首页
学习
活动
专区
圈层
工具
发布
首页标签数据库

#数据库

性能卓越,弹性扩展,提供容灾、备份、恢复、监控、迁移等数据库运维全套解决方案

数据库锁机制,行锁和表锁区别?

行锁和表锁最直观的区别就是“锁多大范围”。表锁一把锁住整张表,别人想改哪怕一行也得排队等着;行锁只锁当前操作的那几行,其他行该干嘛干嘛,并发能力强很多。 但行锁不是免费的午餐。它加锁解锁都更耗资源,还容易死锁——两个事务互相等对方释放锁,最后只能回滚一个。表锁虽然笨重,反而不会死锁,开销也小。 实际用InnoDB时别以为写了where就自动走行锁,如果条件没走索引,照样退化成表锁,性能直接崩。所以写sql前先看执行计划,确认索引生效再动手。简单说:高并发选行锁但要小心索引,批量维护或读多写少就用表锁省心。 官方详细解决方案:https://cloud.tencent.com/product/lighthouse?Is=sdk-topnav... 展开详请

微信云托管MySQL自动备份无记录,是否已启用?

微信云托管的 MySQL 8.0 底层是腾讯云云数据库,自动备份默认开启,没有独立的“启停开关”——你看到的那个面板只有保留天数和间隔,正说明它是托管型自动备份,不需要手动启用。 “暂无数据”通常是两个原因:一是自动备份记录在云托管控制台展示不全,完整记录要去腾讯云控制台(对应账号下 MySQL 实例 → 备份恢复 → 备份列表)看;二是自动备份按 6~48 小时随机间隔生成,如果实例近期无变更或备份任务被合并,列表可能只显示手动快照。 实际可恢复点:手动快照 11 月 5 日、10 月 31 日,加上自动备份(若存在,保留 7 天内)。云托管支持按时间点回档(PITR),但前提是开启了 binlog,回档范围一般覆盖最近 7 天。 建议核实路径:腾讯云控制台 → 云数据库 MySQL → 实例 → 备份恢复,那里能看到自动备份的真实记录和可回档时间区间。 官方详细解决方案:https://cloud.tencent.com/product/lighthouse?Is=sdk-topnav... 展开详请

MongoDB 切换后已确认写入丢失,写关注和读偏好该如何取舍?

切换后丢数据,根子是写关注没配w:"majority"。旧主节点写入未同步到多数派就挂了,新主上位后触发回滚,那些只被旧主确认的消息自然没了。 要根治,写关注必须上w:"majority",这是防回滚的唯一保障。代价是延迟变高、分区时可能写不进。读关注也得配majority,否则从库可能读到即将被回滚的脏数据。 读偏好看业务容忍度:核心交易类老老实实用primary保一致;查询量大可走secondary,但必须绑readConcern:majority,并接受毫秒级复制延迟。别光调读偏好不管写关注,那是治标不治本。另外检查下副本集成员数,偶数节点或仲裁节点配置不当也会让majority失效。 官方活动链接:https://cloud.tencent.com/product/lighthouse?Is=sdk-topnav... 展开详请

CLB 七层全后端异常后仍在转发,就绪检查该如何取舍?

先说原因:CLB 七层有个兜底逻辑——当后端全部健康检查失败时,会退化成"全量转发"(也叫 all-down 兜底),避免直接返回 502/503 把流量全掐死。所以你看到的"仍在转发"不是检查失效,是设计如此。 取舍上: 别指望就绪检查做熔断。 它只解决"摘除个别坏节点",全挂时必然兜底。想快速失败,得在应用侧或网关侧另做一层。 检查参数怎么调: 七层建议用 HEAD/GET 打一个轻量健康接口(不要打业务重接口),检查间隔 5s、超时 3s、不健康阈值 3 次。这样最坏 15s 左右摘除,比默认快。 关键一点: 健康接口要能反映真实依赖状态。如果它只返回 200 而不检查 DB/缓存连接,节点"活着"但业务已废,检查等于白做。 真要快速失败: 前端加 Nginx/云函数做一层,或者客户端设短超时+熔断,别死等 CLB 摘节点。 官方详细解决方案:https://cloud.tencent.com/product/lighthouse?Is=sdk-topnav... 展开详请

本体构建好还需要数据库吗?

