分库分表，就像试验的那样，100万左右条数据一张表，另外在做一张时间范围的索引表，如下：
IDTableNameCreateTimeStartCreateTimeEnd 1yun_cashflow_1-10-2209:06:58-10-2609:06:58 2yun_cashflow_2-10-2609:06:58-10-2909:06:58 3yun_cashflow_3-11-1209:06:58-11-2209:06:58 4yun_cashflow_4-11-2209:06:58-11-2609:06:58CreateTimeIndexTable
当遇见这样语句需求的时候：
select*fromyun_cashflowwheremoney<62anduserid=32andcreatetimebetween'-10-2709:06:58'and'-10-2809:06:59'
1)、就改写成这样的顺序
selectTableNamefromCreateTimeIndexTablewhereCreateTimeStart>'-10-2709:06:58'andCreateTimeEnd'-10-2809:06:59'
2)、当得到TableName的时候，结果是yun_cashflow_2，在进行语句的查询
select*fromyun_cashflow_2wheremoney<62anduserid=32andcreatetimebetween'-10-2709:06:58'and'-10-2809:06:59'
这样，两遍就可以查询到结果。
不过也有可能查询的结果是多个，比如
selectTableNamefromCreateTimeIndexTablewhereCreateTimeStart>'-10-2709:06:58'andCreateTimeEnd'-11-1309:06:59'
yun_cashflow_2，和yun_cashflow_3，这个时候，就需要把两个表的结果都查询出来，进行merge。相信程序员们对两个表的结果集合并逻辑都不是什么难事，这地方不多解释。
这样做的好处，主要是每次重建索引的时候，就不用整个1个亿的大表进行重建，而是只重建最近的1百万的那张分出来的表，速度会很快的。
根据小总结一和小总结三的特性，把关键的字段加上索引，用户，时间，这样保证查询的速度。
根据小总结四的特性，尽量限制查询结果的数量范围，比如，单个人查自己的交易明细，可以限制范围，比如查询时间范围不超过三个月，或半年，或一年。
更
多
精
彩
长按识别，有小姐姐~
强烈推荐：
1、nginx常用功能全揭秘(内附福利！！！)
2、正则表达式真的很骚，可惜你不会写！！！
3、利用springboot创建多模块项目
4、致毕业生：那些年我们错过的“BAT”
5、彻底解决Java的值传递和引用传递
如果觉得《mysql select count 5万条数据很慢_mysql亿级数据数据库优化方案测试银行交易流水记录的查询...》对你有帮助，请点赞、收藏，并留下你的观点哦！
