Mysql学习总结(28)——MySQL建表规范与常见问题
一、 表设计
- 库名、表名、字段名必须使用小写字母,“_”分割。
- 库名、表名、字段名必须不超过12个字符。
- 库名、表名、字段名见名知意,建议使用名词而不是动词。
- 建议使用InnoDB存储引擎。
- 存储精确浮点数必须使用DECIMAL替代FLOAT和DOUBLE。
- 建议使用UNSIGNED存储非负数值。
- 建议使用INT UNSIGNED存储IPV4。
- 整形定义中不添加长度,比如使用INT,而不是INT(4)。
- 使用短数据类型,比如取值范围为0-80时,使用TINYINT UNSIGNED。
- 不建议使用ENUM类型,使用TINYINT来代替。
- 尽可能不使用TEXT、BLOB类型。
- VARCHAR(N),N表示的是字符数不是字节数,比如VARCHAR(255),可以最大可存储255个汉字,需要根据实际的宽度来选择N。
- VARCHAR(N),N尽可能小,因为MySQL一个表中所有的VARCHAR字段最大长度是65535个字节,进行排序和创建临时表一类的内存操作时,会使用N的长度申请内存。
- 表字符集选择UTF8。
- 使用VARBINARY存储变长字符串。
- 存储年使用YEAR类型。
- 存储日期使用DATE类型。
- 存储时间(精确到秒)建议使用TIMESTAMP类型,因为TIMESTAMP使用4字节,DATETIME使用8个字节。
- 建议字段定义为NOT NULL。
- 将过大字段拆分到其他表中。
- 禁止在数据库中使用VARBINARY、BLOB存储图片、文件等。
- 表结构变更需要通知DBA审核。
二、 索引
- 非唯一索引必须按照“idx_字段名称_字段名称[_字段名]”进行命名。
- 唯一索引必须按照“uniq_字段名称_字段名称[_字段名]”进行命名。
- 索引名称必须使用小写。
- 索引中的字段数建议不超过5个。
- 单张表的索引数量控制在5个以内。
- 唯一键由3个以下字段组成,并且字段都是整形时,使用唯一键作为主键。
- 没有唯一键或者唯一键不符合5中的条件时,使用自增(或者通过发号器获取)id作为主键。
- 唯一键不和主键重复。
- 索引字段的顺序需要考虑字段值去重之后的个数,个数多的放在前面。
- ORDER BY,GROUP BY,DISTINCT的字段需要添加在索引的后面。
- 使用EXPLAIN判断SQL语句是否合理使用索引,尽量避免extra列出现:Using File Sort,UsingTemporary。
- UPDATE、DELETE语句需要根据WHERE条件添加索引。
- 不建议使用%前缀模糊查询,例如LIKE “%weibo”。
- 对长度过长的VARCHAR字段建立索引时,添加crc32或者MD5 Hash字段,对Hash字段建立索引。
- 合理创建联合索引(避免冗余),(a,b,c) 相当于 (a) 、(a,b) 、(a,b,c)。
- 合理利用覆盖索引。
- SQL变更需要确认索引是否需要变更并通知DBA。
三、 SQL语句
- 使用prepared statement,可以提供性能并且避免SQL注入。
- SQL语句中IN包含的值不应过多。
- UPDATE、DELETE语句不使用LIMIT。
- WHERE条件中必须使用合适的类型,避免MySQL进行隐式类型转化。
- SELECT语句只获取需要的字段。
- SELECT、INSERT语句必须显式的指明字段名称,不使用SELECT *,不使用INSERTINTO table()。
- 使 用SELECT column_name1, column_name2 FROM table WHERE[condition]而不是SELECT column_name1 FROM table WHERE[condition]和SELECT column_name2 FROM table WHERE [condition]。
- WHERE条件中的非等值条件(IN、BETWEEN、<、<=、>、>=)会导致后面的条件使用不了索引。
- 避免在SQL语句进行数学运算或者函数运算,容易将业务逻辑和DB耦合在一起。
- INSERT语句使用batch提交(INSERT INTO tableVALUES(),(),()……),values的个数不应过多。
