最佳实践—偏高并发场景的实践和优化-阿里云开发者社区

开发者社区> -技术小能手-> 正文

最佳实践—偏高并发场景的实践和优化

简介: 本文介绍了如何判断查询语句是否为“点查”,以及如何将查询优化为“点查”。 “点查”是应用访问OLTP数据库的一种常见方式,特点是返回结果前只扫描表中的少量数据,在淘宝上查看订单/商品信息对应到数据库上的操作就是点查。PolarDB-X对点查的响应时间(Response Time, RT)和资源占用做了较多优化,能够支持较高的吞吐,适合高并发读取场景使用。
+关注继续查看

什么是点查

顾名思义,“点查”是指只扫描少量数据的查询。注意这里说的是“扫描少量数据”而不是“返回少量数据”,比如select * from t1 order by c1 limit 1虽然只返回了一条数据,但如果c1上没有索引,需要先扫描t1上所有数据排序后才能返回结果,不符合“点查”的定义。

单机数据库中,最常见的点查是按照主键(Primary Key, PK)查询数据,通过扫描主键索引快速得到结果,平均只需要扫描logn条记录。如果通过其他条件查询,可以增加局部二级索引(Local Secondary Index,LSI),首先扫描局部二级索引得到主键,然后回表查出完整记录。特殊场景下,如果局部二级索引中包含了查询涉及的所有列,则回表的步骤也可以省略。

PolarDB-X是一个分布式数据库,为了将数据分散到不同数据节点(Data Node,DN)上,引入了分区表的概念,预先将数据切分成多个分区,然后建立分区和DN的映射,其中切分数据需要选取一个或多个列作为切分维度,这些列因此被称为“分区键”。分布式数据库中,查询性能除了与扫描的数据量线性相关,还与扫描的分片数量正相关,因此“点查”的定义还需要加上“扫描少量分区”。

PolarDB-X具备透明分布式能力,默认使用主键作为分区键,按照PK查询时首先定位到数据所在的分区,然后通过分区上的主键索引得到结果,性能最高。如果通过其他条件查询,可以增加全局二级索引(Global Secondary Index,GSI)。使用GSI优化查询的原理与LSI相同,首先查到主键然后回表获得完整记录,主要区别在于GSI本身也是一张分区表,数据与主表保存在不同DN上,回表操作大概率需要经过网络,回表代价高于单机数据库。因此,PolarDB-X支持创建聚簇索引来消除回表,达到与主键查询相同的性能。

注意事项

LSI和GSI本质上是以额外存储空间和写入开销为代价,换取查询性能的方案,使用时需要谨慎评估对写入性能的影响。索引表与主表的数据分布不同,为了保证GSI的数据与主表强一致,所有涉及GSI的写入操作都默认被包装在分布式事务中。相比没有GSI的场景,写入RT会增加2~3倍,同时由于索引表和主表混合并行写入,高并发写入场景下产生分布式死锁的概率会增加。综上所述,建议每张逻辑表上创建不超过3个GSI。

如何识别点查

如上所述,分布式数据库中的点查,是指扫描少量分片和数据的查询。通过查看执行计划,可以确认一个查询语句扫描的分片数,更多执行计划介绍请参见执行计划介绍。以下为一个点查的示例:


> explain select c_custkey, c_name, c_address from customer where c_custkey = 42;
+------------------------------------------------------------------------------------------------------------------------------------------------------------------+
| LOGICAL EXECUTIONPLAN                                                                                                                                            |
+------------------------------------------------------------------------------------------------------------------------------------------------------------------+
| LogicalView(tables="TEST1_000002_GROUP.customer_IVgG_10", sql="SELECT `c_custkey`, `c_name`, `c_address` FROM `customer` AS `customer` WHERE (`c_custkey` = ?)") |
+------------------------------------------------------------------------------------------------------------------------------------------------------------------+

EXPLAIN EXECUTE用于汇总展示DN上的执行计划,由此可以判断查询在DN上是否命中正确的索引。DN节点基于MySQL实现,执行计划与MySQL相同,更多介绍参考 MySQL 官方文档。以下展示一个点查的示例:


> explain execute select c_custkey, c_name, c_address from customer where c_custkey = 42;
+----+-------------+----------+------------+-------+---------------+---------+---------+-------+------+----------+-----------------+
| id | select_type | table    | partitions | type  | possible_keys | key     | key_len | ref   | rows | filtered | Extra           |
+----+-------------+----------+------------+-------+---------------+---------+---------+-------+------+----------+-----------------+
| 1  | SIMPLE      | customer | NULL       | const | PRIMARY       | PRIMARY | 4       | const | 1    | 100      | Using pk access |
+----+-------------+----------+------------+-------+---------------+---------+---------+-------+------+----------+-----------------+

如何将查询优化为点查

不是所有查询语句都可以优化为点查,例如没有任何条件的数据抽取查询select * from t1,不合理的分页查询select * from t1 where c1 = 1 limit 100000, 10,参数数量随着业务增长而增长的IN查询等。能够优化为点查的语句可以概括为以下两类:

  1. 固定范围扫描的查询:条件中包含等值条件(或可以简化为等值条件),小范围BETWEEN AND条件 ,参数数量固定的IN条件的查询;
  2. 结果行数固定的TopN查询:例如select * from t1 where c1 > 42 limit 10 和 select * from t1 order by c1 limit 10select * from t1 order by c1 limit 10

对于这两类查询,优化的思路是添加合适的索引,将全表扫描转化为索引扫描,示例如下:


CREATE TABLE `customer` (
  `c_custkey` int(11) NOT NULL,
  `c_name` varchar(25) NOT NULL,
  `c_address` varchar(40) NOT NULL,
  `c_nationkey` int(11) NOT NULL,
  `c_phone` varchar(15) NOT NULL,
  `c_acctbal` decimal(15,2) NOT NULL,
  `c_mktsegment` varchar(10) NOT NULL,
  `c_comment` varchar(117) NOT NULL,
  PRIMARY KEY (`c_custkey`)
) ENGINE=InnoDB DEFAULT CHARSET=latin1 dbpartition by hash(`c_custkey`) tbpartition by hash(`c_custkey`) tbpartitions 4;
> explain select * from customer where c_phone = "11";
+--------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------+
| LOGICAL EXECUTIONPLAN                                                                                                                                                                                                                            |
+--------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------+
| Gather(concurrent=true)                                                                                                                                                                                                                          |
|   LogicalView(tables="[000000-000003].customer_[00-15]", shardCount=16, sql="SELECT `c_custkey`, `c_name`, `c_address`, `c_nationkey`, `c_phone`, `c_acctbal`, `c_mktsegment`, `c_comment` FROM `customer` AS `customer` WHERE (`c_phone` = ?)") |
+--------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------+

customer表上只有主键索引,因此虽然c_phone指定了等值条件,依然需要扫描全部分片,可以通过添加GSI来优化。


> create global index g_i_phone on customer(c_phone) dbpartition by hash(c_phone);
> explain select * from customer where c_phone = "11";
+------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------+
| LOGICAL EXECUTIONPLAN                                                                                                                                                                                                                                                  |
+------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------+
| Project(c_custkey="c_custkey", c_name="c_name", c_address="c_address", c_nationkey="c_nationkey", c_phone="c_phone", c_acctbal="c_acctbal", c_mktsegment="c_mktsegment", c_comment="c_comment")                                                                        |
|   BKAJoin(condition="c_custkey = c_custkey", type="inner")                                                                                                                                                                                                             |
|     IndexScan(tables="TEST1_000000_GROUP.g_i_phone_2CSp", sql="SELECT `c_custkey`, `c_phone` FROM `g_i_phone` AS `g_i_phone` WHERE (`c_phone` = ?)")                                                                                                                   |
|     Gather(concurrent=true)                                                                                                                                                                                                                                            |
|       LogicalView(tables="[000000-000003].customer_[00-15]", shardCount=16, sql="SELECT `c_custkey`, `c_name`, `c_address`, `c_nationkey`, `c_acctbal`, `c_mktsegment`, `c_comment` FROM `customer` AS `customer` WHERE ((`c_phone` = ?) AND (`c_custkey` IN (...)))") |
+------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------+

