阿里JAVA手册之MySQL数据库 （建表规约、索引规约、SQL语句、ORM映射）
码出高效、码出质量。 代码的字里行间流淌的是软件生命中的血液，质量的提升是尽可能少踩坑，杜绝踩重复的坑，切实提升质量意识。另外，现代软件架构都需要协同开发完成，高效协作即降低协同成本，提升沟通效率，所谓无规矩不成方圆，无规范不能协作。众所周知，制订交通法规表面上是要限制行车权，实际上是保障公众的人身安全。试想如果没有限速，没有红绿灯，谁还敢上路行驶。对软件来说，适当的规范和标准绝不是消灭代码内容的创造性、优雅性，而是限制过度个性化，以一种普遍认可的统一方式一起做事，提升协作效率。 MySQL数据库 (一) 建表规约 1. 【强制】表达是与否概念的字段，必须使用is_xxx的方式命名，数据类型是unsigned tinyint（ 1表示是，0表示否）。 说明：任何字段如果为非负数，必须是unsigned。 正例：表达逻辑删除的字段名is_deleted，1表示删除，0表示未删除。 【点评】规则存疑，更愿意用类似deletedflag这样的字段，便于扩展数据类型用【unsigned tinyint】，遵循 2. 【强制】表名、字段名必须使用小写字母或数字，禁止出现数字开头，禁止两个下划线中间只出现数字。数据库字段名的修改代价很大，因为无法进行预发布，所以字段名称需要慎重考虑。 正例：getter_admin，task_config，level3_name 反例：GetterAdmin，taskConfig，level_3_name 【点评】规则好，严格遵循 3.【强制】表名不使用复数名词。 说明：表名应该仅仅表示表里面的实体内容，不应该表示实体数量，对应于DO类名也是单数形式，符合表达习惯。 【点评】规则好，严格遵循 4.【强制】禁用保留字，如desc、range、match、delayed等，请参考MySQL官方保留字。 【点评】规则好，严格遵循 5. 【强制】主键索引名为pk_字段名；唯一索引名为uk_字段名；普通索引名则为idx_字段名。 说明：pk_ 即primary key；uk_ 即 unique key；idx_ 即index的简称。 【点评】规则好，严格遵循 6. 【强制】小数类型为decimal，禁止使用float和double。 说明：float和double在存储的时候，存在精度损失的问题，很可能在值的比较时，得到不正确的结果。如果存储的数据范围超过decimal的范围，建议将数据拆成整数和小数分开存储。 【点评】规则好，严格遵循 7. 【强制】如果存储的字符串长度几乎相等，使用char定长字符串类型。 【点评】规则好，严格遵循 8. 【强制】varchar是可变长字符串，不预先分配存储空间，长度不要超过5000， 如果存储长度大于5000，定义字段类型为text，独立出来一张表，用主键来对应，避免影响其它字段索引效率。 【点评】规则好，严格遵循 9. 【强制】表必备三字段：id, gmt_create, gmt_modified。 说明：其中id必为主键，类型为unsigned bigint、单表时自增、步长为1。gmt_create, gmt_modified的类型均为date_time类型。 【点评】规则好，严格遵循 ，更喜欢用create_time和modify_time 10.【推荐】表的命名最好是加上“业务名称_表的作用”。 正例：tiger_task / tiger_reader / mpp_config 【点评】规则好，严格遵循 11.【推荐】库名与应用名称尽量一致。 【点评】规则好，严格遵循 12.【推荐】如果修改字段含义或对字段表示的状态追加时,需要及时更新字段注释。 【点评】规则好，严格遵循 13.【推荐】字段允许适当冗余，以提高查询性能，但必须考虑数据一致。冗余字段应遵循： 1）不是频繁修改的字段。 2）不是varchar超长字段，更不能是text字段。 正例：商品类目名称使用频率高，字段长度短，名称基本一成不变，可在相关联的表中冗余存储类目名称，避免关联查询。 【点评】规则好，严格遵循 14.【推荐】单表行数超过500万行或者单表容量超过2GB，才推荐进行分库分表。 说明：如果预计三年后的数据量根本达不到这个级别，请不要在创建表时就分库分表。 【点评】规则好，严格遵循 15.【参考】合适的字符存储长度，不但节约数据库表空间、节约索引存储，更重要的是提升检索速度。 正例：如下表，其中无符号值可以避免误存负数，且扩大了表示范围。 对象 年龄区间 类型 表示范围 人 150岁之内 unsigned tinyint 无符号值：0到255 龟 数百岁 unsigned smallint 无符号值：0到65535 恐龙化石 数千万年 unsigned int 无符号值：0到约42.9亿 太阳 约50亿年 unsigned bigint 无符号值：0到约10的19次方 【点评】规则好，严格遵循 (二) 索引规约 1.【强制】业务上具有唯一特性的字段，即使是多个字段的组合，也必须建成唯一索引。 