目錄
- 前言
- Innodb表空間
- Inndob存儲分布
- 創建空表查看空間變化
- 插入數據后的空間變化
- delete數據后的空間變化
- Innodb中的碎片
- delete對SQL的影響
- delete優化建議
- 數據歸檔方式
- 總結
前言
我負責的有幾個系統隨著業務量的增長，存儲在MySQL中的數據日益劇增，我當時就想現在的業務方不講武德，搞偷襲，趁我沒反應過來把很多表，很快，很快啊都打到了億級別，我大意了，沒有閃，這就導致跟其Join的表的SQL變得很慢，對的應用接口的response time也變長了，影響了用戶體驗。
事后我找到業務方，我批評了他們跟他們說要講武德，連忙跟我道歉，這個事情才就此作罷，走的時候我對他們說下次不要這樣了，耗子尾汁，好好反思。
罵歸罵，事情還是得解決，時候我分析原因發現，發現有些表的數據量增長很快，對應SQL掃描了很多無效數據，導致SQL慢了下來，通過確認之后，這些大表都是一些流水、記錄、日志類型數據，只需要保留1到3個月，此時需要對表做數據清理實現瘦身，一般都會想到用insert + delete的方式去清理。
這篇文章我會從InnoDB存儲空間分布，delete對性能的影響，以及優化建議方面解釋為什么不建議delete刪除數據。
InnoDB存儲架構
從這張圖可以看到，InnoDB存儲結構主要包括兩部分：邏輯存儲結構和物理存儲結構。
邏輯上是由表空間tablespace —> 段segment或者inode —> 區Extent ——>數據頁Page構成，Innodb邏輯管理單位是segment，空間分配的最小單位是extent，每個segment都會從表空間FREE_PAGE中分配32個page，當這32個page不夠用時，會按照以下原則進行擴展：如果當前小于1個extent，則擴展到1個extent；當表空間小于32MB時，每次擴展一個extent；表空間大于32MB，每次擴展4個extent。
物理上主要由系統用戶數據文件，日志文件組成，數據文件主要存儲MySQL字典數據和用戶數據，日志文件記錄的是data page的變更記錄，用于MySQL Crash時的恢復。
Innodb表空間
InnoDB存儲包括三類表空間：系統表空間，用戶表空間，Undo表空間。
**系統表空間：**主要存儲MySQL內部的數據字典數據，如information_schema下的數據。
**用戶表空間：**當開啟innodb_file_per_table=1時，數據表從系統表空間獨立出來存儲在以table_name.ibd命令的數據文件中，結構信息存儲在table_name.frm文件中。
**Undo表空間：**存儲Undo信息，如快照一致讀和flashback都是利用undo信息。
從MySQL 8.0開始允許用戶自定義表空間，具體語法如下：
CREATE TABLESPACE tablespace_name
ADD DATAFILE 'file_name' #數據文件名
USE LOGFILE GROUP logfile_group #自定義日志文件組，一般每組2個logfile。
[EXTENT_SIZE [=] extent_size] #區大小
[INITIAL_SIZE [=] initial_size] #初始化大小
[AUTOEXTEND_SIZE [=] autoextend_size] #自動擴寬尺寸
[MAX_SIZE [=] max_size] #單個文件最大size，最大是32G。
[NODEGROUP [=] nodegroup_id] #節點組
[WAIT]
[COMMENT [=] comment_text]
ENGINE [=] engine_name
這樣的好處是可以做到數據的冷熱分離，分別用HDD和SSD來存儲，既能實現數據的高效訪問，又能節約成本，比如可以添加兩塊500G硬盤，經過創建卷組vg，劃分邏輯卷lv，創建數據目錄并mount相應的lv，假設劃分的兩個目錄分別是/hot_data 和 /cold_data。
這樣就可以將核心的業務表如用戶表，訂單表存儲在高性能SSD盤上，一些日志，流水表存儲在普通的HDD上，主要的操作步驟如下：
#創建熱數據表空間
create tablespace tbs_data_hot add datafile '/hot_data/tbs_data_hot01.dbf' max_size 20G;
#創建核心業務表存儲在熱數據表空間
create table booking(id bigint not null primary key auto_increment, …… ) tablespace tbs_data_hot;
#創建冷數據表空間
create tablespace tbs_data_cold add datafile '/hot_data/tbs_data_cold01.dbf' max_size 20G;
#創建日志，流水，備份類的表存儲在冷數據表空間
create table payment_log(id bigint not null primary key auto_increment, …… ) tablespace tbs_data_cold;
#可以移動表到另一個表空間
alter table payment_log tablespace tbs_data_hot;
Inndob存儲分布
創建空表查看空間變化
mysql> create table user(id bigint not null primary key auto_increment,
-> name varchar(20) not null default '' comment '姓名',
-> age tinyint not null default 0 comment 'age',
-> gender char(1) not null default 'M' comment '性別',
-> phone varchar(16) not null default '' comment '手機號',
-> create_time datetime NOT NULL DEFAULT CURRENT_TIMESTAMP COMMENT '創建時間',
-> update_time datetime NOT NULL DEFAULT CURRENT_TIMESTAMP ON UPDATE CURRENT_TIMESTAMP COMMENT '修改時間'
-> ) engine = InnoDB DEFAULT CHARSET=utf8mb4 COMMENT '用戶信息表';
Query OK, 0 rows affected (0.26 sec)
# ls -lh user1.ibd
-rw-r----- 1 mysql mysql 96K Nov 6 12:48 user.ibd
設置參數innodb_file_per_table=1時，創建表時會自動創建一個segment，同時分配一個extent，包含32個data page的來存儲數據，這樣創建的空表默認大小就是96KB，extent使用完之后會申請64個連接頁，這樣對于一些小表，或者undo segment，可以在開始時申請較少的空間，節省磁盤容量的開銷。
# python2 py_innodb_page_info.py -v /data2/mysql/test/user.ibd
page offset 00000000, page type File Space Header>
page offset 00000001, page type Insert Buffer Bitmap>
page offset 00000002, page type File Segment inode>
page offset 00000003, page type B-tree Node>, page level 0000>
page offset 00000000, page type Freshly Allocated Page>
page offset 00000000, page type Freshly Allocated Page>
Total number of page: 6: #總共分配的頁數
Freshly Allocated Page: 2 #可用的數據頁
Insert Buffer Bitmap: 1 #插入緩沖頁
File Space Header: 1 #文件空間頭
B-tree Node: 1 #數據頁
File Segment inode: 1 #文件端inonde，如果是在ibdata1.ibd上會有多個inode。
插入數據后的空間變化
mysql> DELIMITER $$
mysql> CREATE PROCEDURE insert_user_data(num INTEGER)
-> BEGIN
-> DECLARE v_i int unsigned DEFAULT 0;
-> set autocommit= 0;
-> WHILE v_i num DO
-> insert into user(`name`, age, gender, phone) values (CONCAT('lyn',v_i), mod(v_i,120), 'M', CONCAT('152',ROUND(RAND(1)*100000000)));
-> SET v_i = v_i+1;
-> END WHILE;
-> commit;
-> END $$
Query OK, 0 rows affected (0.01 sec)
mysql> DELIMITER ;
#插入10w數據
mysql> call insert_user_data(100000);
Query OK, 0 rows affected (6.69 sec)
# ls -lh user.ibd
-rw-r----- 1 mysql mysql 14M Nov 6 10:58 /data2/mysql/test/user.ibd
# python2 py_innodb_page_info.py -v /data2/mysql/test/user.ibd
page offset 00000000, page type File Space Header>
page offset 00000001, page type Insert Buffer Bitmap>
page offset 00000002, page type File Segment inode>
page offset 00000003, page type B-tree Node>, page level 0001> #增加了一個非葉子節點，樹的高度從1變為2.