需要,但要看你存什么。 本体(TBox:类、属性、关系约束)本身通常存在 OWL/RDF 文件或图数据库的 schema 层,这部分不需要传统数据库。 但下面这些还得靠存储: 实例数据(ABox):成千上万的个体、属性值,用文件管理不现实,需要图数据库(Neo4j、GraphDB)或三元组库(Virtuoso、Jena Fuseki)。 业务原始数据:本体是从业务数据映射出来的,源数据还在 MySQL/PG 里,本体层只是语义视图。 推理结果缓存:推理开销大,物化后的结论要落库。 版本与审计:本体迭代、变更历史,需要存储层支持。 一句话:本体定义"是什么",数据库承载"有哪些"。除非你的本体只有几十个个例且纯静态,否则存储层省不掉。 官方详细解决方案:https://cloud.tencent.com/product/lighthouse?Is=sdk-topnav... 展开详请

单据和运单多对多怎么建模?

多对多必须建独立关联表(如 outbound_waybill_rel),记录出库单ID、运单ID,以及拆分数量、重量等关联维度的属性。主表存JSON或逗号串是典型的反模式,无法有效利用索引,按承运商统计或反查时只能全表扫或写复杂的解析函数;两边冗余则必然导致数据不一致,改一条要锁两张表。 “关联后不可改”的约束必须服务层兜底,前端辅助: 服务层(核心底线):在更新接口加状态机或关联校验。只要查到关联表有记录或单据状态已流转,直接抛业务异常拒绝修改。这是防并发和绕过前端直调接口的唯一防线。 前端(用户体验):根据单据状态或关联标识,把输入框置灰、隐藏编辑按钮或拦截提交,减少用户的无效操作和报错挫败感。 数据库层:不建议用触发器做这种业务状态约束,太僵硬且报错难排查。如果是防物理删除,可以在关联表加外键 ON DELETE RESTRICT,但“不可修改”的逻辑还是交给代码。 核心原则:前端管体验,后端管底线,数据库只管存储和基础完整性。 官方详细解决方案:https://cloud.tencent.com/product/lighthouse?Is=sdk-topnav... 展开详请

数据库备份的恢复演练你们做到什么程度?

紫风十五年服务端架构专家,用高可用承载亿级流量,用高性能支撑毫秒级响应。为业务增长提供坚实的技术底座。
多数团队停在备份任务成功这一层,演练基本没做过,等真出事才发现备份不可用。建议分三档做:最低档,每月做一次单库恢复到临时实例,验证备份文件能还原、数据完整,成本低,必须做。中档,每季度做一次假装主库没了的演练,按真实故障流程从备份拉起实例、切应用连接、核对数据一致性,记录实际耗时,这个耗时才是你们真实的 RTO,而不是 PPT 上写的数字。高档,把演练自动化成流水线,定期随机抽样历史备份做恢复校验。核心一条:没验证过能恢复的备份等于没有备份,演练的价值就是把 RTO 从想象变成实测数字。... 展开详请

个人版云开发,如何将上海的 MySQL 数据迁移到广州?

云托管不支持跨地域一键迁移,需在广州新建环境后手动部署代码和配置。注意广州地域目前按白名单提供,需先联系客服或提工单申请开通。 独立MySQL可用DTS从上海平滑迁移到广州,支持全量+增量模式,业务不停机。购买DTS任务时源实例选上海、目标实例选广州即可。 退订方面,包年包月资源每个主体每产品享1次5天内无理由全额退款;超期则按剩余价值非全额退款(实付金额减去已消耗金额)。可在对应产品控制台自助退订,或提交工单处理,退款先到腾讯云账户余额再提现。 官方详细解决方案:https://cloud.tencent.com/product/tdsqlc?Is=sdk-topnav... 展开详请

phpcms网上有没有信创适配和兼容达梦国产数据库的方案?

