你好,游客 登录 注册 搜索
背景:
阅读新闻

大数据表的查询优化方案

[日期:2014-11-04] 来源:CSDN博客  作者:brushli [字体: ]

      如果有一张大表,表中的数据有几百万、几千万甚至上亿,要实现实时查询,查询的结果要在十秒钟之内出来,怎么办?如何做优化?

      本人现在做的项目中,有个表的数据超过1千万行,超过3G的数据。现在需要对表中的数据进行查询统计,之前由于没做优化,导致此表的查询效率非常低下,让使用者非常苦恼,于是本人参与了此表的优化。

      举个类似的例子,比如表中的结构如下,现在要统计某一天出生的人口数,或者统计某一城市的人口数,或者某一城市某一天出生的人口数。

CREATE TABLE `population` (
  `population_id` bigint(64) NOT NULL AUTO_INCREMENT COMMENT '人口表',
  `name` varchar(128) COLLATE utf8_bin DEFAULT NULL COMMENT '姓名',
  `city` varchar(32) COLLATE utf8_bin DEFAULT NULL COMMENT '城市',
  `birthday` date DEFAULT NULL COMMENT '出生日期', 
  PRIMARY KEY (`population_id`)
)

查询某一城市某一天出生的人口数
SELECT COUNT(*) FROM population WHERE city='广州' AND birthday = '2014-11-02'
查询某一城市的人口数
SELECT COUNT(*) FROM population WHERE city='广州' 
查询某一天出生的人口数
SELECT COUNT(*) FROM population WHERE birthday = '2014-11-02'

提出了两个优化方案,

(1).优化索引

      通过添加索引后,查询的效率得到极大的提升,常用查询的查询时间从原来的几十秒下降到几秒。

      建立以下两个单列索引

ALTER TABLE `population`   
  ADD  INDEX `fk_city` (`city`),
  ADD  INDEX `fk_birthday` (`birthday`);

      也可以建立以下两个组合索引

ALTER TABLE `population`   
  ADD  INDEX `fk_index1` (`city`, `birthday`),
  ADD  INDEX `fk_index2` (`birthday`, `city`);

      (2).使用中间表虽然索引优化可以将查询时间大大减少,但如果数据量达到一定量时,有些情况下索引到的数据达到几百万时,查询仍然会很慢,因 此索引优化无法从根本上解决问题。现在表中的数据量越来越大,平均每个月要增加一两百万的数据,索引的优化方法只是暂时的,只能解决小数据量的查询问题, 随着数据量的快速增长,索引带来的性能优化很容易达到极限,要寻找其他的解决方案。

      我们根据业务需求的特点,创建中间表population_statistics,将表population中的统计数据存放到中间表 population_statistics中,查询时直接从中间表population_statistics中查询。注意,在对表 population进行增、删、改时,必须同时更新population_statistics中的数据,否则会出现数据不一致的错误!

CREATE TABLE `population_statistics` (
  `population_statistics_id` bigint(64) NOT NULL AUTO_INCREMENT COMMENT '人口统计表ID',
  `city` varchar(128) COLLATE utf8_bin DEFAULT NULL COMMENT '城市',
  `birthday` int(32) DEFAULT NULL COMMENT '出生日期',
  `total_count` int(32) DEFAULT NULL COMMENT '人口数量',
  PRIMARY KEY (`population_statistics_id`),
  KEY `fk_city` (`city`),
  KEY `fk_birthday` (`birthday`)
)
查询某一城市某一天出生的人口数
SELECT total_count FROM population_statistics WHERE city='广州' AND birthday = '2014-11-02';
查询某一城市的人口数
SELECT COUNT(total_count) FROM population_statistics WHERE city='广州';
查询某一天出生的人口数
SELECT COUNT(total_count) FROM population_statistics WHERE birthday = '2014-11-02';

      某个城市某一天的人口在表population中可能有几千甚至万的数据,而在统计表population_statistics中最多只有一 条数据,也就是说统计表population_statistics中的数据量只有人口表population的几千分之一,再加上索引的优化,查询的速 度会极大提高。

      下面总结一下常用的大数据表优化方案.

