三种 MySQL 大表优化方案

针对大表优化的三种方案,可以通过分区、分片和读写分离来实现。以下是具体的实现方式:

  1. 分区:

    MySQL支持水平分区和垂直分区。水平分区是将表分割成多个分区,每个分区包含表的不同行。垂直分区是将表分割成多个列。




CREATE TABLE employees (
    id INT NOT NULL,
    fname VARCHAR(30),
    lname VARCHAR(30),
    hired DATE NOT NULL DEFAULT '1970-01-01',
    separated DATE NOT NULL DEFAULT '9999-12-31',
    job_code INT NOT NULL,
    store_id INT NOT NULL
)
PARTITION BY RANGE (year(hired)) (
    PARTITION p0 VALUES LESS THAN (1991),
    PARTITION p1 VALUES LESS THAN (1992),
    PARTITION p2 VALUES LESS THAN (1993),
    PARTITION p3 VALUES LESS THAN (1994)
);
  1. 分片:

    分片是将表拆分成多个小表。可以通过客户端应用程序实现,也可以使用中间件如ShardingSphere。




# 使用ShardingSphere进行分片
config = ShardingSphereConfiguration(
    sharding={
        'default-database-strategy': {
            'standard': {
                'sharding-column': 'user_id',
                'sharding-algorithm-name': 'database-inline'
            }
        },
        'default-table-strategy': {
            'standard': {
                'sharding-column': 'order_id',
                'sharding-algorithm-name': 'table-inline'
            }
        },
        'sharding-algorithms': {
            'database-inline': {
                'type': 'INLINE',
                'props': {
                    'algorithm-expression': 'ds$->{user_id % 2}'
                }
            },
            'table-inline': {
                'type': 'INLINE',
                'props': {
                    'algorithm-expression': 't_order_$->{order_id % 2}'
                }
            }
        }
    }
)
  1. 读写分离:

    读写分离是设置一个主数据库用于写操作,多个从数据库用于读操作。可以通过MySQL自身的复制功能实现,也可以使用中间件如MyCat。




-- 配置MySQL复制
CHANGE MASTER TO
    MASTER_HOST='master_host_name',
    MASTER_USER='replication_user_name',
    MASTER_PASSWORD='replication_password',
    MASTER_LOG_FILE='recorded_log_file_name',
    MASTER_LOG_POS=recorded_log_position;

这三种方案可以根据实际需求选择适用,分区适合于数据访问频率低,数据维护需求高的场景,分片适合于数据量大导致单表无法支持的场景,而读写分离适合于高并发写请求和读请求比例不均的场景。

最后修改于:2024年08月07日 21:02

评论已关闭

推荐阅读

DDPG 模型解析,附Pytorch完整代码
2024年11月24日
DQN 模型解析,附Pytorch完整代码
2024年11月24日
AIGC实战——Transformer模型
2024年12月01日
Socket TCP 和 UDP 编程基础(Python)
2024年11月30日
python , tcp , udp
如何使用 ChatGPT 进行学术润色?你需要这些指令
2024年12月01日
AI
最新 Python 调用 OpenAi 详细教程实现问答、图像合成、图像理解、语音合成、语音识别(详细教程)
2024年11月24日
ChatGPT 和 DALL·E 2 配合生成故事绘本
2024年12月01日
omegaconf,一个超强的 Python 库!
2024年11月24日
【视觉AIGC识别】误差特征、人脸伪造检测、其他类型假图检测
2024年12月01日
[超级详细]如何在深度学习训练模型过程中使用 GPU 加速
2024年11月29日
Python 物理引擎pymunk最完整教程
2024年11月27日
MediaPipe 人体姿态与手指关键点检测教程
2024年11月27日
深入了解 Taipy:Python 打造 Web 应用的全面教程
2024年11月26日
基于Transformer的时间序列预测模型
2024年11月25日
Python在金融大数据分析中的AI应用(股价分析、量化交易)实战
2024年11月25日
AIGC Gradio系列学习教程之Components
2024年12月01日
Python3 `asyncio` — 异步 I/O,事件循环和并发工具
2024年11月30日
llama-factory SFT系列教程:大模型在自定义数据集 LoRA 训练与部署
2024年12月01日
Python 多线程和多进程用法
2024年11月24日
Python socket详解,全网最全教程
2024年11月27日