phpcms(v9 及其衍生版)适配达梦,没有官方版本,但国产化迁移这个组合有不少实际案例,可行路径有三条:1. ODBC 通用路径(改动最小):达梦提供 Linux/Windows 的 ODBC 驱动,phpcms 的数据库层用的是 php 的数据库抽象(v9 是基于自家的数据库驱动类)。适配做法:a. 安装达梦客户端 + 配置 ODBC 数据源;b. 写一个达梦的驱动类(继承 phpcms 的 db 抽象类),底层用 PDO_ODBC 连达梦——SQL 语法差异在这个驱动类里做转换(达梦兼容 Oracle 模式和 MySQL 模式,选 MySQL 兼容模式能少改一大半语法);c. 实际的工作量集中在 SQL 方言差异:分页(LIMIT 在达梦 MySQL 模式下支持)、自增主键(达梦用 IDENTITY,建表 SQL 要改)、函数差异(GROUP_CONCAT 达梦是 LISTAGG 或 WM_CONCAT)。改造量评估:核心表 50 张以内、查询里没有存储过程的话,2~4 周能跑通;2. 达梦 DTS 迁移工具 + 数据层改造:达梦自带的 DTS 工具能从 MySQL 直接把表结构(自动转换类型)和数据迁过去,省掉手写建表。之后 phpcms 侧还是要做驱动适配(同第 1 条的 b/c 步)——DTS 解决「数据搬家」,驱动类解决「应用能跑」,两个都要;3. 换内核路线(如果 phpcms 是老站):phpcms v9 已停止维护多年(安全漏洞没人修——这也是信创评审会卡它的点),如果站点还有运营价值,趁信创迁移直接换到还在维护的系统(比如迅睿/迅睿CMS 这类有国产数据库适配实践的国产框架)比硬适配老 phpcms 更合理——信创项目通常要求「基础软件有维护承诺」,phpcms 的停维状态在评审环节风险更大;4. 实操建议:a. 先确认达梦版本(DM8)和兼容模式(参数 COMPATIBLE_MODE,设成 4 是 MySQL 兼容),装好后用 DTS 迁表;b. phpcms 的驱动类改造参考网上现成的「达梦 PHP PDO 适配」案例(达梦社区有 PHP 驱动和文档);c. 跑全站回归时重点盯:搜索(LIKE 中文在达梦的大小写敏感配置)、分页 SQL、count 语句——这三类最容易出差异。如果这个站是政务遗留系统,评估下数据是否直接归档静态化——很多老 phpcms 站点实际只是信息展示,静态化后挂到信创 Web 服务器上,比活库迁移成本低一个量级。... 展开详请
phpcms(v9 及其衍生版)适配达梦,没有官方版本,但国产化迁移这个组合有不少实际案例,可行路径有三条:1. ODBC 通用路径(改动最小):达梦提供 Linux/Windows 的 ODBC 驱动,phpcms 的数据库层用的是 php 的数据库抽象(v9 是基于自家的数据库驱动类)。适配做法:a. 安装达梦客户端 + 配置 ODBC 数据源;b. 写一个达梦的驱动类(继承 phpcms 的 db 抽象类),底层用 PDO_ODBC 连达梦——SQL 语法差异在这个驱动类里做转换(达梦兼容 Oracle 模式和 MySQL 模式,选 MySQL 兼容模式能少改一大半语法);c. 实际的工作量集中在 SQL 方言差异:分页(LIMIT 在达梦 MySQL 模式下支持)、自增主键(达梦用 IDENTITY,建表 SQL 要改)、函数差异(GROUP_CONCAT 达梦是 LISTAGG 或 WM_CONCAT)。改造量评估:核心表 50 张以内、查询里没有存储过程的话,2~4 周能跑通;2. 达梦 DTS 迁移工具 + 数据层改造:达梦自带的 DTS 工具能从 MySQL 直接把表结构(自动转换类型)和数据迁过去,省掉手写建表。之后 phpcms 侧还是要做驱动适配(同第 1 条的 b/c 步)——DTS 解决「数据搬家」,驱动类解决「应用能跑」,两个都要;3. 换内核路线(如果 phpcms 是老站):phpcms v9 已停止维护多年(安全漏洞没人修——这也是信创评审会卡它的点),如果站点还有运营价值,趁信创迁移直接换到还在维护的系统(比如迅睿/迅睿CMS 这类有国产数据库适配实践的国产框架)比硬适配老 phpcms 更合理——信创项目通常要求「基础软件有维护承诺」,phpcms 的停维状态在评审环节风险更大;4. 实操建议:a. 先确认达梦版本(DM8)和兼容模式(参数 COMPATIBLE_MODE,设成 4 是 MySQL 兼容),装好后用 DTS 迁表;b. phpcms 的驱动类改造参考网上现成的「达梦 PHP PDO 适配」案例(达梦社区有 PHP 驱动和文档);c. 跑全站回归时重点盯:搜索(LIKE 中文在达梦的大小写敏感配置)、分页 SQL、count 语句——这三类最容易出差异。如果这个站是政务遗留系统,评估下数据是否直接归档静态化——很多老 phpcms 站点实际只是信息展示,静态化后挂到信创 Web 服务器上,比活库迁移成本低一个量级。

