数据库qps，如何提高数据库性能
老铁们，大家好，相信还有很多朋友对于数据库qps和如何提高数据库性能的相关问题不太懂，没关系，今天就由我来为大家分享分享数据库qps以及如何提高数据库性能的问题，文章篇幅可能偏长，希望可以帮助到大家，下面一起来看看吧！
数据库消耗内存大还是cpu大
作者王文安，腾讯CSIG数据库专项的数据库工程师，主要负责腾讯云数据库 MySQL的相关的工作，热爱技术，欢迎留言进行交流。文章首发于腾讯云+社区的腾讯云数据库专家服务专栏。
在日常工作中，发现 MySQL的状态不太对劲的时候，一般都会看看监控指标，很多时候会看到熟悉的一幕：CPU使用率又爆了。本文将给大家介绍 MySQL和 CPU之间的关系，对此有一定的了解之后可以更准确的判断出问题的原因，也能够提前发现一些引发 CPU问题的隐患。
怎么看懂CPU使用率
以 Linux的 top命令为例，效果如下：
Top命令
在%CPU这一列就展示了 CPU的使用情况，百分比指代的是总体上占用的时间百分比：
%us：表示用户进程的 CPU使用时间(没有通过 nice调度)
%sy：表示系统进程的 CPU使用时间，主要是内核使用。
%ni：表示用户进程中，通过 CPU调度(nice)过的使用时间。
%id：空闲的 CPU时间
%wa：CPU运行时在等待 IO的时间
%hi：CPU处理硬中断花费的时间
%si：CPU处理软中断花费的时间
%st：被虚拟机偷走的 CPU时间
通常情况下，我们讨论的 CPU使用率过高，指的是%us这个指标，监控里面的 CPU使用率通常也是这个值(也有用其他的方法计算出来的，不过简单起见，不考虑其他的情况)。其他几个指标过高也代表出 MySQL的状态异常，简单起见，这里主要还是指%us过高的场景。
MySQL和线程
MySQL是单进程多线程的结构，意味着独占的 MySQL服务器里面，只能用 top命令看到一行数据。
TOP命令效果
这里能看到的是 MySQL的进程 ID，如果要看到线程的情况，需要用top-H
TOP命令效果
在这里能看到的是 MySQL各个线程的 ID，可以看到 MySQL在启动之后，会创建非常多的内部线程来工作。
这些内部线程包括 MySQL自己用来刷脏，读写数据等操作的系统线程，也包括处理用户 SQL的线程，姑且叫做用户线程吧。用户线程有一个特殊的地方：程序端发送到 MySQL端的 SQL，只会由一个用户线程来执行(one-thread-per-connection)，所以 MySQL在处理复杂查询的时候，会出现“一核有难，多核围观”的尴尬现象。
参考%us的定义，对于 Linux系统来说，MySQL进程和它启动的所有线程都不算内核进程，因此 MySQL的系统线程和用户线程在繁忙的时候，都会体现在 CPU使用率的%us指标上。
什么时候CPU会100%
MySQL干什么的时候，CPU会 100%？从前文的分析来看，MySQL主要是两类线程占用 CPU：系统线程和用户线程。因此 MySQL独占的服务器上，只需要留意一下这两类线程的情况，就能 Cover住绝大部分的问题场景。
系统线程
在实际的环境中，系统线程遇到问题的情况会比较少，一般来说，多个系统线程很少会同时跑满，只要服务器的可用核心数大于等于 4的话，一般也不会遇到 CPU 100%，当然有一些 bug可能会有影响，比如这个：
MySQL BUG
虽然情况比较少，但是在面对问题的常规排查过程中，系统线程的问题也是需要关注的。
用户线程
提到用户线程繁忙，很多时候肯定会第一时间凭经验想到慢查询。确实 90%以上的时候都是“慢查询”引起的，不过作为方法论，还是要根据分析再去得出结论的~
参考 us%的定义，是指用户线程占用 CPU的时间多少，这代表着用户线程占用了大量的时间。
一方面是在进行长时间的计算，例如：order by，group by，临时表，join等。这一类问题可能是查询效率不高，导致单个 SQL语句长时间占用 CPU时间，也有可能是单纯的数据量比较多，导致计算量巨大。另一方面是单纯的 QPS压力高，所以 CPU的时间被用满了，比如 4核的服务器用来支撑 20k到 30k的点查询，每个 SQL占用的 CPU时间并不多，但是因为整体的 QPS很高，所以 CPU的时间被占满了。
