MySQL性能优化 一、系统配置优化

数据库优化纬度有四个:

硬件升级、系统配置、表结构设计、SQL语句及索引。

优化选择:

  • 优化成本:硬件升级 > 系统配置 > 表结构设计 > SQL语句及索引
  • 优化效果:硬件升级 < 系统配置 < 标结果设计 < SQL语句及索引

1.保证从内存中读取数据

MySQL会在内存中保存一定的数据,通过LRU算法将不常访问的数据保存在硬盘文件中。

尽可能的扩大内存中的数量,将数据保存在内存中,从内存中读取数据,可以提升MySQL性能

扩大 innodb_buffer_pool_size,能够全然从内存中读取数据。最大限度降低磁盘操作。

确定 innodb_buffer_pool_size 足够大的方法:

sql 复制代码
show global status like 'innodb_buffer_pool_pages_%'

innodb_buffer_pool_size 默认为128M,理论上可以扩大到内存的3/4或4/5

修改my.cnf

innodb_buffer_size = 750M

如果是专用的MySQL Server 可以禁用SWAP

shell 复制代码
#查看swap
cat /proc/swaps

#关闭所有交换设备和文件
swapoff -a

2.数据预热

默认情况,仅仅有某条数据被读取一次,才会缓存在innodb_buffer_pool

所以,数据库刚刚启动,须要进行数据预热,将磁盘上的全部数据缓存到内存中

数据预热能够提高读取速度

1.对于InnoDB数据库,进行数据预热的脚本是:

sql 复制代码
SELECT DISTINCT
CONCAT('SELECT ',ndxcollist,' FROM ',db,'.',tb,
       ' ORDER BY ',ndxcollist,';') SelectQueryToLoadCache
FROM
(
  SELECT
  engine,table_schema db,table_name tb,
  index_name,GROUP_CONCAT(column_name ORDER BY seq_in_index)
  ndxcollist
  FROM
  (
    SELECT
    B.engine,A.table_schema,A.table_name,
    A.index_name,A.column_name,A.seq_in_index
    FROM
    information_schema.statistics A INNER JOIN
    (
      SELECT engine,table_schema,table_name
      FROM information_schema.tables WHERE
      engine='InnoDB'
    ) B USING (table_schema,table_name)
    WHERE B.table_schema NOT IN ('information_schema','mysql')
    ORDER BY table_schema,table_name,index_name,seq_in_index
  ) A
  GROUP BY table_schema,table_name,index_name
) AA
ORDER BY db,tb;

将该脚本保存为:loadtomem.sql

2.执行命令

shell 复制代码
mysql -uroot -proot -AN < /root/loadtomem.sql > /root/loadtomem.sql

3.在需要数据预热时,比如重启数据库

执行命令

shell 复制代码
mysql -uroot < /root/loadtomem.sql > /dev/null 2>&1

3.降低磁盘写入次数

  • 增大redolog,减少落盘次数
    • innodb_log_file_size 设置为 0.25*innodb_buffer_pool_size
  • 通用查询日志、慢查询日志可以不开,bin-log开
    • 生成中不开通用查询日志,遇到性能问题开慢查询日志
  • 写redolog策略 innodb_flush_log_at_trx_commit 设置为0或2
    • 如果不涉及非常高的安全性(金融系统),或者基础架构足够安全,或者事务都非常小,都能够用0或者2来减少磁盘操作

4.提高磁盘读写性能

使用SSD或者内存磁盘

相关推荐
91刘仁德9 小时前
MYSQL 事务原理及使用
android·mysql·adb
wxwx_bscxy32210 小时前
NodeJS 高校学业预警系统10551
mysql·node.js·vue·高校学业预警
袋鼠云数栈10 小时前
实时湖仓如何真正做到“数据够新”?
大数据·数据库·人工智能·数据治理
ACP广源盛1392462567310 小时前
M6/M5 Pro Mac mini 端侧 AI 落地@ACP#YLB3116 中端多盘存储扩展在 AI 服务中的机会与应用场景
大数据·网络·数据库·人工智能·嵌入式硬件·macos
ACP广源盛1392462567311 小时前
M6/M5 Pro Mac mini 端侧 AI 新形态@ACP#GSV5800 Serdes 长距离视频传输在 AI 服务中的机会与落地场景
大数据·网络·数据库·人工智能·嵌入式硬件·macos·音视频
倔强的石头_13 小时前
事务边界与批量写入:避免长事务、锁等待和日志压力
数据库
努力努力再努力wz13 小时前
【Redis入门系列】从 KEYS 到 SCAN:渐进式遍历、Cursor 与位反转原理
数据库·redis·缓存
坐吃山猪13 小时前
【多线程】Lock与Condition
大数据·数据库
Lightpwd14 小时前
Spring Boot 多数据源落地:AbstractRoutingDataSource + 注解切面(附源码)
数据库·后端
LabVIEW开发14 小时前
LabVIEW 64位安装的位深陷阱:工具包、内存与工程兼容
数据库·labview·labview知识·labview功能·labview程序