redis慢查詢（redis慢查詢?nèi)罩荆?/h1>

發(fā)布時間：2023-04-08 01:08:13     稿源： 創(chuàng)意嶺    閱讀： 139        

大家好！今天讓創(chuàng)意嶺的小編來大家介紹下關(guān)于redis慢查詢的問題，以下是小編對此問題的歸納整理，讓我們一起來看看吧。

開始之前先推薦一個非常厲害的Ai人工智能工具，一鍵生成原創(chuàng)文章、方案、文案、工作計劃、工作報告、論文、代碼、作文、做題和對話答疑等等

只需要輸入關(guān)鍵詞，就能返回你想要的內(nèi)容，越精準(zhǔn)，寫出的就越詳細，有微信小程序端、在線網(wǎng)頁版、PC客戶端

官網(wǎng)：https://ai.de1919.com。

創(chuàng)意嶺作為行業(yè)內(nèi)優(yōu)秀的企業(yè)，服務(wù)客戶遍布全球各地，如需了解SEO相關(guān)業(yè)務(wù)請撥打電話175-8598-2043，或添加微信：1454722008

本文目錄:

• 1、MongoDB是什么，怎么用？看完你就知道了

• 2、MySQL數(shù)據(jù)庫千萬級數(shù)據(jù)處理？

• 3、面試中常問：mysql數(shù)據(jù)庫做哪些優(yōu)化也提高mysql性能

• 4、成為一個java的架構(gòu)師要學(xué)習(xí)哪些知識

一、MongoDB是什么，怎么用？看完你就知道了

MongoDB是一款為web應(yīng)用程序和互聯(lián)網(wǎng)基礎(chǔ)設(shè)施設(shè)計的數(shù)據(jù)庫管理系統(tǒng)。沒錯MongoDB就是數(shù)據(jù)庫，是NoSQL類型的數(shù)據(jù)庫。

（1）MongoDB提出的是文檔、集合的概念，使用BSON（類JSON）作為其數(shù)據(jù)模型結(jié)構(gòu)，其結(jié)構(gòu)是面向?qū)ο蟮亩皇嵌S表，存儲一個用戶在MongoDB中是這樣子的。

使用這樣的數(shù)據(jù)模型，使得MongoDB能在生產(chǎn)環(huán)境中提供高讀寫的能力，吞吐量較于mysql等SQL數(shù)據(jù)庫大大增強。

（2）易伸縮，自動故障轉(zhuǎn)移。易伸縮指的是提供了分片能力，能對數(shù)據(jù)集進行分片，數(shù)據(jù)的存儲壓力分攤給多臺服務(wù)器。自動故障轉(zhuǎn)移是副本集的概念，MongoDB能檢測主節(jié)點是否存活，當(dāng)失活時能自動提升從節(jié)點為主節(jié)點，達到故障轉(zhuǎn)移。

（3）數(shù)據(jù)模型因為是面向?qū)ο蟮模钥梢员硎矩S富的、有層級的數(shù)據(jù)結(jié)構(gòu)，比如博客系統(tǒng)中能把“評論”直接懟到“文章“的文檔中，而不必像myqsl一樣創(chuàng)建三張表來描述這樣的關(guān)系。

（1）文檔數(shù)據(jù)類型

SQL類型的數(shù)據(jù)庫是正規(guī)化的，可以通過主鍵或者外鍵的約束保證數(shù)據(jù)的完整性與唯一性，所以SQL類型的數(shù)據(jù)庫常用于對數(shù)據(jù)完整性較高的系統(tǒng)。MongoDB在這一方面是不如SQL類型的數(shù)據(jù)庫，且MongoDB沒有固定的Schema，正因為MongoDB少了一些這樣的約束條件，可以讓數(shù)據(jù)的存儲數(shù)據(jù)結(jié)構(gòu)更靈活，存儲速度更加快。

（2）即時查詢能力

MongoDB保留了關(guān)系型數(shù)據(jù)庫即時查詢的能力，保留了索引（底層是基于B tree）的能力。這一點汲取了關(guān)系型數(shù)據(jù)庫的優(yōu)點，相比于同類型的NoSQL redis 并沒有上述的能力。

（3）復(fù)制能力

MongoDB自身提供了副本集能將數(shù)據(jù)分布在多臺機器上實現(xiàn)冗余，目的是可以提供自動故障轉(zhuǎn)移、擴展讀能力。

（4）速度與持久性

MongoDB的驅(qū)動實現(xiàn)一個寫入語義 fire and forget ，即通過驅(qū)動調(diào)用寫入時，可以立即得到返回得到成功的結(jié)果（即使是報錯），這樣讓寫入的速度更加快，當(dāng)然會有一定的不安全性，完全依賴網(wǎng)絡(luò)。

MongoDB提供了Journaling日志的概念，實際上像mysql的bin-log日志，當(dāng)需要插入的時候會先往日志里面寫入記錄，再完成實際的數(shù)據(jù)操作，這樣如果出現(xiàn)停電，進程突然中斷的情況，可以保障數(shù)據(jù)不會錯誤，可以通過修復(fù)功能讀取Journaling日志進行修復(fù)。

（5）數(shù)據(jù)擴展

MongoDB使用分片技術(shù)對數(shù)據(jù)進行擴展，MongoDB能自動分片、自動轉(zhuǎn)移分片里面的數(shù)據(jù)塊，讓每一個服務(wù)器里面存儲的數(shù)據(jù)都是一樣大小。

MongoDB核心服務(wù)器主要是通過mongod程序啟動的，而且在啟動時不需對MongoDB使用的內(nèi)存進行配置，因為其設(shè)計哲學(xué)是內(nèi)存管理最好是交給操作系統(tǒng)，缺少內(nèi)存配置是MongoDB的設(shè)計亮點，另外，還可通過mongos路由服務(wù)器使用分片功能。

MongoDB的主要客戶端是可以交互的js shell 通過mongo啟動，使用js shell能使用js直接與MongoDB進行交流，像使用sql語句查詢mysql數(shù)據(jù)一樣使用js語法查詢MongoDB的數(shù)據(jù)，另外還提供了各種語言的驅(qū)動包，方便各種語言的接入。

mongodump和mongorestore,備份和恢復(fù)數(shù)據(jù)庫的標(biāo)準(zhǔn)工具。輸出BSON格式，遷移數(shù)據(jù)庫。

mongoexport和mongoimport，用來導(dǎo)入導(dǎo)出JSON、CSV和TSV數(shù)據(jù)，數(shù)據(jù)需要支持多格式時有用。mongoimport還能用與大數(shù)據(jù)集的初始導(dǎo)入，但是在導(dǎo)入前順便還要注意一下，為了能充分利用好mongoDB通常需要對數(shù)據(jù)模型做一些調(diào)整。

mongosniff,網(wǎng)絡(luò)嗅探工具，用來觀察發(fā)送到數(shù)據(jù)庫的操作?；揪褪前丫W(wǎng)絡(luò)上傳輸?shù)腂SON轉(zhuǎn)換為易于人們閱讀的shell語句。

因此，可以總結(jié)得到，MongoDB結(jié)合鍵值存儲和關(guān)系數(shù)據(jù)庫的最好特性。因為簡單，所以數(shù)據(jù)極快，而且相對容易伸縮還提供復(fù)雜查詢機制的數(shù)據(jù)庫。MongoDB需要跑在64位的服務(wù)器上面，且最好單獨部署，因為是數(shù)據(jù)庫，所以也需要對其進行熱備、冷備處理。

因為本篇文章不是API手冊，所有這里對shell的使用也是基礎(chǔ)的介紹什么功能可以用什么語句，主要是為了展示使用MongoDB shell的方便性，如果需要知道具體的MongoDB shell語法可以查閱官方文檔。

創(chuàng)建數(shù)據(jù)庫并不是必須的操作，數(shù)據(jù)庫與集合只有在第一次插入文檔時才會被創(chuàng)建，與對數(shù)據(jù)的動態(tài)處理方式是一致的。簡化并加速開發(fā)過程，而且有利于動態(tài)分配命名空間。如果擔(dān)心數(shù)據(jù)庫或集合被意外創(chuàng)建，可以開啟嚴格模式。

以上的命令只是簡單實例，假設(shè)如果你之前沒有學(xué)習(xí)過任何數(shù)據(jù)庫語法，同時開始學(xué)sql查詢語法和MongoDB 查詢語法，你會發(fā)現(xiàn)哪一個更簡單呢？如果你使用的是java驅(qū)動去操作MongoDB，你會發(fā)現(xiàn)任何的查詢都像Hibernate提供出來的查詢方式一樣，只要構(gòu)建好一個查詢條件對象，便能輕松查詢（接下來會給出示例），博主之前熟悉ES6，所以入手MongoDB js shell完成沒問題，也正因為這樣簡潔，完善的查詢機制，深深的愛上了MongoDB。

使用java驅(qū)動鏈接MongoDB是一件非常簡單的事情，簡單的引用，簡單的做增刪改查。在使用完java驅(qū)動后我才發(fā)現(xiàn)spring 對MongoDB 的封裝還不如官方自身提供出來的東西好用，下面簡單的展示一下使用。

這里只舉例了簡單的鏈接與簡單的MongoDB操作，可見其操作的容易性。使用驅(qū)動時是基于TCP套接字與MongoDB進行通信的，如果查詢結(jié)果較多，恰好無法全部放進第一服務(wù)器中，將會向服務(wù)器發(fā)送一個getmore指令獲取下一批查詢結(jié)果。

插入數(shù)據(jù)到服務(wù)器時間，不會等待服務(wù)器的響應(yīng)，驅(qū)動會假設(shè)寫入是成功的，實際是使用客戶端生成對象id，但是該行為可以通過配置配置，可以通過安全模式開啟，安全模式可以校驗服務(wù)器端插入的錯誤。

要清楚了解MongoDB的基本數(shù)據(jù)單元。在關(guān)系型數(shù)據(jù)庫中有帶列和行的數(shù)據(jù)表。而MongoDB數(shù)據(jù)的基本單元是BSON文檔，在鍵值中有指向不定類型值的鍵，MongoDB擁有即時查詢，但不支持聯(lián)結(jié)操作，簡單的鍵值存儲只能根據(jù)單個鍵來獲取值，不支持事務(wù)，但支持多種原子更新操作。

如讀寫比是怎樣的，需要何種查詢，數(shù)據(jù)是如何更新的，會不會存在什么并發(fā)問題，數(shù)據(jù)結(jié)構(gòu)化的程度是要求高還是低。系統(tǒng)本身的需求決定mysql還是MongoDB。

在關(guān)于schema 的設(shè)計中要注意一些原則，比如：

數(shù)據(jù)庫是集合的邏輯與物理分組，MongoDB沒有提供創(chuàng)建數(shù)據(jù)庫的語法，只有在插入集合時，數(shù)據(jù)庫才開始建立。創(chuàng)建數(shù)據(jù)庫后會在磁盤分配一組數(shù)據(jù)文件，所有集合、索引和數(shù)據(jù)庫的其他元數(shù)據(jù)都保存在這些文件中，查閱數(shù)據(jù)庫使用磁盤狀態(tài)可通過。

集合是結(jié)構(gòu)上或概念上相似得文檔的容器，集合的名稱可以包含數(shù)字、字母或 . 符號，但必須以字母或數(shù)字開頭，完全。

限定集合名不能超過128個字符，實際上 . 符號在集合中很有用，能提供某種虛擬命名空間，這是一種組織上的原則，和其他集合是一視同仁的。在集合中可以使用。

其次是鍵值，在MongoDB里面所有的字符串都是UTF-8類型。數(shù)字類型包括double、int、long。日期類型都是UTC格式，所以在MongoDB里面看到的時間會比北京時間慢8小時。整個文檔大小會限制在16m以內(nèi)，因為這樣可以防止創(chuàng)建難看的數(shù)據(jù)類型，且小文檔可以提升性能，批量插入文檔理想數(shù)字范圍是10~200，大小不能超過16MB。

（1）索引能顯著減少獲取文檔的所需工作量，具體的對比可以通過 .explain()方法進行對比

（2）解析查詢時MongoDB通過最優(yōu)計劃選擇一個索引進行查詢，當(dāng)沒有最適合索引時，會先不同的使用各個索引進行查詢，最終選出一個最優(yōu)索引做查詢

（3）如果有一個a-b的復(fù)合索引，那么僅針對a的索引是冗余的

（4）復(fù)合索引里的鍵的順序是很重要的

（1）單鍵索引

（2）復(fù)合索引

（3）唯一性索引

（4）稀疏索引

如索引的字段會出現(xiàn)null的值，或是大量文檔都不包含被索引的鍵。

如果數(shù)據(jù)集很大時，構(gòu)建索引將會花費很長的時間，且會影響程序性能，可通過

當(dāng)使用 mongorestore 時會重新構(gòu)建索引。當(dāng)曾經(jīng)執(zhí)行過大規(guī)模的刪除時，可使用

對索引進行壓縮，重建。

（1）查閱慢查詢?nèi)罩?/p>

（2）分析慢查詢

注意新版本的MongoDB 的explain方法是需要參數(shù)的，不然只顯示普通的信息。

本節(jié)同樣主要簡單呈現(xiàn)MongoDB副本集搭建的簡易性，與副本集的強壯性，監(jiān)控容易性

提供主從復(fù)制能力，熱備能力，故障轉(zhuǎn)移能力

實際上MongoDB對副本集的操作跟mysql主從操作是差不多的，先看一下mysql的主從數(shù)據(jù)流動過程

而MongoDB主要依賴的日志文件是oplog

寫操作先被記錄下來，添加到主節(jié)點的oplog里。與此同時，所有從結(jié)點復(fù)制oplog。首先，查看自己oplog里最后一條的時間戳；其次，查詢主節(jié)點oplog里所有大于此時間戳的條目;最后，把那些條目添加到自己的oplog里并應(yīng)用到自己的庫里。從節(jié)點使用長輪詢立即應(yīng)用來自主結(jié)點oplog的新條目。

當(dāng)遇到以下情況，從節(jié)點會停止復(fù)制

local數(shù)據(jù)庫保存了所有副本集元素據(jù)和oplog日志

可以使用以下命令查看復(fù)制情況

每個副本集成員每秒鐘ping一次其他所有成員，可以通過rs.status()看到節(jié)點上次的心跳檢測時間戳和 健康 狀況。

這個點沒必要過多描述，但是有一個特殊場景，如果從節(jié)點和仲裁節(jié)點都被殺了，只剩下主節(jié)點，他會把自己降級成為從節(jié)點。

如果主節(jié)點的數(shù)據(jù)還沒有寫到從庫，那么數(shù)據(jù)不能算提交，當(dāng)該主節(jié)點變成從節(jié)點時，便會觸發(fā)回滾，那些沒寫到從庫的數(shù)據(jù)將會被刪除，可以通過rollback子目錄中的BSON文件恢復(fù)回滾的內(nèi)容。

（1）使用單節(jié)點鏈接

只能鏈接到主節(jié)點，如果鏈接到從節(jié)點的話，會被拒絕寫入操作，但是如果沒有使用安全模式，因為mongo的fire and forget 特性，會把拒絕寫入的異常給吃掉。

（2）使用副本集方式鏈接

能根據(jù)寫入的情況自動進行故障轉(zhuǎn)移，但是當(dāng)副本集進行新的選舉時，還是會出現(xiàn)故障，如果不使用安全模式，依舊會出現(xiàn)寫不進去，但現(xiàn)實成功的情況。

分片是數(shù)據(jù)庫切分的一個概念實現(xiàn)，這里也是簡單總結(jié)為什么要使用分片以及分片的原理，操作。

當(dāng)數(shù)據(jù)量過大，索引和工作數(shù)據(jù)集占用的內(nèi)存就會越來越多，所以需要通過分片負載來解決這個問題

（1）分片組件

（2）分片的核心操作

分片一個集合：分片是根據(jù)一個屬性的范圍進行劃分的，MongoDB使用所謂的分片鍵讓每個文檔在這些范圍里找到自己的位置

塊：是位于一個分片中的一段連續(xù)的分片鍵范圍，可以理解為若干個塊組成分片，分片組成MongoDB的全部數(shù)據(jù)

（3）拆分與遷移

塊的拆分：初始化時只有一個塊，達到最大塊尺寸64MB或100000個文檔就會觸發(fā)塊的拆分。把原來的范圍一分為二，這樣就有了兩個塊，每個塊都有相同數(shù)量的文檔。

遷移：當(dāng)分片中的數(shù)據(jù)大小不一時會產(chǎn)生遷移的動作，比如分片A的數(shù)據(jù)比較多，會將分片A里面的一些塊轉(zhuǎn)移到分片B里面去。分片集群通過在分片中移動塊來實現(xiàn)均衡，是由名為均衡器的軟件進程管理的，任務(wù)是確保數(shù)據(jù)在各個分片中保持均勻分布，當(dāng)集群中擁有塊最多的分片與擁有塊最少分片的塊差大于8時，均衡器就會發(fā)起一次均衡處理。

啟動兩個副本集、三個配置服務(wù)器、一個mongos進程

配置分片

（1）分片查詢類型

（2）索引

分片集合只允許在_id字段和分片鍵上添加唯一性索引，其他地方不行，因為這需要在分片間進行通信，實施起來很復(fù)雜。

當(dāng)創(chuàng)建分片時，會根據(jù)分片鍵創(chuàng)建一個索引。

（1）分片鍵是不可修改的、分片鍵的選擇非常重要

（2）低效的分片鍵

（3）理想的分片鍵

（1）部署拓撲

根據(jù)不同的數(shù)據(jù)中心劃分

這里寫圖片描述

（2）最低要求

（3）配置的注意事項

需要估計集群大小，可使用以下命令對現(xiàn)有集合進行分片處理

（4）備份分片集群

備份分片時需要停止均衡器

（1）部署架構(gòu)

使用64位機器、32位機器會制約mongodb的內(nèi)存，使其最大值為1.5GB

（2）cpu

mongodb 只有當(dāng)索引和工作集都可放入內(nèi)存時，才會遇到CPU瓶頸，CPU在mongodb使用中的作用是用來檢索數(shù)據(jù)，如果看到CPU使用飽和的情況，可以通過查詢慢查詢?nèi)罩?，排查是不是查詢的問題導(dǎo)致的，如果是可以通過添加索引來解決問題

mongodb寫入數(shù)據(jù)時會使用到CPU，但是mongodb寫入時間一次只用到一個核，如果有頻繁的寫入行為，可以通過分片來解決這個問題

（3）內(nèi)存

大內(nèi)存是mongodb的保障，如果工作集大小超過內(nèi)存，將會導(dǎo)致性能下降，因為這將會增加數(shù)據(jù)加載入內(nèi)存的動作

