为什么MySQL单表不能超过2000万行？

Posted 华为云开发者社区

tags:

篇首语：本文由小常识网(cha138.com)小编为大家整理，主要介绍了为什么MySQL单表不能超过2000万行？相关的知识，希望对你有一定的参考价值。

摘要：MySQL一张表最多能存多少数据？

本文分享自华为云社区《为什么MySQL单表不能超过2000万行？》，作者： GaussDB 数据库 。

最近看到一篇《我说MySQL每张表最好不要超过2000万数据，面试官让我回去等通知》的文章，非常有趣。

文中提到，他朋友在面试的过程中说，自己的工作就是把用户操作信息存到MySQL里，因为数据量超大（5000万条左右），需要每天定时生成3张表，然后将数据取模分别存到这三张表里。

下面是两人的对话：

面试后续暂且不论，不过，互联网江湖上的确流传着一个说法：单表数据量超过500万行时就要进行分表分库，已经超过2000万行时MySQL的性能就会急剧下降。

那么，MySQL一张表最多能存多少数据？

今天我们就从技术层面剖析一下，MySQL单表数据不能过大的根本原因是什么？

猜想一：是索引深度吗？

很多人认为：数据量超过500万行或2000万行时，引起B+tree的高度增加，延长了索引的搜索路径，进而导致了性能下降。事实果真如此吗？

我们先理一下关系，MySQL采用了索引组织表的形式组织数据，叶子节点存储数据，非叶子节点存储主键与页面号的映射关系。若用户的主键长度是8字节时，MySQL中页面偏移占4个字节，在非叶子节点的时候实际上是8+4=12个字节，12个字节表示一个页面的映射关系。

MySQL默认是16K的页面，抛开它的配置header，大概就是15K，因此，非叶子节点的索引页面可放15*1024/12=1280条数据，按照每行1K计算，每个叶子节点可以存15条数据。同理，三层就是15*1280*1280=24576000条数据。只有数据量达到24576000条时，深度才会增加为4，所以，索引深度没有那么容易增加，详细数据可参考下表：

搜索路径延长导致性能下降的说法，与当时的机械硬盘和内存条件不无关系。

之前机械硬盘的IOPS在100左右，而现在普遍使用的SSD的IOPS已经过万，之前的内存最大几十G，现在服务器内存最大可达到TB级。

因此，即使深度增加，以目前的硬件资源，IO也不会成为限制MySQL单表数据量的根本性因素。

那么，限制MySQL单表不能过大的根本性因素是什么？

猜想二：是SMO无法并发吗？

我们可以尝试从MySQL所采用的存储引擎InnoDB本身来探究一下。

大家知道InnoDB引擎使用的是索引组织表，它是通过索引来组织数据的，而它采用B+tree作为索引的数据结构。

B+Tree操作非原子，所以当一个线程做结构调整（SMO，Struction-Modification-Operation）时一般会涉及多个节点的改动。

SMO动作过程中，此时若有另一个线程进来可能会访问到错误的B+Tree结构，InnoDB为了解决这个问题采用了乐观锁和悲观锁的并发控制协议。

InnoDB对于叶子节点的修改操作如下：

方式一，先采用乐观锁的方式尝试进行修改

对根节点加S锁（shared lock，叫共享锁，也称读锁），依次对非叶子节点加S锁。

如果叶子节点的修改不会引起B+Tree结构变动，如分裂、合并等操作，那么只需要对叶子节点进行加X锁（exclusive lock，叫排他锁，也称为写锁）即可完成修改。如下图中所示 ：