问题的定位
分析完之后，就要开始实战了，这里根据前文的分析给出一些经典的 CPU 100%场景，并给出简要的定位方法作为参考。
PS：系统线程的 bug的场景 skip，以后有机会再作为详细的案例来分析。
慢查询
在 CPU 100%这个问题已经发生之后，真实的慢查询和因为 CPU 100%导致被影响的普通查询会混在一起，难以直观的看 processlist或者 slowlog来发现尊敬的大船，这时候就需要一些比较明确的特征来进行甄别。
从前文的简单分析可以看出来，查询效率不高的慢查询通常有以下几种情况：
全表扫描：Handler_read_rnd_next这个值会大幅度突增，且这一类查询在 slowlog中 row_examined的值也会非常高。
索引效率不高，索引选错了：Handler_read_next这个值会大幅度的突增，不过要注意这种情况也有可能是业务量突增引起的，需要结合 QPS/TPS一起看。这一类查询在 slowlog中找起来会比较麻烦，row_examined的值一般在故障前后会有比较明显的不同，或者是不合理的偏高。
比如数据倾斜的场景，一个小范围的 range查询在某个特定的范围内 row_examined非常高，而其他的范围时 row_examined比较低，那么就可能是这个索引效率不高。
排序比较多：order by，group by这一类查询通常不太好从 Handler的指标直接判断，如果没有索引或者索引不好，导致排序操作没有消除的话，那么在 processlist和 slowlog通常能看到这一类查询语句出现的比较多。
当然，不想详细的分析 MySQL指标或者是情况比较紧急的话，可以直接在 slowlog里面用 rows_sent和 row_examined做个简单的除法，比如 row_examined/rows_sent> 1000的都可以拿出来作为“嫌疑人”处理。这类问题一般在索引方面做好优化就能解决。
PS：1000只是个经验值，具体要根据实际业务情况来定。
计算量大
这一类问题通常是因为数据量比较大，即使索引没什么问题，执行计划也 OK，也会导致 CPU 100%，而且结合 MySQL one-thread-per-connection的特性，并不需要太多的并发就能把 CPU使用率跑满。这一类查询其实是是比较好查的，因为执行时间一般会比较久，在 processlist里面就会非常显眼，反而是 slowlog里面可能找不到，因为没有执行完的语句是不会记录的。
这一类问题一般来说有三种比较常规的解决方案：
读写分离，把这一类查询放到平时业务不怎么用的只读从库去。
在程序段拆分 SQL，把单个大查询拆分成多个小查询。
使用 HBASE，Spark等 OLAP的方案来支持。
高 QPS
这一类问题单纯的就是硬件资源的瓶颈，不论是 row_examined/rows_sent的比值，还是 SQL的索引、执行计划，或者是 SQL的计算量都不会有什么明显问题，只是 QPS指标会比较高，而且 processlist里面可能什么内容都看不到，例如：
processlist
实际上 CPU 100%的问题其实不仅仅是单纯的%us，还会有%io，%sys等，这些会涉及到 MySQL与 Linux相关联的一部分内容，展开来就会比较多了。本文仅从%us出发尝试梳理一下排查&定位的思路和方法，在分析%io，%sys等方面的问题时，也可以用类似的思路，从这些指标的意义开始，结合 MySQL的一些特性或者特点，逐步理清楚表象背后的原因。
云数据库RDS是什么
云数据RDS是关系型数据库服务（Relational Database Service）的简称，是一种即开即用、稳定可靠、可弹性伸缩的在线数据库服务。具有多重安全防护措施和完善的性能监控体系，并提供专业的数据库备份、恢复及优化方案，使您能专注于应用开发和业务发展。
关系模型就是指二维表格模型,因而一个关系型数据库就是由二维表及其之间的联系组成的一个数据组织。当前主流的关系型数据库有Oracle、DB2、PostgreSQL、Microsoft SQL Server、Microsoft Access、MySQL等。
