前言:
此刻看官们对“php存储引擎”大约比较着重,大家都需要知道一些“php存储引擎”的相关知识。那么小编在网摘上收集了一些对于“php存储引擎””的相关知识,希望姐妹们能喜欢,各位老铁们一起来学习一下吧!明确场景
要回答这个问题,我们一般分几步来走:
1.确认问题,对齐Sql语句;
2.解答问题本身,也就是时间复杂度分析;
3.针对本身提出这个场景,可能出现的性能瓶颈进行分析;
4.针对瓶颈,提出多种优化手段。
接下来我们就按照这个思路来一步步深入。
对齐Sql语句
通常而言,面试官抛出一个问题,不见得就是一个非常完善、非常准确的描述,他其实是希望你能提出问题,通过沟通对齐,这也是工作中必备的能力。
首先问面试官,目前表的结构大概是怎样,索引的建设,又是怎样的,假设通过沟通,我们得到如下简化过的表t_player:
字段名
类型
描述
id
bigint(20) unsigned
主键id
score
int(11) unsigned
分数
name
varchar(128)
姓名
只在score字段上建了二级索引,大小是从小到大。这里要找第k个,其实就是偏移k-1:
select * from t_player order by score desc offset k - 1 limit 1
时间复杂度分析
这个问题的核心就是查找语句的时间复杂度是多少?
这道题实际是有一定引导性的,故意说索引,就是想让你往树分支上引,我们都知道,走索引,按数值本身查找一个数据,那二级索引的时间复杂度,肯定是O(logN)。
但这题不一样,是找第k个,比如第100个,我们其实是不知道树的分支结构具体是怎样的,也就是说我们不知道左子树有多少个节点,右子树有多少个节点。
进一步而言,我们没法确定走哪条路,树的分支结构不可行。
所以这里其实是考察B+树的理解,B+树除了分支,底层还有一个双链表,直接走双链表查询,反而是更快的了。
时间复杂读O(N),我们反过来想,其实这道题就是考你B+树数据结构,如果直接问你B+树结构,大多数有准备的同学,都能回答清楚,但是通过一个实际问题来问你,只有真正理解其作用,才能快速答出。
这就完了吗?当然没有,这只是一个起手式,下一步,面试官肯定会问你这个操作的性能如何,当然你也可以主动谈起。
offet慢问题
如果offset大于10000,这个数据查询就会非常的慢。为什么会慢呢,一般都会答因为遍历,时间复杂度是O(N)。
但实际如果你测试一下,你会发现这条语句会慢得离谱,这绝不是所谓遍历能导致的。
更深层次的原因在于,对于前10000个不需要的数据,MySQL每次也要回表去查找,这就导致了10000次随机IO,当然慢成狗。
优化方案
如果有开发经验的同学,会很容易想到从业务形态上去优化,这里就不卖关子了,这种场景通常有三种解决方案。
1.业务上绕过
将limit、offset,改为next,也就是将第x页,改为下一页,这样就
可以通过树分支查找。
举个例子,百度的搜索界面,就是典型的分页面。
而现在移动互联网时代,用得更多的就是上一页、下一页这样的翻页逻辑,微博、抖音都是这样的逻辑。
--- 记录score为prev_scoreselect score from t_player order by score desc limit 20--- 记录score为prev_scoreselect score from t_player where score < prev_score order by score desc limit 20
使用这种模式,可以利用树索引直接找到目标,也绕过了无效回表问题,在Offset超过一万的情况下,性能通常都能提高两个量级以上。
当然,这种适合给分页做优化,如果回到我们题目本身来说,那查找第k大的数,就需要循环“下一页”下去,损耗反而更大。
2.硬碰硬
上面分析了,对无用数据还回表查询,导致大量随机IO,是性能的核心瓶颈,那我们对症下药,能否不回表呢?
