譯者 | 薛命燈
我試圖在 MariaDB（MySQL）上運行一個簡單的連接查詢，但性能簡直糟糕透了。下面將介紹我是如何通過兩個簡單的 Unix 命令，將查詢時間從 380 小時降到 12 小時以下的。
下面就是這個查詢，它是 GHTorrent 分析的一部分，我使用了關系在線分析處理框架 simple-rolap 來實現(xiàn)這個分析。
select distinct
project_commits.project_id,
date_format(created_at, ‘%x%v1') as week_commit
from project_commits
left join commits
on project_commits.commit_id = commits.id;
兩個連接字段都有索引。不過，MariaDB 是通過對 project_commits 進行全表掃描和對 commits 進行索引查找來實現(xiàn)連接的。這可以從 EXPLAIN 的輸出看出來。
這兩個表中的記錄比較多：project_commits 有 50 億行記錄，commits 有 8.47 億行記錄。服務器的內(nèi)存比較小，只有 16GB。所以很可能是因為內(nèi)存放不下那么大的索引，需要讀取磁盤，因此嚴重影響到了性能。從 pmonitor 對臨時表的分析結(jié)果來看，這個查詢已經(jīng)運行半天了，還需要 373 個小時才能運行完。
/home/mysql/ghtorrent/project_commits#P#p0.MYD 6.68% ETA 373:38:11
在我看來，這個太過分了，因為排序合并連接（sort-merge join）所需的 I/O 時間應該要比預計的執(zhí)行時間要低一個數(shù)量級。我在 dba.stackexchange.com 上尋求幫助，有人給出了一些建議讓我嘗試，但我沒有信心它們能夠解決我的問題。我嘗試了第一個建議，結(jié)果并不樂觀。嘗試每個建議都需要至少半天的時間，后來，我決定采用一種我認為可以有效解決這個問題的辦法。
我將這兩個表導出到文件中，使用 Unix 的 join 命令將它們連接在一起，將結(jié)果傳給 uniq，把重復的行移除掉，然后將結(jié)果導回到數(shù)據(jù)庫。導入過程（包括重建索引）從 20:41 開始，到第二天的 9:53 結(jié)束。以下是具體操作步驟。
1. 將數(shù)據(jù)庫表導出為文本文件
我先導出連接兩個表需要用到的字段，并按照連接字段進行排序。為了確保排序順序與 Unix 工具的排序順序兼容，我將字段轉(zhuǎn)換為字符類型。
我將以下 SQL 查詢的輸出保存到文件 commits_week.txt 中。
select cast(id as char) as cid,
date_format(created_at, ‘%x%v1') as week_commit
from commits
order by cid;
然后將以下 SQL 查詢的輸出保存到 project_commits.txt 文件中：
select cast(commit_id as char) as cid, project_id
from project_commits
order by cid;
這樣就生成了以下兩個文件。
-rw-r–r– 1 dds dds 15G Aug 4 21:09 commits_week.txt
-rw-r–r– 1 dds dds 93G Aug 5 00:36 project_commits.txt
為了避免內(nèi)存不足，我使用 –quick 選項來運行 mysql 客戶端，否則客戶端會在輸出結(jié)果之前嘗試收集所有的記錄。
2. 使用 Unix 命令行工具處理文件
接下來，我使用 Unix 的 join 命令來連接這兩個文本文件。這個命令線性掃描兩個文件，并將第一個字段相同的記錄組合在一起。由于文件中的記錄已經(jīng)排好序，因此整個過程完成得很快，幾乎就是 I/O 的速度。我還將連接的結(jié)果傳給 uniq，用以消除重復記錄，這就解決了原始查詢中的 distinct 問題。同樣，在已經(jīng)排好序的輸出結(jié)果上，可以通過簡單的線性掃描完成去重。
這是我運行的 Unix 命令。
join commits_week.txt project_commits.txt | uniq >joined_commits.txt
經(jīng)過一個小時的處理，我得到了想要的結(jié)果。
-rw-r–r– 1 dds dds 133G Aug 5 01:40 joined_commits.txt
3. 將文本文件導回數(shù)據(jù)庫
最后，我將文本文件導回數(shù)據(jù)庫。
create table half_life.week_commits_all (
project_id INT(11) not null,
week_commit CHAR(7)) ENGINE=MyISAM;
load data local infile ‘joined_commits.txt'
into table half_life.week_commits_all
fields terminated by ‘ ‘;
結(jié)語
理想情況下，MariaDB 應該支持排序合并連接，并且在預測到備用策略的運行時間過長時，優(yōu)化器應該使用排序合并連接。但在此之前，使用 70 年代設計的 Unix 命令就可以解決這個問題。