云关系型数据库（RDS）是一种稳定可靠、可弹性伸缩的在线数据库服务，支持MySQL、SQL Server、PostgreSQL、PPAS（Postgre Plus Advanced Server，高度兼容Oracle数据库）、MariaDB等引擎，并且提供了容灾、备份、恢复、监控、迁移等方面的全套解决方案。
云数据库的特性有：实例创建快速、支持只读实例、读写分离、故障自动切换、数据备份、Binlog备份、SQL审计、访问白名单、监控与消息通知等。
扩展资料：
云数据库RDS优势
1、轻松部署。用户能够在RDS控制台轻松的完成数据库申请和创建，RDS实例在几分钟内就可以准备就绪并投入使用。用户通过RDS提供的功能完善的控制台，对所有实例进行统一管理。
2、高可靠。云数据库具有故障自动单点切换、数据库自动备份等功能，保证实例高可用和数据安全。免费提供7天数据备份，可恢复或回滚至7天内任意备份点。
3、低成本。DS支付的费用远低于自建数据库所需的成本，用户可以根据自己的需求选择不同套餐，使用很低的价格得到一整套专业的数据库支持服务。
参考资料来源：百度百科—云数据库
如何提高数据库性能
MyISAM参数默认值：
key_buffer_size= 16M
#索引缓存区大小，一般设置物理内存的30-40%
read_buffer_size= 128K
#读操作缓冲区大小，推荐设置16M或32M
InnoDB参数默认值：
innodb_buffer_pool_size= 128M
#索引和数据缓冲区大小，一般设置物理内存的60%-70%
innodb_buffer_pool_instances= 1
#缓冲池实例个数，推荐设置4个或8个
innodb_flush_log_at_trx_commit= 1
#关键参数，0代表大约每秒写入到日志并同步到磁盘，数据库故障会丢失1秒左右事务数据。1为每执行一条SQL后写入到日志并同步到磁盘，I/O开销大，执行完SQL要等待日志读写，效率低。2代表只把日志写入到系统缓存区，再每秒同步到磁盘，效率很高，如果服务器故障，才会丢失事务数据。对数据安全性要求不是很高的推荐设置2，性能高，修改后效果明显。
innodb_file_per_table= OFF
#默认是共享表空间，共享表空间idbdata文件不断增大，影响一定的I/O性能。推荐开启独立表空间模式，每个表的索引和数据都存在自己独立的表空间中，可以实现单表在不同数据库中移动。
innodb_log_buffer_size= 8M
#日志缓冲区大小，由于日志最长每秒钟刷新一次，所以一般不用超过16M
3.2系统内核优化
大多数MySQL都部署在linux系统上，所以操作系统的一些参数也会影响到MySQL性能，以下对linux内核进行适当优化。
net.ipv4.tcp_fin_timeout= 30
#TIME_WAIT超时时间，默认是60s
net.ipv4.tcp_tw_reuse= 1
#1表示开启复用，允许TIME_WAIT socket重新用于新的TCP连接，0表示关闭
net.ipv4.tcp_tw_recycle= 1
#1表示开启TIME_WAIT socket快速回收，0表示关闭
net.ipv4.tcp_max_tw_buckets= 4096
#系统保持TIME_WAIT socket最大数量，如果超出这个数，系统将随机清除一些TIME_WAIT并打印警告信息
net.ipv4.tcp_max_syn_backlog= 4096
#进入SYN队列最大长度，加大队列长度可容纳更多的等待连接
在linux系统中，如果进程打开的文件句柄数量超过系统默认值1024，就会提示“too many files open”信息，所以要调整打开文件句柄限制。
# vi/etc/security/limits.conf#加入以下配置，*代表所有用户，也可以指定用户，重启系统生效
* soft nofile 65535
* hard nofile 65535
# ulimit-SHn 65535#立刻生效
3.3硬件配置
