如何进行数据库调优以整合其工作负载

对于希望进行数据库调优、整合数据库工作负载的客户而言， 兼容 MySQL 的 Amazon Aurora 是热门选择。Aurora MySQL 是关系数据库引擎，它兼具高端商业数据库的速度和可靠性与开源数据库的简便性和高成本效益。它的吞吐量还可达到标准 MySQL 社区版本的五倍。在这篇博文中，我提供了一些意见，希望能够帮助您针对大型整合数据库工作负载优化 Amazon Aurora。我还回答了一些常见问题，例如“我可以整合的大小是多少？”和“我的数据集可以到多大？” 虽然这些问题很简单，但回答起来并不总是很容易。答案在很大程度上由数据集和工作负载模式决定。

对于整合用例，我将重点关注以下维度，然后更详细地讨论 Aurora MySQL 在相应环境中的运行情况：

1. 表的大小。整合的通常结果是更大的表。如果您在广告技术、物联网或消费者应用程序领域，通常会将大型同类应用程序的数据库拆分为多个分片，每个分片包含一部分数据。使用 Aurora，您可能无法完全消除分片，但可以通过整合减少分片数，以减少运营开销。
2. 表的数量。表的数量增加也是整合的结果。这种结果在需要租户隔离的 SaaS 应用程序中很常见，每个租户通常都有自己的数据库或一组表。这样的多个租户在较少且较大的 Aurora 集群上打包在一起，以降低每个租户的运营成本。
3. 数据库的利用率。整合数据库工作负载的利用率在许多指标上有所增加，包括更多的并发连接数。

在实际运营中，您会发现同一个项目中这其中的几个维度上会出现利用率上升。以下指南可帮助您在这些维度上优化工作负载。

Amazon Aurora 确实存在某些最大限制。对我们来说最重要的是 Aurora 集群的最大存储卷大小为 64 TB。卷最大大小规定了可以在 Aurora 集群中物理存储的数据量的上限。单个表的大小也存在上限。

此外，作为兼容 MySQL 的数据库引擎，Aurora MySQL 继承了 MySQL 和 InnoDB 存储引擎的许多特性。其中一些会影响整合的有效性。

Amazon Aurora 使用 16 KiB 页面存储数据。页面被分组到表空间中，表空间充当表和相关索引的容器。默认情况下，Aurora 对每个表使用单独的表空间，如果表已分区，则为表的每个分区使用单独的表空间。这样的表空间包含的大部分内容是以下数据结构：

• 包含表记录的聚集索引，按表的主键或唯一键排序。如果两个键都不可用，则使用内部单调递增的行 ID 来标识和排序记录。
• 表的辅助索引。
• 不适合在聚集索引记录储存的外部存储可变长度字段的值（BLOB、TEXT、VARCHAR、VARBINARY 等）。

前面的表结构意味着可以在给定表中存储的最大行数并没有固定值。最大行数取决于许多因素：

• 主键或唯一键选择支持的唯一值的最大数量。例如，如果对主键（流行的选择）使用无符号整数数据类型，则表最多支持 232 或略多于 42.9 亿行。
• 辅助索引的数量和大小。
• 直接存储在聚集索引记录中或外部页面上的可变长度数据量。
• 数据页面得到有效利用的程度。

至于在实际中能够有效整合多大的表，架构设计和查询模式是比行数更重要的因素。随着表中行数的增加，聚集索引和辅助索引的大小以及遍历这些索引所花费的时间也会增加。因此，查询性能会随表的大小增大而下降。让我们来更深入地了解一些最佳实践和缓解性能下降的方法。

对于大型的表，在特定查询模式和架构下，每页的记录密度很关键。Aurora MySQL 中的最大行长度（不包括可变长度数据）的大小略小于 8 KB（数据页的一半）。数据库管理页面以保持存储效率，而不会牺牲性能。就像 MySQL 社区版本中的 InnoDB 一样，Aurora MySQL 会保留页面的一部分，不进行填充，以容纳未来的写入并减少页面拆分。如果填充率下降到 50％  以下，它还会尝试将页面合并在一起。由于页面永远不会完全填满，因此始终存在一定的存储开销。

优化架构设计是确保有用开销不会变成过多存储浪费的最佳方法。这种浪费意味着更高的资源利用率和延迟，从而让工作负载的性能变得不可接受。

有效的架构设计有两个总体指导原则：

1. 给定表行中的所有信息都应具有同等价值。也就是说，您应该以同样的频率查询和操作行所有字段中的数据。在同一行存储使用频繁和使用不频繁的数据会导致效率低下。
2. 对于存储在给定列中的值，始终选择可用于表示它的最小的数据类型。在一行上的节省可能看起来很小，但如果有数十亿行，那所带来的节省将十分惊人。

如果架构包含可变长度字段，Aurora MySQL 会尝试将尽可能多的可变长度数据存储在聚集索引记录中，将其余数据存储在外部页面上。大数据记录导致数据页上的记录密度降低，进而造成查询性能下降。但是，如果查询主要影响包括可变长度字段在内的所有记录数据（读取和写入），您可能仍需要大的记录。如果不是这种情况，将这些大的字段转移到单独的表中可能更有利。更好的是，您可以将它们完全存储在数据库之外的对象存储中，例如 Amazon S3。

