当前位置: 首页 > MySQL数据库

MySQL优化案例的初步思路是什么

时间:2026-01-28 14:11:19

今天想起这件同事处理的一个性能优化案例,当时虽然解决了,但是还是留下了几个未解的问题,和大家一起讨论一下。
首先,这个问题是根据反馈sql响应很慢,已经开始影响前端应用的登录了。稍后DBA介入,发现是由于CPU使用率过高导致,为了能够延缓问题和进一步分析,因为数据库中的数据量不大,直接就迁移到了另外一台配置不错的服务器上,但是迁移之后,CPU配置好了很多,问题依旧,同时也在进行问题的诊断和分析。
得到的慢日志如下,发现大多数的响应时间都耗费在了两个SQL上,其实出自同一个存储过程。
1、慢日志
# Profile
# Rank Query ID           Response time   Calls R/Call  V/M   Item
# ==== ================== =============== ===== ======= ===== ============
#    1 0x26EEFEA86049462C 7667.3733 44.3%   189 40.5681  6.88 CALL p_register_check_1021e
#    2 0x6D5C3CEFC40B5E28 7518.4182 43.5%   189 39.7800  6.10 UPDATE push_list_s

两个查询的统计信息如下:
# Query 1: 0.30 QPS, 12.15x concurrency, ID0x26EEFEA86049462C at byte 976472

# This item is included in the reportbecause it matches --limit.

# Scores: V/M = 6.88

# Time range: 2015-11-02 21:41:53 to21:52:24

# Attribute   pct   total     min    max     avg     95%  stddev median

# ============ === ======= ======= ============== ======= ======= =======

#Count         3     189

# Exec time     44  7667s      1s    90s     41s    57s     17s     45s

# Query 2: 0.30 QPS, 11.92x concurrency, ID0x6D5C3CEFC40B5E28 at byte 1397182

# This item is included in the reportbecause it matches --limit.

# Scores: V/M = 6.10

# Time range: 2015-11-02 21:41:53 to21:52:24

# Attribute   pct   total     min    max     avg     95%  stddev median

# ============ === ======= ======= ============== ======= ======= =======

#Count         3     189

# Exec time    43   7518s      1s    77s     40s    57s     16s     45s

# Lock time    30     65s    13us    19s   343ms    21us     2s    18us


相关的SQL语句如下

# Converted for EXPLAIN

# EXPLAIN /*!50100 PARTITIONS*/

select  APNS_PUSH_ID = `ID` from push_list_s where APNS_PUSH_ID = NAME_CONST('i_apnsPushId',_utf8'eb43f3f09940de7228a780f69d05eab0a9df98083c701e23d11c7494a980b351'COLLATE 'utf8_general_ci')\G

涉及的表只有一个,表结构如下:

Create Table: CREATE TABLE `push_list_s` (

  `ID` int(10) NOT NULLAUTO_INCREMENT,

  `SN_LIST_ID` int(10) NOT NULLDEFAULT '0',

  。。。

  `APNS_PUSH_ID` varchar(64) CHARACTERSET latin1 NOT NULL DEFAULT '""',

 。。。

  PRIMARY KEY (`ID`),

  UNIQUE KEY `INDEX_SN_LIST_ID`(`SN_LIST_ID`),

  UNIQUE KEY `APNS_PUSH_ID`(`APNS_PUSH_ID`),

  KEY `INDEX_CABLE_PUSH_ID` (`CABLE_PUSH_ID`)

) ENGINE=InnoDB AUTO_INCREMENT=2181938DEFAULT CHARSET=utf8


整个调用过程的要点如下,里面有一个update操作,字段APNS_PUSH_ID为varchar

     IF(LENGTH(i_apnsPushId)=64) THEN

       UPDATE push_list_s SET APNS_PUSH_ID = `ID` WHERE APNS_PUSH_ID = i_apnsPushId;

     END IF;

运行的语句类似下面的形式:
UPDATE push_list_s SET APNS_PUSH_ID = `ID` WHERE APNS_PUSH_ID =  'eb43f3f09940de7228a780f69d05eab0a9df98083c701e23d11c7494a980b351';
初步的分析怀疑是由于索引为字符过长导致,所以根据表的结构信息,其实就是转换到了数字类型的字段上。
修改后的部分如下:
IF(LENGTH(i_apnsPushId)=64) THEN

       select ID into v_id from  push_list_s WHERE APNS_PUSH_ID = i_apnsPushId;

       IF (v_id > 0) THEN

           UPDATE push_list_s SET APNS_PUSH_ID = v_id WHERE ID = v_id;

       END IF;

     END IF;

这是优化前后的对比效果图:


目前对于这个问题的疑问如下:
1.对于字符型字段作为索引,目前来看没有很直接的原因使得字符型索引和数字型索引存在巨大的差别。从后来我单独得到的执行计划和华宁复现情况来看,没有发现存在很巨大的差别。
2.对于慢日志中得到的语句,看到内部已经做了转换。
UPDATE push_list_s SET APNS_PUSH_ID = `ID` WHERE APNS_PUSH_ID =  NAME_CONST('i_apnsPushId',_utf8'eb43f3f09940de7228a780f69d05eab0a9df98083c701e23d11c7494a980b351' COLLATE 'utf8_general_ci')\G
而对于这种转换,可能关注点都在NAME_CONST这个部分,在查看了一些资料之后,发现在其他版本和环境中,主要是和字符集转换有关,但是我查看了当前环境的这些配置信息,没有发现有相匹配的信息
3.关于这个问题,在5.1版本中发现了相应的bug描述,但是目前的环境是在5.6,所以应该也不是相关。
关于这个问题的进一步分析,我希望得到一些确切的信息,能够复现,能够找到一些相关的bug或者相关的解决方案(除了使用数字型字符临时替换的方案)


上一篇:如何进行MySQL环境变量里关于字符集character相关参数的分析
下一篇:返回列表
mysql
  • 英特尔与 Vertiv 合作开发液冷 AI 处理器
  • 英特尔第五代 Xeon CPU 来了:详细信息和行业反应
  • 由于云计算放缓引发扩张担忧,甲骨文股价暴跌
  • Web开发状况报告详细介绍可组合架构的优点
  • 如何使用 PowerShell 的 Get-Date Cmdlet 创建时间戳
  • 美光在数据中心需求增长后给出了强有力的预测
  • 2027服务器市场价值将接近1960亿美元
  • 生成式人工智能的下一步是什么?
  • 分享在外部存储上安装Ubuntu的5种方法技巧
  • 全球数据中心发展的关键考虑因素
  • 英特尔与 Vertiv 合作开发液冷 AI 处理器

    英特尔第五代 Xeon CPU 来了:详细信息和行业反应

    由于云计算放缓引发扩张担忧,甲骨文股价暴跌

    Web开发状况报告详细介绍可组合架构的优点

    如何使用 PowerShell 的 Get-Date Cmdlet 创建时间戳

    美光在数据中心需求增长后给出了强有力的预测

    2027服务器市场价值将接近1960亿美元

    生成式人工智能的下一步是什么?

    分享在外部存储上安装Ubuntu的5种方法技巧

    全球数据中心发展的关键考虑因素