- 避免使用存储过程、触发器、函数等,容易将业务逻辑和DB耦合在一起,并且MySQL的存储过程、触发器、函数中存在一定的bug。
- 避免使用JOIN。
- 使用合理的SQL语句减少与数据库的交互次数。
- 不使用ORDER BY RAND(),使用其他方法替换。
- 建议使用合理的分页方式以提高分页的效率。
- 统计表中记录数时使用COUNT(*),而不是COUNT(primary_key)和COUNT(1)。
- 禁止在从库上执行后台管理和统计类型功能的QUERY。
四、 散表
- 每张表数据量建议控制在5000w以下。
- 可以结合使用hash、range、lookup table进行散表。
- 散表如果使用md5(或者类似的hash算法)进行散表,表名后缀使用16进制,比如user_ff。
- 推荐使用CRC32求余(或者类似的算术算法)进行散表,表名后缀使用数字,数字必须从0开始并等宽,比如散100张表,后缀从00-99。
- 使用时间散表,表名后缀必须使用特定格式,比如按日散表user_20110209、按月散表user_201102。
五、 其他
- 批量导入、导出数据需要DBA进行审查,并在执行过程中观察服务。
- 批量更新数据,如update,delete 操作,需要DBA进行审查,并在执行过程中观察服务。
- 产品出现非数据库平台运维导致的问题和故障时,如前端被抓站,请及时通知DBA,便于维护服务稳定。
- 业务部门程序出现bug等影响数据库服务的问题,请及时通知DBA,便于维护服务稳定。
- 业务部门推广活动,请提前通知DBA进行服务和访问评估。
- 如果出现业务部门人为误操作导致数据丢失,需要恢复数据,请在第一时间通知DBA,并提供准确时间,误操作语句等重要线索。
------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------
FAQ
1-1.库名、表名、字段名必须使用小写字母,“_”分割。
a)MySQL有配置参数lower_case_table_names,不可动态更改,linux系统默认为0,即库表名以实际情况存储,大小写敏感。如果是1,以小写存储,大小写不敏感。如果是2,以实际情况存储,但以小写比较。
b) 如果大小写混合用,可能存在abc,Abc,ABC等多个表共存,容易导致混乱。
c) 字段名显示区分大小写,但实际使用不区分,即不可以建立两个名字一样但大小写不一样的字段。
d) 为了统一规范, 库名、表名、字段名使用小写字母。
1-2.库名、表名、字段名必须不超过12个字符。
库名、表名、字段名支持最多64个字符,但为了统一规范、易于辨识以及减少传输量,必须不超过12字符。
1-3.库名、表名、字段名见名知意,建议使用名词而不是动词。
a) 用户评论可用表名usercomment或者comment。
b) 库表是一种客观存在的事物,一种对象,所以建议使用名词。
1-4.建议使用InnoDB存储引擎。
a) 5.5以后的默认引擘,支持事务,行级锁,更好的恢复性,高并发下性能更好,对多核,大内存,ssd等硬件支持更好。
b) 具体比较可见附件的官方白皮书。
1-5.存储精确浮点数必须使用DECIMAL替代FLOAT和DOUBLE。
a) mysql中的数值类型(不包括整型):
b)IEEE754标准的计算机浮点数,在内部是用二进制表示的,但在将一个十进制数转换为二进制浮点数时,也会造成误差,原因是不是所有的数都能转换成有限长度的二进制数。
实例:
drop table if exists t;
create table t(value float(10,2));
insert into t values(131072.67),(131072.68);
select
+-----------+
|value
+-----------+
| 131072.67 |
| 131072.69 |
+-----------+
1-6.建议使用UNSIGNED存储非负数值。
同样的字节数,存储的数值范围更大。如tinyint 有符号为 -128-127,无符号为0-255
1-7. 如何使用INT UNSIGNED存储ip?