........................................................
page offset 00000000, page type Freshly Allocated Page>
Total number of page: 896:
Freshly Allocated Page: 493
Insert Buffer Bitmap: 1
File Space Header: 1
B-tree Node: 400
File Segment inode: 1
delete數據后的空間變化
mysql> select min(id),max(id),count(*) from user;
+---------+---------+----------+
| min(id) | max(id) | count(*) |
+---------+---------+----------+
| 1 | 100000 | 100000 |
+---------+---------+----------+
1 row in set (0.05 sec)
#刪除50000條數據，理論上空間應該從14MB變長7MB左右。
mysql> delete from user limit 50000;
Query OK, 50000 rows affected (0.25 sec)
#數據文件大小依然是14MB，沒有縮小。
# ls -lh /data2/mysql/test/user1.ibd
-rw-r----- 1 mysql mysql 14M Nov 6 13:22 /data2/mysql/test/user.ibd
#數據頁沒有被回收。
# python2 py_innodb_page_info.py -v /data2/mysql/test/user.ibd
page offset 00000000, page type File Space Header>
page offset 00000001, page type Insert Buffer Bitmap>
page offset 00000002, page type File Segment inode>
page offset 00000003, page type B-tree Node>, page level 0001>
........................................................
page offset 00000000, page type Freshly Allocated Page>
Total number of page: 896:
Freshly Allocated Page: 493
Insert Buffer Bitmap: 1
File Space Header: 1
B-tree Node: 400
File Segment inode: 1
#在MySQL內部是標記刪除，
mysql> use information_schema;
Database changed
mysql> SELECT A.SPACE AS TBL_SPACEID, A.TABLE_ID, A.NAME AS TABLE_NAME, FILE_FORMAT, ROW_FORMAT, SPACE_TYPE, B.INDEX_ID , B.NAME AS INDEX_NAME, PAGE_NO, B.TYPE AS INDEX_TYPE FROM INNODB_SYS_TABLES A LEFT JOIN INNODB_SYS_INDEXES B ON A.TABLE_ID =B.TABLE_ID WHERE A.NAME = 'test/user1';
+-------------+----------+------------+-------------+------------+------------+----------+------------+---------+------------+
| TBL_SPACEID | TABLE_ID | TABLE_NAME | FILE_FORMAT | ROW_FORMAT | SPACE_TYPE | INDEX_ID | INDEX_NAME | PAGE_NO | INDEX_TYPE |
+-------------+----------+------------+-------------+------------+------------+----------+------------+---------+------------+
| 1283 | 1207 | test/user | Barracuda | Dynamic | Single | 2236 | PRIMARY | 3 | 3 |
+-------------+----------+------------+-------------+------------+------------+----------+------------+---------+------------+
1 row in set (0.01 sec)
PAGE_NO = 3 標識B-tree的root page是3號頁，INDEX_TYPE = 3是聚集索引。 INDEX_TYPE取值如下：
0 = nonunique secondary index;
1 = automatically generated clustered index (GEN_CLUST_INDEX);
2 = unique nonclustered index;
3 = clustered index;
32 = full-text index;
#收縮空間再后進行觀察
MySQL內部不會真正刪除空間，而且做標記刪除，即將delflag:N修改為delflag:Y，commit之后會會被purge進入刪除鏈表，如果下一次insert更大的記錄，delete之后的空間不會被重用，如果插入的記錄小于等于delete的記錄空會被重用，這塊內容可以通過知數堂的innblock工具進行分析。
Innodb中的碎片
碎片的產生