说明:不要以为唯一索引影响了insert速度，这个速度损耗可以忽略，但提高查找速度是明显的； 另外，即使在应用层做了非常完善的校验控制，只要没有唯一索引，根据墨菲定律，必然有脏数据产生。 【点评】规则好，严格遵循 2. 【强制】 超过三个表禁止join。需要join的字段，数据类型必须绝对一致；多表关联查询时，保证被关联的字段需要有索引。 说明：即使双表join也要注意表索引、SQL性能。 【点评】规则好，严格遵循 3. 【强制】在varchar字段上建立索引时，必须指定索引长度，没必要对全字段建立索引，根据实际文本区分度决定索引长度即可。 说明：索引的长度与区分度是一对矛盾体，一般对字符串类型数据，长度为20的索引，区分度会高达90%以上， 可以使用count(distinct left(列名, 索引长度))/count(*)的区分度来确定。 【点评】规则好，严格遵循 4. 【强制】页面搜索严禁左模糊或者全模糊，如果需要请走搜索引擎来解决。 说明：索引文件具有B-Tree的最左前缀匹配特性，如果左边的值未确定，那么无法使用此索引。 【点评】规则好，严格遵循 5. 【推荐】如果有order by的场景，请注意利用索引的有序性。 order by 最后的字段是组合索引的一部分，并且放在索引组合顺序的最后，避免出现file_sort的情况，影响查询性能。 正例：where a=? and b=? order by c; 索引：a_b_c 反例：索引中有范围查找，那么索引有序性无法利用，如：WHERE a>10 ORDER BY b; 索引a_b无法排序。 【点评】规则好，严格遵循 6. 【推荐】利用覆盖索引来进行查询操作，避免回表。 说明：如果一本书需要知道第11章是什么标题，会翻开第11章对应的那一页吗？目录浏览一下就好，这个目录就是起到覆盖索引的作用。 正例：能够建立索引的种类：主键索引、唯一索引、普通索引，而覆盖索引是一种查询的一种效果，用explain的结果，extra列会出现：using index。 【点评】规则好，严格遵循 参考：http://www.cnblogs.com/zl0372/articles/mysql_32.html 话说有这么一个表： 复制代码 CREATE TABLE `user_group` ( `id` int(11) NOT NULL auto_increment, `uid` int(11) NOT NULL, `group_id` int(11) NOT NULL, PRIMARY KEY (`id`), KEY `uid` (`uid`), KEY `group_id` (`group_id`), ) ENGINE=InnoDB AUTO_INCREMENT=750366 DEFAULT CHARSET=utf8 复制代码 看AUTO_INCREMENT就知道数据并不多，75万条。然后是一条简单的查询： SELECT SQL_NO_CACHE uid FROM user_group WHERE group_id = 245; 很简单对不对?怪异的地方在于： 如果换成MyISAM做存储引擎的时候，查询耗时只需要0.01s，用InnoDB却会是0.15s左右 如果只是就这么点差距其实不是什么大不了的事，但是真实的业务需求比这个复杂，造成的差距也很大：MyISAM只需要0.12s，InnoDB则需要2.2s.，最终定位到问题症结是在这条SQL。 Explain的结果是： +----+-------------+------------+------+---------------+----------+---------+-------+------+-------+ | id | select_type | table | type | possible_keys | key | key_len | ref | rows | Extra | +----+-------------+------------+------+---------------+----------+---------+-------+------+-------+ | 1 | SIMPLE | user_group | ref | group_id | group_id | 4 | const | 5544 | | +----+-------------+------------+------+---------------+----------+---------+-------+------+-------+ 看起来已经用上索引了，而这条SQL语句已经简单到让我无法再优化了。最后请前同事Gaston诊断了一下，他认为：数据分布上，group_id相同的比较多，uid散列的比较均匀，加索引的效果一般，但是还是建议我试着加了一个多列索引： ALTER TABLE user_group ADD INDEX group_id_uid (group_id, uid); 然后，不可思议的事情发生了……这句SQL查询的性能发生了巨大的提升，居然已经可以跑到0.00s左右了。经过优化的SQL再结合真实的业务需求，也从之前2.2s下降到0.05s。 