zoukankan      html  css  js  c++  java
  • 什么因素影响数据库性能

    --------------------------------------------目录-------------------------------------------------

     • 什么影响了数据库的性能?

     • 超高的 QPS 和 TPS 对性能的影响

     • 大量的并发和超高的CPU 对性能的影响

     • 磁盘IO性能下降 对性能的影响

     • 网卡流量对性能的影响

     • 大表对性能的影响

     • 大表的处理方式【分库分表】【历史数据归档(推荐)】

    -------------------------------------------------

    什么影响了数据库的性能?

    -------------------------------------------------

    超高的QPS和TPS对性能的影响

    一般情况下80%都是由慢查询造成的

    一个sql执行100ms 和 执行10ms 差别是很大的

    解决方式:sql优化解决80%的性能 问题。

    -----------------------------------------------------------------------------

    大量的并发和超高的CPU对性能的影响

    nginx,apache都会建立大量连接

    ------------------------------------------------------------------------------

    磁盘IO性能下降 对性能的影响

    做好磁盘维护,和磁盘计划

    ------------------------------------------------------------------------------

    ------------------------------------------------------------------------------

    大表对性能的影响

    大表查询对数据库性能的影响

    因为之前一直没有对这张表进行 查询,所以没出现问题。

    突然要查一下网站来源,产生了大量的慢查询,一下子就把数据库搞死了。

    ----Data Definition Language 数据库定义语言 

    -------------------------------------------------------------------------------------------------------------

    大表的处理方式【分库分表】【历史数据归档(推荐)】

    方法一:订单表进行分库分表,关键是主键的选择,选择一个常用的分类很重要

          调用大量人力物力,耗时2个月完成,效果不错。

          但是要对一些统计,又不得不将数据进行了合并。还会冒影响业务的风险。

    方法二:历史数据归档。减少了对前端事务的影响。可以留个对历史归档的入口,历史归档的数据查询会很少的。

    归档时间点需要慎重选择。

    如何进行归档:把归档的历史数据删除,上亿的数据删除几百万上千万,轻则会造成主从延时,重则造成阻塞。

    --------------------------------------------------------------------------------------------

    什么是事务

    事务的ACID特性,原子性、一致性、隔离性、持久性。

    ---------------------------------------------------------------------------------------------------

    什么是大事务,如何处理

  • 相关阅读:
    spark 查看 job history 日志
    Kafka集群安装
    spark总体概况
    hadoop distcp使用
    基于spark1.3.1的spark-sql实战-02
    HiveServer2 入门使用
    基于spark1.3.1的spark-sql实战-01
    Hive基础学习文档和入门教程
    HDFS HA与QJM(Quorum Journal Manager)介绍及官网内容整理
    Akka DEMO
  • 原文地址:https://www.cnblogs.com/zhaoyang-1989/p/6864188.html
Copyright © 2011-2022 走看看