什麼因素影響了資料庫的性能

資料庫好比人的大腦的記憶系統，沒有了資料庫就沒有了記憶系統。

它是長期儲存在計算機內、有組織的、可共享的數據集合。

可視為存儲電子文件的處所，用戶可以對文件中的數據進行新增、截取、更新、刪除等操作。

我們常說優化資料庫，到底是什麼因素影響了數據的性能呢？

影響資料庫性能主要因素：

1、商業需求對性能的影響，不合理需求造成資源投入產出比過低，可採用需求評審，欄位分析，設計評審。

2、系統架構（存儲架構）及實現對性能的影響，排查流水隊列數據、二進位多媒體數據、超大的文本數據、其它用戶上傳的文件、圖片等資源。

3、query語句對資料庫性能的影響，建議查詢過程和結果需共同關注。

1）查詢出的數據量過大，採用多次查詢、定位查詢、和查詢數據量控制。

2）鎖或者死鎖，排查代碼設計邏輯。

3）返回不必要的行和列，盡量查詢少的行和列，將數據遍歷時間降到最低。

4）查詢語句不夠優化，可採取在持久層或持久層之上做緩存，資料庫表的大欄位剝離，使用表的拆分，判斷磁碟上數據存放的內外磁軌獲取的效率，放棄關係資料庫的某些特性。

5）索引，是否使用了索引，索引類型是否合適。

6）隱式轉換，如數據格式不統一。

7）SQL是否全表掃描，查看執行計劃並修改查詢語句，減少全表掃描。

4、Schema設計對系統性能影響，考慮欄位選型、表列數、欄位冗餘、大小欄位拆分、單錶行數拆分。

5、硬體環境對資料庫的性能的影響，可根據系統特性及成本選擇更適合的硬體設備。

1）I/O吞吐量小，形成了瓶頸效應 I/O吞吐量是影響數據訪問速度的客觀因素（硬體因素）。

2）內存不足，可採取分而治之/hash映射 + hash統計 + 堆/快速/歸併排序、雙層桶劃分、Bloomfilter/Bitmap、Trie樹/資料庫/倒排索引、外排序、分散式處理之Hadoop/Mapreduce，或者擴容。

6、系統環境，如OS、DB版本、參數配置。

7、系統規模，評估並發量、數據量、用戶量。

8、代碼設計，減少使用OR、LIKE等語句寫法、過多表關聯、表結構、過度範式。

9、業務模型及架構，如單伺服器支撐、OLTP&OLAP混合。

10、阻塞，等待，如資料庫連接池佔滿、資料庫內部運行。

11、參數嗅探，使用本地變數，使用EXEC執行動態SQL,這樣會重編譯，存儲過程使用Recompile，使用QUERY HINT指定執行計劃等。

12、執行計劃突變，減少動態sql的使用，或固化sql。

13、超高的QPS和TPS，可參考分散式資料庫，或者運用NoSQL技術如：MongoDB，Hbase，TiDB等，合適的庫存儲最合適的數據類型。

14、大表，採取分庫分表、歷史數據歸檔、避免一次處理太多的數據，分批分時間段執行。

15、網卡流量，減少從伺服器的數量、進行分級緩存、避免使用「select * 」進行查詢、分離業務網路和伺服器網路。

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！