MYSQL上亿的表如果秒查

1、设计数据库表

京山网站制作公司哪家好，找创新互联公司！从网页设计、网站建设、微信开发、APP开发、响应式网站设计等网站项目制作，到程序开发，运营维护。创新互联公司从2013年开始到现在10年的时间，我们拥有了丰富的建站经验和运维经验，来保证我们的工作的顺利进行。专注于网站建设就选创新互联公司。

先设计一个数据库表，用于保存用户信息，建表语句如下：

CREATE TABLE

tbl_user_info

（

id INT NOT NULL AUTO_INCREMENT，

user_name VARCHAR（20） NOT NULL，

age INT NOT NULL，

sex INT（1） NOT NULL，

create_dt DATE NOT NULL，

PRIMARY KEY （id）

）

ENGINE=InnoDB DEFAULT CHARSET=utf8;

在用户表中定义了几个字段，分别是id，user_name，age，sex，create_dt，其中id是主键，是自增长的，user_name表示用户名，age表示用户年龄，sex表示用户的性别，这里的性别用数字表示，0表示女性，1表示男性，create_dt表示创建的时间。预先在数据库中插入几条数据，数据如下。

2、定义实体类

定义一个Bean，与数据库表中的各个字段对应：

package com.imooc.jdbc;

import java.uTIl.Date;

public class UserVO {

private int id;

private String userName;

private int age;

private int sex;

private Date createDt;

public int geTId（） {

return id;

}

public void seTId（int id） {

this.id = id;

}

public String getUserName（） {

return userName;

}

public void setUserName（String userName） {

this.userName = userName;

}

public int getAge（） {

return age;

}

public void setAge（int age） {

this.age = age;

}

public int getSex（） {

return sex;

}

public void setSex（int sex） {

this.sex = sex;

}

public Date getCreateDt（） {

return createDt;

}

public void setCreateDt（Date createDt） {

this.createDt = createDt;

}

@Override

public String toString（） {

return “UserVO ［id=” + id + “， userName=” + userName + “， age=” + age

+ “， sex=” + sex + “， createDt=” + createDt + “］”;

}

}

3、定义数据库连接类

定义一个数据库连接类，用于获取MySQL的连接

package com.imooc.jdbc;

import java.sql.ConnecTIon;

import java.sql.DriverManager;

public class DBUtil {

private static final String URI = “jdbc:mysql://192.168.2.207:3306/jdbc_demo？”

+ “user=rootpassword=rootuseUnicode=truecharacterEncoding=UTF-8”;

private static final String DRIVER = “com.mysql.jdbc.Driver”;

public static Connection connectDB（） throws Exception {

//1、加载数据库驱动

Class.forName（DRIVER）;

//2、获取数据库连接

Connection conn = DriverManager.getConnection（URI）;

return conn;

}

}

MySQL的JDBC URL编写方式为：jdbc:mysql://主机名称：连接端口/数据库的名称？参数=值，在这个例子中我连接的数据库主机是一台远程主机，所以主机名称为远程主机的ip地址，如果数据库主机为本机，则可以定义为localhost，在参数中指定用户名为root，密码也是root，为了避免中文乱码要指定useUnicode和characterEncoding。因为连接的是MySQL数据库，所以程序一开始需要加载MySQL的数据库驱动，然后通过DriverManager.getConnection（String URL）方法获取数据库的连接。

4、实现数据库的增删改查

在获取了数据库的连接之后，就可以操作数据库了，下面分别实现数据库的增删改查操作，定义一个UserDao类用于操作数据库。

1）查询

先看查询操作，查询可以一次查询出所有的数据，也可以根据相应的条件查询。

查询所有的数据，在UserDao中定义一个queryAll（）方法：

public ListUserVO queryAll（） throws Exception {

Connection conn = DBUtil.connectDB（）;

String sql = “SELECT * FROM tbl_user_info”;

ListUserVO userList = new ArrayListUserVO（）;

Statement stmt = conn.createStatement（）;

ResultSet rs = stmt.executeQuery（sql）;

while（rs.next（）） {

UserVO user = new UserVO（）;

user.setId（rs.getInt（“id”））;

user.setUserName（rs.getString（“user_name”））;

user.setAge（rs.getInt（“age”））;

user.setSex（rs.getInt（“sex”））;

user.setCreateDt（rs.getDate（“create_dt”））;

userList.add（user）;

}

return userList;

}

浅谈mysql数据库分库分表那些事-亿级数据存储方案

mysql分库分表一般有如下场景

其中1，2相对较容易实现,本文重点讲讲水平拆表和水平拆库,以及基于mybatis插件方式实现水平拆分方案落地。

在 《聊一聊扩展字段设计》 一文中有讲解到基于KV水平存储扩展字段方案,这就是非常典型的可以水平分表的场景。主表和kv表是一对N关系,随着主表数据量增长,KV表最大N倍线性增长。

这里我们以分KV表水平拆分为场景

对于kv扩展字段查询,只会根据id + key 或者 id 为条件的方式查询,所以这里我们可以按照id 分片即可

分512张表(实际场景具体分多少表还得根据字段增加的频次而定)

分表后表名为kv_000 ~ kv_511

id % 512 = 1 .... 分到 kv_001,

id % 512 = 2 .... 分到 kv_002

依次类推!

