MySQL规范

Posted on 2022-01-302022-01-30 by orient

MySQL-convention

基础规范

表存储引擎必须使用InnoDB

表字符集默认utf8mb4, 而不是utf8或其它

utf8mb4: A UTF-8 encoding of the Unicode character set using one to four bytes per character.
utf8mb3: A UTF-8 encoding of the Unicode character set using one to three bytes per character.
utf8: An alias for utf8mb3.
To avoid ambiguity about the meaning of utf8, consider specifying utf8mb4 explicitly for character set references.
参考: https://dev.mysql.com/doc/refman/8.0/en/charset-unicode-sets.html

禁止使用存储过程, 视图, 触发器, event, 外键
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, 采用下划线分隔表名、字段名必须使用小写字母或数字, 禁止出现数字开头, 禁止两个下划线中间只出现数字, 长度不要超过32字符
禁用保留字, 如desc、range、match、delayed等, 请参考MySQL官方保留字
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
库名与应用名称尽量一致

表名不使用复数名词

说明: 表名应该仅仅表示表里面的实体内容, 不应该表示实体数量, 对应于DO类名也是单数形式, 符合表达习惯。

表达是与否概念的字段, 必须使用is_xxx的方式命名, 数据类型是unsigned tinyint (1表示是, 0 表示否)

说明: 任何字段如果为非负数, 必须是unsigned。
正例: 表达逻辑删除的字段名is_deleted, 1表示删除, 0表示未删除。

主键索引名为pk_字段名; 唯一索引名为uk_字段名; 普通索引名则为idx_字段名
```
说明: pk即primary key; uk即unique key; idx即index。
```

库表设计规范

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

【推荐】单表行数超过500万行或者单表容量超过2GB, 才推荐进行分库分表

说明: 如果预计三年后的数据量根本达不到这个级别, 请不要在创建表时就分库分表。

【强制】表必备三字段: id, gmt_create, gmt_modified

说明: 其中id必为主键, 类型为unsigned int/unsigned bigint、单表时自增、步长为 1。
gmt_create, gmt_modified 的类型均为date_time类型, 前者现在时表示主动创建, 后者过去分词表示被动更新。

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
【参考】合适的字符存储长度, 不但节约数据库表空间、节约索引存储, 更重要的是提升检索速度
```
正例: 如无符号值可以避免误存负数, 且扩大了表示范围。
```

【推荐】字段允许适当冗余, 以提高查询性能, 但必须考虑数据一致

冗余字段应遵循:
1) 不是频繁修改的字段。
2) 不是varchar超长字段, 更不能是text字段。
正例: 商品类目名称使用频率高, 字段长度短, 名称基本一成不变, 可在相关联的表中冗余存储类目名称, 避免关联查询。

列/字段设计规范

必须把字段定义为NOT NULL并设默认值

解读:
(1) NULL的列使用索引, 索引统计, 值都更加复杂, MySQL更难优化
(2) NULL需要更多的存储空间
(3) NULL只能采用IS NULL或者IS NOT NULL, 而在=/!=/in/not in时有大坑
https://dev.mysql.com/doc/refman/8.0/en/problems-with-null.html

据业务区分使用tiny/small/medium/int/bigint, 分别会占用1/2/3/4/8 字节

小数类型为decimal, 禁止使用float和double

说明: float和double在存储的时候, 存在精度损失的问题, 很可能在值的比较时, 得到不正确的结果。
如果存储的数据范围超过decimal的范围, 建议将数据拆成整数和小数分开存储。

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;
varchar是可变长字符串, 不预先分配存储空间, 长度不要超过5000;
如果存储长度大于此值, 定义字段类型为text, 独立出一张表用主键来对应, 避免影响其它字段索引效率

