Технопарк Mail.ru Group, МГТУ им. Н.Э. Баумана. Курс "Базы данных".
Лекция №6 "Профилирование запросов. Сложноструктурированные SQL-запросы". Лектор - Павел Щербинин.
Лекция открывается рассказом о том, что такое профилирование запроса, каковы его этапы выполнения в MySQL. Рассказывается о том, как планировать запрос, как осуществляется протоколирование запросов, как собирается статистика. Объясняются основы индексирования, подробно обсуждаются стратегии индексирования для достижения высокой производительности: изоляция столбца, кластерные индексы (преимущества и недостатки), размещение данных в MyISAM и InnoDB, покрывающие индексы. Далее затрагивается тема нормализации и денормализации, а также таблиц счётчиков. В завершении рассказывается о версионировании схемы БД: о методах инкрементных изменений, идемпотентных изменений, уподобления структуры БД исходному коду.
Видео лекции курса https://www.youtube.com/playlist?list=PLrCZzMib1e9obOz5K695ugYuiOOCBciEi
2. Профилирование
• К каким данным MySQL обращается чаще всего
• Какие типы запросов MySQL выполняет чаще всего
• В каких состояниях преимущественно находятся потоки
(threads) MySQL
• Какие подсистемы MySQL чаще всего использует для
выполнения запросов
• Какие виды обращения к данным встречаются наиболее часто
• Сколько различных видов действий, например просмотра
индексов, выполняет MySQL
4. Протоколирование запросов
• Таблица могла быть заблокирована, поэтому запрос был
вынужден ждать. Величина Lock_time показывает, как долго
запрос ждал освобождения блокировки.
• Данные или индексы могли к тому моменту еще отсутствовать
в кэше. Это обычный случай, когда сервер MySQL только
запущен или не настроен должным образом.
• Мог идти ночной процесс резервного копирования, из-за чего
все операции дискового ввода/вывода замедлялись.
• Сервер мог обрабатывать в тот момент другие запросы,
поэтому данный выполнялся медленнее.
5. Протоколирование запросов
Долго выполняющиеся запросы
Периодические выполняемые пакетные задания
действительно могут запускать долго выполняющиеся
запросы, но обычные запросы не должны занимать много
времени.
Запросы, больше всего нагружающие сервер
Ищите запросы, которые потребляют большую часть времени
сервера. Напомним, что короткие запросы, выполняемые
очень часто, тоже могут занимать много времени.
Новые запросы
Ищите запросы, которых вчера не было в первой сотне, а
сегодня они появились. Это могут быть новые запросы или
запросы, которые обычно выполнялись быстро, а теперь
замедлились из-за изменившейся схемы индексации. Либо
произошли еще какие-то изменения.
6. Профилирование запросов
SET profiling = 1;
SELECT SQL_NO_CACHE `movie`.`mID`, COUNT(*)
FROM `movie`
INNER JOIN `rating` USING(`mID`)
GROUP BY `movie`.`mID`
ORDER BY COUNT(*) DESC;
SHOW PROFILESG
******************** 1. row *********************
Query_ID: 1
Duration: 0.02596900
Query: SELECT …
7. EXPLAIN for UPDATE
UPDATE sakila.actor
INNER JOIN sakila.film_actor USING
(actor_id)
SET
actor.last_update=film_actor.last_update;
8. EXPLAIN for UPDATE
UPDATE sakila.actor
INNER JOIN sakila.film_actor USING
(actor_id)
SET
actor.last_update=film_actor.last_update;
EXPLAIN SELECT film_actor.actor_id
FROM sakila.actor INNER JOIN
sakila.film_actor USING (actor_id)G
***** 1. row *****
id: 1
select_type: SIMPLE
table: actor
type: index
possible_keys: PRIMARY
key: PRIMARY
key_len: 2
ref: NULL
rows: 200
Extra: Using index
***** 2. row *****
id: 1
select_type: SIMPLE
table: film_actor
type: ref
possible_keys: PRIMARY
key: PRIMARY
key_len: 2
ref: sakila.actor.actor_id
rows: 13
Extra: Using index
9. EXPLAIN for UPDATE
UPDATE sakila.actor
INNER JOIN sakila.film_actor USING
(actor_id)
SET
actor.last_update=film_actor.last_update;
EXPLAIN SELECT
film_actor.last_update,
actor.last_update
FROM sakila.actor
INNER JOIN sakila.film_actor USING
(actor_id)G
***** 1. row *****
id: 1
select_type: SIMPLE
table: actor
type: ALL
possible_keys: PRIMARY
key: NULL
key_len: NULL
ref: NULL
rows: 200
Extra:
***** 2. row *****
id: 1
select_type: SIMPLE
table: film_actor
type: ref
possible_keys: PRIMARY
key: PRIMARY
key_len: 2
ref: sakila.actor.actor_id
rows: 13
Extra:
14. Стратегия индексирования
Кластерные индексы (+)
• Вы можете хранить связанные данные рядом.