搜索系统从数据库迁到 ES,你们是怎么灰度和验收的?

双读对照:至少跑1-2周覆盖完整业务周期。核心盯无结果率(绝不能比MySQL高)和Top10重合度,兼顾P99延迟。切流用Alias蓝绿发布,出问题秒级回滚。 相关性调权:别拍脑袋硬编码权重。必须建Judgment List(标注集)(query+doc_id+0-4级相关性打分),数据靠人工抽样加线上点击转化日志。直接上ES的LTR(Learning to Rank),把标题/描述BM25、销量当特征喂给XGBoost等模型,让算法算权重。 词库运营:同义词强烈建议只在查询时应用,配合热更新API,改词库不用Reindex重建索引,能救命。每周从“无结果搜索日志”里捞词补库,死盯无结果率和搜索转化率。性能上开slowlog盯分词耗时,防词库膨胀拖垮查询。 官方详细解决方案:https://cloud.tencent.com/product/tdsqlc?Is=sdk-topnav... 展开详请

数据库迁移你们是双写还是 CDC 追平?校验怎么做?

实战里现在极少用业务代码双写,侵入性太强,一边写失败事务极难处理。主流都选 CDC(像 Canal 或 Flink CDC)追平。 标准套路是:先全量快照同步,再开 CDC 追增量 Binlog。等延迟降到毫秒级,先切读,最后切写。 校验千万别偷懒,分三步走: 全量校验:写脚本对比两边行数,或者对核心字段算 CRC32/MD5 校验和。 增量校验:跑定时任务,每天抽样比对最近修改的几千条数据,逐字段核对。 双读校验(最稳):切写前,业务层双读新老库,异步比对结果,只记日志不阻断主流程。连续跑一周没差异,再彻底切流下线老库。 官方详细解决方案:https://cloud.tencent.com/product/tdsqlc?Is=sdk-topnav... 展开详请

TDMQ CKafka 消费堆积后如何安全扩容消费者并追赶进度?

