众所周知，阿里云数据库RDS MySQL 具有高效、稳固、平安可靠、可弹性伸缩的特点，但这听起来似乎有点模糊。实在云数据库RDS MySQL在包罗内核、治理系统上都举行了深度的优化。本系列文章将会逐一对RDS MySQL的特征举行拆解，从效能、稳固性、平安三个角度分享相比开源MySQL的焦点优势。

本文重点先容阿里云数据库MySQL的内核查询加速手艺Fast Query Cache功效。

1. OLTP

数据库的请求特点和优化方案

大部分的营业数据库系统都是在线事务性（OLTP）的，究其特点，一是单次操作数据库的关系数据量很少，如几条纪录或者几十条纪录；二是对数据库的读请求量要远高于写请求量，即读写比严重不平衡，如电商营业订单系统，一条订单随营业推展而状态改变约在10次，而对应的查询次数要跨越200次。以是OLTP类数据库的资源主要消耗于对小数据量的查询请求处置。

为了解决这种读写比倾斜严重的问题，一样平常会接纳如下几种方案：

方案一

：扩容数据库硬件，尤其是增添内存，我们称之为 数据库的Scale up的方案。对应MySQL增添Buffer Pool巨细，可快速有用提升性能。

方案二

：可称之为数据库的Scale out方案，增添数据库读副本，MySQL相对对照容易做到，通过确立多个只读备库可极大的扩充数据库的读请求处置能力。但本方案带来一个问题，就是应用要实现对读写请求的路由识别，只将读请求（非事务内）路由到只读库，否则大量写请求路由到只读库后营业将会泛起大量失败，“不小心”还会导致数据写入错误。另外，应用还需要关注只读库与源库的数据延迟时间，时间太长一样平常营业都难以接受，履历来看秒级延迟是基本要求。

方案三

：对营业系统举行架构革新，做大量的解耦事情，针对焦点表做成中央服务化形式对外提供服务，如阿里淘宝天猫的几大C系统模式。该方案的焦点就是引入缓存系统，一样平常开源如Redis系统，行使缓存承接大量的读请求，但整体系统需要思量缓存失效的问题，同时还要划分维护缓存和数据库两套系统，手艺研发成本较高。

2.

开源MySQL的Query Cache方案和问题

从上述三种方案对照来看，方案三增添查询效果集缓存是对数据库异常理想的解决方案，这也是大型互联网公司普遍接纳的方案，但此方案毕竟要涉及不少的应用系统革新，工程量较大，故MySQL引入了一种查询缓存手艺（Query Cache）。

MySQL Query Cache的执行流程图如下，其保留查询返回的完整效果，当新查询掷中该缓存会马上返回效果，跳过了SQL剖析、优化和执行等庞大阶段。同时Query Cache会跟踪查询中涉及的每个表，若是这些表发生变化，那么和这个表相关的所有缓存都将失效。

MySQL Query Cache原理上是通过使用分外内存来节约CPU资源来到达查询加速的目的，是一项异常适用的手艺，与MySQL组合Redis方案相比，具有以下几个优势：

• 应用透明，使用Query Cache可以不更改客户端应用程序，只需要在Server端举行简朴设置，而使用Redis则需要更改客户端应用程序。
• 数据一致，使用Query Cache无数据同步问题，而且可以保证事务级一致性，而使用Redis则涉及数据同步，无法实现事务级一致性。
• 成熟稳固，MySQL有成熟的事务引擎及复制手艺，可以保证数据不丢失，而Redis的持久化及复制手艺不够成熟，使用Redis需要思量到数据丢失的问题。

但开源MySQL 实现的Query Cache不够优雅，现实应用中存在不少问题：

• 并发处置不够好，在多核情况下，可能并发越高性能退化越严重。
• 当缓存掷中率较低时，性能无提升甚至会泛起严重退化。
• 内存治理问题，内存行使率低而且接纳不实时，造成内存虚耗。
• 当向某个表写入数据的时刻，必须将这个表所有的缓存设置为失效，若是缓存空间很大，则消耗也会很大，可能使系统僵死一段时间，由于这个操作是靠全局锁操作来珍爱的。

3.

阿里云数据库MySQL的Fast Query Cache

阿里云数据库MySQL针对开源MySQL问题，通过对Query Cache重新设计，实现了一种更好的查询缓存机制，称为Fast Query Cache，解决了以上几个主要问题：

• 优化并发控制：
  作废全局锁同步机制，并接纳无锁机制，重新设计并发场景下的同步问题，能够充分行使多核的处置能力，保证高并发场景下的性能。
• 优化缓存机制：
  动态检测缓存行使率，实时调整缓存计谋，解决掷中率偏低或读写夹杂等场景下的性能退化问题。
• 优化内存治理：作废内存预分配机制，接纳加倍天真的动态内存分配机制，无效的内存实时接纳，保证内存的真实行使率。

阿里云数据库MySQL Fast Query Cache 开启方式和开源Query Cache完全一致，通过query_cache_type参数设置为“ON”打开。在现实测试中，接纳4核8GB内存的机械，行使sysbench压测，总共数据量有250MB（25张表，每张表40000条纪录），效果异常好。

1)

所有掷中只读场景

Sysbencholtp_point_select，用例中仅包罗主键上的点查（point select），将Query Cache设为512MB，内存大于测试数据量，缓存掷中率到达99%以上。

测试效果显示，在较高并发的场景下，MySQL原生Query Cache并发处置性能泛起较大幅度的降低，Fast Query Cache在各个并发场景下无性能降低，最高时能够提高一倍的QPS。

2)

高掷中率只读场景

Sysbencholtp_read_only，用例中包罗返回多条纪录的局限查询，将Query Cache设为512MB，内存才相对对照足够，掷中率可以到达80%以上。

测试效果显示，随着并发数的增添，MySQL原生Query Cache的性能泛起显著的降低，Fast Query Cache的性能则会不停提升，最高时能够提高一倍多的QPS。

3)

低掷中率只读场景

Sysbencholtp_read_only，用例中包罗返回多条纪录的局限查询，将Query Cache设为16MB，内存显著严重不足，缓存掷中率只有10%左右，内存不足时会涉及缓存项的大量镌汰，影响性能。

测试效果显示，MySQL原生Query Cache的性能降低显著，最多泛起了靠近50%的性能损失，Fast Query Cache优化了低掷中率场景，将性能损失控制在2%以内。

4)

读写夹杂场景

Sysbencholtp_read_write，每个事务中都有对表的更新操作，可以以为缓存基本处于失效状态，频仍的更新操作涉及缓存的自动镌汰，理论上会对照影响性能。

测试效果显示，Fast Query Cache在读写夹杂场景下不会泛起过多的性能降低，整体性能影响控制在2%以内。

4.总结

阿里云数据库MySQL Fast Query Cache大大增强了数据库查询性能，通过增添一点点的内存换取伟大的性能提升，在主要营业场景（读场景）中性能提升到达1倍，将会取得伟大的收益，在使用方式上和开源MySQL Query Cache保持完全一致，具备领先业界的产物竞争力。

现在Fast Query Cache已经在RDS 和云数据库专属集群中具备。云数据库专属集群RDS，用户100%独占底层物理机，且支持用户通过弹性资源功效天真调配数据库实例资源占用，这样开启Fast Query Cache将会再获得一倍性能收益，连系CPU超配手艺最少获得的一倍收益，则相比于在物理机自建，专属集群整体成本可到达后者约30%，是现在云上企业最好的数据库节约成本方案。

云数据库专属集群MyBase

云数据库RDS Mysql