• Быстрый доступ к данным. Кластерный индекс
хранит и индекс, и данные вместе в одной B-Tree
структуре, поэтому извлечение строк из кластерного
индекса обычно происходит быстрее, чем
сопоставимый поиск в некластерном индексе.
• Использующие покрывающие индексы запросы
могут получить значение первичного ключа из
листового узла.
15. Стратегия индексирования
Кластерные индексы (-)
• Если данные помещаются в памяти, то порядок доступа к ним не имеет
значения, и тогда кластерные индексы не принесут большой пользы.
• Если вы загружаете большое количество данных в другом порядке, то по
окончании загрузки имеет смысл реорганизовать таблицу с помощью команды
OPTIMIZE TABLE.
• Обновление столбцов кластерного индекса обходится дорого, поскольку
InnoDB вынуждена перемещать каждую обновленную строку в новое место.
• Для таблиц с кластерным индексом вставка новых строк или обновление
первичного ключа, требующее перемещения строки, может приводить к
расщеплению страницы.
• Полное сканирование кластерных таблиц может оказаться более медленным,
особенно если строки упакованы менее плотно или хранятся
непоследовательно из-за расщепления страниц.
• Вторичные (некластерные) индексы могут оказаться больше, чем вы ожидаете,
поскольку в листовых узлах хранятся значения столбцов, составляющих
первичный ключ.
• Для доступа к данным по вторичному индексу требуется просмотр двух
индексов вместо одного.
22. Покрывающие индексы
• Записи индекса обычно компактнее полной строки, поэтому, если
MySQL читает только индекс, то обращается к значительно меньшему
объему данных.
• Индексы отсортированы по индексируемым значениям (по крайней
мере, внутри страницы), поэтому для поиска по диапазону,
характеризуемому большим объемом ввода/вывода, потребуется
меньше операций обращения к диску.
• Большинство подсистем хранения кэширует индексы лучше, чем сами
данные.
• Покрывающие индексы особенно полезны в случае таблиц InnoDB из-за
кластерных индексов. Вторичные индексы InnoDB хранят значения
первичного ключа строки в листовых узлах. Таким образом, вторичный
индекс, который «покрывает» запрос, позволяет избежать еще одного
поиска по первичному индексу.
23. Покрывающие индексы
EXPLAIN SELECT store_id, film_id
FROM sakila.inventoryG
************************** 1. row **************************
id: 1
select_type: SIMPLE
table: inventory
type: index
possible_keys: NULL
key: idx_store_id_film_id
key_len: 3
ref: NULL
rows: 4673
Extra: Using index
24. Покрывающие индексы
EXPLAIN SELECT actor_id, last_name
FROM sakila.actor WHERE last_name = HOPPERG
************************** 1. row **************************
id: 1
select_type: SIMPLE
table: actor
type: ref
possible_keys: idx_actor_last_name
key: idx_actor_last_name
key_len: 137
ref: const
rows: 2
Extra: Using where; Using index
25. Покрывающие индексы
CREATE TABLE rental (
...