我們知道數據存儲在文件系統上的，總是不能100%利用分配給它的物理空間，刪除數據會在頁面上留下一些”空洞”，或者隨機寫入（聚集索引非線性增加）會導致頁分裂，頁分裂導致頁面的利用空間少于50%，另外對表進行增刪改會引起對應的二級索引值的隨機的增刪改，也會導致索引結構中的數據頁面上留下一些"空洞"，雖然這些空洞有可能會被重復利用，但終究會導致部分物理空間未被使用，也就是碎片。
同時，即便是設置了填充因子為100%，Innodb也會主動留下page頁面1/16的空間作為預留使用（An innodb_fill_factor setting of 100 leaves 1/16 of the space in clustered index pages free for future index growth）防止update帶來的行溢出。
mysql> select table_schema,
-> table_name,ENGINE,
-> round(DATA_LENGTH/1024/1024+ INDEX_LENGTH/1024/1024) total_mb,TABLE_ROWS,
-> round(DATA_LENGTH/1024/1024) data_mb, round(INDEX_LENGTH/1024/1024) index_mb, round(DATA_FREE/1024/1024) free_mb, round(DATA_FREE/DATA_LENGTH*100,2) free_ratio
-> from information_schema.TABLES where TABLE_SCHEMA= 'test'
-> and TABLE_NAME= 'user';
+--------------+------------+--------+----------+------------+---------+----------+---------+------------+
| table_schema | table_name | ENGINE | total_mb | TABLE_ROWS | data_mb | index_mb | free_mb | free_ratio |
+--------------+------------+--------+----------+------------+---------+----------+---------+------------+
| test | user | InnoDB | 4 | 50000 | 4 | 0 | 6 | 149.42 |
+--------------+------------+--------+----------+------------+---------+----------+---------+------------+
1 row in set (0.00 sec)
其中data_free是分配了未使用的字節數，并不能說明完全是碎片空間。
碎片的回收
對于InnoDB的表，可以通過以下命令來回收碎片，釋放空間，這個是隨機讀IO操作，會比較耗時，也會阻塞表上正常的DML運行，同時需要占用額外更多的磁盤空間，對于RDS來說，可能會導致磁盤空間瞬間爆滿，實例瞬間被鎖定，應用無法做DML操作，所以禁止在線上環境去執行。
#執行InnoDB的碎片回收
mysql> alter table user engine=InnoDB;
Query OK, 0 rows affected (9.00 sec)
Records: 0 Duplicates: 0 Warnings: 0
##執行完之后，數據文件大小從14MB降低到10M。
# ls -lh /data2/mysql/test/user1.ibd
-rw-r----- 1 mysql mysql 10M Nov 6 16:18 /data2/mysql/test/user.ibd
mysql> select table_schema, table_name,ENGINE, round(DATA_LENGTH/1024/1024+ INDEX_LENGTH/1024/1024) total_mb,TABLE_ROWS, round(DATA_LENGTH/1024/1024) data_mb, round(INDEX_LENGTH/1024/1024) index_mb, round(DATA_FREE/1024/1024) free_mb, round(DATA_FREE/DATA_LENGTH*100,2) free_ratio from information_schema.TABLES where TABLE_SCHEMA= 'test' and TABLE_NAME= 'user';
+--------------+------------+--------+----------+------------+---------+----------+---------+------------+
| table_schema | table_name | ENGINE | total_mb | TABLE_ROWS | data_mb | index_mb | free_mb | free_ratio |
+--------------+------------+--------+----------+------------+---------+----------+---------+------------+
| test | user | InnoDB | 5 | 50000 | 5 | 0 | 2 | 44.29 |
+--------------+------------+--------+----------+------------+---------+----------+---------+------------+
1 row in set (0.00 sec)
delete對SQL的影響
未刪除前的SQL執行情況
#插入100W數據
mysql> call insert_user_data(1000000);
Query OK, 0 rows affected (35.99 sec)
#添加相關索引
mysql> alter table user add index idx_name(name), add index idx_phone(phone);
