常用的数据库有关系型的 MySQL、非关系型的 Redis 等数据库，它们可以很好的应用于不同场景. 了解数据库的性能，可以灵活的应对不同的业务场景.

在当前的众多 IT 建设中，MySQL 和 Redis 是十分常见的俩款数据库，它们有着不同的业务场景. 而如今全民上网的时代，互联网活动众多，数据量巨大. 在各大活动中互联网服务的性能也将极大影响用户的体验.

对于 MySQL 和 Redis 的性能优化是有必要掌握的知识. 本文主要考虑以下数据库及性能测试工具:

Redis: Redis 是一种高性能 key-value 存储的开源 NoSQL 数据库. MySQL: MySQL 是最常用的开源关系型数据库，它可以持久化存储大量的数据. SysBench: 性能测试工具，支持 IO、CPU、Mutex、内存分配、POSIX 线程、MySQL、PostgreSQL、Oracle 等性能测试. Redis-Benchmark: Redis 的性能测试工具.

下文将对 Redis 及 MySQL 的性能进行测试. 并梳理了一些常用的 MySQL 优化及 Redis 优化方法.

数据库读写性能

2.1 读写性能测试

通过 sysbench 以及 redis-benchmark 在以下环境下分别对 MySQL 及 Redis 进行了测试.

系统: docker/linuxCPU: 6 核内存: 2G磁盘: Mac 闪存

如下所示, 通过 sysbench 对 MySQL 进行基准测试.

mysql 性能测试

通过 redis-benchmark 测试的读写性能:

redis 性能测试

上述 benchmark 测试中可以得出数据库读写性能分别如下:

性能对比

可以看到，Redis 的读写速度显著高于 MySQL，大约在 10 倍左右. 这是由于 MySQL 的数据主要存储在硬盘内，而 Redis 则主要存储于内存中. 在《Redis in Action》中提到，Redis 的性能会是普通关系型数据库的 10 - 100 倍.

本文测试使用的 Mac 闪存大约是普通速度的 9 倍.借助本文数据可以推算出的 Redis 的读速度是普通硬盘下 MySQL 的 70 倍. 也是符合《Redis in Action》给出的关系型数据库及 MySQL 性能对比的.

2.2 性能与场景选择

两种数据库对比，性能上 Redis 占优势. 但是在持久化存储以及关系型上，MySQL 更占优势. 这些特点也让它们能够分别适用于不同场景.

Redis 的使用场景主要如下:

缓存: 一些经常读取的数据可以通过 redis 进行缓存，提高访问速度.消息队列: Redis 支持 list 数据结构，它可以用来做简单的消息队列，通过 lpush、rpop 来完成入队、出队操作.计数器: 日注册用户数、点赞数、评论数、转发数等.排行榜: redis 提供了 zset 这种有序、唯一的集合. 相比直接在数据库进行 order by 获取，redis 排行榜更高效.分布式锁: 由于 redis 是单线程的. 通过 redis 提供的 setnx、getset 可以实现分布式锁.结合秒杀系统: 通过缓存机制提高可负载并发量，在秒杀结束后，再将数据插入数据库.

MySQL 则主要用于持久化数据的存储，尤其是一些关系型数据，在对性能没有秒杀、高并发等的特殊要求时，通常都会先选择 MySQL 进行数据存储. 在有性能需求时，再在它的基础上进一步优化. 大部分 web 站点存储都需要用到 MySQL 关系型数据库. 以下是一些常用的使用场景:

Web 网站系统日志记录系统数据仓库系统性能调优

3.1 MySQL 性能调优

一般在进行数据库开发设计时，不会过多考虑性能的问题，但是当数据量急剧上升，业务暴涨时，需要能及时定位到性能问题，并进行优化. 下面是一些定位及优化 sql 语句的方法.

1> 查看 sql 操作的执行频率.

show global status like 'Com_______';show global status like 'Innodb_rows_%';

2> 定位低效 sql

show processlistUserIdHostdbCommandTimeStateInfo

3> 优化方式

针对 sql 的优化，可以参考下列的一些原则:

改进模式在磁盘上使用连续的块存储 MySQL 数据.固定长度选择 char 类型而不是 varcharvarchar 在读取字符串时需要读取到字符串末尾，char 则在快速、随机访问时效率很高.INT 类型存储较大数字 （40 亿、2^ 32 级别）DECIMAL 类型存储货币可以避免浮点数表示错误避免用 blob 类型存储对象，而是存储对象的位置适当的使用 NOT NULL 约束提升搜索性能索引的使用select、group by、order by、join 等操作的列使用索引更快索引通常自平衡的 B 树，可以保持数据有序设置索引会将数据存储在内存中，占用内存空间设置索引后写入操作会变慢，因为写数据需要更新索引加载大量数据时，禁用索引再加载数据，再重建索引，可能更快避免高成本的联接操作分割数据表热点数据拆分到单独的数据表中，有助于缓存调优查询缓存

以下给出了常见的 sql 语句优化方式:

insert 优化: 多个数据插入一张表尽量使用一条 insert 而非多个 insert. 或者使用一个事务. 多个 insert 尽量保证数据是有序插入的.

order by 优化: MySQL 有 filesort 通过文件系统的排序和 using index 通过索引的排序.

