一个成熟的数据库架构并不是一开始设计就具备高可用、高伸缩等特性的，它是随着用户量的增加，基础架构才逐渐完善。这篇文章主要谈谈MySQL数据库在发展周期中所面临的问题及优化方案，暂且抛开前端应用不说，大致分为以下五个阶段：

阶段一：数据库表设计

项目立项后，开发部门根据产品部门需求开发项目。
开发工程师在开发项目初期会对表结构设计。对于数据库来说，表结构设计很重要，如果设计不当，会直接影响到用户访问网站速度，用户体验不好！这种情况具体影响因素有很多，例如慢查询（低效的查询语句）、没有适当建立索引、数据库堵塞（锁）等。当然，有测试部门的团队，会做产品测试，找Bug。
由于开发工程师重视点不同，初期不会考虑太多数据库设计是否合理，而是尽快完成功能实现和交付。等项目上线有一定访问量后，隐藏的问题就会暴露，这时再去修改就不是这么容易的事了！

阶段二：数据库部署

是时候运维工程师出场了，项目上线。
项目初期访问量一般是寥寥无几，此阶段Web+数据库单台部署足以应对在1000左右的QPS（每秒查询率）。考虑到单点故障，应做到高可用性，可采用MySQL主从复制+Keepalived实现双机热备。主流HA软件有：Keepalived（推荐）、Heartbeat。

阶段三：数据库性能优化

如果将MySQL部署到普通的X86服务器上，在不经过任何优化情况下，MySQL理论值正常可以处理1500左右QPS，经过优化后，有可能会提升到2000左右QPS。否则，访问量当达到1500左右并发连接时，数据库处理性能可能响应就会慢，而且硬件资源还比较富裕，这时就该考虑性能优化问题了。那么怎样能让数据库发挥最大性能呢？主要从硬件配置、数据库配置、架构方面着手，具体分为以下：

3.1 硬件配置

如果有条件一定要SSD固态硬盘代替SAS机械硬盘，将RAID级别调整为RAID1+0，相对于RAID1和RAID5有更好的读写性能，毕竟数据库的压力主要来自磁盘I/O方面。
Linux内核有一个特性，会从物理内存中划分出缓存区（系统缓存和数据缓存）来存放热数据，通过文件系统延迟写入机制，等满足条件时（如缓存区大小到达一定百分比或者执行sync命令）才会同步到磁盘。也就是说物理内存越大，分配缓存区越大，缓存数据越多。当然，服务器故障会丢失一定的缓存数据。建议物理内存至少富裕50%以上。

3.2 数据库配置优化

MySQL应用最广泛的有两种存储引擎：一个是MyISAM，不支持事务处理，读性能处理快，表级别锁。另一个是InnoDB，支持事务处理（ACID属性），设计目标是为大数据处理，行级别锁。
表锁：开销小，锁定粒度大，发生死锁概率高，相对并发也低。
行锁：开销大，锁定粒度小，发生死锁概率低，相对并发也高。
为什么会出现表锁和行锁呢？主要为保证数据完整性。举个例子，一个用户在操作一张表，其他用户也想操作这张表，那么就要等第一个用户操作完，其他用户才能操作，表锁和行锁就是这个作用。否则多个用户同时操作一张表，肯定会数据产生冲突或者异常。
根据这些方面看，使用InnoDB存储引擎是最好的选择，也是MySQL5.5+版本默认存储引擎。每个存储引擎相关运行参数比较多，以下列出可能影响数据库性能的参数。
公共参数默认值：

max_connections = 151
# 同时处理最大连接数，建议设置最大连接数是上限连接数的80%左右
sort_buffer_size = 2M
# 查询排序时缓冲区大小，只对order by和group by起作用，建议增大为16M
open_files_limit = 1024 
# 打开文件数限制，如果show global status like 'open_files'查看的值等于或者大于open_files_limit值时，程序会无法连接数据库或卡死

