目录
项目场景：
Mysql大表查询优化，理论上千万级别以下的数据量Mysql单表查询性能处理都是可以的。
问题描述：
在我们线上环境中，出现了mysql几千万级别的日志查询、几百万级别的黑名单库查询分页查询及条件查询都慢的问题，针对Mysql表优化做了一些优化处理。
原因分析：
首先说一下日志查询，在Mysql中如果索引加的比较合适，走索引情况下千万级别查询不会超过一秒，Mysql查询的速度和检索的数据条数有关。在Mybatis中，分页查询是先执行Count记录总数，再执行limit a,b 的方式来进行的，而Mysql的Count计数方式是将所有的数据过滤一遍进行累加，因此当日志表数据过千万时，统计一次就是十几秒钟的时间（这里是服务器环境，本地情况下甚至是几分钟）。
limit a,b的方式也一样，Mysql查询时会先一条一条数到第a条，然后向后再数b条作为查询结果，因此当起始行数越来越大时查询同样会变得很慢，也就是当你点第一页时可能一下就查出来了，当你点最后一页的时候可能几十秒才能查出来。
黑名单库查询优化同理，也是需要通过条件优化。
在进行大批量数据落库时，使用的Mybatis批量插入，发现当批次数据超过3000时速度会急剧变慢，这是一个Mybatis娘胎里自带的问题，也需要进行解决。
解决方案：
这里只简单说明优化的几个方向。
1. 千万级别日志查询的优化
- 首先说下日志查询，重点是优化无条件是分页查询，在无条件时，不使用
MyBatis的分页插件，而是自己手写一个分页查询，由于MySql的count耗时过长，我们先优化他。 - 优化Count：日志表的数据只增，不会出现中间某条删除，所以他的数据可以理解成是连续的，我们可以在内存中直接进行计数，记录count总数，或者给表添加一个自增的ID字段，直接
select max(id)就是总数量，这样count查询的效率会提升到毫秒级别。 - 自定义分页查询：分页查询中使用优化后的count记录总数，然后使用
（page - 1）* pageSize + 1公式计算出当前页的最小ID，然后将limit a,b 的Sql语句改为where ID > 最小ID limit b的方式，这样查询就会走索引先将小于最小ID的数据过滤掉，再进行查询，经过第二步和第三步的优化后分页查询效率缩短到了一秒内，并且不会随着页数的增长而变慢。 - 条件查询：条件查询只能设置合适的索引，另外慎用like '%条件%‘的方式进行匹配查询，这样会导致索引失效全局检索，模糊查询尽量使用like '条件%' 的方式进行最左匹配，也可以使用
explain+sql语句 的方式来查看sql语句的执行效率，是否走了所有啥的来针对性的优化，加好合适的索引、优化查询语句后通常一千万以内的数据查询效率会在3秒内。
粘出自定义分页查询结果封装：
// 手动count Integer total = logPushService.queryBackCount(resMap);//查询数量 // 手动查询结果 List<InterceptInfo> ls = logPushService.queryBackByPage(resMap); PageInfo pageInfo = new PageInfo(); pageInfo.setTotal(total); pageInfo.setPageSize(limit); pageInfo.setList(ls); pageInfo.setPageNum(pn);
2. 几百万黑名单库的查询优化
- 黑名单库查询优化只能通过加合适的索引和优化SQL语句来优化，百万级别数据松松的在
Mysql和Mybatis的承受范围内，这里是由于黑名单库不是使用递增的，有可能会增加也有可能会删除，所以只能使用优化索引和SQL的方式进行优化。 - 另外，Mybatis框架提供了重写分页查询count统计语句的方法，只需要将count语句命名为查询方法_COUNT即可，例如分页查询的语句方法是query,那么重写的统计方法即为
query_COUNT
<select id="query_COUNT" parameterType="java.util.Map" resultType="java.lang.Long">
SELECT
count(0)
from nms_intercept_info${map.week}
where 1=1
<if test="map.id!=null and map.id!='' ">
AND id>#{map.id}
</if>
<if test="map.url!=null and map.url!='' ">
AND spliturl=#{map.url}
</if>
<if test="map.startTime!=null and map.startTime!='' ">
AND time <![CDATA[>=]]> #{map.startTime}
</if>
<if test="map.endTime!=null and map.endTime!='' ">
AND time <![CDATA[<=]]> #{map.endTime}
</if>
<if test="map.type!=null and map.type!='' ">
AND bigType = #{map.type}
</if>
</select>
3. Mybatis批量插入处理问题
Mybatis批量插入语句中的类集合大小不能超过五千，三千是最佳，这是测试出来的结果，考虑到的原因是Mybatis会将类做反射，这个太影响效率，因此批量插入时要注意这个，如果你能够三千三千的批量处理就限制一下，不要让每批数据超过3000，数据量过大时也可以使用异步非阻塞的方式来插入。
异步非阻塞代码（只是步骤样例,存在代码缺失）：
// 执行全量HMD导入任务的线程池
public final static ExecutorService importHasPool = Executors.newFixedThreadPool(10);
public final static CompletionService<DoExcelResult> importHasPoolService = new ExecutorCompletionService<>(importHasPool);
public synchronized DoExcelResult example() {
// 开始执行导入
// 写到这里面方法最后会自动关闭
long startTime = System.currentTimeMillis();
// 定义一个集合，记录Callable的执行结果,Callable是带返回值的Runable
List<Future<DoExcelResult>> futures = new ArrayList<>();
while ((str = reader.readLine()) != null) {
if (list.size() > 5000) { // 5000插入一次
List<String> list1 = CollectionUtil.copyDepth(list);
list.clear();
// BlackInfoHasImportlCallable是实现了Callable接口的实现类，Callable是带返回值的Runable
Future submit = SysThreadPoolCenter.importHasPoolService.submit(new BlackInfoHasImportlCallable(list1, blacklistInfoMapper));
futures.add(submit);
}
}
// 等待执行结果
for (Future<DoExcelResult> future : futures) {
try {
// 2. futrue.get时会获取返回值，线程没执行完毕就等待等待执行结果
DoExcelResult doExcelResult = future.get();
result.setSuccessNum(result.getSuccessNum() + doExcelResult.getSuccessNum());
result.setContinueNum(result.getContinueNum() + doExcelResult.getContinueNum());
result.setErrorNum(result.getErrorNum() + doExcelResult.getErrorNum());
} catch (Exception e) {
log.error(e);
}
}
// 循环结束代表所有线程执行完毕
result.setTimeCon((System.currentTimeMillis() - startTime)/1000.0);
BlacklistService.isDoing = false;
} catch (Exception e) {
BlacklistService.isDoing = false;
log.error(e);
}
BlacklistService.isDoing = false;
return result;
}
限制每批3000条：
if (ls.size() >= 3000) {
//每次保存3000
double sum = Math.ceil(ls.size() / 3000f);
for (int i = 0; i < sum; i++) {
total += blacklistDao.saveBatch(ls.subList(i * 3000, ((i + 1) * 3000) > ls.size() ? ls.size() : (i + 1) * 3000));
}
} else {
total = blacklistDao.saveBatch(ls);
}
如果你数据库用的不是mysql，而是CK或者其他的大数据处理数据库，批量插入可能要求每秒几万条几十万条，这时就不再适合使用Myabtis框架了，建议使用JDBC连接的方式，自己写代码拼接sql语句，再使用jdbc连接执行（使用线程池），效率上会快很多。