根据业务区分使用datetime/timestamp

解读:
a) DATETIME默认值为null; TIMESTAMP的字段默认为当前时(CURRENT_TIMESTAMP)。
b) DATETIME使用8字节的存储空间, TIMESTAMP的存储空间为4字节。https://dev.mysql.com/doc/refman/5.7/en/storage-requirements.html
c) 存储方式不一样, TIMESTAMP把客户端插入的时间从当前时区转化为UTC(世界标准时间)进行存储。
   查询时, 将其又转化为客户端当前时区进行返回。DATETIME基本上是原样输入和输出。
d) 存储的时间范围不一样
   timestamp: '1970-01-01 00:00:01.000000'-'2038-01-19 03:14:07.999999'
   datetime:  '1000-01-01 00:00:00.000000'-'9999-12-31 23:59:59.999999'

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

解读:
(1) 牵扯到国家代号, 可能出现+/-/()等字符, 例如+86
(2) 手机号不会用来做数学运算
(3) varchar可以模糊查询, 例如like '138%'

使用TINYINT来代替ENUM

解读: ENUM增加新值要进行DDL操作

尽量不要使用BLOB和TEXT

谨慎使用JSON类型

解读:
5.7.8版本开始支持JSON, 推荐使用8.0以上版本: https://mydbops.wordpress.com/2019/02/26/presentation-json-improvements-in-mysql-8-0/
JSON类型的优点是提供了类似文档数据模型的灵活Schema的机制, 同时JSON也是统一的数据交换格式;
JSON平均空间大约比正常情况多一倍;
需要尽量避免全表扫表, 可能需要为某些属性建立索引
https://stackoverflow.com/questions/33660866/native-json-support-in-mysql-5-7-what-are-the-pros-and-cons-of-json-data-type
https://www.slideshare.net/billkarwin/how-to-use-json-in-mysql-wrong

索引规范

单张表索引数量建议控制在5个以内

解读:
(1) 互联网高并发业务, 太多索引会影响写性能
(2) 生成执行计划时, 索引太多会降低性能, 并可能选择不到最优索引
(3) 异常复杂的查询需求, 可以选择 ES 等更为适合的方式存储

