譯者 | 薛命燈
我試圖在 MariaDB（MySQL）上運(yùn)行一個(gè)簡(jiǎn)單的連接查詢，但性能簡(jiǎn)直糟糕透了。下面將介紹我是如何通過(guò)兩個(gè)簡(jiǎn)單的 Unix 命令，將查詢時(shí)間從 380 小時(shí)降到 12 小時(shí)以下的。
下面就是這個(gè)查詢，它是 GHTorrent 分析的一部分，我使用了關(guān)系在線分析處理框架 simple-rolap 來(lái)實(shí)現(xiàn)這個(gè)分析。
select distinct
project_commits.project_id,
date_format(created_at, ‘%x%v1') as week_commit
from project_commits
left join commits
on project_commits.commit_id = commits.id;
兩個(gè)連接字段都有索引。不過(guò)，MariaDB 是通過(guò)對(duì) project_commits 進(jìn)行全表掃描和對(duì) commits 進(jìn)行索引查找來(lái)實(shí)現(xiàn)連接的。這可以從 EXPLAIN 的輸出看出來(lái)。
這兩個(gè)表中的記錄比較多：project_commits 有 50 億行記錄，commits 有 8.47 億行記錄。服務(wù)器的內(nèi)存比較小，只有 16GB。所以很可能是因?yàn)閮?nèi)存放不下那么大的索引，需要讀取磁盤(pán)，因此嚴(yán)重影響到了性能。從 pmonitor 對(duì)臨時(shí)表的分析結(jié)果來(lái)看，這個(gè)查詢已經(jīng)運(yùn)行半天了，還需要 373 個(gè)小時(shí)才能運(yùn)行完。
/home/mysql/ghtorrent/project_commits#P#p0.MYD 6.68% ETA 373:38:11
在我看來(lái)，這個(gè)太過(guò)分了，因?yàn)榕判蚝喜⑦B接（sort-merge join）所需的 I/O 時(shí)間應(yīng)該要比預(yù)計(jì)的執(zhí)行時(shí)間要低一個(gè)數(shù)量級(jí)。我在 dba.stackexchange.com 上尋求幫助，有人給出了一些建議讓我嘗試，但我沒(méi)有信心它們能夠解決我的問(wèn)題。我嘗試了第一個(gè)建議，結(jié)果并不樂(lè)觀。嘗試每個(gè)建議都需要至少半天的時(shí)間，后來(lái)，我決定采用一種我認(rèn)為可以有效解決這個(gè)問(wèn)題的辦法。
我將這兩個(gè)表導(dǎo)出到文件中，使用 Unix 的 join 命令將它們連接在一起，將結(jié)果傳給 uniq，把重復(fù)的行移除掉，然后將結(jié)果導(dǎo)回到數(shù)據(jù)庫(kù)。導(dǎo)入過(guò)程（包括重建索引）從 20:41 開(kāi)始，到第二天的 9:53 結(jié)束。以下是具體操作步驟。
1. 將數(shù)據(jù)庫(kù)表導(dǎo)出為文本文件
我先導(dǎo)出連接兩個(gè)表需要用到的字段，并按照連接字段進(jìn)行排序。為了確保排序順序與 Unix 工具的排序順序兼容，我將字段轉(zhuǎn)換為字符類(lèi)型。
我將以下 SQL 查詢的輸出保存到文件 commits_week.txt 中。
select cast(id as char) as cid,
date_format(created_at, ‘%x%v1') as week_commit
from commits
order by cid;
然后將以下 SQL 查詢的輸出保存到 project_commits.txt 文件中：
select cast(commit_id as char) as cid, project_id
from project_commits
order by cid;
這樣就生成了以下兩個(gè)文件。
-rw-r–r– 1 dds dds 15G Aug 4 21:09 commits_week.txt
-rw-r–r– 1 dds dds 93G Aug 5 00:36 project_commits.txt
為了避免內(nèi)存不足，我使用 –quick 選項(xiàng)來(lái)運(yùn)行 mysql 客戶端，否則客戶端會(huì)在輸出結(jié)果之前嘗試收集所有的記錄。
2. 使用 Unix 命令行工具處理文件
接下來(lái)，我使用 Unix 的 join 命令來(lái)連接這兩個(gè)文本文件。這個(gè)命令線性掃描兩個(gè)文件，并將第一個(gè)字段相同的記錄組合在一起。由于文件中的記錄已經(jīng)排好序，因此整個(gè)過(guò)程完成得很快，幾乎就是 I/O 的速度。我還將連接的結(jié)果傳給 uniq，用以消除重復(fù)記錄，這就解決了原始查詢中的 distinct 問(wèn)題。同樣，在已經(jīng)排好序的輸出結(jié)果上，可以通過(guò)簡(jiǎn)單的線性掃描完成去重。
這是我運(yùn)行的 Unix 命令。
join commits_week.txt project_commits.txt | uniq >joined_commits.txt
經(jīng)過(guò)一個(gè)小時(shí)的處理，我得到了想要的結(jié)果。
-rw-r–r– 1 dds dds 133G Aug 5 01:40 joined_commits.txt
3. 將文本文件導(dǎo)回?cái)?shù)據(jù)庫(kù)
最后，我將文本文件導(dǎo)回?cái)?shù)據(jù)庫(kù)。
create table half_life.week_commits_all (
project_id INT(11) not null,
week_commit CHAR(7)) ENGINE=MyISAM;
load data local infile ‘joined_commits.txt'
into table half_life.week_commits_all
fields terminated by ‘ ‘;
結(jié)語(yǔ)
理想情況下，MariaDB 應(yīng)該支持排序合并連接，并且在預(yù)測(cè)到備用策略的運(yùn)行時(shí)間過(guò)長(zhǎng)時(shí)，優(yōu)化器應(yīng)該使用排序合并連接。但在此之前，使用 70 年代設(shè)計(jì)的 Unix 命令就可以解決這個(gè)問(wèn)題。
