调优 innodb_buffer_pool_size 是突破大数据量下 i/o 瓶颈最直接有效的手段，核心是让热数据和索引常驻内存以减少磁盘读；需先通过命中率（
调优 innodb_buffer_pool_size 是突破大数据量下 I/O 读取瓶颈最直接、最有效的手段。核心逻辑很清晰：让尽可能多的热数据和索引常驻内存，把随机磁盘读变成毫秒级内存访问。
看准瓶颈再动手：用真实指标判断是否真缺缓存
别只盯着“数据量大”就盲目调大。先确认是不是缓冲池导致的 I/O 瓶颈：
- 查命中率：执行
SELECT ROUND(100 - (Innodb_buffer_pool_reads/Innodb_buffer_pool_read_requests)*100, 2) AS hit_rate FROM performance_schema.global_status WHERE VARIABLE_NAME IN ('Innodb_buffer_pool_reads', 'Innodb_buffer_pool_read_requests');—— 持续低于 95%，尤其是低于 90%，说明大量请求被迫走磁盘 - 看磁盘读压力：
Innodb_buffer_pool_reads每秒超过 10–20 次，且伴随高 QPS，基本可断定是缓存不足 - 观察系统层面：
free -m显示可用内存充足，但iostat -x 1中 %util 或 await 持续偏高，也指向 I/O 等待
科学设定大小：不是越多越好，而是够用且稳
目标是平衡缓存收益与系统稳定性，避免 OOM 或锁竞争：
- 预留底线：操作系统至少留 2GB，其他服务（如 Redis、备份进程）内存必须提前扣除
- 按内存阶梯配置：
• 总内存 ≤16GB → 缓冲池设为 50%–60%
• 16–64GB → 推荐 60%–75%
• ≥64GB → 可上探至 75%–80%，但单实例不建议超 256GB（初始化慢、预热久、故障恢复长） - 云上小内存实例（如 2GB）务必保守：上限 1GB，否则 swap 频繁，性能反而断崖下跌
大缓冲池必须配实例分片：否则锁成瓶颈
当 innodb_buffer_pool_size 超过 8GB，内部 LRU 和 flush 链表争用会急剧上升，单实例反而成为新瓶颈：
- 设置
innodb_buffer_pool_instances，推荐值 = 缓冲池总大小（GB）÷ 2，向下取整，最小为 2，最大建议 ≤ 16 - 例如：设为 32GB → 建议
innodb_buffer_pool_instances = 16；设为 12GB → 可设为 6 或 8 - 注意：缓冲池大小必须是
innodb_buffer_pool_chunk_size × instances的整数倍（默认 chunk 为 128MB），否则 MySQL 会自动向下取整对齐
安全调整操作：线上环境不重启也能生效
MySQL 5.7+ 支持在线动态扩容（仅限增大），大幅降低运维风险：
- 确认支持：运行
SELECT @@innodb_buffer_pool_size, @@innodb_buffer_pool_instances;，确保当前版本 ≥5.7.5 且未启用某些限制模式 - 动态设置（单位字节）：
SET GLOBAL innodb_buffer_pool_size = 34359738368;（即 32GB） - 必须同步写入配置文件：
my.cnf中更新对应值，避免重启后回退 - 观察日志：调整后检查 error log 是否出现
Resizing buffer pool from ... to ...，并确认无Cannot allocate memory报错