使用INTUNSIGNED而不是char(15)来存储ipv4地址,通过MySQL函数inet_ntoa和inet_aton来进行转化。Ipv6地址目前没有转化函数,需要使用DECIMAL或者两个bigINT来存储。例如:
SELECT INET_ATON('209.207.224.40');
3520061480
SELECT INET_NTOA(3520061480);
209.207.224.40
1-8. INT[M],M值代表什么含义?
注意数值类型括号后面的数字只是表示宽度而跟存储范围没有关系,比如INT(3)默认显示3位,空格补齐,超出时正常显示,Python、Java客户端等不具备这个功能。
1-10.不建议使用ENUM、SET类型,使用TINYINT来代替。
a)ENUM,有三个问题:添加新的值要做DDL,默认值问题(将一个非法值插入ENUM(也就是说,允许的值列之外的字符串),将插入空字符串以作为特殊错误值),索引值问题(插入数字实际是插入索引对应的值)
实例:
drop table if exists t;
create table t(sex enum('0','1'));
insert into t values(1);
insert into t values('3');
select * from t;
+------+
| sex
+------+
| 0
|
+------+
2 rows in set (0.00 sec)
1-11.尽可能不使用TEXT、BLOB类型。
a) 索引排序问题,只能使用max_sort_length的长度或者手工指定ORDER BY SUBSTRING(column,length)的长度来排序
b) Memory引擘不支持text,blog类型,会在磁盘上生成临时表
c) 可能浪费更多的空间
d) 可能无法使用adaptive hash index
e) 导致使用where没有索引的语句变慢
1-13. VARCHAR中会产生额外存储吗?
VARCHAR(M),如果M<256时会使用一个字节来存储长度,如果M>=256则使用两个字节来存储长度。
1-14.表字符集选择UTF8。
a) 使用utf8字符集,如果是汉字,占3个字节,但ASCII码字符还是1个字节。
b) 统一,不会有转换产生乱码风险
c) 其他地区的用户(美国、印度、台湾)无需安装简体中文支持,就能正常看您的文字,并且不会出现乱码
d)ISO-8859-1编码(latin1)使用了单字节内的所有空间,在支持ISO-8859-1的系统中传输和存储其他任何编码的字节流都不会被抛弃。即把其他任何编码的字节流当作ISO-8859-1编码看待都没有问题,保存的是原封不动的字节流。
1-15.使用VARBINARY存储变长字符串。
二进制字节流,不存在编码问题
1-18. 为什么建议使用TIMESTAMP来存储时间而不是DATETIME?
DATETIME和TIMESTAMP都是精确到秒,优先选择TIMESTAMP,因为TIMESTAMP只有4个字节,而DATETIME8个字节。同时TIMESTAMP具有自动赋值以及自动更新的特性。
如何使用TIMESTAMP的自动赋值属性?
a)
b)
c)
1-19.建议字段定义为NOT NULL。
a)如果null字段被索引,需要额外的1字节
b)使索引,索引统计,值的比较变得更复杂
c)可用0,''代替
d)如果是索引字段,一定要定义为not null
1-21.禁止在数据库中使用VARBINARY、BLOB存储图片、文件等。
采用分布式文件系统更高效
2. 为什么MySQL的性能依赖于索引?
MySQL的查询速度依赖良好的索引设计,因此索引对于高性能至关重要。合理的索引会加快查询速度(包括UPDATE和DELETE的速度,MySQL会将包含该行的page加载到内存中,然后进行UPDATE或者DELETE操作),不合理的索引会降低速度。
MySQL索引查找类似于新华字典的拼音和部首查找,当拼音和部首索引不存在时,只能通过一页一页的翻页来查找。当MySQL查询不能使用索引时,MySQL会进行全表扫描,会消耗大量的IO。
2-5. 为什么一张表中不能存在过多的索引?
