多线程检索 mysql 分表模式,发挥分表方案的最大性能

隐身守侯 提交于 2019-12-01 18:17:25

我天真的认为,mysql 的 merge 引擎分表模式下,mysql 会自动启用多线程对旗下的子表进行并发检索,但到目前为止我是没找到 mysql 的此机制设置,简单测试下就会发现....mysql 依然是依次检索各个子表,花费的时间与未分表情况下无异

mysql 在单表数据量达到千万级别时,最好采用划分成若干个小单位的优化方案,分区或者分表,这里我们讲分表。

场景

主单表:data 400000w

子分表:data_1 100000w,data_2 100000w,data_3 100000w,data_4 100000w

module/mysql.py是我自己封装的mysql DAO

mysql_task.py是我们这次的测试本,里面启用了四个子线程去检索四个分表,主线程自己去检索主单表

module/mysql.py

#! /usr/bin/env python
# -*-coding:utf-8-*-
"""
mysql DAO
简单的写一下 大家就别在意代码有些依赖注入的问题了
"""
import MySQLdb

class Mysql():

    def __init__(self, host, user, passwd, db, port = 3306):
        self.host = host
        self.user = user
        self.passwd = passwd
        self.db = db
        self.port = port
        self.connect()

    def connect(self):
        self.conn = MySQLdb.connect(host = self.host, user = self.user, passwd = self.passwd, db = self.db, port = self.port)
        self.cursor = self.conn.cursor()

    def execute(self, sql):
        result = self.cursor.execute(sql)
        return result

    def query(self, sql):
        self.cursor.execute(sql)
        result = self.cursor.fetchall()
        return result

    def scaler(self, sql):
        self.cursor.execute(sql)
        result = self.cursor.fetchone()
        return result[0]

    def one(self, sql):
        self.cursor.execute(sql)
        result = self.cursor.fetchone()
        return result

    def __del__(self):
        self.cursor.close()
        self.conn.close()

module/__init__.py 模块化编程 不了解的自补一下

#! /usr/bin/env python
# -*-coding:utf-8-*-
"""
将Mysql类作为模块开注册到module中
"""

#将mysql.py中的Mysql注册到module模块中
#这样我们在外部使用 from module import Mysql时即可访问此类
from mysql import Mysql

mysq_task.py

#! /usr/bin/env python
"""
"""
__author__ = 'sallency'

from module import Mysql
from threading import Thread
import time

result = []

class MyThread(Thread):

    def __init__(self):
        Thread.__init__(self)

    def run(self):
        global result
        dbCon = Mysql('localhost', 'root', '123456', 'mydb')
        result.append(dbCon.scaler("select sql_no_cache count(`id`) from `data_" + str(self.no) +"` where `title` like '%hello%'"))

#start sub thread
def task():
    thr_1 = MyThread()
    thr_2 = MyThread()
    thr_3 = MyThread()
    thr_4 = MyThread()

    thr_1.start()
    thr_2.start()
    thr_3.start()
    thr_4.start()

    thr_1.join()
    thr_2.join()
    thr_3.join()
    thr_4.join()

    return True

if __name__ == "__main__":

    print ""
    print "...... multi thread query start ......"
    print time.ctime() + ' / ' + str(time.time())
    task()
    print result
    print time.ctime() + ' / ' + str(time.time())
    print "...... multi thread query end ......"

    print ""
    dbCon = Mysql('localhost', 'root', '123456', 'mydb')
    print "...... single thread query start ......"
    print time.ctime() + ' / ' + str(time.time())
    print dbCon.scaler("select sql_no_cache count(`id`) from `data` where `title` like '%hello%'")
    print time.ctime() + ' / ' + str(time.time())

测试结果

查询结果:219 + 207 + 156 + 254 == 836 true 啊

多线程用时 1.8 秒,单线程 6.12 秒, 性能提升了 70.59%

这个大家即便不写代码自己想也肯定能得到正确的结论,不过嘛,自己动手搞一下感觉还是挺不错的,哈哈

易学教程内所有资源均来自网络或用户发布的内容,如有违反法律规定的内容欢迎反馈
该文章没有解决你所遇到的问题?点击提问,说说你的问题,让更多的人一起探讨吧!