当然可以,我们可以进行索引覆盖。
索引覆盖是说当二级索引查询的数据都在二级索引本身,比如索引Key或主键ID,那么就不必再去查聚簇索引。
那你可能会问,在我们的场景,还有其它需要查询的信息,比如名字,并不在二级索引上啊。
是的,但我们可以通过sql的拆分,来达到目的,思路如下:
select * from t_player id in (select id from t_player order by score offset 10000 limit 1)
这句话是说,先从条件查询中,查找数据对应的数据库唯一id值,因为主键在辅助索引上就有,所以不用回归到聚簇索引的磁盘上拉取。
如此以来,offset部分均不需要去反查聚蔟索引,只有limit出来的10个主键id会去查询聚簇索引,这样只会1次IO。
在业务确实需要用分页的情况下,使用该方案可以大幅度提高性能,通常能满足性能要求。
有同学可能担心本身走B+树的双指针会是瓶颈,牛哥也做了测试:
一张500w的表,offset 10000,要是没索引覆盖,处理时间甚至可以达到十秒级,有了的话,能降低到十毫秒级,有质的飞跃。
ps:具体时耗和数据库性能等因素有关,以上数据只是参考。
3.预判边界值
这其实也是根据业务场景的做法,能通过业务预判边界,这种方式并不是通用解决方案,但因为《高性能MySQL》中提到了,也一并列出来。
深层次灵魂发问
为什么MySQL不直接丢掉无用数据,还要傻乎乎地回表?
也许你曾经听过一个词,叫索引下推,在MySQL5.6之后,MySQL通过索引下推提升了性能。
这个问题也类似,答案是Offset未曾下推!我们先review下查找流程:
1.存储引擎通过二级索引查找,获取主键值;
2.进行回表操作,将完整记录返回给上层;
3.上层判断是否需要该记录,需要则返回给客户端,不需要则跳过该记录;
4.存储引擎接着查找下一条;
5.重复第二步。
从流程其实我们能看出,存储引擎层是没有Offset信息的。
牛哥和咱们训练营导师虎哥也讨论过这个问题,虎哥的解释还是比较到位的:
MySQL不做的原因,无非两点:
1.限制场景太多,给多个引擎做有点得不偿失;
2.更核心的,分层设计理念,这件事本身是Sql层的,本就不该存储引擎做。
野生db
那我们现在来看看所谓的野生db的情况:
野生db1号:阿里云
野生db 2号:腾讯云
另外,腾讯云还描述了适用场景:
下推之后阿里云测试了性能,Q3即我们二级索引order by ... limit回表的场景,可以看到从25s降低到了329ms左右,相差75.82倍。
可以发现阿里腾讯两大云厂商MySQL自研版本都做了下推,那MySQL从技术上自然也能。
有大佬针对这个问题还给MySQL提了bug。
还带了修复方案:
当然mysql有自己的设计理念和坚持,可能以后也不会采纳。
而将阿里云、腾讯云这些称为野生db,其实也只是调侃的说法。
实际上他们都遵循实用原则,是非常优秀的团队,自研产品的决策灵活性本身也更高一些。
这倒不是非要分个孰优孰劣,大家搞清楚前因后果即可。
补丁分析
虽然我们已经将前因后果弄得很清楚,但相信还是会有同学好奇,上面的大佬做的补丁,到底是怎样的。牛哥和虎哥,也做了一些分析。
核心要素就是在引擎层增加了这么一个函数,可以下推索引。
这个函数有几层,最核心的其实在这里:
其实就是offset判断,如果offset比现在的遍历偏移还大,就跳过。
Sql层会调用引擎层这个函数,当然调用之前会有个判断。
很复杂是吧,没事,咱们看注解:
其实就是限制了很多情况,比如group by,having这种推了也不顶用的,就不推了。
Review一下
可以看到,看起来很简单的一个问题,其实牵涉到的知识很广:
首先时间复杂度是多少?考察B+树结构;
Offset为什么慢?考察对底层行为一定程度的掌握;
几种解决方案?考察技术视野和解决问题的能力;
深层次行为原因?考察MySQL分层架构,及对开源社区的关注。
如果你只是背八股文,而不去深入探索其中的原理,那面试官随便问几个问题,就能看出你其实基础是不扎实的。
这里不是说八股文不好,而是不能觉得面试就是考八股文,这其实是一个很大的误区。
标签: #php存储引擎