SQL 规范

基础规范

表存储引擎必须使用 InnoDB 

    MySQL常见的三种存储引擎(InnoDB、MyISAM、MEMORY)

表字符集默认使用 utf8,必要时候使用 utf8mb4

    通用,无乱码风险,汉字 3 字节,英文 1 字节

    utf8mb4 是 utf8 的超集,有存储 4 字节例如表情符号时,使用它

禁止使用存储过程,视图,触发器,Event

    对数据库性能影响较大,互联网业务,能让站点层和服务层干的事情,不要交到数据库层

    调试,排错,迁移都比较困难,扩展性较差

禁止在数据库中存储大文件,例如照片,可以将大文件存储在对象存储系统,数据库中存储路径

禁止在线上环境做数据库压力测试

测试,开发,线上数据库环境必须隔离

#命名规范

库名,表名,列名必须用小写,采用下划线分隔

    abc,Abc,ABC 都是给自己埋坑

库名,表名,列名必须见名知义,长度不要超过 32 字符

    tmp,wushan 谁 TM 知道这些库是干嘛的

库备份必须以 bak 为前缀,以日期为后缀

从库必须以 -s 为后缀

备库必须以 -ss 为后缀

#表设计规范

单实例表个数必须控制在 2000 个以内

单表分表个数必须控制在 1024 个以内

表必须有主键,推荐使用 UNSIGNED 整数为主键

    删除无主键的表,如果是 row 模式的主从架构,从库会挂住

禁止使用外键,如果要保证完整性,应由应用程式实现

    外键使得表之间相互耦合,影响 update/delete 等 SQL 性能,有可能造成死锁,高并发情况下容易成为数据库瓶颈

建议将大字段,访问频度低的字段拆分到单独的表中存储,分离冷热数据(具体参考:《如何实施数据库垂直拆分》

水平切分是指,以某个字段为依据(例如uid),按照一定规则(例如取模),将一个库(表)上的数据拆分到多个库(表)上,以降低单库(表)大小,达到提升性能的目的的方法,水平切分后,各个库(表)的特点是:

(1)每个库(表)的结构都一样

(2)每个库(表)的数据都不一样,没有交集

(3)所有库(表)的并集是全量数据

垂直拆分是指,将一个属性较多,一行数据较大的表,将不同的属性拆分到不同的表中,以降低单库(表)大小,达到提升性能的目的的方法,垂直切分后,各个库(表)的特点是:

(1)每个库(表)的结构都不一样

(2)一般来说,每个库(表)的属性至少有一列交集,一般是主键

(3)所有库(表)的并集是全量数据

垂直切分的依据是什么....

当一个表属性很多时,如何来进行垂直拆分呢?如果没有特殊情况,拆分依据主要有几点:

(1)将长度较短,访问频率较高的属性尽量放在一个表里,这个表暂且称为主表

(2)将字段较长,访问频率较低的属性尽量放在一个表里,这个表暂且称为扩展表

如果1和2都满足,还可以考虑第三点:

(3)经常一起访问的属性,也可以放在一个表里

优先考虑1和2,第3点不是必须。另,如果实在属性过多,主表和扩展表都可以有多个。

五、总结

(1)水平拆分和垂直拆分都是降低数据量大小,提升数据库性能的常见手段

(2)流量大,数据量大时,数据访问要有service层,并且service层不要通过join来获取主表和扩展表的属性

(3)垂直拆分的依据,尽量把长度较短,访问频率较高的属性放在主表里

#列设计规范

根据业务区分使用 tinyint/int/bigint,分别会占用 1/4/8 字节

根据业务区分使用 char/varchar

字段长度固定,或者长度近似的业务场景,适合使用 char,能够减少碎片,查询性能高

字段长度相差较大,或者更新较少的业务场景,适合使用 varchar,能够减少空间

根据业务区分使用 datetime/timestamp

前者占用 5 个字节,后者占用 4 个字节,存储年使用 YEAR,存储日期使用 DATE,存储时间使用 datetime

必须把字段定义为 NOT NULL 并设默认值

NULL 的列使用索引,索引统计,值都更加复杂,MySQL 更难优化

NULL 需要更多的存储空间

NULL 只能采用 IS NULL 或者 IS NOT NULL ,而在 =/!=/in/not in 时有大坑

使用 INT UNSIGNED 存储 IPv4 ,不要用 char(15)

使用 varchar(20) 存储手机号,不要使用整数

牵扯到国家代号,可能出现 +/-/() 等字符,例如 +86

手机号不会用来做数学运算

varchar 可以模糊查询,例如 like‘138%’

使用 TINYINT 来代替 ENUM

ENUM 增加新值要进行 DDL 操作

#索引规范

唯一索引使用 uniq_[字段名] 来命名

非唯一索引使用 idx_[字段名] 来命名

单张表索引数量建议控制在 5 个以内

互联网高并发业务,太多索引会影响写性能

生成执行计划时,如果索引太多,会降低性能,并可能导致 MySQL 选择不到最优索引

异常复杂的查询需求,可以选择 ES 等更为适合的方式存储

组合索引字段数不建议超过 5 个

如果 5 个字段还不能极大缩小 row 范围,八成是设计有问题

不建议在频繁更新的字段上建立索引

非必要不要进行 JOIN 查询,如果要进行 JOIN 查询,被 JOIN 的字段必须类型相同,并建立索引

踩过因为 JOIN 字段类型不一致,而导致全表扫描的坑么?