方式二，采用悲观锁的方式

如果对叶子结点的修改会触发SMO，那么会采用悲观锁的方式。

采用悲观锁，需要重新遍历B+Tree，对根节点加全局SX锁（SX锁是行锁），然后从根节点到叶子节点可能修改的节点加X锁。

在整个SMO过程中，根节点始终持有SX锁（SX锁表示有意向修改这个保护的范围，SX锁与SX锁、X锁冲突，与S锁不冲突），此时其他的SMO则需要等待。

因此，InnoDB对于简单的主键查询比较快，因为数据都存储在叶子节点中，但对于数据量大且改操作比较多的TP型业务，并发会有很严重的瓶颈问题。

在对叶子节点的修改操作中，InnoDB可以实现较好的1与1、1与2的并发，但是无法解决2的并发。因为在方式2中，根节点始终持有SX锁，必须串行执行，等待上一个SMO操作完成。这样在具有大量的SMO操作时，InnoDB的B+Tree实现就会出现很严重的性能瓶颈。

解决方案

目前业界有一个更好的方案B-Link Tree，与B+Tree相比，B-Link Tree优化了B+Tree结构调整时的锁粒度，只需要逐层加锁，无需对root节点加全局锁。因此，可以做到在SMO过程中写操作的并发执行，保持高并发下性能的稳定。

B-Link Tree主要改进点有2个：

1.中间节点增加link指针，指向右兄弟节点；

2.每个节点内增加字段high key，存储该节点中最大的key值。

新增的link指针是为了解决SMO过程中并发写的问题，在SMO过程中，B-Link Tree对修改节点逐层加锁，修改完一层即可放锁，然后去加上一层节点的锁继续修改。这样在InnoDB引擎中被SMO阻塞的写操作可以有机会在SMO操作过程中并发进行。

如下图所示，在节点2分裂为节点2和4的过程中，只需要在最后一步将父节点1指向新节点4时，对父节点1加锁，其他操作均无需对父节点加锁，更无需对root节点加锁，因此，大大提升了SMO过程中写操作的并发度。

由此可见，与B+Tree全局加锁对比，B-Link Tree在高并发操作下的性能是显著优于B+Tree的。GaussDB当前采用的就是B-Link Tree索引数据结构。

InnoDB的索引组织表更容易触发SMO

索引组织表的叶子节点，存储主键以及应对行的数据，InnoDB默认页面为16K，若每行数据的大小为1000字节，每个叶子节点仅能存储16行数据。

在索引组织表中，当叶子节点的扇出值过低时，SMO的触发将更加频繁，进而放大了SMO无法并发写的缺陷。

目前业界有一个堆组织表的数据组织方案，也是华为云数据库GaussDB采用的方案。它的叶子节点存储索引键以及对应的行指针（所在的页面编号及页内偏移），堆组织表叶子节点可以存更多的数据，分析可得在同样的数据量与业务并发量下，堆组织表会比索引组织表发生SMO概率低许多。

性能对比

在8U32G的两台服务器分别搭建了MySQL（B+Tree和索引组织表）与GaussDB（B-Link Tree和堆组织表）的环境，进行了如下性能验证：

实验场景：在基础表的场景上，测试增量随机插入性能。

1.基础表总大小10G，包含主键随机分布的1000w行数据，每行数据1k；

2.插入主键随机分布的1000w行数据，每行数据大小1k，测试并发插入性能。

结论：随着并发数的上升，GaussDB能稳步提升系统的TPS，而MySQL并发数的提高并不能带来TPS的显著提升。

综上所述，MySQL无法支持大数据量下并发修改的根本原因，是由于其索引并发控制协议的缺陷造成的，而MySQL选择索引组织表，又放大了这一缺陷。所以，开源MySQL数据库更适用于主键查询为主的简单业务场景，如互联网类应用，对于复杂的商业场景限制比较明显。

相比之下 ，采用B-Link Tree和堆组织表的GaussDB数据库在性能和场景应用方面更胜一筹。

 

点击关注，第一时间了解华为云新鲜技术~

mysql优化注意事项

MySQL 性能

 

①最大数据量

 

抛开数据量和并发数，谈性能都是耍流氓。MySQL 没有限制单表最大记录数，它取决于操作系统对文件大小的限技术图片《阿里巴巴 Java 开发手册》提出单表行数超过 500 万行或者单表容量超过 2GB，才推荐分库分表。

