PmaControl logo PmaControl
  • 首页
  • PmaControl
    • AI智能代理 13个本地代理
    • 定价方案 Community、Cloud、On-Premise、Premium
    • 文档 指南、API、架构
    • 版本历史 全部 5.x 稳定版本
    • 插件市场 社区插件
    • 客户 28+企业
    • 常见问题 25个问题 / 7个类别
    数据库
    • MariaDB 37 篇文章
    • MySQL 15 篇文章
    • Galera Cluster 6 篇文章
    • MaxScale 4 篇文章
    • ProxySQL 3 篇文章
    • Amazon Aurora MySQL 0 篇文章
    • Azure Database 0 篇文章
    • ClickHouse 0 篇文章
    • GCP CloudSQL 0 篇文章
    • Percona Server 0 篇文章
    • SingleStore 0 篇文章
    • TiDB 0 篇文章
    • Vitess 0 篇文章
    解决方案
    • 全天候支持 MariaDB & MySQL紧急支持
    • SQL可观测性 监控、告警、拓扑
    • 高可用性 复制、故障转移、Galera
    • 灾难恢复 备份、恢复、RPO/RTO
    • 安全与合规 审计、GDPR、SOC2
    • 迁移与升级 零停机、pt-osc、gh-ost
  • 定价方案
  • 资源
    • 文档 技术指南与API
    • MySQL 优化中心 Markdown 索引、指标、参数、故障
    • 常见问题 25个常见问题
    • 客户评价 客户反馈与案例
    • 博客 文章与洞察
    • 路线图 即将推出的功能
    专业领域
    • SQL可观测性 监控、告警、Dot3拓扑
    • 高可用性 复制、故障转移、Galera
    • 安全与合规 审计、GDPR、SOC2、ISO 27001
    • 灾难恢复 备份、恢复、RPO/RTO
    • 性能与优化 Digests、EXPLAIN、调优
    • 迁移与升级 零停机、pt-osc
    快速链接
    • GitHub Wiki 26页 — 安装、引擎、插件
    • 源代码 GitHub官方仓库
    • 全天候支持 MariaDB & MySQL紧急支持
    • 预约演示 30分钟 — 真实架构
  • 全天候支持
  • 预约演示
预约演示
🇫🇷 FR Français 🇬🇧 EN English 🇵🇱 PL Polski 🇷🇺 RU Русский 🇨🇳 ZH 中文 🇸🇦 AR العربية
← 返回博客

名称已经只匹配一行,为什么 MariaDB 查询耗时还能从 18.43 降至 0.70 毫秒?

发布于 2026年11月21日 作者 Aurélien LEQUOY
pmacontrol mariadb performance sql benchmark observability
分享 X LinkedIn Facebook Email PDF
名称已经只匹配一行,为什么 MariaDB 查询耗时还能从 18.43 降至 0.70 毫秒?

ts_variable 的 3,791 行中有 3,759 个不同的名称,所以 name 列的选择性已经很高。对于 mysql_available,只按名称就恰好找到一行。加上 v.`from` = 'mysql_server',返回的还是这一行。由此推测,性能提升应该微乎其微。然而在每分钟约 2,100 次调用的生产负载下,平均耗时从 18.43 毫秒降到了 0.70 毫秒。第二个条件连一行都没有多过滤,MariaDB 究竟省下了什么?

PmaControl 在记录服务的可用性之前,会读取上一次的值,判断状态是否发生变化。部署前一小时,这项读取累计耗费 2326 秒 SQL 执行时间。部署后一小时,调用量相近,耗时降到了 87 秒。两版查询只有一个连接条件不同。

部署前后各一小时

巴黎时间 2026 年 11 月 21 日 17:26:47,采集器开始使用修改后的查询。SQL 文本变化后,Performance Schema 为它生成了新的摘要标识。如果只看旧摘要,执行次数会降到零。为了追踪同一项业务操作,我们按一分钟分段,把两个摘要的计数器增量相加。

部署前后各一小时 · 每分钟执行次数 / 加权平均延迟

每组数据有 120 个点,每分钟一个。上图显示每分钟的执行次数,下图显示同一批调用的平均耗时。竖向虚线表示部署时刻。切换前后少量来自另一版本的调用也计入统计。

表格中,较大值严格超过较小值的两倍时,绿色(✓)表示改善,红色(✗)表示退化。对于耗时,绝对差还须至少为 1 毫秒。调用量用于说明负载。此阈值用于辅助阅读。 图中以不同的线条区分两个时段。部署后每个延迟点都与前一小时的加权平均值比较。累计图使用相同调用量作为基准,配对测试则使用各对测量自己的初始耗时。

指标 部署前一小时 部署后一小时
估算执行次数 126,229 123,241
每分钟执行次数 2,104 2,054
加权平均延迟 18.43 ms ✓ 0.70 ms (÷26.25)
累计 SQL 秒数 2,326.5 ✓ 86.5 (÷26.88)
每 SQL 秒执行次数 54 ✓ 1,424 (×26.25)
每次调用检查行数 2.99 ✓ 1.00 (÷2.98)

按每秒累计 SQL 执行时间可完成的读取次数计算,效率从 54 次升至 1424 次。平均延迟下降 96.2%,实际每分钟调用量仅下降 2.4%。前一指标反映单次读取的成本,实际吞吐量还取决于轮询频率和并发度。

这条查询读取什么

针对指定服务器,ts_max_date 提供某个指标文件最近的采集时间。ts_file 确定文件,ts_variable 确定指标。mysql_server 排除已删除的服务器。最后通过外连接查找同一时间、同一指标和同一服务器对应的整数值。缺少测量值时,这个外连接可能返回 NULL。

五张表及其连接字段

此图直接来自 PmaControl 中修改后的查询。箭头连接用于表连接的列。棕色边框标出带有筛选条件的字段,包括 ts_variable.from。行数前的 ~ 表示该数值是导出时的估算值。

五张表的定义

以下定义取自本案例所用 MariaDB 实例的 SHOW CREATE TABLE 输出。在 ts_variable 的定义中,UNIQUE KEY 一行按索引顺序列出了修改后的查询所用的两列。

SHOW CREATE TABLE ts_variable;

CREATE TABLE `ts_variable` (
  `id` int(11) NOT NULL AUTO_INCREMENT,
  `id_ts_file` int(11) NOT NULL DEFAULT 3,
  `name` varchar(100) NOT NULL,
  `type` enum('INT','DOUBLE','TEXT','JSON','') NOT NULL COMMENT '1 => int, 2 => double, 3 => text, 4=> json',
  `from` varchar(64) NOT NULL,
  `radical` char(10) NOT NULL,
  `is_derived` int(11) DEFAULT 1,
  `is_dynamic` int(11) DEFAULT 1 COMMENT 'only for global variables',
  PRIMARY KEY (`id`),
  UNIQUE KEY `name` (`name`,`from`),
  KEY `ts_variable_ibfk_1` (`id_ts_file`),
  KEY `from` (`from`),
  CONSTRAINT `ts_variable_ibfk_1` FOREIGN KEY (`id_ts_file`) REFERENCES `ts_file` (`id`) ON DELETE CASCADE ON UPDATE CASCADE
) ENGINE=InnoDB AUTO_INCREMENT=39387 DEFAULT CHARSET=latin1 COLLATE=latin1_swedish_ci;

SHOW CREATE TABLE ts_file;

CREATE TABLE `ts_file` (
  `id` int(11) NOT NULL AUTO_INCREMENT,
  `file_name` varchar(128) NOT NULL,
  `each` int(11) NOT NULL DEFAULT 1,
  PRIMARY KEY (`id`),
  UNIQUE KEY `file_name` (`file_name`)
) ENGINE=InnoDB AUTO_INCREMENT=25508473 DEFAULT CHARSET=latin1 COLLATE=latin1_swedish_ci;

SHOW CREATE TABLE ts_max_date;

CREATE TABLE `ts_max_date` (
  `id` int(11) NOT NULL AUTO_INCREMENT,
  `id_mysql_server` int(11) NOT NULL,
  `date` datetime DEFAULT NULL,
  `sample_epoch` bigint(20) unsigned NOT NULL DEFAULT 0,
  `date_p1` datetime DEFAULT NULL,
  `sample_epoch_p1` bigint(20) unsigned NOT NULL DEFAULT 0,
  `date_p2` datetime DEFAULT NULL,
  `sample_epoch_p2` bigint(20) unsigned NOT NULL DEFAULT 0,
  `date_p3` datetime DEFAULT NULL,
  `sample_epoch_p3` bigint(20) unsigned NOT NULL DEFAULT 0,
  `date_p4` datetime DEFAULT NULL,
  `sample_epoch_p4` bigint(20) unsigned NOT NULL DEFAULT 0,
  `id_ts_file` int(11) NOT NULL,
  `last_date_listener` datetime DEFAULT current_timestamp(),
  `last_sample_epoch_listener` bigint(20) unsigned NOT NULL DEFAULT 0,
  PRIMARY KEY (`id`),
  UNIQUE KEY `id_mysql_server_2` (`id_mysql_server`,`id_ts_file`),
  UNIQUE KEY `id_mysql_server` (`id_mysql_server`,`id_ts_file`,`date`),
  UNIQUE KEY `date` (`date`,`id_ts_file`,`id_mysql_server`),
  KEY `id_ts_file` (`id_ts_file`),
  KEY `id_mysql_server_4` (`id_mysql_server`,`date`),
  KEY `date_2` (`date`,`last_date_listener`),
  CONSTRAINT `ts_max_date_ibfk_3` FOREIGN KEY (`id_ts_file`) REFERENCES `ts_file` (`id`)
) ENGINE=InnoDB AUTO_INCREMENT=22859 DEFAULT CHARSET=utf8mb4 COLLATE=utf8mb4_general_ci;

SHOW CREATE TABLE mysql_server;

