InnoDB性能调节提示_MySQL

 如果Unix的top工具或者Windows任务管理器显示，你的数据库的工作负荷的CPU使用率小于70%，则你的工作负荷可能是磁盘绑定的，可能你正生成太多的事务和提交，或者缓冲池太小。使得缓冲池更大一些会有帮助的，但不要设置缓冲池等于或超过物理内存的80%.

　　· 把数个修改放在一个事务里。如果事务对数据库修改，InnoDB在该事务提交时必须刷新日志到磁盘。因为磁盘旋转的速度至多167转/秒，如果磁盘没有骗操作系统的话，这就限制提交的数目为同样的每秒167次。

　　· 如果你可以接受损失一些最近的已提交事务，你可以设置参数 innodb_flush_log_at_trx_commit 为 0。无论如何InnoDB试着每秒刷新一次日志，尽管刷新不被许可。

　　· 使用大的日志文件，甚至让它与缓冲池一样大。当InnoDB写满日志文件时，它不得不在一个检查点把缓冲池已修改的内容写进磁盘。小日志文件导致许多不必要的吸盘写操作。大日志文件的缺点时恢复时间更长。

　　· 也让日志缓冲相当大（与8MB相似的数量)。

　　· 如果你存储变长字符串，或者列可能包含很多NULL值，则使用VARCHAR列类型而不是CHAR类型。一个CHAR(N)列总是占据N个字节来存储，即使字符串更短或字符串的值是NULL。越小的表越好地适合缓冲池并且减少磁盘I/O。

　　当使用row_format=compact （MySQL 5.1中默认的InnoDB记录格式）和可变长度字符集，比如GB2312或sjis，CHAR(N)将占据可变数量的空间，至少为N 字节。

　　· 在一些版本的GNU/Linux和Unix上，用Unix的fsync()（InnoDB默认使用的）把文件刷新到磁盘，并且其他相似的方法是惊人的慢。如果你不满意数据库的写性能，你可以试着设置参数 innodb_flush_method 值为 O_DSYNC，虽然 O_DSYNC 在多数系统上看起来更慢。

　　· 当在Solaris 10上，为x86_64架构（AMD Opteron)使用InnoDB存储引擎，重要的是使用forcedirectio选项来安装任何为存储与InnoDB相关的文件而使用的数据系统。（默认在Solaris 10/x86_64上不使用这个文件系统安装选项 ）。使用forcedirectio 失败会导致InnoDB在这个平台上的速度和性能严重下降。

　　· 当导入数据到InnoDB中之时，请确信MySQL没有允许autocommit模式，因为允许autocommit模式会需要每次插入都要刷新日志到磁盘。要在导入操作规程中禁止autocommit模式，用SET AUTOCOMMIT和COMMIT语句来包住导入语句：

　　SET AUTOCOMMIT=0;

　　/* SQL import statements ... */

　　COMMIT;

　　· 如果你使用mysqldump 选项--opt，即使不用SET AUTOCOMMIT和COMMIT语句来包裹，你也使得快速的转储文件被导入到InnoDB表中。

　　· 小心大宗插入的大回滚：InnoDB在插入中使用插入缓冲来节约磁盘I/O， 但是在相应的回滚中没有使用这样的机制。一个磁盘绑定的回滚可以用相应插入花费时间的30倍来执行。杀掉数据库进程没有是帮助的，因为回滚在服务器启动时会再次启动。除掉一个失控的回滚的唯一方法是增大缓冲池使得回滚变成CPU绑定且跑得快，或者使用专用步骤，请参阅15.2.8.1节，“强制恢复”。

　　· 也要小心其它大的磁盘绑定操作。用 DROP TABLE 或 CREATE TABLE 来清空一个表，而不是用 DELETE FROM tbl_name。

　　· 如果你需要插入许多行，则使用多行插入语法来减少客户端和服务器之间的通讯开支：

　　INSERT INTO yourtable VALUES (1,2), (5,5), ...;

　　这个提示对到任何表类型的插入都是合法的，不仅仅是对InnoDB类型。

　　· 如果你在第二个键上有UNIQUE约束，你可以在导入会话中暂时关闭唯一性检查以加速表的导入：

　　SET UNIQUE_CHECKS=0;

　　对于大表，这节约了大量磁盘I/O，因为InnoDB可以使用它的插入缓冲来在一批内写第二个索引记录。

　　· 如果你对你的表有FOREIGN KEY约束，你可以在导入会话过程中通过关闭外键检查来提速表的导入：

　　SET FOREIGN_KEY_CHECKS=0;

　　对于大表，这可以节约大量的磁盘I/O。

　　· 如果你经常有对不经常更新的表的重发查询，请使用查询缓存：

　　[mysqld]

　　query_cache_type = ON

　　query_cache_size = 10M