业务库负载翻了百倍，我做了什么来拯救MySQL架构

作者介绍

最近有一个业务库的负载比往常高了很多，最直观的印象就是原来的负载最高是100%，现在不是翻了几倍或者指数级增长，而是突然翻了100倍，导致业务后端的数据写入剧增，产生了严重的性能阻塞。

这类问题引起了我的兴趣和好奇心，经过和业务方沟通了解，这个业务是记录回执数据的，简单来说就好比你发送了一条微博，想看看有多少人已读，有多少人留言等。所以这类场景不存在事务，会有数据的密集型写入，会有明确的统计需求。

目前的统计频率是每7分钟做一次统计，会有几类统计场景，目前基本都是全表扫描级别的查询语句。当前数据库的架构很简单，是一个主从，外加MHA高可用。

问题的改进方向是减少主库的压力，分别是读和写的压力。写入的压力来自于业务的并发写入压力，而读的压力来自于于全表扫描的压力，对于CPU和IO压力都很大。

这两个问题的解决还是存在优先级，首先统计的SQL导致了系统资源成为瓶颈，结果原本简单的Insert也成为了慢日志SQL，相比而言，写入需求是硬需求，而统计需求是辅助需求，所以在这种场景下和业务方沟通，快速的响应方式就是把主库的统计需求转移到从库端。

转移了读请求的负载，写入压力得到了极大缓解，后来也经过业务方的应用层面的优化，整体的负载情况就相对乐观了：

• 主库的监控负载如下，可以看到有一个明显降低的趋势，CPU负载从原来的90%以上降到了不到10%。IO的压力也从原来的近100%降到了25%左右。

• 从库的监控负载如下，可以看到压力有了明显的提升。CPU层面的体现不够明显，主要的压力在于IO层面，即全表数据的扫描代价极高。

这个算是优化的第一步改进，在这个基础上，开始做索引优化，但是通过对比，发现效果很有限。因为从库端的是统计需求，添加的索引只能从全表扫描降级为全索引扫描，对于系统整体的负载改进却很有限，所以我们需要对已有的架构做一些改进和优化。

引入读写分离，优化初见成效

方案1：

考虑到资源的成本和使用场景，所以我们暂时把架构调整为如下的方式：即添加两个数据节点，然后打算启用中间件的方式来做分布式的架构设计。对于从库，暂时为了节省成本，就对原来的服务器做了资源扩容，即单机多实例的模式，这样一来写入的压力就可以完全支撑住了。

但是这种方式有一个潜在的隐患，那就是从库的中间件层面来充当数据统计的角色，一旦出现性能问题，对于中间件的压力极大，很可能导致原本的统计任务会阻塞。同时从库端的资源瓶颈除了磁盘空间外就是IO压力，目前通过空间扩容解决不了这个硬伤。

在和业务同学进一步沟通后，发现他们对于这一类表的创建是动态配置的方式，在目前的中间件方案中很难以落实。而且对于业务来说，统计需求变得更加不透明了。

方案2:

一种行之有效的改进方式就是从应用层面来做数据路由，比如有10个业务：业务1、业务2在第一个节点，业务3、业务5在第二个节点等等，按照这种路由的配置方式来映射数据源，相对可控，更容易扩展，所以架构方式改为了这种：

而整个的改进中，最关键的一环是对于统计SQL性能的改进，如果SQL统计性能的改进能够初见成效，后续的架构改进就会更加轻松。

后续有开始有了业务的爆发式增长，使得统计需求的优化成为本次优化的关键所在。

原来的主库读写压力都很大，通过读写分离，使得读节点的压力开始激增，而且随着业务的扩展，统计查询的需求越来越多。比如原来是有10个查询，现在可能变成了30个，这样一来统计压力变大，导致系统响应降低，从而导致从库的延迟也开始变大。最大的时候延迟有3个小时，按照这种情况，统计的意义其实已经不大了。

对此我做了几个方面的改进：

• 首先是和业务方进行了细致的沟通，对于业务的场景有了一个比较清晰的认识，其实这个业务场景是蛮适合Redis之类的方案来解决的，但是介于成本和性价比选择了关系型的MySQL，结论：暂时保持现状。

• 对于读压力，目前不光支撑不了指数级压力，连现状都让人担忧。业务的每个统计需求涉及5个SQL，要对每个场景做优化都需要取舍，最后达到的一个初步效果是字段有5个，索引就有3个，而且不太可控的是一旦某个表的数据量太大导致延迟，整个系统的延迟就会变大，从而造成统计需求都整体垮掉，所以添加索引来解决硬统计需求算是心有力而力不足。结论：索引优化效果有限，需要寻求其他可行解决方案。

• 对于写压力，后续可以通过分片的策略来解决，这里的分片策略和我们传统认为的逻辑不同，这是基于应用层面的分片，应用端来做这个数据路由。这样分片对于业务的爆发式增长就很容易扩展了。有了这一层保障之后，业务的统计需求迁移到从库，写压力就能够平滑的对接了，目前来看写压力的空余空间很大，完全可以支撑指数级的压力。结论：业务数据路由在统计压力减缓后再开始改进。

为了快速改进现状，我写了一个脚本自动采集和管理，会定时杀掉超时查询的会话。但是延迟还是存在，查询依旧是慢，很难想象在指数级压力的情况下，这个延迟会有多大。

在做了大量的对比测试之后，按照单表3500万的数据量，8张同样数据量的表，5条统计SQL，做完统计大约需要17~18分钟左右，平均每个表需要大约2分多钟。

因为不是没有事务关联，所以这个场景的延迟根据业务场景和技术实现来说是肯定存在的，我们的改进方法是提高统计的查询效率，同时保证系统的压力在可控范围内。

一种行之有效的方式就是借助于数据仓库方案，MySQL原生不支持数据库仓库，但是有第三方的解决方案：一类是ColumStore，是在InfiniDB的基础上改造的；一类是Infobright，除此之外还有其他大型的解决方案，比如Greenplum的MPP方案，ColumnStore的方案有点类似于这种MPP方案，需要的是分布式节点，所以在资源和架构上Infobright更加轻量一些。

我们的表结构很简单，字段类型也是基本类型，而且在团队内部也有大量的实践经验。

改进之后的整体架构如下，原生的主从架构不受影响：

需要在此基础上扩展一个数据仓库节点，数据量可以根据需要继续扩容。

表结构如下：

导出的语句类似于：

Infobright社区版是不支持DDL和DML的，后期Infobright官方宣布：不再发布ICE社区版，将专注于IEE的开发，所以后续的支持力度其实就很有限了。对于我们目前的需求来说是游刃有余。

来简单感受下Infobright的实力：

所以对于几千万的表来说，这都不是事儿。

我把3500万的数据导入到Infobright里面，5条查询语句总共的执行时间维持在14秒，相比原来的2分钟多已经改进很大了。我跑了下批量的查询，原本要18分钟，现在只需要不到3分钟。

往期推荐：