CREATE TABLE `mysql_server` (
  `id` int(11) NOT NULL AUTO_INCREMENT,
  `is_deleted` tinyint(1) NOT NULL DEFAULT 0,
  `created_at` datetime NOT NULL DEFAULT current_timestamp(),
  `updated_at` datetime NOT NULL DEFAULT current_timestamp() ON UPDATE current_timestamp(),
  `id_client` int(11) NOT NULL,
  `id_environment` int(11) NOT NULL,
  `name` varchar(100) CHARACTER SET utf8mb3 COLLATE utf8mb3_general_ci NOT NULL,
  `display_name` varchar(100) NOT NULL,
  `ip` varchar(255) CHARACTER SET latin1 COLLATE latin1_bin NOT NULL,
  `hostname` varchar(200) NOT NULL DEFAULT '',
  `login` varchar(32) CHARACTER SET utf8mb3 COLLATE utf8mb3_general_ci NOT NULL,
  `passwd` varchar(255) CHARACTER SET latin1 COLLATE latin1_bin NOT NULL,
  `database` varchar(64) NOT NULL,
  `is_password_crypted` int(11) NOT NULL,
  `is_ssl` int(11) NOT NULL DEFAULT 0,
  `port` int(11) NOT NULL,
  `ssh_nat` varchar(64) CHARACTER SET latin1 COLLATE latin1_bin NOT NULL DEFAULT '',
  `ssh_port` int(11) NOT NULL DEFAULT 22,
  `ssh_login` text CHARACTER SET latin1 COLLATE latin1_bin NOT NULL DEFAULT '\'\'',
  `is_sudo` int(11) NOT NULL DEFAULT 0,
  `is_root` int(11) NOT NULL DEFAULT 1,
  `is_monitored` int(11) NOT NULL DEFAULT 1,
  `monitoring_disabled_reason` enum('manual','license_quota') DEFAULT NULL,
  `is_proxy` int(11) NOT NULL DEFAULT 0,
  `is_vip` tinyint(1) NOT NULL DEFAULT 0,
  `is_binlog_relay` tinyint(1) NOT NULL DEFAULT 0,
  `is_clickhouse` tinyint(1) NOT NULL DEFAULT 0,
  `errant_gtid_set` text DEFAULT NULL COMMENT '#1280 P0.1 last computed errant GTID set (canonical form, empty string = no errant)',
  `is_acknowledged` int(11) NOT NULL DEFAULT 0,
  `timeout` int(11) GENERATED ALWAYS AS (case when `is_proxy` = 1 then 11 else 1 end) VIRTUAL,
  `errant_gtid_sampled_at` datetime DEFAULT NULL COMMENT '#1280 P0.1 wall-clock of the last successful errant-set computation',
  `errant_gtid_ignore` tinyint(1) NOT NULL DEFAULT 0,
  `replica_lag_sla_seconds` int(11) NOT NULL DEFAULT 30,
  `is_out_of_service` tinyint(1) NOT NULL DEFAULT 0 COMMENT 'operator-flagged HS for reload from master',
  PRIMARY KEY (`id`),
  UNIQUE KEY `name` (`name`),
  UNIQUE KEY `ip` (`ip`,`port`),
  KEY `id_client` (`id_client`),
  KEY `id_environment` (`id_environment`),
  KEY `is_monitored` (`id_client`,`is_monitored`,`is_deleted`) USING BTREE,
  KEY `is_deleted` (`is_deleted`)
) ENGINE=InnoDB AUTO_INCREMENT=337 DEFAULT CHARSET=utf8mb4 COLLATE=utf8mb4_general_ci WITH SYSTEM VERSIONING
 PARTITION BY SYSTEM_TIME
PARTITIONS 2;

SHOW CREATE TABLE ts_value_general_int;

CREATE TABLE `ts_value_general_int` (
  `date` datetime NOT NULL,
  `id_ts_variable` int(11) NOT NULL,
  `id_mysql_server` int(11) NOT NULL,
  `value` bigint(20) unsigned DEFAULT NULL,
  PRIMARY KEY (`date`,`id_ts_variable`,`id_mysql_server`),
  KEY `id_mysql_server` (`id_mysql_server`,`id_ts_variable`,`date`)
) ENGINE=ROCKSDB DEFAULT CHARSET=latin1 COLLATE=latin1_swedish_ci
 PARTITION BY RANGE (to_days(`date`))
(PARTITION `p740279` VALUES LESS THAN (740279) ENGINE = ROCKSDB,
 PARTITION `p740280` VALUES LESS THAN (740280) ENGINE = ROCKSDB,
 PARTITION `p740281` VALUES LESS THAN (740281) ENGINE = ROCKSDB,
 PARTITION `p740282` VALUES LESS THAN (740282) ENGINE = ROCKSDB,
 PARTITION `p740283` VALUES LESS THAN (740283) ENGINE = ROCKSDB,
 PARTITION `p740284` VALUES LESS THAN (740284) ENGINE = ROCKSDB,
 PARTITION `p740285` VALUES LESS THAN (740285) ENGINE = ROCKSDB,
 PARTITION `p740286` VALUES LESS THAN (740286) ENGINE = ROCKSDB,
 PARTITION `p740287` VALUES LESS THAN (740287) ENGINE = ROCKSDB,
 PARTITION `p740288` VALUES LESS THAN (740288) ENGINE = ROCKSDB,
 PARTITION `p740289` VALUES LESS THAN (740289) ENGINE = ROCKSDB,
 PARTITION `p740290` VALUES LESS THAN (740290) ENGINE = ROCKSDB,
 PARTITION `p740291` VALUES LESS THAN (740291) ENGINE = ROCKSDB,
 PARTITION `p740292` VALUES LESS THAN (740292) ENGINE = ROCKSDB,
 PARTITION `p740293` VALUES LESS THAN (740293) ENGINE = ROCKSDB,
 PARTITION `p740294` VALUES LESS THAN (740294) ENGINE = ROCKSDB,
 PARTITION `p740295` VALUES LESS THAN (740295) ENGINE = ROCKSDB,
 PARTITION `p740296` VALUES LESS THAN (740296) ENGINE = ROCKSDB,
 PARTITION `p740297` VALUES LESS THAN (740297) ENGINE = ROCKSDB,
 PARTITION `p740298` VALUES LESS THAN (740298) ENGINE = ROCKSDB,
 PARTITION `p740299` VALUES LESS THAN (740299) ENGINE = ROCKSDB,
 PARTITION `p740300` VALUES LESS THAN (740300) ENGINE = ROCKSDB,
 PARTITION `p740301` VALUES LESS THAN (740301) ENGINE = ROCKSDB,
 PARTITION `p740302` VALUES LESS THAN (740302) ENGINE = ROCKSDB,
 PARTITION `p740303` VALUES LESS THAN (740303) ENGINE = ROCKSDB,
 PARTITION `p740304` VALUES LESS THAN (740304) ENGINE = ROCKSDB,
 PARTITION `p740305` VALUES LESS THAN (740305) ENGINE = ROCKSDB,
 PARTITION `p740306` VALUES LESS THAN (740306) ENGINE = ROCKSDB,
 PARTITION `p740307` VALUES LESS THAN (740307) ENGINE = ROCKSDB,
 PARTITION `p740308` VALUES LESS THAN (740308) ENGINE = ROCKSDB,
 PARTITION `p740309` VALUES LESS THAN (740309) ENGINE = ROCKSDB,
 PARTITION `p740310` VALUES LESS THAN (740310) ENGINE = ROCKSDB);