1. 索引优化

      通过建立合理高效的索引,提高查询的速度.

建议阅读本人写的一篇关于索引的博客

http://blog.csdn.net/brushli/article/details/39677387

2. SQL优化

      组织优化SQL语句,使查询效率达到最优,在很多情况下要考虑索引的作用.

      建议阅读考本人写的一篇关于索引的博客

      http://blog.csdn.net/brushli/article/details/39677387

3. 水平拆表

      如果表中的数据呈现出某一类特性,比如呈现时间特性,那么可以根据时间段将表拆分成多个。

      比如按年划分、按季度划分、按月划分等等,查询时按时间段进行拆分查询,再把查询结果进行合并;

      比如按地区将表拆分,不同地区的数据放在不同的表里面,然后对查询进行分拆,对查询结果进行合并。

4. 垂直拆表

      将表按字段拆分成多个表,常用的字段放在一个表,不常用的字段或大字段放在另外一个表。由于数据库每次查询都是以块为单位,而每块的容量是有限的,通常是十几K或几十K,将表按字段拆分后,单次IO所能检索到的行数通常会提高很多,查询效率就能提高上去。

比如有成员表,结构如下:

CREATE TABLE `member` (
  `member_id` bigint(64) NOT NULL AUTO_INCREMENT COMMENT '成员表ID',
  `name` varchar(128) COLLATE utf8_bin DEFAULT NULL COMMENT '成员姓名',
  `age` int(32) DEFAULT NULL COMMENT '成员年龄',
  `introduction` text COLLATE utf8_bin COMMENT '成员介绍',
  PRIMARY KEY (`member_id`)
)

      introduction是大字段,保存成员的介绍,这个大字段会严重影响查询效率,可以将它独立出来,单独形成一个表。

CREATE TABLE `member` (
  `member_id` bigint(64) NOT NULL AUTO_INCREMENT COMMENT '成员表ID',
  `name` varchar(128) COLLATE utf8_bin DEFAULT NULL COMMENT '成员姓名',
  `age` int(32) DEFAULT NULL COMMENT '成员年龄',
  PRIMARY KEY (`member_id`)
)

CREATE TABLE `member_introduction` (
  `member_introduction_id` bigint(64) NOT NULL AUTO_INCREMENT COMMENT '成员介绍表ID',
  `member_id` bigint(64) DEFAULT NULL COMMENT '成员ID',
  `introduction` text COLLATE utf8_bin COMMENT '成员介绍',
  PRIMARY KEY (`member_introduction_id`),
  KEY `fk_member_id` (`member_id`),
  CONSTRAINT `fk_member_id` FOREIGN KEY (`member_id`) REFERENCES `member` (`member_id`)
)

      5. 建立中间表,以空间换时间

      在有些情况下,是可以通过建立中间表来加快查询速度的,详情可看文章开头的例子。

      6. 用内存缓存数据,以空间换时间

      将常用而且不常修改的数据加载到内存中,直接从内存查询则可。

      可以使用热门的缓存技术,如Memcache、Redis、Ehcache等。

      7.    使用其他辅助技术

      Solr:一种基于Lucene的JAVA搜索引擎技术





收藏 推荐 打印 | 录入:Cstor | 阅读:
本文评论   查看全部评论 (0)
表情: 表情 姓名: 字数
点评:
       
评论声明
  • 尊重网上道德,遵守中华人民共和国的各项有关法律法规
  • 承担一切因您的行为而直接或间接导致的民事或刑事法律责任
  • 本站管理人员有权保留或删除其管辖留言中的任意内容
  • 本站有权在网站内转载或引用您的评论
  • 参与本评论即表明您已经阅读并接受上述条款