 

性能由综合因素决定，抛开业务复杂度，影响程度依次是硬件配置、MySQL 配置、数据表设计、索引优化。500 万这个值仅供参考，并非铁律。

 

我曾经操作过超过 4 亿行数据的单表，分页查询最新的 20 条记录耗时 0.6 秒，SQL 语句大致是：

 

select field_1,field_2 from table where id < #{prePageMinId} order by id desc limit 20

　　

 

prePageMinId 是上一页数据记录的最小 ID。虽然当时查询速度还凑合，随着数据不断增长，有朝一日必定不堪重负。

 

分库分表是个周期长而风险高的大活儿，应该尽可能在当前结构上优化，比如升级硬件、迁移历史数据等等，实在没辙了再分。对分库分表感兴趣的同学可以阅读分库分表的基本思想。

 

②最大并发数

 

并发数是指同一时刻数据库能处理多少个请求，由 max_connections 和 max_user_connections 决定。

 

max_connections 是指 MySQL 实例的最大连接数，上限值是 16384，max_user_connections 是指每个数据库用户的最大连接数。
MySQL 会为每个连接提供缓冲区，意味着消耗更多的内存。如果连接数设置太高硬件吃不消，太低又不能充分利用硬件。

一般要求两者比值超过 10%，计算方法如下：

 

max_used_connections / max_connections * 100% = 3/100 *100% ≈ 3%

　　

 

 

查看最大连接数与响应最大连接数：

 

show variables like ‘%max_connections%‘;
show variables like ‘%max_user_connections%‘;

　　

 

 

在配置文件 my.cnf 中修改最大连接数：

 

[mysqld]
max_connections = 100
max_used_connections = 20

　　

 

 

③查询耗时 0.5 秒


建议将单次查询耗时控制在 0.5 秒以内，0.5 秒是个经验值，源于用户体验的 3 秒原则。如果用户的操作 3 秒内没有响应，将会厌烦甚至退出。

 

响应时间=客户端 UI 渲染耗时+网络请求耗时+应用程序处理耗时+查询数据库耗时，0.5 秒就是留给数据库 1/6 的处理时间。

 

④实施原则

 

相比 NoSQL 数据库，MySQL 是个娇气脆弱的家伙。它就像体育课上的女同学，一点纠纷就和同学闹别扭（扩容难），跑两步就气喘吁吁（容量小并发低），常常身体不适要请假（SQL 约束太多）。

 

如今大家都会搞点分布式，应用程序扩容比数据库要容易得多，所以实施原则是数据库少干活，应用程序多干活：

 

  • 充分利用但不滥用索引，须知索引也消耗磁盘和 CPU。

  • 不推荐使用数据库函数格式化数据，交给应用程序处理。

  • 不推荐使用外键约束，用应用程序保证数据准确性。

  • 写多读少的场景，不推荐使用唯一索引，用应用程序保证唯一性。

  • 适当冗余字段，尝试创建中间表，用应用程序计算中间结果，用空间换时间。

  • 不允许执行极度耗时的事务，配合应用程序拆分成更小的事务。

  • 预估重要数据表（比如订单表）的负载和数据增长态势，提前优化。

 

数据表设计

 

①数据类型

 

数据类型的选择原则，更简单或者占用空间更小：

 

  • 如果长度能够满足，整型尽量使用 tinyint、smallint、medium_int 而非 int。

  • 如果字符串长度确定，采用 char 类型。

  • 如果 varchar 能够满足，不采用 text 类型。

  • 精度要求较高的使用 decimal 类型，也可以使用 BIGINT，比如精确两位小数就乘以 100 后保存。

  • 尽量采用 timestamp 而非 datetime。

 

技术图片相比 datetime，timestamp 占用更少的空间，以 UTC 的格式储存自动转换时区。

 

②避免空值

 