采集器做了什么修改

ts_variable 表的唯一索引名为 name,包含 (name, from)。不同来源可以使用同一个指标名称,但此处给定名称与来源的组合最多对应一行。写入端已经知道来源。原先的读取条件指定了名称、类型和 radical,却漏掉了来源。部署后的代码把写入时的来源也用于读取。下面是 MySQL 可用性查询,服务器 ID 用参数表示。

SELECT t.value AS previous_value
FROM ts_max_date AS m
JOIN ts_file AS f ON f.id = m.id_ts_file
JOIN ts_variable AS v ON v.id_ts_file = f.id
  AND v.name = 'mysql_available'
  AND v.`from` = 'mysql_server'  /* + */
  AND v.type = 'INT' AND v.radical = 'general'
JOIN mysql_server AS s ON s.id = m.id_mysql_server
  AND s.is_deleted = 0
LEFT JOIN ts_value_general_int AS t
  ON t.id_mysql_server = m.id_mysql_server
 AND t.id_ts_variable = v.id
 AND t.date = m.date
WHERE m.id_mysql_server = ? AND f.file_name = 'mysql_server'
LIMIT 1;

带注释的那一行是唯一新增的条件。from 在这里是用反引号包围的列名;这条路径中的值是 mysql_server。其他采集器使用各自对应的来源。唯一索引在切换之前就已存在。

加入来源后,3,791 行中仅多出 32 个分组

我们在 2026 年 11 月 21 日巴黎时间 21:25 的同一个只读快照中,对 ts_variable 的 3,791 行进行了分组。下表中的百分比为不同分组数除以表的总行数。

分组列 实际分组数 分组数 / 行数 SHOW INDEX 更新前 → 更新后
(name) 3,759 99.16% 3,841 → 3,840
(name, from) 3,791 100% 3,841 → 3,840
(from) 42 1.11% 42 → 42

前两行分别对应唯一索引 name 的首列前缀和完整键。第三行对应 from 上的独立索引。第一次测量时,MariaDB 为唯一索引的两个位置都报告了 3,841。这是估算值,可以高于实际行数。 MariaDB 基数说明.

