大数据表的查询优化方案
大数据表的查询优化方案
蜗牛奔跑 发表于9个月前
大数据表的查询优化方案
  • 发表于 9个月前
  • 阅读 20
  • 收藏 0
  • 点赞 0
  • 评论 0

腾讯云 新注册用户 域名抢购1元起>>>   

摘要: 大数据表的查询优化方案

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。

?

1

2

3

4

5

6

7

8

9

10

11

12

13

14

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

?

1

2

3

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

?

1

2

3

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!

?

1

2

3

4

5

6

7

8

9

10

11

12

13

14

15

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:

?

1

2

3

4

5

6

7

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。

?

1

2

3

4

5

6

7

8

9

10

11

12

13

14

15

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

共有 人打赏支持
粉丝 33
博文 573
码字总数 109230
×
蜗牛奔跑
如果觉得我的文章对您有用,请随意打赏。您的支持将鼓励我继续创作!
* 金额(元)
¥1 ¥5 ¥10 ¥20 其他金额
打赏人
留言
* 支付类型
微信扫码支付
打赏金额:
已支付成功
打赏金额: