高性能MySQL和普通MySQL的差别很多时候不是版本高低而是从“能跑”变成“知道它为什么快、为什么慢”。这几年我一直在做数据库相关的企业级应用最深的体会是面试题里背过的索引、事务、锁到了生产环境每一个都会变成真实故障。这篇内容按实战教程的方式来拆覆盖环境安装、索引调优、并发控制、主从复制、分库分表、备份还原和排错链路。适合刚接触数据库优化的开发同学也适合已经能写业务SQL、但遇到慢查询和死锁就头疼的工程师。我会尽量把每一步为什么这么做讲清楚也会把容易踩坑的地方单独拉出来说。MySQL 8.0是当前阶段最适合入门和落地的稳定主线版本下面所有经验都以它为主遇到版本差异时我会单独标注。1. 先把“高性能MySQL”翻译成具体指标别只看配置1.1 高性能不是“硬件堆得高”而是响应时间稳定很多人一提到高性能第一反应是加CPU、加内存、换SSD。硬件当然重要但生产环境里真正的性能问题往往是单条SQL低效、连接数被占满、锁等待过长、索引失效、缓存命中率低。加硬件可以暂时掩盖问题一旦数据量上来故障会以更难看的方式出现。我一般会先回答一个问题当前系统的响应时间能不能保持在业务可接受范围内这个范围需要你自己定义。对交易类系统可能要求P99小于200毫秒对报表系统可能允许某些大查询跑几秒。高性能不是所有SQL都快而是核心链路稳定、可预期、可排查。所以第一篇实战笔记的重点不是“调参”而是建立一套判断标准哪些指标代表系统健康哪些指标是故障诱因哪些指标适合做容量规划。没有判断标准调优就变成碰运气。1.2 企业级实战最该盯住哪几个量化指标MySQL的性能观测不能只靠感觉。至少要看以下指标慢查询数量每分钟、每小时产生多少慢SQL这是最直接的性能信号。连接数当前连接数、最大连接数、连接拒绝次数。缓冲池命中率InnoDB Buffer Pool命中率长期低于95%时要检查数据量和内存。锁等待次数和等待时间信息在performance_schema和sys库可以看到。QPS/TPS每秒查询数和事务数用来评估峰值压力。临时表数量大量磁盘临时表往往说明SQL排序或分组设计不够好。下面是日常巡检时我会使用的查询语句直接复制运行即可-- 查看当前连接 SHOW STATUS LIKE Threads_connected; -- 查看慢查询次数 SHOW GLOBAL STATUS LIKE Slow_queries; -- 查看InnoDB缓冲池命中率 SHOW GLOBAL STATUS LIKE Innodb_buffer_pool_read%; -- 查看锁等待次数 SHOW GLOBAL STATUS LIKE Innodb_row_lock_waits;这里有一个很常见的误区只看“CPU高不高”“内存够不够”来断定数据库是否有问题。实际发生慢查询时CPU往往不高磁盘IO和锁等待才是根因。所以我会建议在监控面板上同时看四个维度慢SQL、锁等待、缓冲池命中率、连接数。四个指标同时出现异常基本可以定位到具体方向。2. 环境准备安装、版本、基础参数和部署方式2.1 MySQL 8.0版本选择和安装后的第一件事当前阶段MySQL 8.0是社区使用最广的稳定主线。8.0相比5.7多了不少内部优化比如默认字符集是utf8mb4、支持窗口函数和公共表表达式、数据字典更完善。如果是要新启动项目建议直接上8.0。如果是老系统升迁则需要单独做兼容性验证。安装方式最常见的三种操作系统自带包管理器安装例如Ubuntu的apt、CentOS的yum。官网二进制包手动部署。Docker容器化部署。容器化部署在企业里越来越常见尤其是测试环境和CI/CD流程。一个最简单的docker-compose示例version: 3.8 services: mysql: image: mysql:8.0 container_name: mysql8 restart: always environment: MYSQL_ROOT_PASSWORD: root123456 MYSQL_DATABASE: appdb ports: - 3306:3306 command: - --character-set-serverutf8mb4 - --collation-serverutf8mb4_unicode_ci volumes: - mysql_data:/var/lib/mysql - ./my.cnf:/etc/mysql/conf.d/my.cnf volumes: mysql_data:安装完成后第一件事不是急着建库建表而是确认三件事字符集是不是utf8mb4避免表情字符和生僻字乱码。时区是否设置正确否则时间字段会出现8小时偏差。root账号是否只允许本机访问生产环境要立刻创建专用账号并分配最小权限。很多“连接不上”“中文乱码”问题其实就是安装后这几个基础项没有核对。2.2 慢查询日志、binlog和连接数先配好我见过不少项目上线大半年慢查询日志从来没打开过。等数据库卡住时只能靠猜。不要等到故障再开日志安装完就把基础观测配置好。一份适合基础环境的my.cnf参考配置[mysqld] # 慢查询日志 slow_query_log 1 slow_query_log_file /var/log/mysql/mysql-slow.log long_query_time 1 log_queries_not_using_indexes 1 # binlog用于数据恢复和主从 server-id 1 log_bin /var/log/mysql/mysql-bin binlog_format ROW expire_logs_days 7 # 连接数 max_connections 300 # InnoDB缓冲池建议设为物理内存的60%-70% innodb_buffer_pool_size 4G这里的long_query_time 1表示超过1秒的SQL会被记录下来。一开始可以设置成1秒平稳后可以调成2秒减少无关日志量。log_queries_not_using_indexes能帮你发现那些没有走索引的SQL但也会产生大量日志适合在排查阶段开启。binlog不是可选配置而是必须配置。即使不做主从复制误删数据之后恢复也要靠binlog。binlog_format ROW在大多数场景下比STATEMENT更安全能减少数据不一致风险。2.3 物理机和容器化部署怎么判断Docker部署MySQL非常适合本地开发、测试环境和快速验证。生产环境用容器也没有问题但要注意数据目录要挂载到宿主机不能放到容器内部。容器一旦重建数据就没了。另外还要注意容器网络的性能损耗。并发量很大的业务建议直接使用云数据库或物理机部署减少虚拟化层的不确定性。低并发、内部系统、中小项目容器化足够满足需求。判断依据很简单选Docker快速迭代、测试环境、资源隔离要求不高、团队Docker使用熟练。选物理机/云主机核心交易库、强IO需求、需要精细调优内核参数、对延迟敏感。这里最容易忽略的是磁盘IO。MySQL是IO密集型应用容器挂载普通磁盘和挂载SSD性能差距可能达到数倍。无论选哪种部署方式都要先确认磁盘类型和IO能力。3. 索引是高性能的核心先建对再调优3.1 EXPLAIN怎么看type、key、rows、Extra逐个拆MySQL的执行计划是调优第一入口。很多教程都会讲EXPLAIN但到了实际排查时有人只看type是不是ALL看到全表扫描就说要加索引。这样还不够。看EXPLAIN时我建议按这个顺序type从好到差一般是system const eq_ref ref range index ALL。出现ALL要重点排查但index全索引扫描也不一定就好。key实际使用的索引。注意possible_keys里显示有索引不代表实际用上了。rows预估扫描行数。这个数字与真实行数差距太大时往往是统计信息过期或结果集估算不准。Extra这里信息量最大。出现Using filesort说明排序没走索引Using temporary说明用了临时表Using index是覆盖索引Using where表示在存储引擎层后过滤。实际执行时EXPLAIN后面可以加FORMATJSON能拿到更多信息比如cost_info里的读取成本和评估总成本。这个格式更适合分析复杂查询。EXPLAIN FORMATJSON SELECT order_id, user_id, amount FROM orders WHERE user_id 10086 ORDER BY created_at DESC LIMIT 10;3.2 最左前缀、覆盖索引和回表案例联合索引是高性能场景里必须掌握的技能。假设有一个订单表查询条件是user_id加status排序是created_atALTER TABLE orders ADD INDEX idx_user_status_time (user_id, status, created_at);这个索引能不能生效要看WHERE条件里的字段顺序是否和索引最左前缀匹配。如果查询变成WHERE status 1 AND user_id 10086MySQL优化器一般还是会用user_id开头因为查询条件不区分书写顺序。但如果只查status 1这个联合索引就帮不上忙。回表问题也很典型。索引里存储的是索引字段和主键值查询其他字段需要回主表取数据。为了避免回表可以创建覆盖索引。比如业务上频繁按用户查询订单金额可以尝试ALTER TABLE orders ADD INDEX idx_user_amount (user_id, amount);这样SELECT user_id, amount FROM orders WHERE user_id 10086可以直接从索引返回数据不需要回表。覆盖索引的价值在查询频率高的场景里非常明显。3.3 冗余索引和隐式转换是常见隐性坑冗余索引比没有索引更容易被忽略。比如已经存在idx_user_status_time(user_id, status, created_at)又单独建了idx_user(user_id)冗余度很高。每次插入、更新、删除都要维护多余索引写入性能会被拖累。我一般会定期使用sys.schema_unused_indexes视图查看未使用索引再决定是否清理SELECT * FROM sys.schema_unused_indexes;隐式转换也是高频坑。比如user_id字段是varchar类型查询却传入了数字SELECT * FROM orders WHERE user_id 10086;MySQL可能会将字段转换成数字再比较导致索引失效。更稳定的写法是SELECT * FROM orders WHERE user_id 10086;排查时可以通过EXPLAIN里的rows和Extra观察。如果发现某条SQL在测试环境很快、生产环境很慢第一个怀疑对象不是服务器配置而是字符集、字段类型和索引是否一致。4. 从单条SQL到批量任务事务、锁与并发控制4.1 隔离级别选错导致的间隙锁和死锁MySQL默认隔离级别是REPEATABLE READ这个级别下InnoDB会在范围查询时使用间隙锁。间隙锁能防止幻读但也会增加锁冲突的几率。下面这个场景很典型BEGIN; SELECT * FROM orders WHERE status 1 FOR UPDATE; -- 对查出的订单做批量更新 UPDATE orders SET status 2 WHERE status 1; COMMIT;当status字段没有索引时InnoDB会锁住扫描到的所有记录和间隙其他事务的插入和更新会被阻塞。表面看是数据库“死锁”或“卡住”实际上是锁范围过大。解决思路有几种给status等过滤字段加索引让锁只落在符合条件的记录上。在业务允许的情况下把隔离级别调整为READ COMMITTED减少间隙锁。优化SQL缩小扫描范围避免一次性锁过多行。死锁发生时MySQL会自动选择回滚一个事务报错一般是Deadlock found when trying to get lock; try restarting transaction。遇到这个错误不要只想着调数据库参数先看事务里SQL的执行顺序是否一致。事务A先更新表1再更新表2事务B先更新表2再更新表1两个事务就会互相等待。让所有事务按照相同顺序访问表死锁概率会大幅下降。4.2 批量更新别一把梭分批、限流和超时批量更新是数据库性能问题的高发区。很多同学在测试环境执行几万行更新很快到了生产环境发现把整个库拖慢。原因很简单一次更新数万行或数十万行需要持有大量行锁、产生大量binlog、占用大量内存和IO。我一般会建议把批量任务拆成小批次每一批几百到几千行。执行完一批停顿一下再执行下一批。伪代码示例如下import pymysql import time connection pymysql.connect(hostlocalhost, userapp_user, passwordsecret, databaseappdb) batch_size 500 last_id 0 while True: with connection.cursor() as cursor: sql SELECT id FROM orders WHERE id %s AND status 1 ORDER BY id LIMIT %s cursor.execute(sql, (last_id, batch_size)) rows cursor.fetchall() if not rows: break ids [row[0] for row in rows] with connection.cursor() as cursor: sql UPDATE orders SET status 2 WHERE id IN (%s) % ,.join([%s] * len(ids)) cursor.execute(sql, ids) connection.commit() last_id ids[-1] time.sleep(0.2) connection.close()这个做法有几个好处单批锁范围小不影响其他事务。每批提交后失败时能从上一次批次的边界继续。避免过大的binlog事务导致主从延迟。注意不要每行单独提交事务那样提交次数太多反而更慢。批量大小需要根据业务容忍度和数据库压力调整没有统一最优值。4.3 存储过程、事件调度和定时任务要控制粒度MySQL存储过程在特定场景下确实能减少网络往返比如批量生成报表数据、复杂业务逻辑一次性计算。但存储过程不适合承载所有业务逻辑原因不是“存储过程不行”而是它很难调试、难扩展、难做单元测试。一旦计算逻辑需要改动频繁修改数据库端代码会让后续维护成本很高。如果项目确实用到了存储过程建议让它只做数据密集型和事务边界清晰的任务业务规则尽量放到应用层。事件调度器EVENT可以用于建立定时任务但要注意它和操作系统crontab之间的区别。事件调度器依赖MySQL服务持续运行服务重启后是否自动执行、执行时间是否重叠都需要提前考虑。例如创建一个每隔5分钟清理过期日志的事件CREATE EVENT clean_expired_logs ON SCHEDULE EVERY 5 MINUTE DO DELETE FROM operation_logs WHERE created_at NOW() - INTERVAL 30 DAY;这种写法会一次清理大量数据仍然存在大事务问题。更稳妥的写法是结合存储过程在存储过程内部用小批次循环删除。关键点是定时任务也要考虑锁、日志量、主从延迟不能因为“是后台任务”就放松约束。5. 企业级应用实践主从复制、分库分表和备份还原5.1 主从复制半同步、延迟和切换生产环境的核心库通常都会做高可用最基础的就是一主一从或者一主多从。主从复制的基本链路是主库写入binlog从库IO线程拉取binlog写入中继日志从库SQL线程回放中继日志。8.0默认的复制方式基于binlog的ROW格式比老版本更安全。配置主从的核心步骤主库开启binlog设置server-id。创建复制专用账号分配REPLICATION SLAVE权限。从库通过CHANGE MASTER TO指定主库地址、日志文件和位置。从库执行START SLAVE。通过SHOW SLAVE STATUS检查Slave_IO_Running和Slave_SQL_Running是否都为YES。一个隐蔽的问题是主从延迟。主从延迟不只是网络慢更常见的是从库硬件比主库弱、从库上还跑了分析查询、大事务回放耗时过长。要监测延迟可以看Seconds_Behind_Master但遇到并行复制场景时这个值不能完全代表问题。另外复制账号密码不要放在命令行历史里。使用CHANGE MASTER TO后可以用START SLAVE之前再次确认配置或者用mysql_config_editor维护登录选项减少明文泄露风险。5.2 分库分表什么时候做、按什么维度做分库分表是很多人一听就兴奋的话题但我不建议在数据量还没到瓶颈时提前做。分库分表会带来跨节点事务、聚合查询、分布式ID、迁移等一系列复杂度。工程实践里更合理的原则是先做单库优化、缓存、归档最后才考虑分片。什么时候该做没有固定标准但可以参考几个信号单表数据量达到千万级别以上且索引优化后还是慢。写入并发过高单库连接数和IO已经到达瓶颈。某些维度查询非常集中例如用户维度的订单查询。存储空间或备份耗时已经超过可接受范围。分片维度要跟着业务查询维度走。电商订单场景通常按用户ID分片因为用户查询自己订单是最常见场景。但运营后台需要按商家查订单又会遇到跨分片查询。所以分片方案设计时要和产品、运维一起梳理高频查询条件不能只选一个听起来通用的字段。分库分表之后分布式事务尽量通过最终一致性方案处理不要指望数据库层面完全做到强一致。常见做法是本地消息表、事务消息、Saga模式。这个话题很深但核心是先能接受“数据最终一致”再谈技术选型。5.3 备份还原逻辑备份和物理备份怎么选备份是运维生命线看起来简单出事时才知道重要性。MySQL备份主要分两类逻辑备份使用mysqldump导出SQL或CSV适合中小数据和需要跨版本迁移的场景。物理备份直接复制数据文件适合大数据量、恢复速度要求高的场景。mysqldump的基础示例mysqldump -u root -p --single-transaction --set-gtid-purgedOFF appdb appdb_backup.sql--single-transaction在InnoDB表上通过一致性快照导出不会长时间锁表但导出过程中依然会产生一定压力。大表导出会占用较多磁盘和IO所以备份时间最好安排在业务低峰。物理备份工具常见的是xtrabackup备份速度快恢复时也需要对应版本兼容。8.0环境下要特别注意工具版本是否兼容MySQL 8.0否则备份过程会报错。恢复演练是很多人真正忽略的部分。备份文件能生成不代表能恢复。建议每个季度至少做一次完整还原演练验证备份文件、binlog位置、权限和数据完整性。只备份不演练严格来说等于没有备份。6. 常见报错和排查链路从现象到根因6.1 连接不上、锁等待、慢查询的排查顺序MySQL故障排查最怕一上来就改参数。我先说一套通用排查顺序这套顺序适用于大多数“数据库突然变慢”“连接不上”“查询卡住”的问题看现象报错内容是什么业务表现是什么。看日志MySQL错误日志、慢查询日志、应用日志。看进程SHOW PROCESSLIST里有哪些会话在运行状态是Locked、Sending data还是Waiting for table metadata lock。看资源CPU、内存、磁盘IO、连接数判断是资源不足还是SQL问题。看锁和事务performance_schema和sys库查看是否有长时间未提交事务。比如连接不上的报错经常是ERROR 1040 (HY000): Too many connections这个报错说明连接数已经打满。不要只调max_connections先看为什么连接会打满。常见原因是应用连接池配置过大、慢查询占着连接不释放、存在连接泄漏。调大max_connections只能临时缓解不能根治。再比如Waiting for table metadata lock说明有会话持有表级元数据锁通常来自未提交事务。这个报错和慢查询不一样核心排查对象是那个一直没提交事务的会话而不是当前卡住的SQL。6.2 案例一条SQL从3秒到毫秒级的调优记录我举一个比较典型的例子。业务表orders大约500万行查询条件是SELECT order_id, user_id, amount, status FROM orders WHERE status 1 ORDER BY created_at DESC LIMIT 20;第一次执行耗时在3秒左右EXPLAIN显示type为ALLrows约500万Extra里还有Using filesort。处理过程先给status建单列索引。执行后扫描行数下降但ORDER BY仍然需要文件排序耗时降到了1秒左右。由于status 1的订单记录仍然很多单列索引区分度不高就修改成联合索引(status, created_at)。这样WHERE条件过滤后排序也可以从索引直接获取。再检查SELECT的字段发现需要查询的字段基本都在索引里就把索引进一步调整为(status, created_at, order_id, user_id, amount)让查询走覆盖索引。最终SQL执行时间从3秒降到5毫秒以内。这个案例说明一个道理加索引不能只看有没有索引要看索引是否完整覆盖了查询链路。一个联合索引把过滤、排序、返回列都覆盖住性能提升会非常明显。6.3 排查清单环境、索引、统计信息、参数最后给一份针对MySQL慢查询和高负载的排查清单按优先级排列配置文件字符集、时区、慢查询日志、binlog是否配置正确。数据库版本是否8.0旧版本是否需要升级版本是否一致。数据量单表行数、单库总大小、增长率。索引情况是否有合适的索引是否存在冗余索引是否有隐式转换。表统计信息ANALYZE TABLE之后执行计划是否变化。缓冲池大小innodb_buffer_pool_size是否过小。连接池配置应用侧最大连接数和数据库max_connections是否匹配。锁和事务是否有长时间未提交事务、是否存在死锁日志。慢查询日志分析Top SQL的执行频率、扫描行数、耗时。定时任务是否有时间点上的全量更新、统计报表任务和大批量删除。这条清单不是万能药但能覆盖80%以上常见故障。排查时不要跳跃先日志后进程、先SQL后参数、先索引后硬件。7. 结尾MySQL高性能这个主题越深入越会发现变量很多数据量、硬件、版本、业务模式、并发模型、索引设计、事务行为、复制策略每一个都会影响最终表现。真正落地的步骤不是一次调完就能永久稳定而是要在运行过程中持续观察慢查询、锁等待、连接数和磁盘IO。我个人的建议是先保证单条核心SQL能稳定、快速执行再考虑批量任务和复杂架构。先把索引和事务设计走稳再去做主从、分库分表。环境参数要配置但不要盲目照搬网上的所谓“最佳配置”每台机器的内存大小、业务压力和数据量都不一样必须根据实际观察结果调整。踩过几次坑之后你会发现很多看起来玄乎的性能问题根因往往很普通一次隐式转换、一个没建对的联合索引、一个忘了提交的事务、一批一把梭的更新任务。把基础链路做扎实比追着新特性跑更有价值。
高性能MySQL和普通MySQL的差别很多时候不是版本高低而是从“能跑”变成“知道它为什么快、为什么慢”。这几年我一直在做数据库相关的企业级应用最深的体会是面试题里背过的索引、事务、锁到了生产环境每一个都会变成真实故障。这篇内容按实战教程的方式来拆覆盖环境安装、索引调优、并发控制、主从复制、分库分表、备份还原和排错链路。适合刚接触数据库优化的开发同学也适合已经能写业务SQL、但遇到慢查询和死锁就头疼的工程师。我会尽量把每一步为什么这么做讲清楚也会把容易踩坑的地方单独拉出来说。MySQL 8.0是当前阶段最适合入门和落地的稳定主线版本下面所有经验都以它为主遇到版本差异时我会单独标注。1. 先把“高性能MySQL”翻译成具体指标别只看配置1.1 高性能不是“硬件堆得高”而是响应时间稳定很多人一提到高性能第一反应是加CPU、加内存、换SSD。硬件当然重要但生产环境里真正的性能问题往往是单条SQL低效、连接数被占满、锁等待过长、索引失效、缓存命中率低。加硬件可以暂时掩盖问题一旦数据量上来故障会以更难看的方式出现。我一般会先回答一个问题当前系统的响应时间能不能保持在业务可接受范围内这个范围需要你自己定义。对交易类系统可能要求P99小于200毫秒对报表系统可能允许某些大查询跑几秒。高性能不是所有SQL都快而是核心链路稳定、可预期、可排查。所以第一篇实战笔记的重点不是“调参”而是建立一套判断标准哪些指标代表系统健康哪些指标是故障诱因哪些指标适合做容量规划。没有判断标准调优就变成碰运气。1.2 企业级实战最该盯住哪几个量化指标MySQL的性能观测不能只靠感觉。至少要看以下指标慢查询数量每分钟、每小时产生多少慢SQL这是最直接的性能信号。连接数当前连接数、最大连接数、连接拒绝次数。缓冲池命中率InnoDB Buffer Pool命中率长期低于95%时要检查数据量和内存。锁等待次数和等待时间信息在performance_schema和sys库可以看到。QPS/TPS每秒查询数和事务数用来评估峰值压力。临时表数量大量磁盘临时表往往说明SQL排序或分组设计不够好。下面是日常巡检时我会使用的查询语句直接复制运行即可-- 查看当前连接 SHOW STATUS LIKE Threads_connected; -- 查看慢查询次数 SHOW GLOBAL STATUS LIKE Slow_queries; -- 查看InnoDB缓冲池命中率 SHOW GLOBAL STATUS LIKE Innodb_buffer_pool_read%; -- 查看锁等待次数 SHOW GLOBAL STATUS LIKE Innodb_row_lock_waits;这里有一个很常见的误区只看“CPU高不高”“内存够不够”来断定数据库是否有问题。实际发生慢查询时CPU往往不高磁盘IO和锁等待才是根因。所以我会建议在监控面板上同时看四个维度慢SQL、锁等待、缓冲池命中率、连接数。四个指标同时出现异常基本可以定位到具体方向。2. 环境准备安装、版本、基础参数和部署方式2.1 MySQL 8.0版本选择和安装后的第一件事当前阶段MySQL 8.0是社区使用最广的稳定主线。8.0相比5.7多了不少内部优化比如默认字符集是utf8mb4、支持窗口函数和公共表表达式、数据字典更完善。如果是要新启动项目建议直接上8.0。如果是老系统升迁则需要单独做兼容性验证。安装方式最常见的三种操作系统自带包管理器安装例如Ubuntu的apt、CentOS的yum。官网二进制包手动部署。Docker容器化部署。容器化部署在企业里越来越常见尤其是测试环境和CI/CD流程。一个最简单的docker-compose示例version: 3.8 services: mysql: image: mysql:8.0 container_name: mysql8 restart: always environment: MYSQL_ROOT_PASSWORD: root123456 MYSQL_DATABASE: appdb ports: - 3306:3306 command: - --character-set-serverutf8mb4 - --collation-serverutf8mb4_unicode_ci volumes: - mysql_data:/var/lib/mysql - ./my.cnf:/etc/mysql/conf.d/my.cnf volumes: mysql_data:安装完成后第一件事不是急着建库建表而是确认三件事字符集是不是utf8mb4避免表情字符和生僻字乱码。时区是否设置正确否则时间字段会出现8小时偏差。root账号是否只允许本机访问生产环境要立刻创建专用账号并分配最小权限。很多“连接不上”“中文乱码”问题其实就是安装后这几个基础项没有核对。2.2 慢查询日志、binlog和连接数先配好我见过不少项目上线大半年慢查询日志从来没打开过。等数据库卡住时只能靠猜。不要等到故障再开日志安装完就把基础观测配置好。一份适合基础环境的my.cnf参考配置[mysqld] # 慢查询日志 slow_query_log 1 slow_query_log_file /var/log/mysql/mysql-slow.log long_query_time 1 log_queries_not_using_indexes 1 # binlog用于数据恢复和主从 server-id 1 log_bin /var/log/mysql/mysql-bin binlog_format ROW expire_logs_days 7 # 连接数 max_connections 300 # InnoDB缓冲池建议设为物理内存的60%-70% innodb_buffer_pool_size 4G这里的long_query_time 1表示超过1秒的SQL会被记录下来。一开始可以设置成1秒平稳后可以调成2秒减少无关日志量。log_queries_not_using_indexes能帮你发现那些没有走索引的SQL但也会产生大量日志适合在排查阶段开启。binlog不是可选配置而是必须配置。即使不做主从复制误删数据之后恢复也要靠binlog。binlog_format ROW在大多数场景下比STATEMENT更安全能减少数据不一致风险。2.3 物理机和容器化部署怎么判断Docker部署MySQL非常适合本地开发、测试环境和快速验证。生产环境用容器也没有问题但要注意数据目录要挂载到宿主机不能放到容器内部。容器一旦重建数据就没了。另外还要注意容器网络的性能损耗。并发量很大的业务建议直接使用云数据库或物理机部署减少虚拟化层的不确定性。低并发、内部系统、中小项目容器化足够满足需求。判断依据很简单选Docker快速迭代、测试环境、资源隔离要求不高、团队Docker使用熟练。选物理机/云主机核心交易库、强IO需求、需要精细调优内核参数、对延迟敏感。这里最容易忽略的是磁盘IO。MySQL是IO密集型应用容器挂载普通磁盘和挂载SSD性能差距可能达到数倍。无论选哪种部署方式都要先确认磁盘类型和IO能力。3. 索引是高性能的核心先建对再调优3.1 EXPLAIN怎么看type、key、rows、Extra逐个拆MySQL的执行计划是调优第一入口。很多教程都会讲EXPLAIN但到了实际排查时有人只看type是不是ALL看到全表扫描就说要加索引。这样还不够。看EXPLAIN时我建议按这个顺序type从好到差一般是system const eq_ref ref range index ALL。出现ALL要重点排查但index全索引扫描也不一定就好。key实际使用的索引。注意possible_keys里显示有索引不代表实际用上了。rows预估扫描行数。这个数字与真实行数差距太大时往往是统计信息过期或结果集估算不准。Extra这里信息量最大。出现Using filesort说明排序没走索引Using temporary说明用了临时表Using index是覆盖索引Using where表示在存储引擎层后过滤。实际执行时EXPLAIN后面可以加FORMATJSON能拿到更多信息比如cost_info里的读取成本和评估总成本。这个格式更适合分析复杂查询。EXPLAIN FORMATJSON SELECT order_id, user_id, amount FROM orders WHERE user_id 10086 ORDER BY created_at DESC LIMIT 10;3.2 最左前缀、覆盖索引和回表案例联合索引是高性能场景里必须掌握的技能。假设有一个订单表查询条件是user_id加status排序是created_atALTER TABLE orders ADD INDEX idx_user_status_time (user_id, status, created_at);这个索引能不能生效要看WHERE条件里的字段顺序是否和索引最左前缀匹配。如果查询变成WHERE status 1 AND user_id 10086MySQL优化器一般还是会用user_id开头因为查询条件不区分书写顺序。但如果只查status 1这个联合索引就帮不上忙。回表问题也很典型。索引里存储的是索引字段和主键值查询其他字段需要回主表取数据。为了避免回表可以创建覆盖索引。比如业务上频繁按用户查询订单金额可以尝试ALTER TABLE orders ADD INDEX idx_user_amount (user_id, amount);这样SELECT user_id, amount FROM orders WHERE user_id 10086可以直接从索引返回数据不需要回表。覆盖索引的价值在查询频率高的场景里非常明显。3.3 冗余索引和隐式转换是常见隐性坑冗余索引比没有索引更容易被忽略。比如已经存在idx_user_status_time(user_id, status, created_at)又单独建了idx_user(user_id)冗余度很高。每次插入、更新、删除都要维护多余索引写入性能会被拖累。我一般会定期使用sys.schema_unused_indexes视图查看未使用索引再决定是否清理SELECT * FROM sys.schema_unused_indexes;隐式转换也是高频坑。比如user_id字段是varchar类型查询却传入了数字SELECT * FROM orders WHERE user_id 10086;MySQL可能会将字段转换成数字再比较导致索引失效。更稳定的写法是SELECT * FROM orders WHERE user_id 10086;排查时可以通过EXPLAIN里的rows和Extra观察。如果发现某条SQL在测试环境很快、生产环境很慢第一个怀疑对象不是服务器配置而是字符集、字段类型和索引是否一致。4. 从单条SQL到批量任务事务、锁与并发控制4.1 隔离级别选错导致的间隙锁和死锁MySQL默认隔离级别是REPEATABLE READ这个级别下InnoDB会在范围查询时使用间隙锁。间隙锁能防止幻读但也会增加锁冲突的几率。下面这个场景很典型BEGIN; SELECT * FROM orders WHERE status 1 FOR UPDATE; -- 对查出的订单做批量更新 UPDATE orders SET status 2 WHERE status 1; COMMIT;当status字段没有索引时InnoDB会锁住扫描到的所有记录和间隙其他事务的插入和更新会被阻塞。表面看是数据库“死锁”或“卡住”实际上是锁范围过大。