分组计数解释了最初的直觉。3,729 个名称只出现一次,28 个出现两次,2 个出现三次。按 (name, from) 分组,整张表只多出 32 组。不同分组数与总行数之比从 99.16% 上升到 100%,只差 0.84 个百分点。在可用性指标上,连这点差异也消失了。单凭 mysql_available 这个名称就能找到一行,加上来源后找到的仍是同一行。

SELECT rows_per_name, COUNT(*) AS number_of_names
FROM (
    SELECT name, COUNT(*) AS rows_per_name
    FROM ts_variable
    GROUP BY name
) AS names
GROUP BY rows_per_name
ORDER BY rows_per_name;

刷新 ts_variable 的统计信息后

巴黎时间 21:30,在所测实例上执行 ANALYZE NO_WRITE_TO_BINLOG TABLE pmacontrol.ts_variable,返回 OK。SHOW INDEX 对两个前缀的估计都从 3,841 变为 3,840。随即再次分组,实际分组数保持不变。

InnoDB 将各前缀的估计存于 mysql.innodb_index_stats。索引 name 的 n_diff_pfx01 从 3,757 变为 3,759,n_diff_pfx02 从 3,789 变为 3,791,两者现在都与实际分组数相符。更新前后,分别对 ts_variable 做两种查找时,EXPLAIN 均估计一行,按名称和按组合键的访问类型分别保持为 ref 和 const。

分组计数 SQL 和原始结果(ZIP)

执行计划对照

原查询已经使用 name 索引,但只能通过 ref 访问索引的首列。补齐两个等值条件后,MariaDB 可用整个唯一键,将对 v 的访问变为 const。两份计划使用的键长分别是 102 和 168 字节。t 表的主键访问也由 eq_ref 变成 const。整个查询每次检查的行数从约三行降为一行。优化器可以在处理后续连接之前确定匹配行的唯一性。

每个单元格依次列出读取顺序、访问类型、选用的索引和键长度(字节)。每行对照同一张表。

表 修改前 修改后
ts_file (f) 1 · const · file_name · 130 B 1 · const · file_name · 130 B
ts_max_date (m) 2 · const · id_mysql_server_2 · 8 B 3 · const · id_mysql_server_2 · 8 B
ts_variable (v) 3 · ref · name · 102 B 2 · const · name · 168 B
mysql_server (s) 4 · ref · PRIMARY · 4 B 5 · ref · PRIMARY · 4 B
ts_value_general_int (t) 5 · eq_ref · PRIMARY · 13 B 4 · const · PRIMARY · 13 B

在两个计划中,MariaDB 对五张表的估算都是每表一行,且为 ts_value_general_int 列出相同的 32 个分区。

修改前完整计划(CSV) · 修改后完整计划(CSV)

各阶段耗时对照

阶段 · 50 台服务器的中位数 修改前 修改后
优化 35.085 ms ✓ 0.261 ms (÷134.27)
优化后的执行 0.107 ms 0.011 ms
Statistics 阶段 54.983 ms ✓ 0.224 ms (÷245.46)

前两行来自 ANALYZE FORMAT=JSON。Statistics 阶段来自另一次单独的 SHOW PROFILE 测量。

只给出 name 时,MariaDB 估计会读到一行。两个等值条件都给出后,唯一索引 (name, from) 保证最多只会匹配一行。因此,在规划与数值表的连接时,MariaDB 就能把 v.id 当作常量。在 50 台服务器的测量中,生成计划的耗时中位数从 35.085 毫秒降至 0.261 毫秒,随后执行计划的耗时从 0.107 毫秒降至 0.011 毫秒。测得的大部分收益来自连接规划阶段。