（4）硬盤

mongodb默認每60s會與磁盤強制同步一次，稱為后臺刷新，會產(chǎn)生I/O操作。在重啟時mongodb會將磁盤里面的數(shù)據(jù)加載至內(nèi)存，高速磁盤將會減少同步的時間

（5）文件系統(tǒng)

使用ext4 和 xfs 文件系統(tǒng)

禁用最后訪問時間

（6）文件描述符

linux 默認文件描述符是1024，需要大額度的提升這個額度

（7）時鐘

mongodb各個節(jié)點服務(wù)器之間使用ntp服務(wù)器

（1）綁定IP

啟動時使用 - -bind_ip 命令

（2）身份驗證

啟動時使用 - -auth 命令

（3）副本集身份認證

使用keyFile，注意keyFile文件的權(quán)限必須是600，不然會啟動不起來

（1）拓撲結(jié)構(gòu)

搭建副本集至少需要兩個節(jié)點，其中仲裁結(jié)點不需要有自己的服務(wù)器

（2）Journaling日志

寫數(shù)據(jù)時會先寫入日志，而此時的數(shù)據(jù)也不是直接寫入硬盤，而是寫入內(nèi)存

但是Journaling日志會消耗內(nèi)存，所以可以在主庫上面關(guān)閉，在從庫上面啟動

可以單獨為Journaling日志使用一塊固態(tài)硬盤

在插入時，可以通過驅(qū)動確保Journaling插入后再反饋，但是會非常影響性能。

logpath 選項指定日志存儲地址

-vvvvv 選項（v越多，輸出越詳細）

db.runCommand({logrotare:1}) 開啟滾動日志

（1）serverStatus

這里寫圖片描述

（2）top

（3）db.currentOp()

動態(tài)展示mongodb活動數(shù)據(jù)

占用當(dāng)前mongodb監(jiān)聽端口往上1000號的端口

（1）mongodump

把數(shù)據(jù)庫內(nèi)容導(dǎo)出成BSON文件，而mongorestore能讀取并還原這些文件

（2）mongorestore

把導(dǎo)出的BSON文件還原到數(shù)據(jù)庫

（3）備份原始數(shù)據(jù)文件

可以這么做，但是，操作之前需要進行鎖庫處理 db.runCommand({fsync:1,lock:true})

db.$cmd.sys.unlock.findOne() 請求解鎖操作，但是數(shù)據(jù)庫不會立刻解鎖，需要使用db.currentOp()驗證。

（1）修復(fù)

mongd --repair 修復(fù)所有數(shù)據(jù)庫

db.runCommand({repairDatabase:1}) 修復(fù)單個數(shù)據(jù)庫

修復(fù)就是根據(jù)Jourling文件讀取和重寫所有數(shù)據(jù)文件并重建各個索引

（2）壓緊

壓緊，會重寫數(shù)據(jù)文件，并重建集合的全部索引，需要停機或者在從庫上面運行,如果需要在主庫上面運行，需要添加force參數(shù) 保證加寫鎖。

（1）監(jiān)控磁盤狀態(tài)

（2）為提升性能檢查索引和查詢

總的來說，掃描盡可能少的文檔。

保證沒有冗余的索引，冗余的索引會占用磁盤空間、消耗更多的內(nèi)存，在每次寫入時還需做更多工作

（3）添加內(nèi)存

dataSize 數(shù)據(jù)大小 和 indexSize 索引大小，如果兩者的和大于內(nèi)存，那么將會影響性能。

storageSize超過dataSize 數(shù)據(jù)大小 兩倍以上，就會因磁盤碎片而影響性能，需要壓縮。

二、MySQL數(shù)據(jù)庫千萬級數(shù)據(jù)處理？

也就是A表中保留B表中存在的數(shù)據(jù)，可以通過篩選把這樣的數(shù)據(jù)放在第三個表

只要索引合理，數(shù)據(jù)量不算大

祝好運，望采納。

三、面試中常問：mysql數(shù)據(jù)庫做哪些優(yōu)化也提高mysql性能

在開始演示之前，我們先介紹下兩個概念。

概念一，數(shù)據(jù)的可選擇性基數(shù)，也就是常說的cardinality值。

查詢優(yōu)化器在生成各種執(zhí)行計劃之前，得先從統(tǒng)計信息中取得相關(guān)數(shù)據(jù)，這樣才能估算每步操作所涉及到的記錄數(shù)，而這個相關(guān)數(shù)據(jù)就是cardinality。簡單來說，就是每個值在每個字段中的唯一值分布狀態(tài)。

比如表t1有100行記錄，其中一列為f1。f1中唯一值的個數(shù)可以是100個，也可以是1個，當(dāng)然也可以是1到100之間的任何一個數(shù)字。這里唯一值越的多少，就是這個列的可選擇基數(shù)。

