• 如果您觉得本站非常有看点,那么赶紧使用Ctrl+D 收藏吧

如何优化多表查询情况下的查询性能问题

互联网 diligentman 1周前 (10-15) 8次浏览

在实际开发过程中,使用例如 DDD领 域模型充血方案或者为了数据模型更加的便于之后的拓展和解释,不便于也不建议通过增加状态字段的方式解决问题,但同时上层业务有相对比较复杂,就会存在数据模型与业务要求之间的适配问题,复杂的业务可能提现在数据模型中需要用到多张表的联表查询情况,这类问题如何解决呢?

拆分方式

将原本一条SQL方式,查分为多步。多步可以是在SQL层面也可以是在程序层面。

有些业务情况是允许 通过多条SQL执行 的结果,在程序中进行拼装得到最终符合要求的结果集,在这里作者推荐尽可能在程序中处理,这样做的好处是减少数据库的压力。

也可以 借助其他缓存中间件 ,例如 redis 将一部分数据预先处理好,查询Redis性能肯定比数据库要好。

合并方式(读写分离)

预先将所需要的结果集以冗余方式存储下来,程序只需查询该冗余数据集合即可。

有的人会最先想到使用视图的方式去做,但了解视图的人都知道,每次查询视图数据,仍旧会执行联表SQL,不会起到性能提升效果。

使用 缓存表方式 ,以MySQL为例,MySQL 有提供缓存表的实现,将目标数据先缓存到缓存表中,再查缓存表中数据。

同步数据到ElasticSearch,查询 ElasticSearch 中的冗余数据 ,阿里 Canal 产品提供 MySQL 同步到 ElasticSearch 的实现,可以参考 Sync ES · alibaba/canal Wiki · GitHub。但该种方案往往存在延迟的问题,仅适合于对实时性有容忍度的场景中。

大数据 Spark / Flink 方式 ,以实时或者离线方式(实时性要求低)对多张目标表业务处理,持久化结果集,程序只需读取结果集中的数据。Flink 提供 Joining 方案,可以参考Apache Flink 1.11 Documentation: Joining。

分库分表+主从方式 ,例如多租户的场景,租户之间数据隔离,我们可以一主多从,一主用于写数据,多从分别根据租户拆分,各租户查询自己的从库。但该方案在程序实现方面会比较复杂,同时某个租户的数据量非常大还是会存在性能问题。

小结:该类方式往往是通过事件驱动方式实现,就会存在实时性和顺序问题,在选型的时候,需要考虑这方面的问题。以上提到的方案都仅仅适合联表查询相对简单的场景,如果存在子查询之类的复杂要求,就无法满足要求了。

如何优化多表查询情况下的查询性能问题


喜欢 (0)