水平分表相对比较容易,后面会讲到基于mybatis插件实现方案

场景:以下我们基于博客文章表分库场景来分析

目标:

表结构如下(节选部分字段):

按照user_id sharding

假如分1024个库,按照user_id % 1024 hash

user_id % 1024 = 1 分到db_001库

user_id % 1024 = 2 分到db_002库

依次类推

目前是2个节点,假如后期达到瓶颈,我们可以增加至4个节点

最多可以增加只1024个节点,性能线性增长

对于水平分表/分库后,非shardingKey查询首先得考虑到

基于mybatis分库分表,一般常用的一种是基于spring AOP方式, 另外一种基于mybatis插件。其实两种方式思路差不多。

为了比较直观解决这个问题,我分别在Executor 和StatementHandler阶段2个拦截器

实现动态数据源获取接口

测试结果如下

由此可知,我们需要在Executor阶段 切换数据源

对于分库:

原始sql:

目标sql:

其中定义了三个注解

@useMaster 是否强制读主

@shardingBy 分片标识

@DB 定义逻辑表名 库名以及分片策略

1)编写entity

Insert

select

以上顺利实现mysql分库,同样的道理实现同时分库分表也很容易实现。

此插件具体实现方案已开源:

目录如下:

mysql分库分表,首先得找到瓶颈在哪里(IO or CPU),是分库还是分表,分多少？不能为了分库分表而拆分。

原则上是尽量先垂直拆分 后 水平拆分。

以上基于mybatis插件分库分表是一种实现思路,还有很多不完善的地方,

例如:

php+mysql可以处理亿级的数据吗

理论上是可以的，但效率上就有问题了，这么大量的数据一般不会放一张表里面，都会考虑分表，然后考虑索引、数据库主从、服务器配置等，提高查询效率php+mysql可以处理亿级的数据吗

如何处理MySQL每月5亿的数据

第一阶段：

1，一定要正确设计索引

2，一定要避免SQL语句全表扫描，所以SQL一定要走索引（如：一切的 != 等等之类的写法都会导致全表扫描）

3，一定要避免 limit 10000000,20 这样的查询

4，一定要避免 LEFT JOIN 之类的查询，不把这样的逻辑处理交给数据库

5，每个表索引不要建太多，大数据时会增加数据库的写入压力

第二阶段：

1，采用分表技术（大表分小表）

a)垂直分表：将部分字段分离出来，设计成分表，根据主表的主键关联

b)水平分表：将相同字段表中的记录按照某种Hash算法进行拆分多个分表

2，采用mysql分区技术（必须5.1版以上，此技术完全能够对抗Oracle），与水平分表有点类似，但是它是在逻辑层进行的水平分表

第三阶段（服务器方面）：

1,采用memcached之类的内存对象缓存系统，减少数据库读取操作

2,采用主从数据库设计，分离数据库的读写压力

3,采用Squid之类的代理服务器和Web缓存服务器技术

PS:由于篇幅问题，我只简单说一些基本概念，其实里面每个知识点关系到的内容都很多。特别是第一阶段，很多工作几年的程序员，都不能完全理解。我觉得要真正理解索引，最好的办法就是在1000W-亿级以上的数据，进行测试SQL语句，再结合 explain 命令进行查看SQL语句索引情况。

mysql 如何处理亿级数据

1、数据表 collect ( id, title ,info ,vtype) 就这4个字段，其中 title 用定长，info 用text, id 是逐渐，vtype是tinyint，vtype是索引。这是一个基本的新闻系统的简单模型。现在往里面填充数据，填充10万篇新闻。　

2、最后collect 为 10万条记录，数据库表占用硬盘1.6G。OK ,看下面这条sql语句：select id,title from collect limit 1000,10; 很快；基本上0.01秒就OK，再看下面的select id,title from collect limit 90000,10; 从9万条开始分页。

3、8-9秒完成。

4、看下面一条语句:select id from collect order by id limit 90000,10; 很快，0.04秒就OK。因为用了id主键做索引当然快。

如何提高亿级别 mysql group by order by 效率

1、使用用索引

注意有些情况下不能够使用索引来提高Order By语句的查询性能。

这里需要注意的是，并不是任何情况下都能够通过使用索引来提高Order Byz子句的查询效率。如对不同的关键字使用这个语句、混合使用ASC模式和DESC模式、用于查询条件的关键字与Order By语句中所使用的关键字不同、对关键字的非连续元素使用Order By子句、在同一条语句中使用不同的Order BY 和Group BY表达式、使用的表索引的类型不能够按顺序来保存行等情况，就无法通过使用索引来解决Order By语句的排序问题。此时就需要另想他法。如可以重新调整表结构或者查询语句，以满足使用这个特性的特定条件。

通常情况下，为了避免使用Order By语句导致的查询速度变慢的问题，先是需要考虑使用索引来解决问题。如果不能够通过索引来解决问题，那么可以通过缓存在一定程度来缓解。如可以增加soft_buffer_size变量的大小、根据实际情况调整Read_buffer_size变量的大小、更改tmpdir目录将其指向具有大量空闲空间的专用文件系统等等。有时候管理员可以使用这个特性将负载均匀分布到多个目录中去。

2、使用Explain关键字来确认是否可以通过索引来解决Order BY速度问题。

如可以通过使用explain select * from ad_user where is_active='Y' order by value(即在常规的查询语句前面加上一个explain关键字)，用来判断是否可以使用索引来提高查询的效率。

判断的方法是：如果这个查询语句中，有一个using filesort这个字段，那么就非常的抱歉，无法通过使用索引来提高这个语句的查询效率。反之，没有这个字段，则说明可以通过索引来提高查询效率。

3、分页优化

分页程序原理很简单，这里就不多说了。

标题名称：mysql亿级数据怎么办 mysql亿级数据优化
标题路径：http://hbruida.cn/article/hidgos.html