消费堆积后「先扩消费者再追赶」的正确姿势,核心是避免三个坑:1. 先搞清堆积的原因再动手:是消费能力不足(消费者处理慢)还是分区数不够?Kafka 一个分区同一消费组内只能被一个消费者消费——如果 Topic 只有 4 个分区,你的消费组里第 5 个及以后的消费者全部空转。所以第一步看消费者 Lag 分布:Lag 集中在部分分区、其他分区是 0 → 分区数不足,扩消费者没用,需要先加分区;所有分区均匀堆积 → 消费处理能力不足,扩消费者有效;2. 扩分区的代价要提前知道:新增分区只对「之后写入的消息」生效,已经堆在旧分区的消息不会被搬迁——旧分区继续由原消费者消化,新流量进新分区。这意味着扩分区不会加速存量堆积的消化,只是防止增量继续堆积。CKafka 控制台扩分区后注意重分区(rebalance)会引起消费者组短暂抖动;3. 安全追赶的顺序:a. 先把消费逻辑里的批处理调大、同步转异步(写 DB 改为先写本地缓冲再批量落库)——纯参数优化经常就能翻倍消费速度,比扩容便宜;b. 扩消费者到分区数以内(不超过),观察消费速率曲线;c. 还不够就扩分区+消费者同步扩,扩分区要评估下游(落库的 DB 扛不扛得住翻倍写入速率——消费加速最容易把下游打挂,这比堆积本身更危险);d. 极端情况(堆积千万级、消息有时效性):新建一个补偿 Topic,把过期可丢弃的消息按规则跳过(用 seek 跳到最新 offset,把可丢的历史消息明确丢弃),只追赶有效部分;4. 追赶期间的监控:消费 Lag 曲线要陡峭下降才正常,如果追平后又快速堆积说明消费速率低于生产速率(扩容不够),如果 Lag 不降反升检查是否有消费者反复 rebalance(session timeout 配置不合理)。最后:堆积消化完不是终点,把这次的最大消费延迟告警阈值调严,下次堆积在 1 小时内发现处理成本完全不同。... 展开详请
消费堆积后「先扩消费者再追赶」的正确姿势,核心是避免三个坑:1. 先搞清堆积的原因再动手:是消费能力不足(消费者处理慢)还是分区数不够?Kafka 一个分区同一消费组内只能被一个消费者消费——如果 Topic 只有 4 个分区,你的消费组里第 5 个及以后的消费者全部空转。所以第一步看消费者 Lag 分布:Lag 集中在部分分区、其他分区是 0 → 分区数不足,扩消费者没用,需要先加分区;所有分区均匀堆积 → 消费处理能力不足,扩消费者有效;2. 扩分区的代价要提前知道:新增分区只对「之后写入的消息」生效,已经堆在旧分区的消息不会被搬迁——旧分区继续由原消费者消化,新流量进新分区。这意味着扩分区不会加速存量堆积的消化,只是防止增量继续堆积。CKafka 控制台扩分区后注意重分区(rebalance)会引起消费者组短暂抖动;3. 安全追赶的顺序:a. 先把消费逻辑里的批处理调大、同步转异步(写 DB 改为先写本地缓冲再批量落库)——纯参数优化经常就能翻倍消费速度,比扩容便宜;b. 扩消费者到分区数以内(不超过),观察消费速率曲线;c. 还不够就扩分区+消费者同步扩,扩分区要评估下游(落库的 DB 扛不扛得住翻倍写入速率——消费加速最容易把下游打挂,这比堆积本身更危险);d. 极端情况(堆积千万级、消息有时效性):新建一个补偿 Topic,把过期可丢弃的消息按规则跳过(用 seek 跳到最新 offset,把可丢的历史消息明确丢弃),只追赶有效部分;4. 追赶期间的监控:消费 Lag 曲线要陡峭下降才正常,如果追平后又快速堆积说明消费速率低于生产速率(扩容不够),如果 Lag 不降反升检查是否有消费者反复 rebalance(session timeout 配置不合理)。最后:堆积消化完不是终点,把这次的最大消费延迟告警阈值调严,下次堆积在 1 小时内发现处理成本完全不同。

应用扩容时数据库连接数怎么规划?连接池大小怎么定?

紫风十五年服务端架构专家,用高可用承载亿级流量,用高性能支撑毫秒级响应。为业务增长提供坚实的技术底座。
连接池大小不是拍脑袋定的。先算上限:max_connections减去预留(运维工具、监控、其他服务),除以实例数得到单实例配额。池大小参考经验公式cores乘2加有效磁盘数,但那是单机视角,云上更要看DB侧总配额。实际最常见的坑是扩容:每个新副本都带同样的池配置,副本从10个涨到40个,连接总数瞬间翻4倍把DB打挂。所以池大小要按总连接预算除以副本数动态算,而不是每个副本固定100。另外压测必须模拟扩容后的连接总量,不然平时好好的,一扩容就连接超时。监控上盯DB的Threads_connected和应用侧等待连接的耗时,比盯池参数本身有用,等待出现就说明池或配额该动了。... 展开详请

缓存与数据库一致性你们用的什么方案?什么量级下换的?