那看到這里我們就明白了，為什么要在基數(shù)高的字段上建立索引，而基數(shù)低的的字段建立索引反而沒有全表掃描來的快。當(dāng)然這個只是一方面，至于更深入的探討就不在我這篇探討的范圍了。

概念二，關(guān)于HINT的使用。

這里我來說下HINT是什么，在什么時候用。

HINT簡單來說就是在某些特定的場景下人工協(xié)助MySQL優(yōu)化器的工作，使她生成最優(yōu)的執(zhí)行計劃。一般來說，優(yōu)化器的執(zhí)行計劃都是最優(yōu)化的，不過在某些特定場景下，執(zhí)行計劃可能不是最優(yōu)化。

比如：表t1經(jīng)過大量的頻繁更新操作，（UPDATE,DELETE,INSERT），cardinality已經(jīng)很不準(zhǔn)確了，這時候剛好執(zhí)行了一條SQL，那么有可能這條SQL的執(zhí)行計劃就不是最優(yōu)的。為什么說有可能呢？

來看下具體演示

譬如，以下兩條SQL，

• A：

• select * from t1 where f1 = 20;

• B：

• select * from t1 where f1 = 30;

如果f1的值剛好頻繁更新的值為30，并且沒有達到MySQL自動更新cardinality值的臨界值或者說用戶設(shè)置了手動更新又或者用戶減少了sample page等等，那么對這兩條語句來說，可能不準(zhǔn)確的就是B了。

這里順帶說下，MySQL提供了自動更新和手動更新表cardinality值的方法，因篇幅有限，需要的可以查閱手冊。

那回到正題上，MySQL 8.0 帶來了幾個HINT，我今天就舉個index_merge的例子。

示例表結(jié)構(gòu)：

• mysql> desc t1;+------------+--------------+------+-----+---------+----------------+| Field      | Type         | Null | Key | Default | Extra          |+------------+--------------+------+-----+---------+----------------+| id         | int(11)      | NO   | PRI | NULL    | auto_increment || rank1      | int(11)      | YES  | MUL | NULL    |                || rank2      | int(11)      | YES  | MUL | NULL    |                || log_time   | datetime     | YES  | MUL | NULL    |                || prefix_uid | varchar(100) | YES  |     | NULL    |                || desc1      | text         | YES  |     | NULL    |                || rank3      | int(11)      | YES  | MUL | NULL    |                |+------------+--------------+------+-----+---------+----------------+7 rows in set (0.00 sec)

表記錄數(shù)：

• mysql> select count(*) from t1;+----------+| count(*) |+----------+|    32768 |+----------+1 row in set (0.01 sec)

這里我們兩條經(jīng)典的SQL：

• SQL C：

• select * from t1 where rank1 = 1 or rank2 = 2 or rank3 = 2;

• SQL D：

• select * from t1 where rank1 =100  and rank2 =100  and rank3 =100;

表t1實際上在rank1,rank2,rank3三列上分別有一個二級索引。

那我們來看SQL C的查詢計劃。

顯然，沒有用到任何索引，掃描的行數(shù)為32034，cost為3243.65。

• mysql> explain  format=json select * from t1  where rank1 =1 or rank2 = 2 or rank3 = 2G*************************** 1. row ***************************EXPLAIN: {  "query_block": {    "select_id": 1,    "cost_info": {      "query_cost": "3243.65"    },    "table": {      "table_name": "t1",      "access_type": "ALL",      "possible_keys": [        "idx_rank1",        "idx_rank2",        "idx_rank3"      ],      "rows_examined_per_scan": 32034,      "rows_produced_per_join": 115,      "filtered": "0.36",      "cost_info": {        "read_cost": "3232.07",        "eval_cost": "11.58",        "prefix_cost": "3243.65",        "data_read_per_join": "49K"      },      "used_columns": [        "id",        "rank1",        "rank2",        "log_time",        "prefix_uid",        "desc1",        "rank3"      ],      "attached_condition": "((`ytt`.`t1`.`rank1` = 1) or (`ytt`.`t1`.`rank2` = 2) or (`ytt`.`t1`.`rank3` = 2))"    }  }}1 row in set, 1 warning (0.00 sec)