MyISAM参数默认值：

key_buffer_size = 16M
# 索引缓存区大小，一般设置物理内存的30-40%
read_buffer_size = 128K  
# 读操作缓冲区大小，建议设置16M或32M
query_cache_type = ON
# 打开查询缓存功能
query_cache_limit = 1M  
# 查询缓存限制，只有1M以下查询结果才会被缓存，以免结果数据较大把缓存池覆盖
query_cache_size = 16M  
# 查看缓冲区大小，用于缓存SELECT查询结果，下一次有同样SELECT查询将直接从缓存池返回结果，可适当成倍增加此值

InnoDB参数默认值：

innodb_buffer_pool_size = 128M
# 索引和数据缓冲区大小，建议设置物理内存的70%左右
innodb_buffer_pool_instances = 1    
# 缓冲池实例个数，推荐设置4个或8个
innodb_flush_log_at_trx_commit = 1  
# 关键参数，0代表大约每秒写入到日志并同步到磁盘，数据库故障会丢失1秒左右事务数据。1为每执行一条SQL后写入到日志并同步到磁盘，I/O开销大，执行完SQL要等待日志读写，效率低。2代表只把日志写入到系统缓存区，再每秒同步到磁盘，效率很高，如果服务器故障，才会丢失事务数据。对数据安全性要求不是很高的推荐设置2，性能高，修改后效果明显。
innodb_file_per_table = OFF  
# 是否共享表空间，5.7+版本默认ON，共享表空间idbdata文件不断增大，影响一定的I/O性能。建议开启独立表空间模式，每个表的索引和数据都存在自己独立的表空间中，可以实现单表在不同数据库中移动。
innodb_log_buffer_size = 8M  
# 日志缓冲区大小，由于日志最长每秒钟刷新一次，所以一般不用超过16M

3.3 系统内核参数优化

大多数MySQL都部署在linux系统上，所以操作系统的一些参数也会影响到MySQL性能，以下对Linux内核参数进行适当优化

net.ipv4.tcp_fin_timeout = 30
# TIME_WAIT超时时间，默认是60s
net.ipv4.tcp_tw_reuse = 1    
# 1表示开启复用，允许TIME_WAIT socket重新用于新的TCP连接，0表示关闭
net.ipv4.tcp_tw_recycle = 1   
# 1表示开启TIME_WAIT socket快速回收，0表示关闭
net.ipv4.tcp_max_tw_buckets = 4096   
# 系统保持TIME_WAIT socket最大数量，如果超出这个数，系统将随机清除一些TIME_WAIT并打印警告信息
net.ipv4.tcp_max_syn_backlog = 4096
# 进入SYN队列最大长度，加大队列长度可容纳更多的等待连接
在Linux系统中，如果进程打开的文件句柄数量超过系统默认值1024，就会提示“too many files open”信息，所以要调整打开文件句柄限制。
重启永久生效：
# vi /etc/security/limits.conf  
* soft nofile 65535
* hard nofile 65535
当前用户立即生效：
# ulimit -SHn 65535 

阶段四：数据库架构扩展

随着业务量越来越大，单台数据库服务器性能已无法满足业务需求，该考虑增加服务器扩展架构了。主要思想是分解单台数据库负载，突破磁盘I/O性能，热数据存放缓存中，降低磁盘I/O访问频率。

4.1 增加缓存

给数据库增加缓存系统，把热数据缓存到内存中，如果缓存中有请求的数据就不再去请求MySQL，减少数据库负载。缓存实现有本地缓存和分布式缓存，本地缓存是将数据缓存到本地服务器内存中或者文件中。分布式缓存可以缓存海量数据，扩展性好，主流的分布式缓存系统：memcached、redis，memcached性能稳定，数据缓存在内存中，速度很快，QPS理论可达8w左右。如果想数据持久化就选择用redis，性能不低于memcached。
工作过程：