再Explain一次： +----+-------------+------------+------+-----------------------+--------------+---------+-------+------+-------------+ | id | select_type | table | type | possible_keys | key | key_len | ref | rows | Extra | +----+-------------+------------+------+-----------------------+--------------+---------+-------+------+-------------+ | 1 | SIMPLE | user_group | ref | group_id,group_id_uid | group_id_uid | 4 | const | 5378 | Using index | +----+-------------+------------+------+-----------------------+--------------+---------+-------+------+-------------+ 原来是这种叫覆盖索引(covering index)，MySQL只需要通过索引就可以返回查询所需要的数据，而不必在查到索引之后再去查询数据，所以那是相当的快!!但是同时也要求所查询的字段必须被索引所覆盖到，在Explain的时候，输出的Extra信息中如果有“Using Index”，就表示这条查询使用了覆盖索引。 不过，还有一个无法解释的问题就是，不用覆盖索引的情况下，为什么用MyISAM就快那么多，而InnoDB就慢这么多呢? 7. 【推荐】利用延迟关联或者子查询优化超多分页场景。 说明：MySQL并不是跳过offset行，而是取offset+N行，然后返回放弃前offset行，返回N行，那当offset特别大的时候，效率就非常的低下， 要么控制返回的总页数，要么对超过特定阈值的页数进行SQL改写。 正例：先快速定位需要获取的id段，然后再关联： SELECT a.* FROM 表1 a, (select id from 表1 where 条件 LIMIT 100000,20 ) b where a.id=b.id 【点评】规则好，严格遵循 8. 【推荐】 SQL性能优化的目标：至少要达到 range 级别，要求是ref级别，如果可以是consts最好。 说明：1）consts 单表中最多只有一个匹配行（主键或者唯一索引），在优化阶段即可读取到数据。 2) ref 指的是使用普通的索引（normal index）。 3）range 对索引进行范围检索。 反例：explain表的结果，type=index，索引物理文件全扫描，速度非常慢，这个index级别比较range还低，与全表扫描是小巫见大巫。 【点评】规则好，严格遵循 9. 【推荐】建组合索引的时候，区分度最高的在最左边。 正例：如果where a=? and b=? ，a列的几乎接近于唯一值，那么只需要单建idx_a索引即可。 说明：存在非等号和等号混合判断条件时，在建索引时，请把等号条件的列前置。 如：where a>? and b=? 那么即使a的区分度更高，也必须把b放在索引的最前列。 【点评】规则好，严格遵循 10. 【推荐】防止因字段类型不同造成的隐式转换，导致索引失效。 【点评】规则好，严格遵循 11. 【参考】创建索引时避免有如下极端误解： 1）宁滥勿缺。误认为一个查询就需要建一个索引。 2）宁缺勿滥。误认为索引会消耗空间、严重拖慢更新和新增速度。 3）抵制惟一索引。误认为业务的惟一性一律需要在应用层通过“先查后插”方式解决。 【点评】规则好，严格遵循 (三) SQL语句 1. 【强制】不要使用count(列名)或count(常量)来替代count(*)，count(*)是SQL92定义的标准统计行数的语法，跟数据库无关，跟NULL和非NULL无关。 说明：count(*)会统计值为NULL的行，而count(列名)不会统计此列为NULL值的行。 【点评】规则好，严格遵循 2. 【强制】count(distinct col) 计算该列除NULL之外的不重复行数， 注意 count(distinct col1, col2) 如果其中一列全为NULL，那么即使另一列有不同的值，也返回为0。 【点评】规则好，严格遵循 3.【强制】当某一列的值全是NULL时，count(col)的返回结果为0，但sum(col)的返回结果为NULL，因此使用sum()时需注意NPE问题。 正例：可以使用如下方式来避免sum的NPE问题：SELECT IF(ISNULL(SUM(g)),0,SUM(g)) FROM table; 【点评】规则好，严格遵循 4. 【强制】使用ISNULL()来判断是否为NULL值。注意：NULL与任何值的直接比较都为NULL。 