加大物理内存，提高文件系统性能。linux内核会从内存中分配出缓存区（系统缓存和数据缓存）来存放热数据，通过文件系统延迟写入机制，等满足条件时（如缓存区大小到达一定百分比或者执行sync命令）才会同步到磁盘。也就是说物理内存越大，分配缓存区越大，缓存数据越多。当然，服务器故障会丢失一定的缓存数据。
SSD硬盘代替SAS硬盘，将RAID级别调整为RAID1+0，相对于RAID1和RAID5有更好的读写性能（IOPS），毕竟数据库的压力主要来自磁盘I/O方面。
4、数据库架构扩展
随着业务量越来越大，单台数据库服务器性能已无法满足业务需求，该考虑加机器了，该做集群了~~~。主要思想是分解单台数据库负载，突破磁盘I/O性能，热数据存放缓存中，降低磁盘I/O访问频率。
4.1主从复制与读写分离
因为生产环境中，数据库大多都是读操作，所以部署一主多从架构，主数据库负责写操作，并做双击热备，多台从数据库做负载均衡，负责读操作，主流的负载均衡器有LVS、HAProxy、Nginx。
怎么来实现读写分离呢？大多数企业是在代码层面实现读写分离，效率比较高。另一个种方式通过代理程序实现读写分离，企业中应用较少，常见代理程序有MySQL Proxy、Amoeba。在这样数据库集群架构中，大大增加数据库高并发能力，解决单台性能瓶颈问题。如果从数据库一台从库能处理2000 QPS，那么5台就能处理1w QPS，数据库横向扩展性也很容易。
有时，面对大量写操作的应用时，单台写性能达不到业务需求。如果做双主，就会遇到数据库数据不一致现象，产生这个原因是在应用程序不同的用户会有可能操作两台数据库，同时的更新操作造成两台数据库数据库数据发生冲突或者不一致。在单库时MySQL利用存储引擎机制表锁和行锁来保证数据完整性，怎样在多台主库时解决这个问题呢？有一套基于perl语言开发的主从复制管理工具，叫MySQL-MMM（Master-Master replication managerfor Mysql，Mysql主主复制管理器），这个工具最大的优点是在同一时间只提供一台数据库写操作，有效保证数据一致性。
主从复制博文：http://lizhenliang.blog.51cto.com/7876557/1290431
读写分离博文：http://lizhenliang.blog.51cto.com/7876557/1305083
MySQL-MMM博文：http://lizhenliang.blog.51cto.com/7876557/1354576
4.2增加缓存
给数据库增加缓存系统，把热数据缓存到内存中，如果缓存中有要请求的数据就不再去数据库中返回结果，提高读性能。缓存实现有本地缓存和分布式缓存，本地缓存是将数据缓存到本地服务器内存中或者文件中。分布式缓存可以缓存海量数据，扩展性好，主流的分布式缓存系统有memcached、redis，memcached性能稳定，数据缓存在内存中，速度很快，QPS可达8w左右。如果想数据持久化就选择用redis，性能不低于memcached。
工作过程：
4.3分库
分库是根据业务不同把相关的表切分到不同的数据库中，比如web、bbs、blog等库。如果业务量很大，还可将切分后的库做主从架构，进一步避免单个库压力过大。
4.4分表
数据量的日剧增加，数据库中某个表有几百万条数据，导致查询和插入耗时太长，怎么能解决单表压力呢？你就该考虑是否把这个表拆分成多个小表，来减轻单个表的压力，提高处理效率，此方式称为分表。
分表技术比较麻烦，要修改程序代码里的SQL语句，还要手动去创建其他表，也可以用merge存储引擎实现分表，相对简单许多。分表后，程序是对一个总表进行操作，这个总表不存放数据，只有一些分表的关系，以及更新数据的方式，总表会根据不同的查询，将压力分到不同的小表上，因此提高并发能力和磁盘I/O性能。
分表分为垂直拆分和水平拆分：
垂直拆分：把原来的一个很多字段的表拆分多个表，解决表的宽度问题。你可以把不常用的字段单独放到一个表中，也可以把大字段独立放一个表中，或者把关联密切的字段放一个表中。
水平拆分：把原来一个表拆分成多个表，每个表的结构都一样，解决单表数据量大的问题。
4.5分区