解决思路有几种给status等过滤字段加索引让锁只落在符合条件的记录上。在业务允许的情况下把隔离级别调整为READ COMMITTED减少间隙锁。优化SQL缩小扫描范围避免一次性锁过多行。死锁发生时MySQL会自动选择回滚一个事务报错一般是Deadlock found when trying to get lock; try restarting transaction。遇到这个错误不要只想着调数据库参数先看事务里SQL的执行顺序是否一致。事务A先更新表1再更新表2事务B先更新表2再更新表1两个事务就会互相等待。让所有事务按照相同顺序访问表死锁概率会大幅下降。4.2 批量更新别一把梭分批、限流和超时批量更新是数据库性能问题的高发区。很多同学在测试环境执行几万行更新很快到了生产环境发现把整个库拖慢。原因很简单一次更新数万行或数十万行需要持有大量行锁、产生大量binlog、占用大量内存和IO。我一般会建议把批量任务拆成小批次每一批几百到几千行。执行完一批停顿一下再执行下一批。伪代码示例如下import pymysql import time connection pymysql.connect(hostlocalhost, userapp_user, passwordsecret, databaseappdb) batch_size 500 last_id 0 while True: with connection.cursor() as cursor: sql SELECT id FROM orders WHERE id %s AND status 1 ORDER BY id LIMIT %s cursor.execute(sql, (last_id, batch_size)) rows cursor.fetchall() if not rows: break ids [row[0] for row in rows] with connection.cursor() as cursor: sql UPDATE orders SET status 2 WHERE id IN (%s) % ,.join([%s] * len(ids)) cursor.execute(sql, ids) connection.commit() last_id ids[-1] time.sleep(0.2) connection.close()这个做法有几个好处单批锁范围小不影响其他事务。每批提交后失败时能从上一次批次的边界继续。避免过大的binlog事务导致主从延迟。注意不要每行单独提交事务那样提交次数太多反而更慢。批量大小需要根据业务容忍度和数据库压力调整没有统一最优值。4.3 存储过程、事件调度和定时任务要控制粒度MySQL存储过程在特定场景下确实能减少网络往返比如批量生成报表数据、复杂业务逻辑一次性计算。但存储过程不适合承载所有业务逻辑原因不是“存储过程不行”而是它很难调试、难扩展、难做单元测试。一旦计算逻辑需要改动频繁修改数据库端代码会让后续维护成本很高。如果项目确实用到了存储过程建议让它只做数据密集型和事务边界清晰的任务业务规则尽量放到应用层。事件调度器EVENT可以用于建立定时任务但要注意它和操作系统crontab之间的区别。事件调度器依赖MySQL服务持续运行服务重启后是否自动执行、执行时间是否重叠都需要提前考虑。例如创建一个每隔5分钟清理过期日志的事件CREATE EVENT clean_expired_logs ON SCHEDULE EVERY 5 MINUTE DO DELETE FROM operation_logs WHERE created_at NOW() - INTERVAL 30 DAY;这种写法会一次清理大量数据仍然存在大事务问题。更稳妥的写法是结合存储过程在存储过程内部用小批次循环删除。关键点是定时任务也要考虑锁、日志量、主从延迟不能因为“是后台任务”就放松约束。5. 企业级应用实践主从复制、分库分表和备份还原5.1 主从复制半同步、延迟和切换生产环境的核心库通常都会做高可用最基础的就是一主一从或者一主多从。主从复制的基本链路是主库写入binlog从库IO线程拉取binlog写入中继日志从库SQL线程回放中继日志。8.0默认的复制方式基于binlog的ROW格式比老版本更安全。配置主从的核心步骤主库开启binlog设置server-id。创建复制专用账号分配REPLICATION SLAVE权限。从库通过CHANGE MASTER TO指定主库地址、日志文件和位置。从库执行START SLAVE。通过SHOW SLAVE STATUS检查Slave_IO_Running和Slave_SQL_Running是否都为YES。一个隐蔽的问题是主从延迟。主从延迟不只是网络慢更常见的是从库硬件比主库弱、从库上还跑了分析查询、大事务回放耗时过长。要监测延迟可以看Seconds_Behind_Master但遇到并行复制场景时这个值不能完全代表问题。另外复制账号密码不要放在命令行历史里。使用CHANGE MASTER TO后可以用START SLAVE之前再次确认配置或者用mysql_config_editor维护登录选项减少明文泄露风险。5.2 分库分表什么时候做、按什么维度做分库分表是很多人一听就兴奋的话题但我不建议在数据量还没到瓶颈时提前做。分库分表会带来跨节点事务、聚合查询、分布式ID、迁移等一系列复杂度。工程实践里更合理的原则是先做单库优化、缓存、归档最后才考虑分片。什么时候该做没有固定标准但可以参考几个信号单表数据量达到千万级别以上且索引优化后还是慢。写入并发过高单库连接数和IO已经到达瓶颈。某些维度查询非常集中例如用户维度的订单查询。存储空间或备份耗时已经超过可接受范围。分片维度要跟着业务查询维度走。电商订单场景通常按用户ID分片因为用户查询自己订单是最常见场景。