说明： 1） NULL<>NULL的返回结果是NULL，而不是false。 2） NULL=NULL的返回结果是NULL，而不是true。 3） NULL<>1的返回结果是NULL，而不是true。 【点评】规则好，严格遵循 5. 【强制】 在代码中写分页查询逻辑时，若count为0应直接返回，避免执行后面的分页语句。 【点评】规则好，严格遵循 6. 【强制】不得使用外键与级联，一切外键概念必须在应用层解决。 说明：（概念解释）学生表中的student_id是主键，那么成绩表中的student_id则为外键。 如果更新学生表中的student_id，同时触发成绩表中的student_id更新，则为级联更新。 外键与级联更新适用于单机低并发，不适合分布式、高并发集群； 级联更新是强阻塞，存在数据库更新风暴的风险；外键影响数据库的插入速度。 【点评】规则好，严格遵循 7. 【强制】禁止使用存储过程，存储过程难以调试和扩展，更没有移植性。 【点评】规则好，严格遵循 8. 【强制】数据订正时，删除和修改记录时，要先select，避免出现误删除，确认无误才能执行更新语句。 【点评】规则好，严格遵循 9. 【推荐】in操作能避免则避免，若实在避免不了，需要仔细评估in后边的集合元素数量，控制在1000个之内。 【点评】规则好，严格遵循 10. 【参考】如果有全球化需要，所有的字符存储与表示，均以utf-8编码，注意字符统计函数的区别。 说明： SELECT LENGTH("轻松工作")； 返回为12; SELECT CHARACTER_LENGTH("轻松工作")； 返回为4 如果要使用表情，那么使用utfmb4来进行存储，注意它与utf-8编码的区别。 【点评】规则好，严格遵循 11. 【参考】 TRUNCATE TABLE 比 DELETE 速度快，且使用的系统和事务日志资源少，但TRUNCATE无事务且不触发trigger，有可能造成事故，故不建议在开发代码中使用此语句。 说明：TRUNCATE TABLE 在功能上与不带 WHERE 子句的 DELETE 语句相同。 【点评】规则好，严格遵循 (四) ORM映射 1. 【强制】在表查询中，一律不要使用 * 作为查询的字段列表，需要哪些字段必须明确写明。 说明：1）增加查询分析器解析成本。 2）增减字段容易与resultMap配置不一致。 【点评】规则好，严格遵循 2. 【强制】POJO类的布尔属性不能加is，而数据库字段必须加is_，要求在resultMap中进行字段与属性之间的映射。 说明：参见定义POJO类以及数据库字段定义规定，在<resultMap>中增加映射，是必须的。 在MyBatis Generator生成的代码中，需要进行对应的修改。 【点评】规则存疑，用flag结尾字段 3. 【强制】不要用resultClass当返回参数，即使所有类属性名与数据库字段一一对应，也需要定义； 反过来，每一个表也必然有一个与之对应。 说明：配置映射关系，使字段与DO类解耦，方便维护。 【点评】规则好，严格遵循 4. 【强制】sql.xml配置参数使用：#{}，#param# 不要使用${} 此种方式容易出现SQL注入。 【点评】规则好，严格遵循 5. 【强制】iBATIS自带的queryForList(String statementName,int start,int size)不推荐使用。 说明：其实现方式是在数据库取到statementName对应的SQL语句的所有记录，再通过subList取start,size的子集合。 正例：Map<String, Object> map = new HashMap<String, Object>(); map.put("start", start); map.put("size", size); 【点评】规则好，严格遵循 6. 【强制】不允许直接拿HashMap与Hashtable作为查询结果集的输出。 说明：resultClass=”Hashtable”，会置入字段名和属性值，但是值的类型不可控。 【点评】规则好，严格遵循 7. 【强制】更新数据表记录时，必须同时更新记录对应的gmt_modified字段值为当前时间。 【点评】规则好，严格遵循 8. 【推荐】不要写一个大而全的数据更新接口，传入为POJO类，不管是不是自己的目标更新字段，都进行update table set c1=value1,c2=value2,c3=value3; 这是不对的。执行SQL时，不要更新无改动的字段， 一是易出错； 二是效率低； 三是增加binlog存储。 【点评】规则好，严格遵循 9. 【参考】@Transactional事务不要滥用。 事务会影响数据库的QPS， 另外使用事务的地方需要考虑各方面的回滚方案，包括缓存回滚、搜索引擎回滚、消息补偿、统计修正等。 【点评】规则好，严格遵循 10.【参考】<isEqual>中的compareValue是与属性值对比的常量，一般是数字，表示相等时带上此条件； <isNotEmpty>表示不为空且不为null时执行；<isNotNull>表示不为null值时执行。