Query OK, 0 rows affected (6.00 sec)
Records: 0 Duplicates: 0 Warnings: 0
#表上索引統計信息
mysql> show index from user;
+-------+------------+-----------+--------------+-------------+-----------+-------------+----------+--------+------+------------+---------+---------------+
| Table | Non_unique | Key_name | Seq_in_index | Column_name | Collation | Cardinality | Sub_part | Packed | Null | Index_type | Comment | Index_comment |
+-------+------------+-----------+--------------+-------------+-----------+-------------+----------+--------+------+------------+---------+---------------+
| user | 0 | PRIMARY | 1 | id | A | 996757 | NULL | NULL | | BTREE | | |
| user | 1 | idx_name | 1 | name | A | 996757 | NULL | NULL | | BTREE | | |
| user | 1 | idx_phone | 1 | phone | A | 2 | NULL | NULL | | BTREE | | |
+-------+------------+-----------+--------------+-------------+-----------+-------------+----------+--------+------+------------+---------+---------------+
3 rows in set (0.00 sec)
#重置狀態變量計數
mysql> flush status;
Query OK, 0 rows affected (0.00 sec)
#執行SQL語句
mysql> select id, age ,phone from user where name like 'lyn12%';
+--------+-----+-------------+
| id | age | phone |
+--------+-----+-------------+
| 124 | 3 | 15240540354 |
| 1231 | 30 | 15240540354 |
| 12301 | 60 | 15240540354 |
.............................
| 129998 | 37 | 15240540354 |
| 129999 | 38 | 15240540354 |
| 130000 | 39 | 15240540354 |
+--------+-----+-------------+
11111 rows in set (0.03 sec)
mysql> explain select id, age ,phone from user where name like 'lyn12%';
+----+-------------+-------+-------+---------------+----------+---------+------+-------+-----------------------+
| id | select_type | table | type | possible_keys | key | key_len | ref | rows | Extra |
+----+-------------+-------+-------+---------------+----------+---------+------+-------+-----------------------+
| 1 | SIMPLE | user | range | idx_name | idx_name | 82 | NULL | 22226 | Using index condition |
+----+-------------+-------+-------+---------------+----------+---------+------+-------+-----------------------+
1 row in set (0.00 sec)
#查看相關狀態呢變量
mysql> select * from information_schema.session_status where variable_name in('Last_query_cost','Handler_read_next','Innodb_pages_read','Innodb_data_reads','Innodb_pages_read');
+-------------------+----------------+
| VARIABLE_NAME | VARIABLE_VALUE |
+-------------------+----------------+
| HANDLER_READ_NEXT | 11111 | #請求讀的行數
| INNODB_DATA_READS | 7868409 | #數據物理讀的總數
| INNODB_PAGES_READ | 7855239 | #邏輯讀的總數
| LAST_QUERY_COST | 10.499000 | #SQL語句的成本COST，主要包括IO_COST和CPU_COST。
+-------------------+----------------+
4 rows in set (0.00 sec)
刪除后的SQL執行情況
#刪除50w數據
mysql> delete from user limit 500000;
Query OK, 500000 rows affected (3.70 sec)
