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。服務器的內存比較小，只有 16GB。所以很可能是因為內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 對臨時表的分析結果來看，這個查詢已經運行半天了，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行時間要低一個數量級。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，將結果傳給 uniq，把重復的行移除掉，然后將結果導回到數據庫。導入過程（包括重建索引）從 20:41 開始，到第二天的 9:53 結束。以下是具體操作步驟。

1. 將數據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，在已經排好序的輸出結果上，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

經過一個小時的處理，我得到了想要的結果。

-rw-r–r– 1 dds dds 133G Aug 5 01:40 joined_commits.txt

3. 將文本文件導回數據庫

最后，我將文本文件導回數據庫。

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。