我們加上hint給相同的查詢，再次看看查詢計劃。

這個時候用到了index_merge,union了三個列。掃描的行數(shù)為1103，cost為441.09，明顯比之前的快了好幾倍。

• mysql> explain  format=json select /*+ index_merge(t1) */ * from t1  where rank1 =1 or rank2 = 2 or rank3 = 2G*************************** 1. row ***************************EXPLAIN: {  "query_block": {    "select_id": 1,    "cost_info": {      "query_cost": "441.09"    },    "table": {      "table_name": "t1",      "access_type": "index_merge",      "possible_keys": [        "idx_rank1",        "idx_rank2",        "idx_rank3"      ],      "key": "union(idx_rank1,idx_rank2,idx_rank3)",      "key_length": "5,5,5",      "rows_examined_per_scan": 1103,      "rows_produced_per_join": 1103,      "filtered": "100.00",      "cost_info": {        "read_cost": "330.79",        "eval_cost": "110.30",        "prefix_cost": "441.09",        "data_read_per_join": "473K"      },      "used_columns": [        "id",        "rank1",        "rank2",        "log_time",        "prefix_uid",        "desc1",        "rank3"      ],      "attached_condition": "((`ytt`.`t1`.`rank1` = 1) or (`ytt`.`t1`.`rank2` = 2) or (`ytt`.`t1`.`rank3` = 2))"    }  }}1 row in set, 1 warning (0.00 sec)

我們再看下SQL D的計劃：

• 不加HINT，

• mysql> explain format=json select * from t1 where rank1 =100 and rank2 =100 and rank3 =100G*************************** 1. row ***************************EXPLAIN: {  "query_block": {    "select_id": 1,    "cost_info": {      "query_cost": "534.34"    },    "table": {      "table_name": "t1",      "access_type": "ref",      "possible_keys": [        "idx_rank1",        "idx_rank2",        "idx_rank3"      ],      "key": "idx_rank1",      "used_key_parts": [        "rank1"      ],      "key_length": "5",      "ref": [        "const"      ],      "rows_examined_per_scan": 555,      "rows_produced_per_join": 0,      "filtered": "0.07",      "cost_info": {        "read_cost": "478.84",        "eval_cost": "0.04",        "prefix_cost": "534.34",        "data_read_per_join": "176"      },      "used_columns": [        "id",        "rank1",        "rank2",        "log_time",        "prefix_uid",        "desc1",        "rank3"      ],      "attached_condition": "((`ytt`.`t1`.`rank3` = 100) and (`ytt`.`t1`.`rank2` = 100))"    }  }}1 row in set, 1 warning (0.00 sec)

• 加了HINT，

• mysql> explain format=json select /*+ index_merge(t1)*/ * from t1 where rank1 =100 and rank2 =100 and rank3 =100G*************************** 1. row ***************************EXPLAIN: {  "query_block": {    "select_id": 1,    "cost_info": {      "query_cost": "5.23"    },    "table": {      "table_name": "t1",      "access_type": "index_merge",      "possible_keys": [        "idx_rank1",        "idx_rank2",        "idx_rank3"      ],      "key": "intersect(idx_rank1,idx_rank2,idx_rank3)",      "key_length": "5,5,5",      "rows_examined_per_scan": 1,      "rows_produced_per_join": 1,      "filtered": "100.00",      "cost_info": {        "read_cost": "5.13",        "eval_cost": "0.10",        "prefix_cost": "5.23",        "data_read_per_join": "440"      },      "used_columns": [        "id",        "rank1",        "rank2",        "log_time",        "prefix_uid",        "desc1",        "rank3"      ],      "attached_condition": "((`ytt`.`t1`.`rank3` = 100) and (`ytt`.`t1`.`rank2` = 100) and (`ytt`.`t1`.`rank1` = 100))"    }  }}1 row in set, 1 warning (0.00 sec)

對比下以上兩個，加了HINT的比不加HINT的cost小了100倍。

總結(jié)下，就是說表的cardinality值影響這張的查詢計劃，如果這個值沒有正常更新的話，就需要手工加HINT了。相信MySQL未來的版本會帶來更多的HINT。

四、成為一個java的架構(gòu)師要學(xué)習(xí)哪些知識

既然java架構(gòu)師，首先你要是一個高級java攻城尸，熟練使用各種框架，并知道它們實現(xiàn)的原理。jvm虛擬機原理、調(diào)優(yōu),懂得jvm能讓你寫出性能更好的代碼；池技術(shù)，什么對象池，連接池，線程池...:;java反射技術(shù)，寫框架必備的技術(shù)，但是有嚴重的性能問題，替代方案java字節(jié)碼技術(shù);nio，沒什么好說的，值得注意的是"直接內(nèi)存"的特點，使用場景;java多線程同步異步；java各種集合對象的實現(xiàn)原理，了解這些可以讓你在解決問題時選擇合適的數(shù)據(jù)結(jié)構(gòu)，高效的解決問題，比如hashmap的實現(xiàn)原理，好多五年以上經(jīng)驗的人都弄不清楚，還有為什擴容時有性能問題？不弄清楚這些原理，就寫不出高效的代碼，還會認為自己做的很對；總之一句話越基礎(chǔ)的東西越重要，很多人認為自己會用它們寫代碼了，其實僅僅是知道如何調(diào)用api而已,離會用還差的遠。