分区就是把一张表的数据根据表结构中的字段（如range、list、hash等）分成多个区块，这些区块可以在一个磁盘上，也可以在不同的磁盘上，分区后，表面上还是一张表，但数据散列在多个位置，这样一来，多块硬盘同时处理不同的请求，从而提高磁盘I/O读写性能，实现比较简单。
注：增加缓存、分库、分表和分区主要由程序猿来实现。
5、数据库维护
数据库维护是运维工程师或者DBA主要工作，包括性能监控、性能分析、性能调优、数据库备份和恢复等。
5.1性能状态关键指标
QPS，Queries Per Second：每秒查询数，一台数据库每秒能够处理的查询次数
TPS，Transactions Per Second：每秒处理事务数
通过show status查看运行状态，会有300多条状态信息记录，其中有几个值帮可以我们计算出QPS和TPS，如下：
Uptime：服务器已经运行的实际，单位秒
Questions：已经发送给数据库查询数
Com_select：查询次数，实际操作数据库的
Com_insert：插入次数
Com_delete：删除次数
Com_update：更新次数
Com_commit：事务次数
Com_rollback：回滚次数
那么，计算方法来了，基于Questions计算出QPS：
mysql> show global status like‘Questions‘;
mysql> show global status like‘Uptime‘;
QPS= Questions/ Uptime
基于Com_commit和Com_rollback计算出TPS：
mysql> show global status like‘Com_commit‘;
mysql> show global status like‘Com_rollback‘;
mysql> show global status like‘Uptime‘;
TPS=(Com_commit+ Com_rollback)/ Uptime
另一计算方式：基于Com_select、Com_insert、Com_delete、Com_update计算出QPS
mysql> show global status where Variable_name in(‘com_select‘,‘com_insert‘,‘com_delete‘,‘com_update‘);
等待1秒再执行，获取间隔差值，第二次每个变量值减去第一次对应的变量值，就是QPS
TPS计算方法：
mysql> show global status where Variable_name in(‘com_insert‘,‘com_delete‘,‘com_update‘);
计算TPS，就不算查询操作了，计算出插入、删除、更新四个值即可。
经网友对这两个计算方式的测试得出，当数据库中myisam表比较多时，使用Questions计算比较准确。当数据库中innodb表比较多时，则以Com_*计算比较准确。
5.2开启慢查询日志
MySQL开启慢查询日志，分析出哪条SQL语句比较慢，使用set设置变量，重启服务失效，可以在my.cnf添加参数永久生效。
mysql> set global slow-query-log=on#开启慢查询功能
mysql> set global slow_query_log_file=‘/var/log/mysql/mysql-slow.log‘;#指定慢查询日志文件位置
mysql> set global log_queries_not_using_indexes=on;#记录没有使用索引的查询
mysql> set global long_query_time=1;#只记录处理时间1s以上的慢查询
分析慢查询日志，可以使用MySQL自带的mysqldumpslow工具，分析的日志较为简单。
# mysqldumpslow-t 3/var/log/mysql/mysql-slow.log#查看最慢的前三个查询
也可以使用percona公司的pt-query-digest工具，日志分析功能全面，可分析slow log、binlog、general log。