紫风十五年服务端架构专家,用高可用承载亿级流量,用高性能支撑毫秒级响应。为业务增长提供坚实的技术底座。
大部分团队从头到尾就一个方案:先更新数据库,再删缓存(Cache Aside),配合缓存过期时间兜底。别小看它,这方案有一致性窗口但概率极低,绝大多数业务扛得住,读写分离下偶尔读到旧值也通常可容忍。真要抠强一致,就得引入分布式锁或订阅binlog异步删除,复杂度陡增。我们到日请求千万级才遇到第一个真实痛点:删缓存后瞬间大量请求穿透回源。解法是删除后加短时逻辑过期,或用消息队列串行化回源,而不是换一致性方案。所以先问业务能不能容忍秒级旧值,能就别升级方案,别为了报告上的一致性指标给自己挖坑。... 展开详请

云服务器内网访问云数据库偶发超时,如何区分网络与数据库问题?

紫风十五年服务端架构专家,用高可用承载亿级流量,用高性能支撑毫秒级响应。为业务增长提供坚实的技术底座。
先固定变量再下结论。在CVM上用客户端持续探活执行select 1并计时,同时长ping数据库内网IP看丢包率。超时发生时分三种形态判断:连接建立就超时,telnet内网端口不通,偏向网络层或连接数打满;TCP握手成功但查询慢,看数据库的Threads_connected、锁等待和慢查询日志;偶发丢包,检查是否跨可用区、安全组和ACL有没有限速。云监控里拉数据库连接数和CPU曲线对齐故障时间点,必要时在CVM上抓包看SYN有没有得到回应。实战里最常见的反而是应用侧连接池没配好,突发流量排队建连,先查这个再怀疑云。... 展开详请

2026年腾讯云双十一大促活动是什么?腾讯云双十一优惠活动内容汇总

2026年腾讯云双十一活动开始了吗?腾讯云双十一有哪些优惠政策

JWT 的 Refresh Token 存哪里最安全?Web 端和移动端方案有什么不同?

Web端无脑选HttpOnly Cookie,这是防XSS偷RT的唯一解法。localStorage只要有点XSS漏洞,RT就裸奔了,别省那点配置功夫。移动端老老实实塞进Keychain/Keystore,普通存储反编译就能拿,纯属找死。 关于轮换(Rotation),强烈建议每次刷新都换新的。虽然多查次DB,但能锁死泄露窗口。一旦旧RT被窃,黑客只能用一次,服务端检测到异常就能立刻踢人,安全收益远超那点复杂度。 至于并发401,别慌。搞个全局标志位isRefreshing和队列。第一个401触发刷新,后续请求全部挂起排队。刷新成功后,拿着新Token依次重试所有等待中的请求。这才是生产环境该有的稳健写法,逻辑清晰且零竞态。 官方详细解决方案:https://cloud.tencent.com/product/idsec... 展开详请

联合索引的列序选择,除了选择性还有什么决定因素?边界值查询怎么处理?