不建议在频繁更新的字段上建立索引

组合索引字段数不建议超过5个

解读: 如果5个字段还不能极大缩小row范围, 八成是设计有问题

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
```
解读: 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)

业务上具有唯一特性的字段, 即使是多个字段的组合, 也必须建成唯一索引。

说明: 不要以为唯一索引影响了insert速度, 这个速度损耗可以忽略, 但提高查找速度是明显的;
另外, 即使在应用层做了非常完善的校验控制, 只要没有唯一索引, 根据墨菲定律, 必然有脏数据产生。

超过三个表禁止join。需要join的字段, 数据类型必须绝对一致; 多表关联查询时, 保证被关联的字段需要有索引
```
说明: 即使双表join也要注意表索引、SQL性能。
```

在varchar字段上建立索引时, 必须指定索引长度, 没必要对全字段建立索引, 根据实际文本区分度决定索引长度即可

说明: 索引的长度与区分度是一对矛盾体, 一般对字符串类型数据, 长度为20的索引, 区分度会高达90%以上,
可以使用count(distinct left(列名, 索引长度))/count(*)的区分度来确定。

页面搜索严禁左模糊或者全模糊, 如果需要请走搜索引擎来解决。

说明: 索引文件具有B-Tree 的最左前缀匹配特性, 如果左边的值未确定, 那么无法使用此索引

【推荐】如果有order by 的场景, 请注意利用索引的有序性。order by最后的字段是组合索引的一部分, 并且放在索引组合顺序的最后, 避免出现file_sort的情况, 影响查询性能。
```
正例: where a=? and b=? order by c; 索引: a_b_c
反例: 索引中有范围查找, 那么索引有序性无法利用, 如: WHERE a>10 ORDER BY b; 索引a_b无法排序。
```
【推荐】利用覆盖索引来进行查询操作, 避免回表

【推荐】利用延迟关联或者子查询优化超多分页场景

说明:
MySQL并不是跳过offset行, 而是取offset+N行, 然后返回放弃前offset行, 返回N行
当offset特别大的时候, 效率就非常的低下, 要么控制返回的总页数, 要么对超过特定阈值的页数进行SQL改写。
正例: 先快速定位需要获取的id段，然后再关联:
SELECT a.* FROM 表1 a, (select id from 表1 where 条件 LIMIT 100000,20) b where a.id=b.id

【推荐】SQL性能优化的目标: 至少要达到range级别, 要求是ref级别, 如果可以是consts最好

说明:
1) consts单表中最多只有一个匹配行(主键或者唯一索引), 在优化阶段即可读取到数据。
2) ref指的是使用普通的索引(normal index)。
3) range对索引进行范围检索。
反例: explain表的结果, type=index, 索引物理文件全扫描, 速度非常慢, 这个index级别比较range还低, 与全表扫描是小巫见大巫。

【推荐】建组合索引的时候, 区分度最高的在最左边

正例: 如果where a=? and b=?, a列的几乎接近于唯一值, 那么只需要单建idx_a索引即可
说明: 存在非等号和等号混合判断条件时, 在建索引时, 请把等号条件的列前置。
如: where a>? and b=? 那么即使a的区分度更高, 也必须把b放在索引的最前列。

【推荐】防止因字段类型不同造成的隐式转换, 导致索引失效。

【参考】创建索引时避免有如下极端误解:

1) 认为一个查询就需要建一个索引。
2) 认为索引会消耗空间、严重拖慢更新和新增速度。
3) 抵制唯一索引, 认为业务的唯一性一律需要在应用层通过"先查后插"方式解决。

SQL规范

不要使用count(列名)或count(常量)来替代count(), count()是SQL92定义的标准统计行数的语法, 跟数据库无关, 跟NULL和非NULL无关
```
说明: count(*)会统计值为NULL的行, 而count(列名)不会统计此列为NULL值的行。
```
count(distinct col)计算该列除NULL之外的不重复行数, 注意count(distinct col1, col2)如果其中一列全为NULL, 那么即使另一列有不同的值, 也返回为0
当某一列的值全是NULL时, count(col)的返回结果为0, 但sum(col)的返回结果为NULL, 因此使用sum()时需注意NPE问题
```
正例: 可以使用如下方式来避免sum的NPE问题: SELECT IF(ISNULL(SUM(g)),0,SUM(g)) FROM table;
```

使用ISNULL()来判断是否为NULL值

说明:
NULL与任何值的直接比较都为 NULL:
1) NULL<>NULL的返回结果是NULL, 而不是false。
2) NULL=NULL的返回结果是NULL, 而不是true。
3) NULL<>1的返回结果是NULL, 而不是true。

在代码中写分页查询逻辑时, 若count为0应直接返回, 避免执行后面的分页语句
数据订正时, 删除和修改记录时, 要先select, 避免出现误删除, 确认无误才能执行更新语句。
【推荐】in操作能避免则避免, 若实在避免不了, 需要仔细评估in后边的集合元素数量, 控制在1000个之内。
【参考】TRUNCATE TABLE比DELETE速度快, 且使用的系统和事务日志资源少, 但TRUNCATE无事务且不触发trigger, 有可能造成事故, 故不建议在开发代码中使用此语句。
```
说明: TRUNCATE TABLE在功能上与不带WHERE子句的DELETE语句相同。
```

禁止使用select *, 只获取必要字段

解读:
(1) select *会增加cpu/io/内存/带宽的消耗
(2) 指定字段能有效利用索引覆盖
(3) 指定字段查询, 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

操作规范

超过100万行的批量写(update, delete, insert)操作, 要分批多次进行操作

解读:
(1) 大批量操作可能会造成严重的主从延迟
(2) binlog格式为row格式时会产生大量的日志
(3) 避免产生大事务操作

对于大表使用pt-online-schema-change修改表结构

解读:
(1) 避免大表修改时产生的主从延迟
(2) 避免对表字段进行修改时进行锁表
(3) pt-online-schema-change会先建立一个与原表结构相同的新表, 并且在新表上进行表结构的修改, 然后把原表中的数据复制到新表中。

禁止为程序使用的账号赋予super, 遵循权限最小原则

参考

https://dev.mysql.com/doc/
阿里, 58, 赶集等规范