最近有一張2000W條記錄的數(shù)據(jù)表需要優(yōu)化和遷移。2000W數(shù)據(jù)對于mysql來說很尷尬，因為合理的創(chuàng)建索引速度還是挺快的，再怎么優(yōu)化速度也得不到多大提升。不過這些數(shù)據(jù)有大量的冗余字段和錯誤信息，極不方便做統(tǒng)計和分析。所以我需要創(chuàng)建一張新表，把舊表中的數(shù)據(jù)一條一條取出來優(yōu)化后放回新表；
一. 清除冗余數(shù)據(jù)，優(yōu)化字段結(jié)構(gòu)
2000W數(shù)據(jù)中，能作為查詢條件的字段我們是預(yù)知的。所以將這部分數(shù)據(jù)單獨創(chuàng)建新的字段，對于有規(guī)則的數(shù)據(jù)合理改變字段結(jié)構(gòu)，比如身份證就是varchar(18)。對于不重要的數(shù)據(jù)我們合并后存在一個結(jié)構(gòu)為text的字段。
對于一些有關(guān)聯(lián)的數(shù)據(jù)我們需要計算，常見的比如身份證種能獲取到準確的性別，出生地、生日、年齡。
二. 數(shù)據(jù)遷移
我們從數(shù)據(jù)庫中取出一條舊數(shù)據(jù)，再通過計算處理后得到想要的新數(shù)據(jù)，最后將新數(shù)據(jù)插入新表。不過在獲取新數(shù)據(jù)時遇到如下問題。
-
數(shù)據(jù)量太大，無法一次獲?。?000w數(shù)據(jù)扔到內(nèi)存挺可怕的）；
我們可以通過MySQL的limit語法分批獲取。比如每次獲取50000，SQL語句如下：
select?*?from?table_name?limit?15000000,50000;
通過這種方法能解決數(shù)據(jù)量太大的問題，但是隨著limit的第一個參數(shù)越來越大，查詢速度會慢的嚇人（上面這條SQL執(zhí)行會花35秒）。時間就是生命，于是我們開始優(yōu)化SQL語句，優(yōu)化后變成下面這樣：
select?*?from?table_name?order?by?id?desc?limit?5000000,50000;
可通過二分法拆分2000W數(shù)據(jù)，當執(zhí)行到1000W數(shù)據(jù)時，將數(shù)據(jù)倒序。優(yōu)化后SQL執(zhí)行效率顯著提升，從35秒降到9秒；
不過還是很慢，時間就是生命……還好我們有自增ID（創(chuàng)建數(shù)據(jù)表第一條定律，一定要有自增字段），優(yōu)化后的SQl如下：
1.?select?*?from?table_name?where?id>15000000?and?id15000000?limit?50000;
為了直觀演示，我寫了兩條功能一樣的SQL。相比第一條，第二條的limit會導(dǎo)致SQL的索引命中變差，效率同樣也會下降。第一條SQL的執(zhí)行時間是2毫秒，第二條執(zhí)行時間5毫秒（我取的平均值）。每次數(shù)據(jù)的查詢速度直接從35秒降到2毫秒……
-
數(shù)據(jù)量太大并且數(shù)據(jù)無法預(yù)估，某些特殊數(shù)據(jù)會導(dǎo)致數(shù)據(jù)導(dǎo)入失??；
我們有三種方案去將新數(shù)據(jù)存入新表，分別如下：
-
一條一條插入數(shù)據(jù)；
開始肯定會想這種方案一定不行，因為每次插入都會有一次數(shù)據(jù)庫IO操作。但是該方案有個好處是能及時發(fā)現(xiàn)有問題的數(shù)據(jù)，修改后再繼續(xù)執(zhí)行； 在Oracle中使用『綁定變量』能帶來性能提升，正好MySQL也提供了『綁定變量』的功能。于是在不改變邏輯的情況下，嘗試優(yōu)化數(shù)據(jù)存儲速度。代碼如下：
public?function?actionTest(array?$data) { ????$mysqli?=?new?mysqli("192.168.1.106",?"username",?"password",?"test"); ????$sql?=?"insert?into?table_name(name,identity)?values?(?,?)"; ????$stmt?=?$connection->prepare($sql); ????$name?=?""; ????$identity?=?""; ????//使用綁定變量 ????$stmt->bind_param("si",?$name,?$identity); ????foreach($data?as?$val) ????{ ????????$name?=?$val[name]; ????????$identity?=?$val[card_id]; ????????//執(zhí)行 ????????$stmt->execute(); ????} ????$stmt->close(); }最后效果不怎么好，MySQL的『綁定變量』并沒帶來明顯的速度提升，不過能有效的防止SQL注入；
-
一次插入50000條數(shù)據(jù)；
這是我最后選中的方案，一是能及時發(fā)現(xiàn)有問題的數(shù)據(jù)，二是導(dǎo)入數(shù)據(jù)非常穩(wěn)定。就像支持斷點續(xù)傳一樣，每一步都能看到效果。在執(zhí)行腳本時，也能同步開始寫分析邏輯；
-
組裝成SQL文件，最后統(tǒng)一導(dǎo)入；
組裝一個大的SQL文件，最后通過MySQL自帶的工具導(dǎo)入也是極好的。但如果有一條SQL有問題，你可能需要重跑一次腳本。因為在9G大小的文本文件中修改一個符號是很痛苦的事情……
三. 總結(jié)
通過各種優(yōu)化，最后將腳本執(zhí)行時間縮短到了20分鐘內(nèi)。優(yōu)化后數(shù)據(jù)質(zhì)量得到了較高保證，下次將嘗試2億數(shù)據(jù)的優(yōu)化&遷移……
?
以上就是MySQL兩千萬數(shù)據(jù)優(yōu)化&遷移的內(nèi)容，更多相關(guān)內(nèi)容請關(guān)注PHP中文網(wǎng)（www.php.cn）！
