一直有傳 言 說，MySQL 表的數據只要超過 20 00 萬行，其性能就會下降。而本文作者用實驗分析證明：至少在 2023 年 ，這已不再是 MySQL 表的有效軟限制。

原文 鏈接：https://yishenggong.com/2023/05/22/is-20m-of-rows-still-a-valid-soft-limit-of-mysql-table-in-2023/

未經允許，禁止轉載！


(資料圖片)

作 者 | Yisheng Gong 譯者 | 彎月 責編 | 鄭麗媛 出品 | CSDN（ID：CSDNnews）

傳言

互聯網上有一則傳言說，我們應該避免單個 MySQL 表中的數據超過 2000 萬行，否則表的性能就會下降——當數據量超過這個軟限制時，你就會發現 SQL 的查詢速度會比平時慢很多。 這 是 多年前 針 對 H DD 做出的 判斷 。 我 想知道，時至 2 023 年， SSD 上的 MySQL 是 否 仍然 有 此 限制 。 如果 真 的有，那么原因是什么呢？

環境

數據庫

? MySQL 版本: 8.0.25

? 實例類型：AWS db.r5.large（2vCPUs, 16GiB RAM）

? EBS 存儲類型：General Purpose SSD（gp2）

測試客戶端

? Linux 內核版本：6.1

? 實例類型：AWS t2.micro（1 vCPU, 1GiB RAM）

實驗設計

創建具有相同結構、但大小不同的表。我一共創建了 9 個表，數據行數分別為：10 萬、20 萬、50 萬、100 萬、200 萬、500 萬、1000 萬、2000 萬、3000 萬、5000 萬和 6000 萬。

1. 創建幾個具有相同結構的表： 

CREATE TABLE row_test(`id` int NOT  AUTO_INCREMENT,`person_id` int NOT ,`person_name` VARCHAR(200),`insert_time` int,`update_time` int,PRIMARY KEY (`id`),KEY `query_by_update_time` (`update_time`),KEY `query_by_insert_time` (`insert_time`));

2. 插入不同的數據。我使用了測試客戶端和表復制的方式創建了這些表。腳本可參考：https://github.com/gongyisheng/playground/blob/main/mysql/row_test/insert_data.py。 