熟練使用各種數(shù)據(jù)結(jié)構(gòu)和算法，數(shù)組、哈希、鏈表、排序樹...，一句話要么是時間換空間要么是空間換時間，這里展開可以說一大堆，需要有一定的應(yīng)用經(jīng)驗，用于解決各種性能或業(yè)務(wù)上的問題；有時間再補充。

熟練使用linux操作系統(tǒng)，必備，沒什么好說的 。

熟悉tcp協(xié)議，創(chuàng)建連接三次握手和斷開連接四次握手的整個過程，不了解的話，無法對高并發(fā)網(wǎng)絡(luò)應(yīng)用做優(yōu)化; 熟悉http協(xié)議，尤其是http頭，我發(fā)現(xiàn)好多工作五年以上的都弄不清session和cookie的生命周期以及它們之間的關(guān)聯(lián)。

系統(tǒng)集群、負載均衡、反向代理、動靜分離，網(wǎng)站靜態(tài)化 。

分布式存儲系統(tǒng)nfs,fastdfs,tfs,Hadoop了解他們的優(yōu)缺點，適用場景 。

分布式緩存技術(shù)memcached,redis，提高系統(tǒng)性能必備，一句話，把硬盤上的內(nèi)容放到內(nèi)存里來提速，順便提個算法一致性hash 。

工具nginx必備技能超級好用，高性能，基本不會掛掉的服務(wù)器，功能多多，解決各種問題。

數(shù)據(jù)庫的設(shè)計能力，mysql必備，最基礎(chǔ)的數(shù)據(jù)庫工具，免費好用，對它基本的參數(shù)優(yōu)化，慢查詢?nèi)罩痉治?，主從?fù)制的配置，至少要成為半個mysql dba。其他nosql數(shù)據(jù)庫如mongodb。

還有隊列中間件。如消息推送，可以先把消息寫入數(shù)據(jù)庫，推送放隊列服務(wù)器上，由推送服務(wù)器去隊列獲取處理，這樣就可以將消息放數(shù)據(jù)庫和隊列里后直接給用戶反饋，推送過程則由推送服務(wù)器和隊列服務(wù)器完成，好處異步處理、緩解服務(wù)器壓力，解藕系統(tǒng)。

以上純粹是常用的技術(shù)，還有很多自己慢慢去摸索吧；因為要知道的東西很多，所以要成為一名合格的架構(gòu)師，必須要有強大的自學(xué)能力，沒有人會手把手的教給你所有的東西。

想成為架構(gòu)師不是懂了一大堆技術(shù)就可以了，這些是解決問題的基礎(chǔ)、是工具，不懂這些怎么去提解決方案呢？這是成為架構(gòu)師的必要條件。

架構(gòu)師還要針對業(yè)務(wù)特點、系統(tǒng)的性能要求提出能解決問題成本最低的設(shè)計方案才合格，人家一個幾百人用戶的系統(tǒng)，訪問量不大，數(shù)據(jù)量小，你給人家上集群、上分布式存儲、上高端服務(wù)器，為了架構(gòu)而架構(gòu)，這是最扯淡的，架構(gòu)師的作用就是第一滿足業(yè)務(wù)需求，第二最低的硬件網(wǎng)絡(luò)成本和技術(shù)維護成本。

架構(gòu)師還要根據(jù)業(yè)務(wù)發(fā)展階段，提前預(yù)見發(fā)展到下一個階段系統(tǒng)架構(gòu)的解決方案，并且設(shè)計當(dāng)前架構(gòu)時將架構(gòu)的升級擴展考慮進去，做到易于升級;否則等系統(tǒng)瓶頸來了，出問題了再去出方案，或現(xiàn)有架構(gòu)無法擴展直接扔掉重做，或擴展麻煩問題一大堆，這會對企業(yè)造成損失；

手機手工輸入的，想到哪里寫到哪里，很亂..做技術(shù)的，表達能力不強，將就著看吧，歡迎大家補充，互相學(xué)習(xí)交流，有學(xué)習(xí)有交流才有進步。

剛用知乎發(fā)現(xiàn)它的編輯器真難用，發(fā)布后段落前面的空格沒有了，存草稿后回車換行沒有了，剛剛重新整理了一下

以上就是關(guān)于redis慢查詢相關(guān)問題的回答。希望能幫到你，如有更多相關(guān)問題，您也可以聯(lián)系我們的客服進行咨詢，客服也會為您講解更多精彩的知識和內(nèi)容。

推薦閱讀：

redis一致性hash算法

論文降重哪個比較可靠（papereasy論文降重）

快照的作用（vmware虛擬機快照的作用）

武漢環(huán)境景觀設(shè)計價格表（武漢環(huán)境景觀設(shè)計價格表圖片）

抖音藍v可以更換執(zhí)照嗎（抖音藍v可以更換執(zhí)照嗎怎么弄）