数据库优化

数据库优化最主要的目标是减少IO，采用的方法为分布式存储，合理优化表结构设计

缓存redis，用内存替代IO，适合对一致性要求不高的任务

数据库优化
大数据切分的核心：把一个数据库切分成多个放到不同的数据库（表）上，缓解数据库压力

根据数据的特性，把一堆的数据进行切分，避免从硬盘频繁读无效的数据
一个数据库有几百张表，好查找，在同一个库中，问题是表多寻址就慢
方式：垂直切分（表多）在dao层改变，库名.表名，在底层只需要修改库名
规则避免数据重复，杂乱，适合耦合度低，相互影响小，业务逻辑清晰，拆分规则简单
按表的相关性划分，关系紧密表（比如某个模块的表）放在一起进入一个库,把一个数据库切分成几个小库（把数据库分类，把表分类，把类似的表放到同一个库，表量少，查询快，几个库没有关联，耦合度低，对应用层影响不大减少IO）

水平且分（单表数据多）
      ID散列，id求余，1000件衣服找1件，要难于100件找1件
      切完方便程序的调用

某个字段的某种规则分散到多个表中，每个表包含一部分数据，规则简单，表不要太散
      适合数据量巨大，变动不大的表
      同一个表的数据，切分到不同的数据库或表中，对于应用程序，拆分规则本身和后期的数据维护有些复杂
      表中有时间或日期字段，用日期归档适用于日增长量比较大
      常用方法：
      ID散列，日期归档

垂直切分和水平切分柔和在一起，将数据库切成分布式矩阵，先垂直在水平
      大数据只是库中某几个表数据量大，如果所有表数据量都大，那数据库设计有问题      
      切分带来的常见问题      
      进行切分，跨库（节点）的join（要尽量避免）
      解决办法，把join拆分两个子查询，第一次查询的结果，作为第二次查询的的条件      
      跨节点count，order by，group by（后两者耗内存，在内存排序）
      分别在各个节点查询结果后，在内存中进行合并，切分好，join少，减少大量的跨节点操作，设计好切分规则      
      
      分布式存储的思想，切完后存放即解决方案    
      
      不会影响数据库性能，软解析越多越好，缓存命中率高，sql执行率高

     

问题
     
      如何针对websocket如何加压？
在http协议上做了个性化添加，从客户端在webhttp协议上添加了一些其他协议，http是无状态，短连接的
当页面不停的往服务器请求，socket是长连接有状态的，在web的协议上开放一个socket端口，方便与服务器轮回的交互

      吞吐量
      每s中从服务器网卡经过的流量，包含上行和下行的，二者之和，带宽和吞吐量的关系，吞吐量用B
      电信或移动宣传效果，网卡是b，10M的网，下载速度是准带宽的1/8

      性能测试过程中持续并发导致数据库连接数不足，是测试方案不对（不应该持续应的并发）还是数据库的io占用的太多频繁呢
连接数不足，数据库连接池配置等问题，占用资源没有释放等