从部署时刻开始累计 SQL 耗时

从部署时刻开始累计 SQL 耗时

两条曲线均从部署时的零点开始,使用相同的实际调用量。实线为实测累计时间;参考线将前一小时的平均成本应用于部署后的实际调用。经过一小时,实测为 86.5 秒,按旧成本估算为 2271.4 秒,即预计节省 36 分 25 秒 SQL 时间。不同会话的执行可以重叠,而且 SQL 耗时包含等待。这一估算不能直接换算成 CPU 时间。

在 50 台服务器上做配对测试

在关闭查询缓存的 MariaDB 11.8.10 上,我们从 111 个能返回有效数值的服务器 ID 中随机抽取了 50 个不同的 ID。每一对查询都在同一个只读事务里读取同一台服务器。25 对先执行原查询,其余 25 对先执行新查询。时间来自数据库端的 SHOW PROFILES。50 对结果全部一致,每一对都是新查询更快。

版本 最小值 (ms) 中位数 (ms) 平均值 (ms) 最大值 (ms)
修改前 2.159 12.543 21.686 117.530
修改后 ✓ 0.535 (÷4.03) ✓ 0.755 (÷16.62) ✓ 0.804 (÷26.98) ✓ 2.446 (÷48.05)

在 50 台服务器上做配对测试

每一列连接同一台服务器的两次计时。对数刻度既能显示不足 1 毫秒的值,也能显示 117.53 毫秒的最大值。样本平均耗时之比为 26.98,两小时生产数据的加权平均耗时之比为 26.25。

与已部署查询比较的其他写法

每一行比较同一次实验中两种写法在相同服务器上的平均耗时。每组覆盖 50 台服务器,括号中是每种写法的执行次数。

查询写法 基准(毫秒) 本写法(毫秒)
仅名称 (150) 0.651 ✗ 36.782 (×56.50)
仅名称,强制值表使用主键 (150) 0.651 ✗ 1.674 (×2.57)
完整键,强制值表使用主键 (150) 0.651 0.630
强制日期表使用覆盖索引 (50) 0.692 ✗ 20.232 (×29.25)
用 EXISTS 检查服务器是否有效 (150) 0.651 0.663
标量子查询读取值 (150) 0.617 0.546
固定连接顺序 (50) 0.692 ✗ 41.737 (×60.34)
标量子查询加 EXISTS (150) 0.617 0.563
去掉 LIMIT 的标量子查询 (150) 0.617 0.560
去掉 LIMIT 的已部署写法 (150) 0.617 0.602
仅使用名称的标量子查询 (150) 0.617 1.218

匿名化查询与阶段测量数据(ZIP)

如何复算图表

观察窗口是巴黎时间 16:26:47 至 18:26:47。在各分段边界,用前后两次快照插值得到计数器值,部署时直接读取的调用计数用于校准切换点。部署前新摘要的 496 次测试调用以及部署后旧摘要的最后 224 次调用均包含在内。约 18:17 的采集器重启也影响了调用量曲线的末段。

每分钟的 COUNT_STAR 增量就是该分钟的调用次数。计算平均耗时时,将 SUM_TIMER_WAIT 的增量除以 COUNT_STAR 的增量,再除以十亿,把皮秒换算成毫秒。每小时的均值使用总时间和总调用数计算。与两小时的线上观测相比,配对测试能更好地隔离 SQL 修改本身的影响。

下载数据与执行计划

  • 计数器快照 (CSV)
  • 每分钟序列与累计值 (CSV)
  • 50 对匿名测量数据 (CSV)
  • 详细执行计划 (CSV)
  • MariaDB EXPLAIN 文档
分享 X LinkedIn Facebook Email PDF
← 返回博客

评论 (0)

暂无评论。

发表评论

使用 Ctrl+V(Mac 上为 Cmd+V)粘贴截图或选择图片。

最多 3 张图片,每张不超过 2 MiB。

PmaControl
contact@pmacontrol.com
关于 隐私 法律声明 GitHub 开发者 联系我们
不要等到故障发生才了解您的架构。 © 2014-2026 PmaControl — 68Koncept