# test clientINSERT INTO {table} (person_id, person_name, insert_time, update_time) VALUES ({person_id}, {person_name}, {insert_time}, {update_time})# copycreate table like insert into (`person_id`, `person_name`, `insert_time`, `update_time`)select `person_id`, `person_name`, `insert_time`, `update_time` from
person_id、person_name、insert_time 和 update_time 的值是隨機的。         
3. 使用測試客戶端執行以下 sql 查詢來測試性能。腳本可參考：https://github.com/gongyisheng/playground/blob/main/mysql/row_test/select_test.py。                   
select count(*) from 
-- full table scanselect count(*) from 
where id = 12345 -- query by primary keyselect count(*) from 
where insert_time = 12345 -- query by indexselect * from 
where insert_time = 12345 -- query by index, but cause 2-times index tree lookup
4. 查看 innodb 緩沖池狀態。                   
SHOW ENGINE INNODB STATUSSHOW STATUS LIKE "innodb_buffer_pool_page%
5. 每次完成表的測試，請務必重新啟動數據庫！刷新 innodb 緩沖池，避免讀取舊緩存，得到錯誤的結果！         
結果             
查詢1：select count(*) from                   
這種查詢會執行全表掃描，MySQL 并                不擅長這種工作。         
? 第一輪：沒有緩存。第一次執行查                詢時，緩沖池中沒有緩存數據。         
?            第二輪：有緩存。當緩沖池中已經有數據緩存時執行查詢，通常在第一次查詢執行完之后。         
觀察結果：         
1. 第一輪查詢的執行時                間超出了后面幾次。         
原因是 MySQL 使用了 innodb_buffer_pool 來緩存數據頁。在第一次執行查詢之前，緩沖池是空的，所以 MySQL 必                須進行大量的磁盤 I/O 才能從 .idb 文件加載表。但在第一次執行結束后，緩沖池中存儲了數據，后續查詢可以直接讀取內存，避免磁盤 I/O，因此速度更快。該過程稱為 MySQL 緩沖池預熱。         
2. select count(*) from 
會設法將整個表加載到緩沖池。         
我比較了實驗前后 innodb_buffer_po                ol 的統計數據。運行查詢后，如果緩沖池足夠大，則其使用量變化等于表的大小。否則，只有部分表會緩存在緩沖池中。原因是查詢 select count(*) from table 會做全表掃描，并做逐行統計。如果沒有緩存，就需要將完整的表加載到內存中。為什么？因為 Innodb 支持事務，它不能保證事務在不同時間看到同一張表。全表掃描是獲得準確行數的唯一安全方法。         
3. 如果緩沖池不能容納全表，則                會爆發查詢延遲。         
我注意到 innodb_buffer_pool 的大小                會極大地影響查詢性能，因此我嘗試在不同的配置下運行查詢。當使用 11G 緩沖區，而表的大小達到 5000 萬行時，就會爆發查詢延遲。接著，我將緩沖區縮減到 7G，當表的大小達到 3000 萬行時，爆發了查詢延遲。最后，我將緩沖區縮減到 3G，當表的大小僅為 2000 萬行時，就爆發了查詢延遲。很明顯，如果表中的數據無法緩存在緩沖池中，則 select count(*) from 
必須執行昂貴的磁盤 I/O，這會導致查詢運行時間直線上升。         
4. 對于沒有緩存的查詢，查詢花                費的時間與表的大小呈線性關系，與緩沖池大小無關。         
當沒有緩存時，查詢花費的時間                由磁盤 I/O 決定，與緩沖池大小無關。在 IOPS 相同的情況下，是否使用 select count(*) 預熱緩沖池并沒有區別。         
5. 如果無法完整地緩存整個表，則有無緩存的查詢運行時間差異是恒定的。         
另請注意，如果無法完整地緩存整個表，雖然查詢運行時會突然上升，但運行時是可預測的。無論表的大小如何，有無緩存的時間差異是恒定的。原因是表的部分數據緩存在緩沖區中，這里的時間差異來自從緩沖區讀取數據節省的時間。         
查詢2，3：select count(*) from 
where = 12345           
這個查詢使用了索引。由于不是范圍查詢，MySQL 只需要利用 B+ 樹的路徑從上到下查找頁面，并將這些頁面緩存                到 innodb 緩沖池中即可。         
我創建的表的 B+ 樹的深度都是 3，因此前面的 3~4 次 I/O 都被拿來預熱緩沖區，平均耗時 4~6 毫秒。之后，再次運行相同的查詢，MySQL 就會直接從內存中查找結果，耗時為 0.5 毫秒，約等于網絡 RTT。如果緩存頁面長時間未命中，并從緩沖池中逐出，則必須再次從磁盤加載該頁面，這樣就需要磁盤 I/O（最多 4 次）。         
查詢4：select * from 
where = 12345           
這個查詢涉及兩次索引查找。由于 select * 需要查詢獲取的 person_name、person_id 字段并不在索引中，                因此在查                詢執行期間，數據庫引擎必須查找 2 個 B+ 樹。它首先查找 insert_time B+ 樹，獲取目標行的主鍵，然后查找主鍵 B+ 樹，獲取該行的完整數據，如下圖所示：         
這就是我們應該在生產中避免 select * 的                原因。                此次實驗證實，此查詢加載的頁面塊比查詢 2 或 3 多出了 2 倍，                且最高可達 8 倍。查詢的平均運行時間為 6~10 毫秒，也是查詢 2 或 3 的 1.5~2 倍。         
傳言是怎么來的      
首先，我們需要知道 innodb 索引頁的物理結                構。默認頁面大小為 16k，由頁眉、系統記錄、用戶記錄、頁面導向器和尾部組成。只有剩下的 14~15k 用來存儲數據。                   
假設你使用 INT 作為主鍵（4 字節），每行 1KB 的有效負載。每個葉頁可以存儲 15 行，一個指向該頁的指針需要 4+8=12 字節。因此，每個非葉頁最多可以容納 15k / 12 字節 = 1280 個指針。如果你有一個 4 層的 B+ 樹，它最多可以容納 1280*1280*15 = 24.6M 行數據。         
回到 HDD 占據市場主導地位，且 SSD 對于數據庫而言過于昂貴的時代，4 次隨機 I/O 可能是我們可以容忍的最壞情況，而使用 2 次索引樹查找的查詢甚至會使情況變得更糟。當時的工程師想要控制索引樹的深度，不希望它們太深。而如今 SSD 越來越流行，隨機 I/O 比以前便宜了，因此我們應該反思一下 10 年前的規則。         
順便說一句，5 層 B+ 樹可以容納 1280*1280*1280*15 = 31.4B 行數據，超過了 INT 所能容納的最大數據量。對每行大小的不同假設將導致不同的軟限制，或小于或大于 2000 萬行。例如，在我的實驗中，每一行大約是 816 字節（我使用 utf8mb4 字符集，所以每個字符占用 4 個字節），4 層 B+ 樹可以容納的軟限制是 29.5M。         
結論             
? Innodb 緩存池的大小、表的大小決定了是否會出現性能降級。         
?            判斷是否需要拆分 MySQL 表的一個更有意義的指標是查詢運行時/緩沖池命中率。如果查詢總是命中緩沖區，則不會有任何性能問題。2000 萬行只是一個經驗值。         
?            除了拆分 MySQL 表之外，增加 Innodb 緩存池的大小和數據庫的內存也是一個選擇。         
?            如果可能，請避免在生產中使用 select *，這類語句在最壞的情況下會導致 2 次索引樹查找。         
?            （我個人的意見）考慮到 SSD 現在越來越流行，2000 萬行不再是 MySQL 表的有效軟限制。         
              				
標簽：
				 
				

            
            

              
            

          
        
        
        

          

            
精彩要聞 

            

              
            

          

        

      
      
      
	   

           
 
 

	  

          
新聞推送

          

            
          

        

		

    
  


	







    • <li id="kumsu"></li>
  • <bdo id="kumsu"><source id="kumsu"></source></bdo><bdo id="kumsu"></bdo>
      • <button id="kumsu"></button>
      <button id="kumsu"><source id="kumsu"></source></button>
      • <li id="kumsu"></li>
              • <tfoot id="kumsu"><delect id="kumsu"></delect></tfoot>