MySQL 中字段为 NULL 时依然占用空间，会使索引、索引统计更加复杂。从 NULL 值更新到非 NULL 无法做到原地更新，容易发生索引分裂影响性能。

 

因此尽可能将 NULL 值用有意义的值代替，也能避免 SQL 语句里面包含 is not null 的判断。

③Text 类型优化

 

由于 Text 字段储存大量数据，表容量会很早涨上去，影响其他字段的查询性能。建议抽取出来放在子表里，用业务主键关联。

索引优化

索引分类如下：

  • 普通索引：最基本的索引。

  • 组合索引：多个字段上建立的索引，能够加速复合查询条件的检索。

  • 唯一索引：与普通索引类似，但索引列的值必须唯一，允许有空值。

  • 组合唯一索引：列值的组合必须唯一。

  • 主键索引：特殊的唯一索引，用于唯一标识数据表中的某一条记录，不允许有空值，一般用 primary key 约束。

  • 全文索引：用于海量文本的查询，MySQL 5.6 之后的 InnoDB 和 MyISAM 均支持全文索引。由于查询精度以及扩展性不佳，更多的企业选择 Elasticsearch。

 

索引优化原则：

  • 分页查询很重要，如果查询数据量超过 30%，MySQL 不会使用索引。

  • 单表索引数不超过 5 个、单个索引字段数不超过 5 个。

  • 字符串可使用前缀索引，前缀长度控制在 5-8 个字符。

  • 字段唯一性太低，增加索引没有意义，如：是否删除、性别。

  • 合理使用覆盖索引，如下所示：

 

select login_name, nick_name from member where login_name = ?

　　

 

 

login_name, nick_name 两个字段建立组合索引，比 login_name 简单索引要更快。

 

SQL 优化

 

①分批处理

 

博主小时候看到鱼塘挖开小口子放水，水面有各种漂浮物。浮萍和树叶总能顺利通过出水口，而树枝会挡住其他物体通过，有时还会卡住，需要人工清理。

 

MySQL 就是鱼塘，最大并发数和网络带宽就是出水口，用户 SQL 就是漂浮物。

 

不带分页参数的查询或者影响大量数据的 update 和 delete 操作，都是树枝，我们要把它打散分批处理，下面举例说明。

 

业务描述：更新用户所有已过期的优惠券为不可用状态。

 

SQL 语句：

update status=0 FROM `coupon` WHERE expire_date <= #{currentDate} and status=1;

　　

 

 

如果大量优惠券需要更新为不可用状态，执行这条 SQL 可能会堵死其他 SQL，分批处理伪代码如下：

 

int pageNo = 1;
int PAGE_SIZE = 100;
while(true) {
    List<Integer> batchIdList = queryList(‘select id FROM `coupon` WHERE expire_date <= #{currentDate} and status = 1 limit #{(pageNo-1) * PAGE_SIZE},#{PAGE_SIZE}‘);
    if (CollectionUtils.isEmpty(batchIdList)) {
        return;
    }
    update(‘update status = 0 FROM `coupon` where status = 1 and id in #{batchIdList}‘)
    pageNo ++;
}

　　

 

 

②操作符 <> 优化

 

通常 <> 操作符无法使用索引，举例如下，查询金额不为 100 元的订单：

 

select id from orders where amount  != 100;

　　

 

如果金额为 100 的订单极少，这种数据分布严重不均的情况下，有可能使用索引。

 

鉴于这种不确定性，采用 union 聚合搜索结果，改写方法如下：

 

(select id from orders where amount > 100)
 union all
(select id from orders where amount < 100 and amount > 0)

　　

 

 

③OR 优化

 

在 Innodb 引擎下 OR 无法使用组合索引，比如：

 

select id，product_name from orders where mobile_no = ‘13421800407‘ or user_id = 100;

　　

 

 

OR 无法命中 mobile_no + user_id 的组合索引，可采用 union，如下所示：

 

(select id，product_name from orders where mobile_no = ‘13421800407‘)
 union
(select id，product_name from orders where user_id = 100);

