开启辅助访问 切换到宽版

精易论坛

 找回密码
 注册

QQ登录

只需一步,快速开始

用微信号发送消息登录论坛

新人指南 邀请好友注册 - 我关注人的新帖 教你赚取精币 - 每日签到


求职/招聘- 论坛接单- 开发者大厅

论坛版规 总版规 - 建议/投诉 - 应聘版主 - 精华帖总集 积分说明 - 禁言标准 - 有奖举报

查看: 1877|回复: 1
打印 上一主题 下一主题
收起左侧

[Mysql] MySQL中创建及优化索引组织结构的思路

[复制链接]

跳转到指定楼层
楼主
发表于 2013-2-8 21:59:16 | 只看该作者 回帖奖励 |正序浏览 |阅读模式   广东省广州市
通过一个实际生产环境中的数据存取需求,分析如何设计此存储结构,如何操纵存储的数据,以及如何使操作的成本或代价更低,系统开销最小。同时,让更多初学者明白数据存储的表上索引是如何一个思路组织起来的,希望起到一个参考模板的价值作用。



测试用例描述测试用例为B2C领域,一张用于存储用户选购物品而生成的产品订单信息表,不过去掉一些其他字段,以便用于测试,其表中的数据项也不特别描述,字段意思见表

    USE `test`;
  • DROP TABLE IF EXISTS `test`.`goods_order`;
    CREATE TABLE `goods_order`(
  • `order_id`        INT UNSIGNED      NOT NULL             COMMENT ‘订单单号’,
    `goods_id`        INT UNSIGNED      NOT NULL DEFAULT ’0′ COMMENT ‘商品款号’,
  • `order_type`      TINYINT UNSIGNED  NOT NULL DEFAULT ’0′ COMMENT ‘订单类型’,
    `order_status`    TINYINT UNSIGNED  NOT NULL DEFAULT ’0′ COMMENT ‘订单状态’,
  • `color_id`        SMALLINT  UNSIGNED NOT NULL DEFAULT ’0′ COMMENT ‘颜色id’,
    `size_id`         SMALLINT  UNSIGNED NOT NULL DEFAULT ’0′ COMMENT ‘尺寸id’,
  • `goods_number`    MEDIUMINT  UNSIGNED NOT NULL DEFAULT ’0′ COMMENT ‘数量’,
    `depot_id`        INT UNSIGNED  NOT NULL DEFAULT ’0′ COMMENT ‘仓库id’,
  • `packet_id`       INT UNSIGNED  NOT NULL DEFAULT ’0′ COMMENT ‘储位code’,
    `gmt_create`      TIMESTAMP     NOT NULL DEFAULT ’0000-00-00 00:00:00′ COMMENT ‘添加时间’,
  • `gmt_modify`      TIMESTAMP     NOT NULL DEFAULT ’0000-00-00 00:00:00′ COMMENT ‘更新时间’,
    PRIMARY KEY(order_id,`goods_id`)
  • )ENGINE=InnoDB AUTO_INCREMENT=1 CHARACTER SET ‘utf8′ COLLATE ‘utf8_general_ci’;
其中,主键信息:PRIMARY KEY(order_id,`goods_id`),为何主键索引索引字段的顺序为:order_id,`goods_id`,而不是: `goods_id`, order_id呢?原因很简单,goods_id在订单信息表中的重复率会比order_id高,也即order_id的筛选率更高,可以减少扫描索引记录个数,从而达到更高的效率,同时,下面即将会列出的SQL 也告诉我们,有部分SQL 语句的WHERE字句中只出现order_id字段,为此更加坚定我们必须把字段:order_id作为联合主键索引的头部,`goods_id`为联合主键索引的尾部。
数据存储表设计的小结:
设计用于存储数据的表结构,首先要知道有哪些数据项,也即行内常说的数据流,以及各个数据项的属性,比如存储的数据类型、值域范围及长度、数据完整性等要求,从而确定数据项的属性定义。存储的数据项信息确定之后,至少进行如下三步分析:
  • 首先,确定哪些数据项或组合,可以作为记录的唯一性标志;
  • 其次,要确定对数据记录有哪些操作,每个操作的频率如何,对网站等类型应用,还需要区分前台操作和后台操作,也即分外部用户的操作,还是内部用户的操作;
  • 最后,对作为数据记录操作的条件部分的数据项,分析其数据项的筛选率如何,也即数据项不同值占总数据记录数的比例关心,比例越接近1则是筛选率越好,以及各个值得分布率;
综上所述,再让数据修改性操作优先级别高于只读性操作,就可以创建一个满足要求且性能较好的索引组织结构。
数据的存取设计,就涉及一块非常重要的知识: 关系数据库的基础知识和关系数据理论的范式。对于范式的知识点,特别解释下,建议学到BCNF范式为止,1NF、2NF、3NF和BCNF之间的差别,各自规避的问题、存在的缺陷都要一清二楚,但是在真实的工作环境中,不要任何存取设计都想向范式靠,用一句佛语准确点表达:空即是色,色即是空。
用于生成测试数据的存储过程代码创建索引,就离不开表存储的真实数据,为此编写一个存储过程近可能模拟真实生产环境中的数据,同时也方便大家使用此存储过程,在自己的测试环境中,真实感受验证,
存储过程代码:

    DELIMITER $$
  • DROP PROCEDURE IF EXISTS `usp_make_data` $$
    CREATE PROCEDURE `usp_make_data`()
  • BEGIN
    DECLARE iv_goods_id INT UNSIGNED DEFAULT 0;
  • DECLARE iv_depot_id INT UNSIGNED DEFAULT 0;
    DECLARE iv_packet_id INT UNSIGNED DEFAULT 0;
  •   
    SET iv_goods_id=5000;
  • SET iv_depot_id=10;
    SET iv_packet_id=20;
  •   
    WHILE iv_goods_id>0
  • DO
    START  TRANSACTION;
  • WHILE iv_depot_id>0
    DO
  • WHILE iv_packet_id>0
    DO
  • INSERT INTO goods_order(order_id,goods_id,order_type,order_status,color_id,size_id,goods_number,depot_id,packet_id,gmt_create,gmt_modify)
    VALUES(SUBSTRING(RAND(),3,8),iv_goods_id,SUBSTRING(RAND(),3,1),SUBSTRING(RAND(),5,1)%2,SUBSTRING(RAND(),3,3),SUBSTRING(RAND(),4,3),SUBSTRING(RAND(),5,2),
  • iv_depot_id,SUBSTRING(RAND(),4,2)*iv_packet_id,DATE_ADD(NOW(),INTERVAL -SUBSTRING(RAND(),2,3) DAY),DATE_ADD(NOW(),INTERVAL -SUBSTRING(RAND(),3,2) DAY)
    );
  • SET iv_packet_id=iv_packet_id-1;
    END WHILE;
  • SET iv_packet_id=20;
    SET iv_depot_id=iv_depot_id-1;
  • END WHILE ;
      
  • COMMIT;
    SET iv_depot_id=10;
  • SET iv_goods_id=iv_goods_id-1;
    END WHILE ;
  • END $$
  • DELIMITER ;
业务逻辑描述
  • 非注册用户,或网站的注册用户不登陆,都能可选购买物品,生成订单号对应的用户UID为系统默认的;
  • 订单与用户UID关联、描述等信息,存储其它的表中,通过订单号的模式关联;
  • 用户的订单信息,在未付款之前都可以再修改,付款之后则无法修改;
  • 已经付费的订单信息,自动发送到物流部门,进行后续工序的操作。处理完毕之后,会更新订单中涉及物品的存储位置信息;
  • 定期读取部分数据到数据仓库分析系统,用于统计分析;
  • 个人订单查询,前后台都有;
  • 购物记录查询显示;
根据业务规则描述需要使用操纵数据的SQL 语句

    EXPLAIN SELECT * FROM goods_order WHERE `order_id`=40918986;
  • SELECT * FROM goods_order WHERE `order_id` IN (40918986,40717328,30923040…) ORDER BY gmt_modify DESC;
    UPDATE goods_order SET gmt_modify=NOW(),…. WHERE `order_id`=40717328 AND goods_id=4248;
  • SELECT COUNT(*) FROM goods_order WHERE depot_id=0 ORDER BY gmt_modify DESC LIMIT 0,50;
    SELECT * FROM goods_order WHERE depot_id=6 AND packet_id=0 ORDER BY gmt_modify DESC LIMIT 0,50;
  • SELECT COUNT(*) FROM goods_order WHERE goods_id=4248 AND order_status=0 AND order_type=1
    SELECT * FROM goods_order WHERE goods_id=4248 AND order_status=0 AND order_type=1 ORDER BY gmt_modify DESC LIMIT 0,50;
  • SELECT * FROM goods_order WHERE gmt_modify>=’ 2011-04-06’;
  • 前台用户点击触发的操作而会执行的SQL 语句为:01、02、03;
  • 后台内部用户点击触发的操作而会执行的SQL 语句为:01、02、03、04、05、06、07;
  • 后台系统自动定期执行:04、05、06、07,工作时间正常情况每隔15分钟执行一次,以检查是否有已付款而没有准备货物的订单、是否有收款而未发货的订单等;
  • 统计分析系统定期导出数据而执行的SQL 语句为:08,频率为每24小时一次;
我们再分析上述列出来的SQL ,分为2类,一类是读操作的SQL (备注:SELECT操作),另外一类为修改性操作(备注:UPDATE、DELETE操作),分别如下:
SELECT 的WHERE子句、GROUP BY子、ORDER BY 子句和HAVING 子句中,出现的字段:
(1). order_id
(2). order_id+gmt_modify
(3). depot_id+gmt_modify
(4). depot_id+packet_id+gmt_modify
(5). goods_id+order_status+order_type
(6). goods_id+order_status+order_type+gmt_modify
(7). gmt_modify
修改性操作的WHERE子句中出现的条件字段:
(8). order_id+ goods_id
我们已经存在主键索引:PRIMARY KEY(order_id,`goods_id`),另外考虑到此表数据的操作以SELECT和INSERT为主,UPDATE的SQL 量其次,再根据上述SQL 语句,为此我们可以初步确定需要创建的索引:

    ALTER TABLE goods_order
  • ADD INDEX idx_goodsID_orderType_orderStatus_gmtmodify(goods_id,order_type,order_status,gmt_modify),
  • ADD INDEX idx_depotID_packetID_gmtmodify(depot_id,packet_id,gmt_modify);
总结:
文章中也分析了为何联合主键索引的顺序为:order_id,`goods_id`,再补充下作为主键的联合索引的字段属性的其他特性:字段值写入之后不变化、字段值长度短且最好为数值类型;
对于编号SQL :(8),每天按更新日期读取一次数据的操作,以采用全表扫描的方式实现,牺牲其数据读取的性能,以减少更新字段修改日期的值而带来的索引维护开销;
对于编号SQL :(4)、(5),考虑到每次都是读取最新的50条记录,以及读取的数据基本上可肯定为热数据,为此不得不牺牲其中一条SQL 的数据读取性能,而少创建一个联合索引,从而减少维护索引字段的IO量;
对于编号SQL :(6)、(7),创建的联合索引,需要特别注意联合索引:idx_goodsID_orderType_orderStatus_gmtmodify(goods_id,order_type,order_status,gmt_modify)中的字段顺序,其中:
  • goods_id字段的筛选率高于order_type,order_status,另外gmt_modify字段只出现在ORDER BY子句中,为此只有让goods_id字段作为联合索引的头部,以提高索引的筛选率,从而提高索引的效率,减少逻辑或物理的读。
  • order_status字段只有0或1两种值,而order_type有多种,以及根据SQL 语句,必须order_type出现在联合中的位置要比order_status靠近头部;
  • gmt_modify字段出现在ORDER BY子句中,为此必须放到联合索引字段的最后;
最后,再梳理一下从需求到设计存储结构,再到编写SQL 和创建索引结构,我们应该做的步骤:
  • 整理业务产生的数据流,读取数据的方式;
  • 整理清楚数据流中的每个数据项属性信息;
  • 分析业务指标,推测需要存储数据的规模(备注:一定要以多少GB 作为容量单位);
  • 选择可能用于支持业务的硬件设备和数据库架构;
  • 把所有可能操纵数据的条件和操作类型,都整理清楚;
  • 分析操纵数据条件字段各自的数据筛选率;
  • 权衡各个SQL 的性能和IO量,也即类似于哪个操作权重高一些,那些操作权重适当低一些;
  • 创建索引组织结构;
  • 收集测试和生产环境的反馈信息,优化索引组织结构;
备注:
本想再用测试环境结合业务的方式,跑一套模拟测试脚本程序,让大家更加直观地看到不同索引组织情况下,相同的SQL 操作及频率,数据库服务器的处理能力和负载变化及对比信息,可惜唯一的服务器无法使用了,只好放弃。对于分析相同的SQL ,走不通索引,其需要的逻辑IO和物理IO量也是一个办法,此次就不分析了,有需要的朋友可以去玩玩,另外建议初学者一定要好好阅读下mysql 手册上的相关章节内容:7.2.6. Index Merge Optimization。


结帖率:37% (7/19)
沙发
发表于 2013-2-16 10:00:34 | 只看该作者   北京市北京市
沙发呵呵         
回复 支持 反对

使用道具 举报

您需要登录后才可以回帖 登录 | 注册

本版积分规则 致发广告者

发布主题 收藏帖子 返回列表

sitemap| 易语言源码| 易语言教程| 易语言论坛| 易语言模块| 手机版| 广告投放| 精易论坛
拒绝任何人以任何形式在本论坛发表与中华人民共和国法律相抵触的言论,本站内容均为会员发表,并不代表精易立场!
论坛帖子内容仅用于技术交流学习和研究的目的,严禁用于非法目的,否则造成一切后果自负!如帖子内容侵害到你的权益,请联系我们!
防范网络诈骗,远离网络犯罪 违法和不良信息举报电话0663-3422125,QQ: 793400750,邮箱:[email protected]
网站简介:精易论坛成立于2009年,是一个程序设计学习交流技术论坛,隶属于揭阳市揭东区精易科技有限公司所有。
Powered by Discuz! X3.4 揭阳市揭东区精易科技有限公司 ( 粤ICP备12094385号-1) 粤公网安备 44522102000125 增值电信业务经营许可证 粤B2-20192173

快速回复 返回顶部 返回列表