理解组合索引最左前缀原则,避免重复建设索引,如果建立了(a,b,c),相当于建立了(a), (a,b), (a,b,c)

#SQL 规范

禁止使用 select *,只获取必要字段

    select * 会增加 cpu/io/内存/带宽 的消耗

    指定字段能有效利用索引覆盖

    指定字段查询,在表结构变更时,能保证对应用程序无影响

insert 必须指定字段,禁止使用 insert into T values()

    指定字段插入,在表结构变更时,能保证对应用程序无影响

隐式类型转换会使索引失效,导致全表扫描

禁止在 where 条件列使用函数或者表达式

    导致不能命中索引,全表扫描

禁止负向查询以及 % 开头的模糊查询

    导致不能命中索引,全表扫描

禁止大表 JOIN 和子查询

    同一个字段上的 OR 必须改写为IN,IN 的值必须少于 50 个

应用程序必须捕获 SQL 异常

    方便定位线上问题

#说明

本军规适用于并发量大,数据量大的典型互联网业务,可直接带走参考,不谢。

©著作权归作者所有,转载或内容合作请联系作者
  • 序言:七十年代末,一起剥皮案震惊了整个滨河市,随后出现的几起案子,更是在滨河造成了极大的恐慌,老刑警刘岩,带你破解...
    沈念sama阅读 151,688评论 1 330
  • 序言:滨河连续发生了三起死亡事件,死亡现场离奇诡异,居然都是意外死亡,警方通过查阅死者的电脑和手机,发现死者居然都...
    沈念sama阅读 64,559评论 1 273
  • 文/潘晓璐 我一进店门,熙熙楼的掌柜王于贵愁眉苦脸地迎上来,“玉大人,你说我怎么就摊上这事。” “怎么了?”我有些...
    开封第一讲书人阅读 101,749评论 0 226
  • 文/不坏的土叔 我叫张陵,是天一观的道长。 经常有香客问我,道长,这世上最难降的妖魔是什么? 我笑而不...
    开封第一讲书人阅读 42,581评论 0 191
  • 正文 为了忘掉前任,我火速办了婚礼,结果婚礼上,老公的妹妹穿的比我还像新娘。我一直安慰自己,他们只是感情好,可当我...
    茶点故事阅读 50,741评论 3 271
  • 文/花漫 我一把揭开白布。 她就那样静静地躺着,像睡着了一般。 火红的嫁衣衬着肌肤如雪。 梳的纹丝不乱的头发上,一...
    开封第一讲书人阅读 39,684评论 1 192
  • 那天,我揣着相机与录音,去河边找鬼。 笑死,一个胖子当着我的面吹牛,可吹牛的内容都是我干的。 我是一名探鬼主播,决...
    沈念sama阅读 31,122评论 2 292
  • 文/苍兰香墨 我猛地睁开眼,长吁一口气:“原来是场噩梦啊……” “哼!你这毒妇竟也来了?” 一声冷哼从身侧响起,我...
    开封第一讲书人阅读 29,847评论 0 182
  • 序言:老挝万荣一对情侣失踪,失踪者是张志新(化名)和其女友刘颖,没想到半个月后,有当地人在树林里发现了一具尸体,经...
    沈念sama阅读 33,441评论 0 228
  • 正文 独居荒郊野岭守林人离奇死亡,尸身上长有42处带血的脓包…… 初始之章·张勋 以下内容为张勋视角 年9月15日...
    茶点故事阅读 29,939评论 2 232
  • 正文 我和宋清朗相恋三年,在试婚纱的时候发现自己被绿了。 大学时的朋友给我发了我未婚夫和他白月光在一起吃饭的照片。...
    茶点故事阅读 31,333评论 1 242
  • 序言:一个原本活蹦乱跳的男人离奇死亡,死状恐怖,灵堂内的尸体忽然破棺而出,到底是诈尸还是另有隐情,我是刑警宁泽,带...
    沈念sama阅读 27,783评论 2 236
  • 正文 年R本政府宣布,位于F岛的核电站,受9级特大地震影响,放射性物质发生泄漏。R本人自食恶果不足惜,却给世界环境...
    茶点故事阅读 32,275评论 3 220
  • 文/蒙蒙 一、第九天 我趴在偏房一处隐蔽的房顶上张望。 院中可真热闹,春花似锦、人声如沸。这庄子的主人今日做“春日...
    开封第一讲书人阅读 25,830评论 0 8
  • 文/苍兰香墨 我抬头看了看天上的太阳。三九已至,却和暖如春,着一层夹袄步出监牢的瞬间,已是汗流浃背。 一阵脚步声响...
    开封第一讲书人阅读 26,444评论 0 180
  • 我被黑心中介骗来泰国打工, 没想到刚下飞机就差点儿被人妖公主榨干…… 1. 我叫王不留,地道东北人。 一个月前我还...
    沈念sama阅读 34,553评论 2 249
  • 正文 我出身青楼,却偏偏与公主长得像,于是被迫代替她去往敌国和亲。 传闻我的和亲对象是个残疾皇子,可洞房花烛夜当晚...
    茶点故事阅读 34,618评论 2 249