4.2 主从复制与读写分离

在生产环境中，业务系统通常读多写少，可部署一主多从架构，主数据库负责写操作，并做双机热备，多台从数据库做负载均衡，负责读操作。主流的负载均衡器：LVS、HAProxy、Nginx。
怎么来实现读写分离呢？大多数企业是在代码层面实现读写分离，效率高。另一个种方式通过代理程序实现读写分离，企业中应用较少，会增加中间件消耗。主流中间件代理系统有MyCat、Atlas等。
在这种MySQL主从复制拓扑架构中，分散单台负载，大大提高数据库并发能力。如果一台从服务器能处理1500 QPS，那么3台就能处理4500 QPS，而且容易横向扩展。
有时，面对大量写操作的应用时，单台写性能达不到业务需求。就可以做双向复制（双主），但有个问题得注意：两台主服务器如果都对外提供读写操作，就可能遇到数据不一致现象，产生这个原因是程序有同时操作两台数据库几率，同时的更新操作会造成两台数据库数据发生冲突或者不一致。
可设置每个表ID字段自增唯一：auto_increment_increment和auto_increment_offset，也可以写算法生成随机唯一。
官方近两年推出的MGR（多主复制）集群也可以考虑下。

4.3 分库

分库是根据业务将数据库中相关的表分离到不同的数据库中，例如web、bbs、blog等库。如果业务量很大，还可将分离后的数据库做主从复制架构，进一步避免单库压力过大。

4.4 分表

数据量的日剧增加，数据库中某个表有几百万条数据，导致查询和插入耗时太长，怎么能解决单表压力呢？你应该考虑把这个表拆分成多个小表，来减轻单个表的压力，提高处理效率，此方式称为分表。
分表技术比较麻烦，要修改程序代码里的SQL语句，还要手动去创建其他表，也可以用merge存储引擎实现分表，相对简单许多。分表后，程序是对一个总表进行操作，这个总表不存放数据，只有一些分表的关系，以及更新数据的方式，总表会根据不同的查询，将压力分到不同的小表上，因此提高并发能力和磁盘I/O性能。
分表分为垂直拆分和水平拆分：
垂直拆分：把原来的一个很多字段的表拆分多个表，解决表的宽度问题。你可以把不常用的字段单独放到一个表中，也可以把大字段独立放一个表中，或者把关联密切的字段放一个表中。
水平拆分：把原来一个表拆分成多个表，每个表的结构都一样，解决单表数据量大的问题。

4.5 分区

分区就是把一张表的数据根据表结构中的字段（如range、list、hash等）分成多个区块，这些区块可以在一个磁盘上，也可以在不同的磁盘上，分区后，表面上还是一张表，但数据散列在多个位置，这样一来，多块硬盘同时处理不同的请求，从而提高磁盘I/O读写性能。
注：增加缓存、分库、分表和分区主要由程序猿或DBA来实现。

阶段五：数据库维护

数据库维护是数据库工程师或运维工程师的工作，包括系统监控、性能分析、性能调优、数据库备份和恢复等主要工作。

5.1 性能状态关键指标

专业术语：QPS（Queries Per Second，每秒查询书）和TPS（Transactions Per Second）
通过show status查看运行状态，会有300多条状态信息记录，其中有几个值帮可以我们计算出QPS和TPS，如下：

Uptime：服务器已经运行的实际，单位秒
Questions：已经发送给数据库查询数
Com_select：查询次数，实际操作数据库的
Com_insert：插入次数
Com_delete：删除次数
Com_update：更新次数
Com_commit：事务次数
Com_rollback：回滚次数

那么，计算方法来了，基于Questions计算出QPS

mysql> show global status like 'Questions';
mysql> show global status like 'Uptime';
QPS = Questions / Uptime

基于Com_commit和Com_rollback计算出TPS：

mysql> show global status like 'Com_commit';
mysql> show global status like 'Com_rollback';
mysql> show global status like 'Uptime';
TPS = (Com_commit + Com_rollback) / Uptime

另一计算方式：

基于Com_select、Com_insert、Com_delete、Com_update计算出QPS：   
mysql> show global status where Variable_name in('com_select','com_insert','com_delete','com_update');
等待1秒再执行，获取间隔差值，第二次每个变量值减去第一次对应的变量值，就是QPS。

TPS计算方法：

mysql> show global status where Variable_name in('com_insert','com_delete','com_update');
计算TPS，就不算查询操作了，计算出插入、删除、更新四个值即可。

