MySQL的一条慢SQL查询导致整个网站宕机的解决方法(mysql join 慢)

推荐整理分享MySQL的一条慢SQL查询导致整个网站宕机的解决方法(mysql join 慢)，希望有所帮助，仅作参考，欢迎阅读内容。

文章相关热门搜索词:mysql in慢,mysql开启慢sql,mysql join 慢,mysql 速度慢,mysql in慢,mysql一条数据在多少kb,mysql慢sql优化五个原则,mysql慢sql优化五个原则,内容如对您有帮助，希望把文章链接给更多的朋友！

直接切入正题吧:

通常来说，我们看到的慢查询一般还不致于导致挂站，顶多就是应用响应变慢不过这个恰好今天被我撞见了，一个慢查询把整个网站搞挂了先看看这个SQL张撒样子：

# Query_time: . Lock_time: 0. Rows_sent: Rows_examined: Rows_affected: 0# Bytes_sent: use js_sku;SET timestamp=;SELECT ss_id, ss_sa_id, ss_si_id, ss_av_zid, ss_av_fid, ss_artno,ss_av_zvalue, ss_av_fvalue, ss_av_zpic, ss_av_fpic, ss_number,ss_sales, ss_cprice, ss_price, ss_stock, ss_orderid, ss_status,ss_add_time, ss_lastmodifyFROM js_sgoods_skuWHERE ss_si_id = 0 AND ss_status > 0ORDER BYss_orderid DESC, ss_av_fid ASC;这里贴出来的就是 mysql slow log 的信息，查询时间用了高达 s！！看到慢查询我们一般第一反应是这个 语句没有用到索引？ 或者是索引不合理么？ 那我们会去看看执行计划：

mysql> explain SELECT -> ss_id, ss_sa_id, ss_si_id, ss_av_zid, ss_av_fid, ss_artno,-> ss_av_zvalue, ss_av_fvalue, ss_av_zpic, ss_av_fpic, ss_number,-> ss_sales, ss_cprice, ss_price, ss_stock, ss_orderid, ss_status,-> ss_add_time, ss_lastmodify-> FROM js_sgoods_sku-> WHERE ss_si_id = 0 AND ss_status > 0-> ORDER BY-> ss_orderid DESC, ss_av_fid ASC;+----+-------------+---------------+------+---------------+----------+---------+-------+---------+-----------------------------+| id | select_type | table | type | possible_keys | key | key_len | ref | rows | Extra |+----+-------------+---------------+------+---------------+----------+---------+-------+---------+-----------------------------+| 1 | SIMPLE | js_sgoods_sku | ref | ss_si_id | ss_si_id | 4 | const | | Using where; Using filesort |+----+-------------+---------------+------+---------------+----------+---------+-------+---------+-----------------------------+1 row in set (0. sec)

这个看起来似乎用到了索引，可是为什么扫描到行还是这么多呢？ 那我们就去看看表结构了，期望能从中找到点有价值的东西：我们看到如下可用信息：KEY `ss_si_id` (`ss_si_id`,`ss_av_zid`,`ss_av_fid`) USING BTREE,`ss_si_id` int() unsigned NOT NULL DEFAULT '0' COMMENT '对应js_sgoods_info.si_id',

我们看到 索引似乎还能比较能够接受，但是我们看到 这个 ss_si_id 这个字段实际上是 goods_info 表的主键，也就是说它的离散程度应该是很大的，也就是区分度很大。其实到这一步我们基本上可以认为 是由于我们这个表里边有很多 ss_si_id=0 导致，不过我们可以进一步的来证实我们的猜想：

1. 首先我们可以先确定我们的统计信息没有问题2. 其次我们再count ss_si_id=0 的这个值有多少数据，来进一步验证我们的猜想。

那么我们先查看以下这个索引的统计信息：xiean@localhost:js_sku ::>show index from js_sgoods_sku;+---------------+------------+----------+--------------+-------------+-----------+-------------+----------+--------+------+------------+---------+---------------+| Table | Non_unique | Key_name | Seq_in_index | Column_name | Collation | Cardinality | Sub_part | Packed | Null | Index_type | Comment | Index_comment |+---------------+------------+----------+--------------+-------------+-----------+-------------+----------+--------+------+------------+---------+---------------+| js_sgoods_sku | 0 | PRIMARY | 1 | ss_id | A | | NULL | NULL | | BTREE | | || js_sgoods_sku | 1 | ss_si_id | 1 | ss_si_id | A | | NULL | NULL | | BTREE | | || js_sgoods_sku | 1 | ss_si_id | 2 | ss_av_zid | A | | NULL | NULL | | BTREE | | || js_sgoods_sku | 1 | ss_si_id | 3 | ss_av_fid | A | | NULL | NULL | | BTREE | | || js_sgoods_sku | 1 | IDX_ | 1 | ss_sa_id | A | | NULL | NULL | | BTREE | | |+---------------+------------+----------+--------------+-------------+-----------+-------------+----------+--------+------+------------+---------+---------------+