PRIMARY KEY (rental_id),
UNIQUE KEY rental_date (rental_date,inventory_id,customer_id),
KEY idx_fk_inventory_id (inventory_id),
KEY idx_fk_customer_id (customer_id),
KEY idx_fk_staff_id (staff_id),
...
);
EXPLAIN SELECT rental_id, staff_id FROM sakila.rental
WHERE rental_date = 2005-05-25
ORDER BY inventory_id, customer_idG
************************** 1. row **************************
type: ref
possible_keys: rental_date
key: rental_date
rows: 1
Extra: Using where
26. Покрывающие индексы
CREATE TABLE rental (
...
PRIMARY KEY (rental_id),
UNIQUE KEY rental_date (rental_date,inventory_id,customer_id),
KEY idx_fk_inventory_id (inventory_id),
KEY idx_fk_customer_id (customer_id),
KEY idx_fk_staff_id (staff_id),
...
);
EXPLAIN SELECT rental_id, staff_id FROM sakila.rental
WHERE rental_date = 2005-05-25
ORDER BY inventory_id DESC;
28. Покрывающие индексы
CREATE TABLE rental (
...
PRIMARY KEY (rental_id),
UNIQUE KEY rental_date (rental_date,inventory_id,customer_id),
KEY idx_fk_inventory_id (inventory_id),
KEY idx_fk_customer_id (customer_id),
KEY idx_fk_staff_id (staff_id),
...
);
EXPLAIN SELECT rental_id, staff_id FROM sakila.rental
WHERE rental_date = 2005-05-25
ORDER BY inventory_id, staff_id;
29. Покрывающие индексы
CREATE TABLE rental (
...
PRIMARY KEY (rental_id),
UNIQUE KEY rental_date (rental_date,inventory_id,customer_id),
KEY idx_fk_inventory_id (inventory_id),
KEY idx_fk_customer_id (customer_id),
KEY idx_fk_staff_id (staff_id),
...
);
EXPLAIN SELECT rental_id, staff_id FROM sakila.rental
WHERE rental_date > 2005-05-25
ORDER BY rental_date, inventory_id;
30. Покрывающие индексы
CREATE TABLE rental (
...
PRIMARY KEY (rental_id),
UNIQUE KEY rental_date (rental_date,inventory_id,customer_id),
KEY idx_fk_inventory_id (inventory_id),
KEY idx_fk_customer_id (customer_id),
KEY idx_fk_staff_id (staff_id),
...
);
EXPLAIN SELECT rental_id, staff_id FROM sakila.rental
WHERE rental_date = 2005-05-25
ORDER BY customer_id;
31. Покрывающие индексы
CREATE TABLE rental (
...
PRIMARY KEY (rental_id),
UNIQUE KEY rental_date (rental_date,inventory_id,customer_id),
KEY idx_fk_inventory_id (inventory_id),
KEY idx_fk_customer_id (customer_id),
KEY idx_fk_staff_id (staff_id),
...
);
EXPLAIN SELECT rental_id, staff_id FROM sakila.rental
WHERE rental_date = 2005-05-25 AND inventory_id IN(1,2)
ORDER BY customer_id;
32. Нормализация
• Нормализованные таблицы обычно обновляются быстрее,
чем ненормализованные.
• Когда данные хорошо нормализованы, они либо редко
дублируются, либо не дублируются совсем. Так что изменять
приходится меньше данных.
• Нормализованные таблицы обычно меньше по размеру,
поэтому лучше помещаются в памяти и их
производительность выше.
• Из-за отсутствия избыточных данных реже возникает
необходимость в запросах с фразами DISTINCT или GROUP
BY для извлечения списков значений.