经网友对这两个计算方式的测试得出，当数据库中myisam表比较多时，使用Questions计算比较准确。当数据库中innodb表比较多时，则以Com_*计算比较准确。

5.2 开启慢查询日志

MySQL开启慢查询日志，分析出哪条SQL语句比较慢，支持动态开启：

mysql> set global slow-query-log=on  
# 开启慢查询日志 
mysql> set global slow_query_log_file='/var/log/mysql/mysql-slow.log';  
# 指定慢查询日志文件位置 
mysql> set global log_queries_not_using_indexes=on;   
# 记录没有使用索引的查询 
mysql> set global long_query_time=1;   
# 只记录处理时间1s以上的慢查询
分析慢查询日志，可以使用MySQL自带的mysqldumpslow工具，分析的日志较为简单。
mysqldumpslow -t 3 /var/log/mysql/mysql-slow.log    
# 查看最慢的前三个查询
也可以使用percona公司的pt-query-digest工具，日志分析功能全面，可分析slow log、binlog、general log。
分析慢查询日志：pt-query-digest /var/log/mysql/mysql-slow.log
分析binlog日志：mysqlbinlog mysql-bin.000001 >mysql-bin.000001.sql 
pt-query-digest --type=binlog mysql-bin.000001.sql 
分析普通日志：pt-query-digest --type=genlog localhost.log

5.3 数据库备份

备份数据库是最基本的工作，也是最重要的，否则后果很严重，你懂得！高频率的备份策略，选用一个稳定快速的工具至关重要。数据库大小在2G以内，建议使用官方的逻辑备份工具mysqldump。超过2G以上，建议使用percona公司的物理备份工具xtrabackup，否则慢的跟蜗牛似得。这两个工具都支持InnoDB存储引擎下热备，不影响业务读写操作。

5.4 数据库修复

有时候MySQL服务器突然断电、异常关闭，会导致表损坏，无法读取表数据。这时就可以用到MySQL自带的两个工具进行修复，myisamchk和mysqlcheck。前者只能修复MyISAM表，并且停止数据库，后者MyISAM和InnoDB都可以，在线修复。
注意：修复前最好先备份数据库。

myisamchk常用参数：
  -f --force    强制修复，覆盖老的临时文件，一般不使用
  -r --recover  恢复模式
  -q --quik     快速恢复
  -a --analyze  分析表
  -o --safe-recover 老的恢复模式，如果-r无法修复，可以使用此参数试试
  -F --fast     只检查没有正常关闭的表

例如：myisamchk -r -q *.MYI

mysqlcheck常用参数：
  -a  --all-databases  检查所有的库
  -r  --repair   修复表
  -c  --check    检查表，默认选项
  -a  --analyze  分析表
  -o  --optimize 优化表
  -q  --quik   最快检查或修复表
  -F  --fast   只检查没有正常关闭的表

例如：mysqlcheck -r -q -uroot -p123456 weibo 

5.5 MySQL服务器性能分析

重点关注：
id：CPU利用率百分比，平均小于60%正常，但已经比较繁忙了。
wa：CPU等待磁盘IO响应时间，一般大于5说明磁盘读写量大。

KB_read/s、KB_wrtn/s 每秒读写数据量，主要根据磁盘每秒最高读写速度评估。

r/s、w/s：每秒读写请求次数，可以理解为IOPS（每秒输入输出量），是衡量磁盘性能的主要指标之一。
await：IO平均每秒响应时间，一般大于5说明磁盘响应慢，超过自身性能。
util：磁盘利用率百分比，平均小于60%正常，但已经比较繁忙了。

小结

由于关系型数据库初衷设计限制，在大数据处理时会显得力不从心。因此NoSQL（非关系型数据库）火起来了，天生励志，具备分布式、高性能、高可靠等特性，弥补了关系型数据库某方面先天性不足，非常适合存储非结构化数据。主流NoSQL数据库有：MongoDB、HBase、Cassandra等。

单纯数据库层面优化效果提升并不多明显，主要还是要根据业务场景选择合适的数据库！

QQ技术群：
Python运维开发群（249171211）
Docker技术交流群（719105297）