分析慢查询日志：pt-query-digest/var/log/mysql/mysql-slow.log
分析binlog日志：mysqlbinlog mysql-bin.000001>mysql-bin.000001.sql
pt-query-digest--type=binlog mysql-bin.000001.sql
分析普通日志：pt-query-digest--type=genlog localhost.log
5.3数据库备份
备份数据库是最基本的工作，也是最重要的，否则后果很严重，你懂得！但由于数据库比较大，上百G，往往备份都很耗费时间，所以就该选择一个效率高的备份策略，对于数据量大的数据库，一般都采用增量备份。常用的备份工具有mysqldump、mysqlhotcopy、xtrabackup等，mysqldump比较适用于小的数据库，因为是逻辑备份，所以备份和恢复耗时都比较长。mysqlhotcopy和xtrabackup是物理备份，备份和恢复速度快，不影响数据库服务情况下进行热拷贝，建议使用xtrabackup，支持增量备份。
Xtrabackup备份工具使用博文：http://lizhenliang.blog.51cto.com/7876557/1612800
5.4数据库修复
有时候MySQL服务器突然断电、异常关闭，会导致表损坏，无法读取表数据。这时就可以用到MySQL自带的两个工具进行修复，myisamchk和mysqlcheck。
myisamchk：只能修复myisam表，需要停止数据库
常用参数：
-f--force强制修复，覆盖老的临时文件，一般不使用
-r--recover恢复模式
-q--quik快速恢复
-a--analyze分析表
-o--safe-recover老的恢复模式，如果-r无法修复，可以使用此参数试试
-F--fast只检查没有正常关闭的表
快速修复weibo数据库:
# cd/var/lib/mysql/weibo
# myisamchk-r-q*.MYI
mysqlcheck：myisam和innodb表都可以用，不需要停止数据库，如修复单个表，可在数据库后面添加表名，以空格分割
常用参数：
-a--all-databases检查所有的库
-r--repair修复表
-c--check检查表，默认选项
-a--analyze分析表
-o--optimize优化表
-q--quik最快检查或修复表
-F--fast只检查没有正常关闭的表
快速修复weibo数据库:
mysqlcheck-r-q-uroot-p123 weibo
5.5另外，查看CPU和I/O性能方法
#查看CPU性能
#参数-P是显示CPU数，ALL为所有，也可以只显示第几颗CPU
#查看I/O性能
#参数-m是以M单位显示，默认K
#%util：当达到100%时，说明I/O很忙。
#await：请求在队列中等待时间，直接影响read时间。
I/O极限：IOPS（r/s+w/s）,一般RAID0/10在1200左右。（IOPS，每秒进行读写（I/O）操作次数）
I/O带宽：在顺序读写模式下SAS硬盘理论值在300M/s左右，SSD硬盘理论值在600M/s左右。
以上是本人使用MySQL三年来总结的一些主要优化方案，能力有限，有些不太全面，但这些基本能够满足中小型企业数据库需求。
由于关系型数据库初衷设计限制，一些BAT公司海量数据放到关系型数据库中，在海量数据查询和分析方面已经达不到更好的性能。因此NoSQL火起来了，非关系型数据库，大数据量，具有高性能，同时也弥补了关系型数据库某方面不足，渐渐大多数公司已经将部分业务数据库存放到NoSQL中，如MongoDB、HBase等。数据存储方面采用分布式文件系统，如HDFS、GFS等。海量数据计算分析采用Hadoop、Spark、Storm等。这些都是与运维相关的前沿技术，也是在存储方面主要学习对象，小伙伴们共同加油吧！哪位博友有更好的优化方案，欢迎交流哦。
如何提高数据库性能
标签：raid5tps级别gesmysql部署创建信息inno扩展
OK，关于数据库qps和如何提高数据库性能的内容到此结束了，希望对大家有所帮助。