#分析表統計信息
mysql> analyze table user;
+-----------+---------+----------+----------+
| Table | Op | Msg_type | Msg_text |
+-----------+---------+----------+----------+
| test.user | analyze | status | OK |
+-----------+---------+----------+----------+
1 row in set (0.01 sec)
#重置狀態變量計數
mysql> flush status;
Query OK, 0 rows affected (0.01 sec)
mysql> select id, age ,phone from user where name like 'lyn12%';
Empty set (0.05 sec)
mysql> explain select id, age ,phone from user where name like 'lyn12%';
+----+-------------+-------+-------+---------------+----------+---------+------+-------+-----------------------+
| id | select_type | table | type | possible_keys | key | key_len | ref | rows | Extra |
+----+-------------+-------+-------+---------------+----------+---------+------+-------+-----------------------+
| 1 | SIMPLE | user | range | idx_name | idx_name | 82 | NULL | 22226 | Using index condition |
+----+-------------+-------+-------+---------------+----------+---------+------+-------+-----------------------+
1 row in set (0.00 sec)
mysql> select * from information_schema.session_status where variable_name in('Last_query_cost','Handler_read_next','Innodb_pages_read','Innodb_data_reads','Innodb_pages_read');
+-------------------+----------------+
| VARIABLE_NAME | VARIABLE_VALUE |
+-------------------+----------------+
| HANDLER_READ_NEXT | 0 |
| INNODB_DATA_READS | 7868409 |
| INNODB_PAGES_READ | 7855239 |
| LAST_QUERY_COST | 10.499000 |
+-------------------+----------------+
4 rows in set (0.00 sec)
結果統計分析
| 操作 |
COST |
物理讀次數 |
邏輯讀次數 |
掃描行數 |
返回行數 |
執行時間 |
| 初始化插入100W |
10.499000 |
7868409 |
7855239 |
22226 |
11111 |
30ms |
| 100W隨機刪除50W |
10.499000 |
7868409 |
7855239 |
22226 |
0 |
50ms |
這也說明對普通的大表，想要通過delete數據來對表進行瘦身是不現實的，所以在任何時候不要用delete去刪除數據，應該使用優雅的標記刪除。
delete優化建議
控制業務賬號權限
對于一個大的系統來說，需要根據業務特點去拆分子系統，每個子系統可以看做是一個service，例如美團APP，上面有很多服務，核心的服務有用戶服務user-service，搜索服務search-service，商品product-service，位置服務location-service，價格服務price-service等。每個服務對應一個數據庫，為該數據庫創建單獨賬號，同時只授予DML權限且沒有delete權限，同時禁止跨庫訪問。
#創建用戶數據庫并授權
create database mt_user charset utf8mb4;
grant USAGE, SELECT, INSERT, UPDATE ON mt_user.* to 'w_user'@'%' identified by 't$W*g@gaHTGi123456';
flush privileges;
delete改為標記刪除
在MySQL數據庫建模規范中有4個公共字段，基本上每個表必須有的，同時在create_time列要創建索引，有兩方面的好處：
- 一些查詢業務場景都會有一個默認的時間段，比如7天或者一個月，都是通過create_time去過濾，走索引掃描更快。
- 一些核心的業務表需要以T +1的方式抽取數據倉庫中，比如每天晚上00:30抽取前一天的數據，都是通過create_time過濾的。
`id` bigint(20) NOT NULL AUTO_INCREMENT COMMENT '主鍵id',
`is_deleted` tinyint(4) NOT NULL DEFAULT '0' COMMENT '是否邏輯刪除：0：未刪除，1：已刪除',
`create_time` timestamp NOT NULL DEFAULT CURRENT_TIMESTAMP COMMENT '創建時間',
`update_time` timestamp NOT NULL DEFAULT CURRENT_TIMESTAMP ON UPDATE CURRENT_TIMESTAMP COMMENT '修改時間'