但运营后台需要按商家查订单又会遇到跨分片查询。所以分片方案设计时要和产品、运维一起梳理高频查询条件不能只选一个听起来通用的字段。分库分表之后分布式事务尽量通过最终一致性方案处理不要指望数据库层面完全做到强一致。常见做法是本地消息表、事务消息、Saga模式。这个话题很深但核心是先能接受“数据最终一致”再谈技术选型。5.3 备份还原逻辑备份和物理备份怎么选备份是运维生命线看起来简单出事时才知道重要性。MySQL备份主要分两类逻辑备份使用mysqldump导出SQL或CSV适合中小数据和需要跨版本迁移的场景。物理备份直接复制数据文件适合大数据量、恢复速度要求高的场景。mysqldump的基础示例mysqldump -u root -p --single-transaction --set-gtid-purgedOFF appdb appdb_backup.sql--single-transaction在InnoDB表上通过一致性快照导出不会长时间锁表但导出过程中依然会产生一定压力。大表导出会占用较多磁盘和IO所以备份时间最好安排在业务低峰。物理备份工具常见的是xtrabackup备份速度快恢复时也需要对应版本兼容。8.0环境下要特别注意工具版本是否兼容MySQL 8.0否则备份过程会报错。恢复演练是很多人真正忽略的部分。备份文件能生成不代表能恢复。建议每个季度至少做一次完整还原演练验证备份文件、binlog位置、权限和数据完整性。只备份不演练严格来说等于没有备份。6. 常见报错和排查链路从现象到根因6.1 连接不上、锁等待、慢查询的排查顺序MySQL故障排查最怕一上来就改参数。我先说一套通用排查顺序这套顺序适用于大多数“数据库突然变慢”“连接不上”“查询卡住”的问题看现象报错内容是什么业务表现是什么。看日志MySQL错误日志、慢查询日志、应用日志。看进程SHOW PROCESSLIST里有哪些会话在运行状态是Locked、Sending data还是Waiting for table metadata lock。看资源CPU、内存、磁盘IO、连接数判断是资源不足还是SQL问题。看锁和事务performance_schema和sys库查看是否有长时间未提交事务。比如连接不上的报错经常是ERROR 1040 (HY000): Too many connections这个报错说明连接数已经打满。不要只调max_connections先看为什么连接会打满。常见原因是应用连接池配置过大、慢查询占着连接不释放、存在连接泄漏。调大max_connections只能临时缓解不能根治。再比如Waiting for table metadata lock说明有会话持有表级元数据锁通常来自未提交事务。这个报错和慢查询不一样核心排查对象是那个一直没提交事务的会话而不是当前卡住的SQL。6.2 案例一条SQL从3秒到毫秒级的调优记录我举一个比较典型的例子。业务表orders大约500万行查询条件是SELECT order_id, user_id, amount, status FROM orders WHERE status 1 ORDER BY created_at DESC LIMIT 20;第一次执行耗时在3秒左右EXPLAIN显示type为ALLrows约500万Extra里还有Using filesort。处理过程先给status建单列索引。执行后扫描行数下降但ORDER BY仍然需要文件排序耗时降到了1秒左右。由于status 1的订单记录仍然很多单列索引区分度不高就修改成联合索引(status, created_at)。这样WHERE条件过滤后排序也可以从索引直接获取。再检查SELECT的字段发现需要查询的字段基本都在索引里就把索引进一步调整为(status, created_at, order_id, user_id, amount)让查询走覆盖索引。最终SQL执行时间从3秒降到5毫秒以内。这个案例说明一个道理加索引不能只看有没有索引要看索引是否完整覆盖了查询链路。一个联合索引把过滤、排序、返回列都覆盖住性能提升会非常明显。6.3 排查清单环境、索引、统计信息、参数最后给一份针对MySQL慢查询和高负载的排查清单按优先级排列配置文件字符集、时区、慢查询日志、binlog是否配置正确。数据库版本是否8.0旧版本是否需要升级版本是否一致。数据量单表行数、单库总大小、增长率。索引情况是否有合适的索引是否存在冗余索引是否有隐式转换。表统计信息ANALYZE TABLE之后执行计划是否变化。缓冲池大小innodb_buffer_pool_size是否过小。连接池配置应用侧最大连接数和数据库max_connections是否匹配。锁和事务是否有长时间未提交事务、是否存在死锁日志。慢查询日志分析Top SQL的执行频率、扫描行数、耗时。定时任务是否有时间点上的全量更新、统计报表任务和大批量删除。这条清单不是万能药但能覆盖80%以上常见故障。排查时不要跳跃先日志后进程、先SQL后参数、先索引后硬件。7. 结尾MySQL高性能这个主题越深入越会发现变量很多数据量、硬件、版本、业务模式、并发模型、索引设计、事务行为、复制策略每一个都会影响最终表现。真正落地的步骤不是一次调完就能永久稳定而是要在运行过程中持续观察慢查询、锁等待、连接数和磁盘IO。我个人的建议是先保证单条核心SQL能稳定、快速执行再考虑批量任务和复杂架构。先把索引和事务设计走稳再去做主从、分库分表。环境参数要配置但不要盲目照搬网上的所谓“最佳配置”每台机器的内存大小、业务压力和数据量都不一样必须根据实际观察结果调整。踩过几次坑之后你会发现很多看起来玄乎的性能问题根因往往很普通一次隐式转换、一个没建对的联合索引、一个忘了提交的事务、一批一把梭的更新任务。把基础链路做扎实比追着新特性跑更有价值。