33. Денормализация
• Все данные находятся в одной и той же таблице, что
позволяет избежать соединений.
• Более эффективные стратегии индексирования
SELECT message_text, user_name
FROM message
INNER JOIN user ON message.user_id=user.id
WHERE user.account_type=premium
ORDER BY message.published DESC LIMIT 10;
SELECT message_text,user_name
FROM user_messages
WHERE account_type=premium
ORDER BY published DESC
LIMIT 10;
35. Денормализация
Таблицы счетчиков
CREATE TABLE hit_counter (
slot tinyint unsigned not null primary
key,
cnt int unsigned not null
) ENGINE=InnoDB;
UPDATE hit_counter SET cnt = cnt + 1 WHERE
slot = RAND( ) * 100;
SELECT SUM(cnt) FROM hit_counter;
36. Денормализация
Таблицы счетчиков
CREATE TABLE daily_hit_counter (
day date not null,
slot tinyint unsigned not null,
cnt int unsigned not null,
primary key(day, slot)
) ENGINE=InnoDB;
INSERT INTO daily_hit_counter(day, slot, cnt)
VALUES (CURRENT_DATE, RAND( ) * 100, 1)
ON DUPLICATE KEY UPDATE cnt = cnt + 1;
37. Версионирование схемы БД
• любую версию базы данных можно обновить до любой (обычно,
самой последней) версии;
• набор SQL-запросов, реализующих миграцию между любыми двумя
версиями, можно было получить как можно быстрее и проще;
• всегда можно создать с нуля базу данных со структурой самой
последней версии
• в случае работы над разными ветками, при последующем их слиянии
ручное редактирование файлов БД было сведено к минимуму;
• откатить БД на более раннюю версию так же просто, как и обновить на
более новую
39. Метод
инкрементных изменений
• Быстрое и удобное выполнение миграции до последней версии;
• Механизм нумерации версий. Номер текущей версии хранится прямо в
БД;
• Для максимального удобства нужны средства автоматизации
выполнения миграций;
• Неудобно добавлять комментарии к структуре БД.;
• Возникают проблемы в процессе параллельной разработки в
нескольких ветках репозитория.
40. Метод
идемпотентных изменений
•Database
|- 3.01
| |- Baseline.sql
| | - Changes.sql
|
| - 3.02
|- Baseline.sql
|- Changes.sql
IF NOT EXISTS
(
SELECT *
FROM information_schema.tables
WHERE table_name = 'myTable'
AND table_schema = 'myDb'
)
THEN
CREATE TABLE myTable
(
id INT(10) NOT NULL,
myField VARCHAR(255) NULL,
PRIMARY KEY(id)
);
END IF;
41. Метод
идемпотентных изменений
• Очень удобное выполнение миграций с любой промежуточной версии
до последней — нужно всего лишь выполнить на базе данных один
файл (Changes.sql);
• Потенциально возможны ситуации, в которых будут теряться данные,
за этим придется следить.
• Для того, чтобы изменения были идемпотентными, нужно потратить
больше времени (и кода) на их написание.
42. Метод уподобления структуры
БД исходному коду
Удобно наблюдать изменения в структуре между версиями при помощи
средств системы контроля версий;
Как и любой исходный код, структуру БД удобно комментировать;
Для того, чтобы с нуля создать чистую базу данных последней версии,
нужно выполнить всего лишь один файл;
Скрипты-миграции более надежны, чем в других методах, так как
генерируются автоматически;
Мигрировать с новых версий на старые почти так же просто, как со старых
на новые (проблемы могут возникнуть только с пресловутыми изменениями
данных);
В случае слияния двух веток репозитория, merge структуры БД
осуществляется проще, чем при использовании других подходов;
43. Метод уподобления структуры
БД исходному коду
Изменения данных придется хранить отдельно, и затем вручную
вставлять в сгенерированные скрипты-миграции;
Вручную выполнять миграции очень неудобно, необходимы
автоматизированные средства.