　　

 

此时 id 和 product_name 字段都有索引，查询才最高效。

 

④IN 优化

 

IN 适合主表大子表小，EXIST 适合主表小子表大。由于查询优化器的不断升级，很多场景这两者性能差不多一样了。

 

尝试改为 Join 查询，举例如下：

 

select id from orders where user_id in (select id from user where level = ‘VIP‘);

　　

 

 

采用 Join 如下所示：

 

select o.id from orders o left join user u on o.user_id = u.id where u.level = ‘VIP‘;

　　

 

⑤不做列运算

 

通常在查询条件列运算会导致索引失效，如下所示，查询当日订单：

 

select id from order where date_format(create_time，‘%Y-%m-%d‘) = ‘2019-07-01‘;

　　

 

 

date_format 函数会导致这个查询无法使用索引，改写后：

 

select id from order where create_time between ‘2019-07-01 00:00:00‘ and ‘2019-07-01 23:59:59‘;

　　

 

 

⑥避免Select All

 

如果不查询表中所有的列，避免使用 SELECT *，它会进行全表扫描，不能有效利用索引。

 

⑦Like 优化

 

Like 用于模糊查询，举个例子（field 已建立索引）：

 

SELECT column FROM table WHERE field like ‘%keyword%‘;

　　

 

 

这个查询未命中索引，换成下面的写法：

 

SELECT column FROM table WHERE field like ‘keyword%‘;

　　

 

 

去除了前面的 % 查询将会命中索引，但是产品经理一定要前后模糊匹配呢？全文索引 fulltext 可以尝试一下，但 Elasticsearch 才是终极武器。

 

⑧Join 优化

 

Join 的实现是采用 Nested Loop Join 算法，就是通过驱动表的结果集作为基础数据，通过该结数据作为过滤条件到下一个表中循环查询数据，然后合并结果。

 

如果有多个 Join，则将前面的结果集作为循环数据，再次到后一个表中查询数据。

 

驱动表和被驱动表尽可能增加查询条件，满足 ON 的条件而少用 Where，用小结果集驱动大结果集。

 

被驱动表的 Join 字段上加上索引，无法建立索引的时候，设置足够的 Join Buffer Size。

 

禁止 Join 连接三个以上的表，尝试增加冗余字段。

 

⑨Limit 优化

 

Limit 用于分页查询时越往后翻性能越差，解决的原则：缩小扫描范围，如下所示：

 

select * from orders order by id desc limit 100000,10 
耗时0.4秒
select * from orders order by id desc limit 1000000,10
耗时5.2秒

　　

 

 

先筛选出 ID 缩小查询范围，写法如下：

 

select * from orders where id > (select id from orders order by id desc  limit 1000000, 1) order by id desc limit 0,10
耗时0.5秒

　　

 

 

如果查询条件仅有主键 ID，写法如下：

 

select id from orders where id between 1000000 and 1000010 order by id desc
耗时0.3秒

　　

 

如果以上方案依然很慢呢？只好用游标了，感兴趣的朋友阅读 JDBC 使用游标实现分页查询的方法。

 

其他数据库

 

技术图片

 

作为一名后端开发人员，务必精通作为存储核心的 MySQL 或 SQL Server，也要积极关注 NoSQL 数据库，他们已经足够成熟并被广泛采用，能解决特定场景下的性能瓶颈。

 

此文转载自https://mp.weixin.qq.com/s/NWt4eBNM43AjeTbyLPTCpQ

以上是关于为什么MySQL单表不能超过2000万行？的主要内容，如果未能解决你的问题，请参考以下文章

Mysql单表最大记录是多少

为什么说MySQL单表行数不要超过2000w?

为什么说MySQL单表行数不要超过2000w?

阿里一面：MySQL 单表数据最大不要超过多少行？为什么？这样回答满分！

MySQL 单表不要超过 2000W 行，靠谱吗？

MySQL 单表不要超过 2000W 行，靠谱吗？