GavinGengai学习
联合索引列序这个事,我踩过的坑比看过的教程都多。先说结论:列序不是按选择性从高到低排就完事了,决定性因素其实是「你的查询怎么用这个索引」。 最容易被忽略的一点是最左前缀和范围查询的相互作用。等值条件(=、IN)能一直往下走,但只要某一列用了范围(>、<、BETWEEN、LIKE 'x%'),它右边那些列在索引里就排不了序、用不上了。所以我现在的习惯是:把所有等值条件列放左边,把那个唯一的范围列放最右。有一次我把 (created_at, user_id) 建了索引,查询却是按 user_id 等值 + created_at 范围,结果 created_at 这个范围列卡在中间,user_id 之后索引直接断,慢查询日志里全是全表扫。后来调成 (user_id, created_at) 才解决。 第二是排序和分组的利用。如果一条查询常 ORDER BY a, b,把 a、b 按相同顺序塞进索引尾部,优化器就能直接按索引顺序吐数据,省掉 filesort。这个比单纯追求高选择性实用得多,因为排序带来的临时表和文件排序开销常常比回表还狠。 第三是覆盖索引。SELECT 里要返回的列如果不多,干脆作为尾列include进索引(MySQL 用 INVISIBLE/二级索引冗余列,PG 用 INCLUDE),能彻底免回表。我见过一条高频查询从「索引+回表」变成纯索引扫描,RT 直接掉一截。 边界值查询要单独提一句:BETWEEN 是闭区间,和 >、< 的开闭搞混很容易多取或少取一行,数据对不上还很难查。另外边界往往落在数据分布两端,统计信息一过期优化器就误判行数、乱选索引,这时候 ANALYZE TABLE / UPDATE STATISTICS 一下比改索引更立竿见影。 最后一句提醒:WHERE 里对列套函数、或者隐式类型转换(字符串列传了数字),索引直接废。这个和列序无关,但经常被人当成「索引建错了」来折腾。 所以选列序时我一般先列清楚这条查询的访问模式:等值有哪些、范围是哪列、排序列是什么、要返回哪些列,再反过来排索引,而不是盯着选择性算半天。... 展开详请
联合索引列序这个事,我踩过的坑比看过的教程都多。先说结论:列序不是按选择性从高到低排就完事了,决定性因素其实是「你的查询怎么用这个索引」。 最容易被忽略的一点是最左前缀和范围查询的相互作用。等值条件(=、IN)能一直往下走,但只要某一列用了范围(>、<、BETWEEN、LIKE 'x%'),它右边那些列在索引里就排不了序、用不上了。所以我现在的习惯是:把所有等值条件列放左边,把那个唯一的范围列放最右。有一次我把 (created_at, user_id) 建了索引,查询却是按 user_id 等值 + created_at 范围,结果 created_at 这个范围列卡在中间,user_id 之后索引直接断,慢查询日志里全是全表扫。后来调成 (user_id, created_at) 才解决。 第二是排序和分组的利用。如果一条查询常 ORDER BY a, b,把 a、b 按相同顺序塞进索引尾部,优化器就能直接按索引顺序吐数据,省掉 filesort。这个比单纯追求高选择性实用得多,因为排序带来的临时表和文件排序开销常常比回表还狠。 第三是覆盖索引。SELECT 里要返回的列如果不多,干脆作为尾列include进索引(MySQL 用 INVISIBLE/二级索引冗余列,PG 用 INCLUDE),能彻底免回表。我见过一条高频查询从「索引+回表」变成纯索引扫描,RT 直接掉一截。 边界值查询要单独提一句:BETWEEN 是闭区间,和 >、< 的开闭搞混很容易多取或少取一行,数据对不上还很难查。另外边界往往落在数据分布两端,统计信息一过期优化器就误判行数、乱选索引,这时候 ANALYZE TABLE / UPDATE STATISTICS 一下比改索引更立竿见影。 最后一句提醒:WHERE 里对列套函数、或者隐式类型转换(字符串列传了数字),索引直接废。这个和列序无关,但经常被人当成「索引建错了」来折腾。 所以选列序时我一般先列清楚这条查询的访问模式:等值有哪些、范围是哪列、排序列是什么、要返回哪些列,再反过来排索引,而不是盯着选择性算半天。

云点播可靠回调中,EventHandle 能否作为持久化去重键?

紫风十五年服务端架构专家,用高可用承载亿级流量,用高性能支撑毫秒级响应。为业务增长提供坚实的技术底座。
能,但要先理解它的语义再依赖。云点播可靠回调的 EventHandle 是同一次事件通知的唯一标识,同一事件重试推送时保持不变,这正是幂等键需要的不变式。注意两点:范围上它只在「同一次事件的多次投递」里稳定,同一 FileId 先转码后审核是两个事件、两个 EventHandle,去重表要按事件类型分开建;时效上它没有业务含义,别把业务顺序依赖在句柄上。持久化设计:去重表用 event_type 加 EventHandle 建唯一索引,插入成功才执行业务,撞唯一键说明是重复投递,直接返回成功。用 insert ignore 或 upsert 一条 SQL 完成,别先查后插,中间有并发窗口。去重表要有清理策略,比如保留 7 天,防止无限膨胀。对关键消息还可以多记一列处理结果状态,排查重复投递时能省很多事。... 展开详请
领券