#有了刪除標記，業務接口的delete操作就可以轉換為update
update user set is_deleted = 1 where user_id = 1213;
#查詢的時候需要帶上is_deleted過濾
select id, age ,phone from user where is_deleted = 0 and name like 'lyn12%';
數據歸檔方式
通用數據歸檔方法
#1. 創建歸檔表，一般在原表名后面添加_bak。
CREATE TABLE `ota_order_bak` (
`id` bigint(11) NOT NULL AUTO_INCREMENT COMMENT '主鍵',
`order_id` varchar(255) DEFAULT NULL COMMENT '訂單id',
`ota_id` varchar(255) DEFAULT NULL COMMENT 'ota',
`check_in_date` varchar(255) DEFAULT NULL COMMENT '入住日期',
`check_out_date` varchar(255) DEFAULT NULL COMMENT '離店日期',
`hotel_id` varchar(255) DEFAULT NULL COMMENT '酒店ID',
`guest_name` varchar(255) DEFAULT NULL COMMENT '顧客',
`purcharse_time` timestamp NULL DEFAULT NULL COMMENT '購買時間',
`create_time` datetime DEFAULT NULL,
`update_time` datetime DEFAULT NULL,
`create_user` varchar(255) DEFAULT NULL,
`update_user` varchar(255) DEFAULT NULL,
`status` int(4) DEFAULT '1' COMMENT '狀態 ： 1 正常 ， 0 刪除',
`hotel_name` varchar(255) DEFAULT NULL,
`price` decimal(10,0) DEFAULT NULL,
`remark` longtext,
PRIMARY KEY (`id`),
KEY `IDX_order_id` (`order_id`) USING BTREE,
KEY `hotel_name` (`hotel_name`) USING BTREE,
KEY `ota_id` (`ota_id`) USING BTREE,
KEY `IDX_purcharse_time` (`purcharse_time`) USING BTREE,
KEY `IDX_create_time` (`create_time`) USING BTREE
) ENGINE=InnoDB DEFAULT CHARSET=utf8
PARTITION BY RANGE (to_days(create_time)) (
PARTITION p201808 VALUES LESS THAN (to_days('2018-09-01')),
PARTITION p201809 VALUES LESS THAN (to_days('2018-10-01')),
PARTITION p201810 VALUES LESS THAN (to_days('2018-11-01')),
PARTITION p201811 VALUES LESS THAN (to_days('2018-12-01')),
PARTITION p201812 VALUES LESS THAN (to_days('2019-01-01')),
PARTITION p201901 VALUES LESS THAN (to_days('2019-02-01')),
PARTITION p201902 VALUES LESS THAN (to_days('2019-03-01')),
PARTITION p201903 VALUES LESS THAN (to_days('2019-04-01')),
PARTITION p201904 VALUES LESS THAN (to_days('2019-05-01')),
PARTITION p201905 VALUES LESS THAN (to_days('2019-06-01')),
PARTITION p201906 VALUES LESS THAN (to_days('2019-07-01')),
PARTITION p201907 VALUES LESS THAN (to_days('2019-08-01')),
PARTITION p201908 VALUES LESS THAN (to_days('2019-09-01')),
PARTITION p201909 VALUES LESS THAN (to_days('2019-10-01')),
PARTITION p201910 VALUES LESS THAN (to_days('2019-11-01')),
PARTITION p201911 VALUES LESS THAN (to_days('2019-12-01')),
PARTITION p201912 VALUES LESS THAN (to_days('2020-01-01')));
#2. 插入原表中無效的數據（需要跟開發同學確認數據保留范圍）
create table tbl_p201808 as select * from ota_order where create_time between '2018-08-01 00:00:00' and '2018-08-31 23:59:59';
#3. 跟歸檔表分區做分區交換
alter table ota_order_bak exchange partition p201808 with table tbl_p201808;
#4. 刪除原表中已經規范的數據
delete from ota_order where create_time between '2018-08-01 00:00:00' and '2018-08-31 23:59:59' limit 3000;