索引可有效提高查询性能。但是，它们需要额外的成本，消耗额外的存储和内存占用，并会降低写入性能。辅助索引记录不直接指向行的物理存储坐标。而是指向该行的主键值。因此，每个辅助索引记录都包含相应行的主键值的副本。

因此，复合主键也会导致更大的索引记录，并最终降低存储和 I/O 效率。仅使用需要的索引，并记住在复合索引中索引选择性从左向右移动。如果您的查询模式允许遵循该选择性规则，则可能有机会通过用较少的复合索引替换它们来减少索引数。

最终，通过使用有效的架构设计，在可接受的性能之下，您可以让表拥有更多的行。但是，实际的最大行数取决于数据内容以及您与数据的交互方式。

分区（和子分区）是一种缓解大型表性能下降的工具。由于默认情况下每个分区都存储在单独的表空间中，因此它包含该分区表达式确定的特定数据子集的聚集索引、辅助索引和外部页面。每个表最多可以有 8,192 个分区和子分区。但是，大量分区本身会造成性能问题。其中包括内存利用率上升以及使用大量分区的查询的性能问题。

由于分区中的索引结构较小，因此遍历更快。如果查询模式针对单个分区或一小组分区（称为分区修剪的优化），那么可能会获得性能提升。但是，不是针对某些特定分区的查询（例如，带有不包含分区列的谓词的查询）可能会变慢。出现这种情况是因为对于分区，引擎必须遍历多个较小的索引而不是一个较大的索引。因此，大型分区表的性能影响取决于您在工作负载中利用分区修剪或选择的有效程度。

对于大型表，具有准确的统计信息对于查询优化器非常重要。准确的统计信息可确保查询优化器使用具有正确基数的最具针对性的索引，从而提高查询性能。默认情况下，Aurora MySQL 会对 20 个随机索引页进行采样，以估算统计信息和基数。但是，在处理非常大的表或列中具有不均匀值分布的表时，这个数字可能不够。此外，默认情况下，统计信息将持久保存在磁盘上，并在表经过重大更改后会自动重新计算。数据操作语言 (DML) 操作影响 10％ 以上的行时就会发生这种情况。

对于非常大的表，较少发生这种程度的变化，因此统计信息随着时间的推移会变得不那么准确。因此，受影响的查询的性能会随着时间的推移而逐渐降低，甚至会陡降，因为达到了关键点并且查询优化器更改了执行计划。如果您怀疑这是问题，请使用 EXPLAIN 语句查看查询执行计划，以查明预期行为变化的原因。

我们还建议您为关键工作负载查询建立基线预期性能，并监控其性能。慢查询日志在记录超过特定阈值的查询时有效，但在捕获随时间缓慢性能降级方面效果较差。要持续监视查询的性能，在 MySQL 5.6 兼容版本中，您可以使用 MySQL 性能架构。但请注意，启用它会增加内存消耗，还可能降低整体系统性能。

有两种机制可以提高统计信息的准确性：

1. 使用信息架构（INNODB_TABLE_STATS和INNODB_INDEX_STATS），然后运行 ANALYZE TABLE 根据需要更新统计信息，监控相关表的表的年龄和索引统计信息。
2. 为数据库实例自定义数据库参数组，并增加采样的页数以提高准确性（请参阅下表）。但是，采样页面的增加也会增加计算统计信息所需的时间。

表多大时才会导致数据定义语言 (DDL) 操作出现问题？ 大小是一个因素，但表的活跃程度可能更重要。如果表维持每秒数千次写入，即使是只有几百万条或更少记录的相对较小的表，也可能会在执行 DDL 操作时遇到问题。

如果您的工作负载或工作负载更新依赖于频繁的 DDL 操作和架构更改，那么这些操作可能会限制您使用非常大的表的能力。此行为类似于 MySQL 社区版本的运行方式。脱机 DDL 操作会将数据复制到正确架构中的新表空间；因此，您需要有足够的可用容量。它们还会在操作范围内锁定表，这会打断正常的工作负载。执行在线 DDL 操作时会直接更改表数据。但是，它们会在临时空间中缓冲对表的新写入，仅在将这些写入合并时锁定表。会进行长时间在线 DDL 操作的工作负载对表生成大量写入，因此要合并的更改量相对较大。这样的大小会导致锁定合并阶段持续更长时间。在极端情况下，临时空间可能在表更改操作完成之前耗尽，从而使得在线 DDL 操作无法完成。

Aurora MySQL 还支持快速 DDL，它允许您在表的末尾添加一个可空列作为准瞬时操作。此功能有助于缓解前面描述的一些 DDL 问题。对于无法通过常规 DDL 或快速 DDL 操作有效处理的 DDL 操作，您可以考虑使用 Percona Online Schema Change Tool 来执行操作。如果该工具适用于您的用例，它可以不那么具有破坏性的方式执行 DDL 操作，但是对于非常大的表，操作时间会更长。

相关文章

返回上一级 云数据库文章 >>