添加GSI后,查询变为索引表上的点查加回表,回表操作只访问一个分片(执行计划中回表显示为主表上的全表扫描,这是因为确定需要扫描的主表分片依赖索引表的查询结果,explain阶段无法确定)。


> drop index g_i_phone on customer;
> create clustered index g_i_phone on customer(c_phone) dbpartition by hash(c_phone);
> explain select * from customer where c_phone = "11";
+----------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------+
| LOGICAL EXECUTIONPLAN                                                                                                                                                                                                            |
+----------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------+
| IndexScan(tables="TEST1_000000_GROUP.g_i_phone_fHmZ", sql="SELECT `c_custkey`, `c_name`, `c_address`, `c_nationkey`, `c_phone`, `c_acctbal`, `c_mktsegment`, `c_comment` FROM `g_i_phone` AS `g_i_phone` WHERE (`c_phone` = ?)") |
+----------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------+

使用聚簇索引代替GSI后,由于索引表中包含了主表上的所有列,不再需要回表,执行计划变为索引表上的点查。

以上示例阐述了通过索引优化点查性能的一般过程,其中的关键点是根据查询特征找到适合添加索引的列。对于包含多个条件比较复杂的查询,可以通过PolarDB-X内置的索引推荐功能来找到合适的LSI和GSI,详情请参考智能索引推荐

版权声明:本文内容由阿里云实名注册用户自发贡献,版权归原作者所有,阿里云开发者社区不拥有其著作权,亦不承担相应法律责任。具体规则请查看《阿里云开发者社区用户服务协议》和《阿里云开发者社区知识产权保护指引》。如果您发现本社区中有涉嫌抄袭的内容,填写侵权投诉表单进行举报,一经查实,本社区将立刻删除涉嫌侵权内容。

相关文章
Hadoop-Impala优化十大指导原则和最佳实践(二)
简介: 以下是性能准则和最佳做法。您可以使用在规划过程中实验,和hadoop集群一起进行impala的性能调整。所有这些信息也可在文档的其他地方更详细的impala文档;以下是优化的方法措施,强调优化调优技术提供最高的投资回报
108 0
高并发场景下如何优化服务器的性能?
最近,有小伙伴在群里提问:Linux系统怎么设置tcp_nodelay参数?也有小伙伴说问我。那今天,我们就来根据这个问题来聊聊在高并发场景下如何优化服务器的性能这个话题。
15 0
基于MongoDB的高并发高可用政府云平台架构实践
3月12日下午在阿里巴巴西溪园区,举行了MongoDB杭州用户交流会。微软MSDN特邀讲师徐雷分享《基于MongoDB的政府云平台高并发高可用HA架构实践 》,从自身实践出发,讲述了政府云平台分层、技术栈选型、物理架构、API架构及DB数据库架构的设计思路和方法。
8854 0
并发场景设计测试
Previous 最近在看并发编程,但是对于我这么个渣渣来说,显然有点儿困难,于是跟一个老司机请教,(ˇˍˇ) ~请他来出一个场景,然后我把我放在这个场景里面进行设计,so,玩一玩。
805 0
【转】nginx优化 突破十万并发
一、一般来说nginx 配置文件中对优化比较有作用的为以下几项: 1. worker_processes 8; nginx 进程数,建议按照cpu 数目来指定,一般为它的倍数 (如,2个四核的cpu计为8)。
898 0
面试官:Nginx 如何实现高并发?常见的优化手段有哪些?
这是一位读者带回来的面试题 Nginx 是如何实现并发的?为什么 Nginx 不使用多线程?Nginx常见的优化手段有哪些?502错误可能原因有哪些?
107 0
【最佳实践】CDN访问慢的分析思路和优化方案
使用CDN加速以后还是存在访问慢的情况,如何去分析定位问题、优化网站速度、解决用户问题是一个十分重要的课题。本文介绍了CDN加速访问慢的分析思路,通过归纳的一些原因结合搜集的信息去进一步判断定位问题,帮助用户在遇到问题时有一个更清晰的思考方法论。
1804 0
1280
文章
0
问答
来源圈子
更多
文章排行榜
最热
最新
相关电子书
更多
文娱运维技术
立即下载
《SaaS模式云原生数据仓库应用场景实践》
立即下载
《看见新力量:二》电子书
立即下载