InnoDB的secondaryindex使用b+tree来存储,因此在UPDATE、DELETE、INSERT的时候需要对b+tree进行调整,过多的索引会减慢更新的速度。
2-11. EXPLAIN语句
EXPLAIN语句(在MySQL客户端中执行)可以获得MySQL如何执行SELECT语句的信息。通过对SELECT语句执行EXPLAIN,可以知晓MySQL执行该SELECT语句时是否使用了索引、全表扫描、临时表、排序等信息。尽量避免MySQL进行全表扫描、使用临时表、排序等。详见官方文档。
2-13.不建议使用%前缀模糊查询,例如LIKE “%weibo”。
会导致全表扫描
2-14. 如何对长度大于50的VARCHAR字段建立索引?
下面的表增加一列url_crc32,然后对url_crc32建立索引,减少索引字段的长度,提高效率。
- CREATE TABLE url(
2-16. 什么是覆盖索引?
InnoDB 存储引擎中,secondaryindex(非主键索引)中没有直接存储行地址,存储主键值。如果用户需要查询secondaryindex中所不包含的数据列时,需要先通过secondaryindex查找到主键值,然后再通过主键查询到其他数据列,因此需要查询两次。
覆盖索引的概念就是查询可以通过在一个索引中完成,覆盖索引效率会比较高,主键查询是天然的覆盖索引。
合理的创建索引以及合理的使用查询语句,当使用到覆盖索引时可以获得性能提升。
比如SELECT email,uid FROM user_email WHEREuid=xx,如果uid不是主键,适当时候可以将索引添加为index(uid,email),以获得性能提升。
3-3.UPDATE、DELETE语句不使用LIMIT。
a) 可能导致主从数据不一致
b) 会记录到错误日志,导致日志占用大量空间
3-4. 为什么需要避免MySQL进行隐式类型转化?
因为MySQL进行隐式类型转化之后,可能会将索引字段类型转化成=号右边值的类型,导致使用不到索引,原因和避免在索引字段中使用函数是类似的。
3-6. 为什么不建议使用SELECT *?
增加很多不必要的消耗(cpu、io、内存、网络带宽);增加了使用覆盖索引的可能性;当表结构发生改变时,前段也需要更新。
3-13. 如何减少与数据库的交互次数?
使用下面的语句来减少和db的交互次数:
INSERT ... ON DUPLICATE KEY UPDATE
REPLACE
INSERT IGNORE
INSERT INTO values(),()如何结合使用多个纬度进行散表散库?
例如微博message,先按照crc32(message_id)将message散到16个库中,然后针对每个库中的表,一天生成一张新表。
3-14. 为什么不能使用ORDER BY rand()?
因为ORDER BYrand()会将数据从磁盘中读取,进行排序,会消耗大量的IO和CPU,可以在程序中获取一个rand值,然后通过在从数据库中获取对应的值。
3-15. MySQL中如何进行分页?
假如有类似下面分页语句:
SELECT * FROM table ORDER BY TIME DESC LIMIT 10000,10;
这种分页方式会导致大量的io,因为MySQL使用的是提前读取策略。
推荐分页方式:
SELECT * FROM table WHERE TIME<last_TIME ORDER BYTIME DESC LIMIT 10.
SELECT * FROM table inner JOIN(SELECT id FROM table ORDER BYTIME LIMIT 10000,10) as t USING(id)
拒绝使用复杂的SQL,将大的SQL拆分成多条简单SQL分步执行。原因:简单的SQL容易使用到MySQL的querycache;减少锁表时间特别是MyISAM;可以使用多核cpu。
2. InnoDB存储引擎为什么避免使用COUNT(*)?
InnoDB表避免使用COUNT(*)操作,计数统计实时要求较强可以使用memcache或者redis,非实时统计可以使用单独统计表,定时更新。