優化后的歸檔方式
#1. 創建中間表
CREATE TABLE `ota_order_2020` (........) ENGINE=InnoDB DEFAULT CHARSET=utf8
PARTITION BY RANGE (to_days(create_time)) (
PARTITION p201808 VALUES LESS THAN (to_days('2018-09-01')),
PARTITION p201809 VALUES LESS THAN (to_days('2018-10-01')),
PARTITION p201810 VALUES LESS THAN (to_days('2018-11-01')),
PARTITION p201811 VALUES LESS THAN (to_days('2018-12-01')),
PARTITION p201812 VALUES LESS THAN (to_days('2019-01-01')),
PARTITION p201901 VALUES LESS THAN (to_days('2019-02-01')),
PARTITION p201902 VALUES LESS THAN (to_days('2019-03-01')),
PARTITION p201903 VALUES LESS THAN (to_days('2019-04-01')),
PARTITION p201904 VALUES LESS THAN (to_days('2019-05-01')),
PARTITION p201905 VALUES LESS THAN (to_days('2019-06-01')),
PARTITION p201906 VALUES LESS THAN (to_days('2019-07-01')),
PARTITION p201907 VALUES LESS THAN (to_days('2019-08-01')),
PARTITION p201908 VALUES LESS THAN (to_days('2019-09-01')),
PARTITION p201909 VALUES LESS THAN (to_days('2019-10-01')),
PARTITION p201910 VALUES LESS THAN (to_days('2019-11-01')),
PARTITION p201911 VALUES LESS THAN (to_days('2019-12-01')),
PARTITION p201912 VALUES LESS THAN (to_days('2020-01-01')));
#2. 插入原表中有效的數據，如果數據量在100W左右可以在業務低峰期直接插入，如果比較大，建議采用dataX來做，可以控制頻率和大小，之前我這邊用Go封裝了dataX可以實現自動生成json文件，自定義大小去執行。
insert into ota_order_2020 select * from ota_order where create_time between '2020-08-01 00:00:00' and '2020-08-31 23:59:59';
#3. 表重命名
alter table ota_order rename to ota_order_bak;
alter table ota_order_2020 rename to ota_order;
#4. 插入差異數據
insert into ota_order select * from ota_order_bak a where not exists (select 1 from ota_order b where a.id = b.id);
#5. ota_order_bak改造成分區表，如果表比較大不建議直接改造，可以先創建好分區表，通過dataX把導入進去即可。
#6. 后續的歸檔方法
#創建中間普遍表
create table ota_order_mid like ota_order;
#交換原表無效數據分區到普通表
alter table ota_order exchange partition p201808 with table ota_order_mid;
##交換普通表數據到歸檔表的相應分區
alter table ota_order_bak exchange partition p201808 with table ota_order_mid;
這樣原表和歸檔表都是按月的分區表，只需要創建一個中間普通表，在業務低峰期做兩次分區交換，既可以刪除無效數據，又能回收空，而且沒有空間碎片，不會影響表上的索引及SQL的執行計劃。
總結
通過從InnoDB存儲空間分布，delete對性能的影響可以看到，delete物理刪除既不能釋放磁盤空間，而且會產生大量的碎片，導致索引頻繁分裂，影響SQL執行計劃的穩定性；
同時在碎片回收時，會耗用大量的CPU，磁盤空間，影響表上正常的DML操作。
在業務代碼層面，應該做邏輯標記刪除，避免物理刪除；為了實現數據歸檔需求，可以用采用MySQL分區表特性來實現，都是DDL操作，沒有碎片產生。
另外一個比較好的方案采用Clickhouse，對有生命周期的數據表可以使用Clickhouse存儲，利用其TTL特性實現無效數據自動清理。
到此這篇關于淺談為什么MySQL不建議delete刪除數據的文章就介紹到這了,更多相關MySQL不建議delete刪除內容請搜索腳本之家以前的文章或繼續瀏覽下面的相關文章希望大家以后多多支持腳本之家！
您可能感興趣的文章:- MyBatis批量插入/修改/刪除MySql數據
- mysql利用mysqlbinlog命令恢復誤刪除數據的實現
- mysql5.7.33誤刪除ibdata文件找回數據的方法
- mysql數據庫刪除重復數據只保留一條方法實例
- mysql 大表批量刪除大量數據的實現方法
- Python批量刪除mysql中千萬級大量數據的腳本分享
- Mysql刪除數據以及數據表的方法實例
- MySQL刪除數據，表文件大小依然沒變的原因
- MySQL 快速刪除大量數據（千萬級別）的幾種實踐方案詳解
- MySQL Delete 刪數據后磁盤空間未釋放的原因