那么可以看到以下问题：我们的ss_si_id 这个字段并没有我们表面上看到的 因为关联了某个表的主键，它的Cardinality 值就应该接近于 PRIMARY 的值。而是差别比较大的,难道是 索引的统计信息不准确？ 那我们尝试重新收集下索引的统计信息：xiean@localhost:js_sku ::>analyze table js_sgoods_sku;+----------------------+---------+----------+----------+| Table | Op | Msg_type | Msg_text |+----------------------+---------+----------+----------+| js_sku.js_sgoods_sku | analyze | status | OK |+----------------------+---------+----------+----------+

but ，我们再次查看 这些索引的统计信息：xiean@localhost:js_sku ::>show index from js_sgoods_sku;+---------------+------------+----------+--------------+-------------+-----------+-------------+----------+--------+------+------------+---------+---------------+| Table | Non_unique | Key_name | Seq_in_index | Column_name | Collation | Cardinality | Sub_part | Packed | Null | Index_type | Comment | Index_comment |+---------------+------------+----------+--------------+-------------+-----------+-------------+----------+--------+------+------------+---------+---------------+| js_sgoods_sku | 0 | PRIMARY | 1 | ss_id | A | | NULL | NULL | | BTREE | | || js_sgoods_sku | 1 | ss_si_id | 1 | ss_si_id | A | | NULL | NULL | | BTREE | | || js_sgoods_sku | 1 | ss_si_id | 2 | ss_av_zid | A | | NULL | NULL | | BTREE | | || js_sgoods_sku | 1 | ss_si_id | 3 | ss_av_fid | A | | NULL | NULL | | BTREE | | || js_sgoods_sku | 1 | IDX_ | 1 | ss_sa_id | A | | NULL | NULL | | BTREE | | |+---------------+------------+----------+--------------+-------------+-----------+-------------+----------+--------+------+------------+---------+---------------+

我们可以看到 ss_si_id 的离散程度（Cardinality） 没有增加反而有向下波动的趋势，因为这个信息是采集部分页的来的，而每个页上边数据分布是不一样的，导致我们这个索引收集的统计信息就回有所变化。

好吧，到这里我们可以认为我们的 统计信息没有失效，那么我们就看数据的分别情况咯：

+--------------++----------++------------------+| ss_si_id=0; || count(*) || / |+--------------++----------++------------------+| || || 0. |+--------------++----------++------------------+

额，不看不知道，一看吓一跳：我们这个表里边 存在有大量的 ss_si_id＝0 的情况，占了整个表数据量的 % ！！！

好吧问题找到了，那么接下来我们需要知道，为什么这个SQL语句会导致挂站呢？

我们通过观看应用程序服务器的监控看到一些信息：我们的 goods_service 这个服务异常：异常情况如下：

1. cpu 长期占用% ＋ 2. jstatck pid 无法dump 内存堆栈信息，必须强制dump －F3. dump 出来的内存信息发现，这个进程里边所有线程 均处于 BLOCKED 状态4. 通过jstat －gcutil 看到 FGC 相当频繁，s左右就FGC一次5. 内存占用超过了分配的内存

那么最终的原因就是因为上边的慢查询 查询了大量数据（最多有w行数据），导致goods_service 内存暴涨，出现服务无法响应，进一步的恶化就是挂占

OK，知道了为什么会挂占，那么我们是如何解决这个问题的呢？既然我们知道是由于查询了 ss_si_id＝0 导致的，那么我们屏蔽掉这个SQL不就好了么。屏蔽的办法可以有多种：1. 我们程序逻辑判断一下这类型的 查询 如果 有查询 ss_si_id＝0 的一律封杀掉2. 我们改改SQL配置文件，修改SQL语句

我们发现DB服务器上存在大量的 这个慢查询，而且DB服务器负载已经从 0.xx 飙升到了 + 了，随之而来的连接数也飙升的厉害， 如果再不及时处理，估计DB服务器也挂掉了

那么我们最终采取以下处理办法：1.运维配合研发修改SQL语句 我们在这个WHERE 条件中添加了一个条件： AND ss_si_id <> 0 ,在MySQL之行计划层屏蔽掉此SQL;2.DBA 开启kill 掉这个查询语句，避免DB服务器出现down机的情况，当然这个就用到了我们的 pt-kill 工具，不得不说这个工具相当好用

总结（经验与教训）：1.类似这种查询 default 值的 SQL ，我们应该从源头上杜绝这类查询2.限制查询结果集大小，避免因查询结果集太大导致服务死掉

MySQL复制出错 Last_SQL_Errno:的解决方法 背景：我们在做数据迁移或者拆分的时候，使用Tablespacetranscation这种解决方案时，很有可能就会遇到从库复制出错，报：Last_SQL_Errno:那么具体错误内

MySQL 常见数据拆分办法 在生产环境中，由于业务的增长或者业务的拆分，DBA经常需要拆库操作。那么我们常见的拆库手段有哪些呢？我这里提供几种解决办法：1.使用mysqldump把

MYSQL数据库数据拆分之分库分表总结 数据存储演进思路一：单库单表单库单表是最常见的数据库设计，例如，有一张用户(user)表放在数据库db中，所有的用户都可以在db库中的user表中查到。