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

DROP TABLE IF EXISTS `yun_cashflow`;

CREATE TABLE `yun_cashflow` (

  `id` bigint(20) NOT NULL AUTO_INCREMENT,

  `userid` int(11) DEFAULT NULL,

  `type` int(11) DEFAULT NULL COMMENT '1、入账，2提现',

  `operatoruserid` int(11) DEFAULT NULL COMMENT '操作员ID',

  `withdrawdepositid` bigint(20) DEFAULT NULL COMMENT '提现ID',

  `money` double DEFAULT NULL COMMENT '钱数',

  `runid` bigint(20) DEFAULT NULL COMMENT '工单ID',

  `createtime` timestamp NULL DEFAULT CURRENT_TIMESTAMP ON UPDATE CURRENT_TIMESTAMP,

  PRIMARY KEY (`id`)

) ENGINE=InnoDB AUTO_INCREMENT=63 DEFAULT CHARSET=utf8;

然后开始造1个亿的数据进去。

-- 循环插入

drop PROCEDURE test_insert;

DELIMITER;;
CREATE PROCEDURE test_insert()
begin 
declare num int; 
set num=0;
        while num < 10000 do
            insert into yun_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)));
            set num=num+1;
        end while;
  END;;

call test_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。

INSERT INTO example
(example_id, name, value, other_value)
VALUES
(100, 'Name 1', 'Value 1', 'Other 1'),
(101, 'Name 2', 'Value 2', 'Other 2'),
(102, 'Name 3', 'Value 3', 'Other 3'),
(103, 'Name 4', 'Value 4', 'Other 4');

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。

select count(*) from yun_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。

show global variables like "%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 * from yun_cashflow  where createtime between '2018-10-23 09:06:58' and '2018-10-23 09:06:59'

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。

select count(*) from yun_cashflow where userid=21

也是将近1分半的速度，那在试试金额的条件。

select count(*) from yun_cashflow where money<62 and userid=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

ALTER TABLE yun_cashflow ADD INDEX index_userid (userid)

`
给金额加索引

ALTER TABLE yun_cashflow ADD INDEX index_money (money)

给时间加索引

ALTER TABLE yun_cashflow ADD INDEX index_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 * from yun_cashflow  where createtime between '2018-10-23 09:06:58' and '2018-10-23 09:06:59'

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 * from yun_cashflow where money<62 and userid=32 and  createtime between '2018-10-22 09:06:58' and '2018-10-23 09:06:59'

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。

BEGIN 
        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`< 100 DO                
                            SET @createSql = CONCAT('CREATE TABLE IF NOT EXISTS yun_cashflow_',`@i`,'(
`id` bigint(20) NOT NULL AUTO_INCREMENT,
                                `userid` int(11) DEFAULT NULL,
                                `type` int(11) DEFAULT NULL  ,
                                `operatoruserid` int(11) DEFAULT NULL  ,
                                `withdrawdepositid` bigint(20) DEFAULT NULL  ,
                                `money` double DEFAULT NULL  ,
                                `runid` bigint(20) DEFAULT NULL  ,
                                `createtime` timestamp NULL DEFAULT CURRENT_TIMESTAMP ON UPDATE CURRENT_TIMESTAMP,
                                PRIMARY KEY (`id`)
                                )'
                            ); 
                            prepare stmt from @createSql; 
                            execute stmt;

-- 创建索引

      set @createIndexSql1  = CONCAT('create index `t_money` on yun_cashflow_',`@i`,'(`money`);');
                            prepare stmt1 from @createIndexSql1; 
                            execute stmt1; 
                            set @createIndexSql2  = CONCAT('create index `t_userid` on yun_cashflow_',`@i`,'(`userid`);');
                            prepare stmt2 from @createIndexSql2; 
                            execute stmt2; 
SET `@i`= `@i`+1; 
            END WHILE;
END

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：

CreateTimeIndexTable
ID  TableName   CreateTimeStart CreateTimeEnd
1   yun_cashflow_1  2018-10-22 09:06:58 2018-10-26 09:06:58
2   yun_cashflow_2  2018-10-26 09:06:58 2018-10-29 09:06:58
3   yun_cashflow_3  2018-11-12 09:06:58 2018-11-22 09:06:58
4   yun_cashflow_4  2018-11-22 09:06:58 2018-11-26 09:06:58

当遇见这样语句需求的时候：

select * from yun_cashflow where money<62 and userid=32 and  createtime between '2018-10-27 09:06:58' and '2018-10-28 09:06:59'

1)、就改写成这样的顺序

select TableName from CreateTimeIndexTable where CreateTimeStart>  '2018-10-27 09:06:58' and CreateTimeEnd < '2018-10-28 09:06:59'

2)、当得到TableName的时候，结果是yun_cashflow_2，在进行语句的查询

select * from yun_cashflow_2 where money<62 and userid=32 and  createtime between '2018-10-27 09:06:58' and '2018-10-28 09:06:59'

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

select TableName from CreateTimeIndexTable where CreateTimeStart>  '2018-10-27 09:06:58' and CreateTimeEnd < '2018-11-13 09:06:59'

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。

发表于 2020-07-29 14:34
阅读 ( 1035 )