这一部分优化建议是减少额外排序,通过索引返回数据;where 和 order by 使用相同索引; order by 的顺序与索引顺序相同; 保持全部升序 asc 或降序 desc; 从而避免 filesort.filesort 优化: mysql 的 filesort 有两种排序算法，两次扫描算法以及一次扫描算法. 其中一次扫描算法内存开销大但效率更高.

group by 优化: group by 也会进行排序操作, 进行分组时也要尽量使用索引. 可以通过 order by 避免 group by 排序结果带来的消耗.

子查询(嵌套查询)优化: 尽量使用多表连接查询替换子查询.

or 优化: 建议使用 union 替换 or.

limit(分页查询) 优化: 在索引上完成分页排序操作，再使用主键获得所需要的列内容. 将 limit 查询转换成某个位置的查询.

4> explain 查看执行计划

id: 操作表的顺序，当多表操作时，代表表的执行顺序. 如果 id 相同，从上至下依次加载. 若不同，先查询 id 大的表.

select_type: 表示 select 的类型.

SIMPLE: 简单的 select 查询、不包含子查询或 UNION.PRIMARY: 查询中包含复杂子查询.SUBQUERY: select 或 where 中包含子查询.DERIVED: 在 from 列表中的子查询标记为 DERIVER，MySQL 会递归执行子查询放在临时表中.UNION: 若第二个 SELECT 出现在 UNION 后，则标记为 UNION. 若 UNION 包含在 FROM 子句的子查询中，外层 SELECT 将被标记为 DERIVED.UNION RESULT: 从 UNION 表获取结果的 SELECT.

table: 展示关于那一张表.

type: 访问类型，是重要的一个指标. 通过 type 可以大致了解耗时情况. 一般需要保证查询至少达到 range ，最好达到 ref 级别. 以下是 type 的类型，从上到下性能依次变低.

NULL: 不访问任何表、索引( 如 select now() )，直接返回结果. 性能最高.system: 表仅有一行记录，const 类型的特例，一般不出现.const: 通过索引一次就找到. 只匹配一行数据，所以快.eq_ref: 类似 ref. 区别在于使用的是唯一索引. 使用主键的关联查询. 关联查询出的记录只有一条.ref: 非唯一性索引扫描，返回匹配某单独值的所有行. 本质上是索引访问，返回所有匹配某个单独值的所有行.range: 只检索给定返回的行，使用一个索引选择行. where 之后出现 between, <, > , in 等操作.index: 与 ALL 区别为 index 只遍历了索引树，比 ALL 快. all: 将遍历全表找到匹配的行. 遍历了数据文件.

possible_keys: 显示可能应用在这张表的一个或多个的索引.

key: 实际使用的索引. NULL 则表示没有使用索引.

key_len: 表示索引中使用的字节数，该值为索引字段最大可能的长度，在保证精度的情况下该值越小越好.

ref: 显示索引的哪一列被使用了

rows: 扫描的行的数量.

extra: 其它的执行计划信息.

5> 优化工具

trace 工具: 可以查看优化器的执行计划.show profile: 可以查看 sql 语句的耗时详情，可以看到时间具体耗费的阶段.

3.2 Redis 性能优化

Redis 也是十分常用的数据库，它是一种非关系型的 kv 键值对存储器. Redis 是基于单线程模型的，数据主要存储于内存中，它的性能要求也是十分高的. 下面是一些常见的 Redis 优化方法.

缩短键值对的存储长度；使用 lazy free（延迟删除）特性设置键值的过期时间;禁用长耗时的查询命令；使用 slowlog 优化耗时命令；使用 Pipeline 批量操作数据；避免大量数据同时失效；客户端使用优化；限制 Redis 内存大小；使用物理机而非虚拟机安装 Redis 服务；检查数据持久化策略；禁用 THP 特性；使用分布式架构来增加读写速度。参考资料

1. MySQL 数据库优化全剖析[]