GoMind Hub

MySql

计算机知识思维导图：MySql。网页展示前三层结构，可在线查看完整脑图并下载 GoMind 文件。

2026-08-25

计算机知识学习资料思维导图
## MySql
### MySql
#### 事务
##### 原子性（A）
##### 一致性（C）
##### 隔离性（I）
##### 持久性（D）
#### 隔离级别
##### 读未提交（Read UnCommit）
##### 读已提交（Read Commited）
##### 可重复读（Repetable Read）
##### 串行化（Serialazable）
#### 存储引擎
##### InnoDB
##### MyISAM
#### 七种连接
#### 索引
##### 定义
##### 优势
##### 劣势
##### 分类
##### 索引结构
##### 数据结构
##### 性能分析
##### 哪些情况需要创建索引
##### 查询截取分析
#### 优化案例
##### 获取大数据表的总行数
#### 存储过程
##### 优点
##### 缺点
#### 高可用
##### 主从同步
##### 读写分离
#### 主从同步延时
##### 1. 分库，将一个主库分为多个主库，每个主库的写并发 压力减少了几倍，此时主从延时可以忽略不计
##### 2. 打开MySQL支持的并行复制，多个库并行复制。 若某个库的写并发很高，单库达到2k/s，则并行复制还是无意义
##### 3. 重写代码，插入数据后立马查询可能查不到
#### 监控
##### 主从延迟监控
##### 主从数据一致性检测
##### TPS/QPS
##### Innodb线程堵塞

> 仅展示前三层结构；请在线查看完整脑图或下载 GoMind 文件。

MySql

MySql
原子性（A）
一致性（C）
隔离性（I）
持久性（D）
事务
读未提交（Read UnCommit）
会出现脏读
读已提交（Read Commited）
也称为不可重复读，Oracle 默认为该级别
可重复读（Repetable Read）
会出现幻读，在可重复读中，该sql第一次读取到数据后，就将这些数据加锁（悲观锁），其它事务无法修改这些数据，就可以实现可重复读了。但这种方法却无法锁住insert的数据，所以当事务A先前读取了数据，或者修改了全部数据，事务B还是可以insert数据提交，这时事务A就会发现莫名其妙多了一条之前没有的数据，这就是幻读。



但是MySQL、ORACLE、PostgreSQL等成熟的数据库，出于性能考虑，都是使用了以乐观锁为理论基础的MVCC（多版本并发控制）来实现，通过间隙锁（next-key locking）策略防止幻读的出现
串行化（Serialazable）
读用读锁，写用写锁，读锁和写锁互斥，这么做可以有效的避免幻读、不可重复读、脏读等问题，但会极大的降低数据库的并发能力。
隔离级别
共享锁
排他锁
共享锁之间不互斥，简记为：读读可以并行 排他锁与任何锁互斥，简记为：写读，写写不可以并行
锁
如何使用普通锁保证一致性？



普通锁，被使用最多：



(1)操作数据前，锁住，实施互斥，不允许其他的并发任务操作；



(2)操作完成后，释放锁，让其他任务执行；



如此这般，来保证一致性。







普通锁存在什么问题？



简单的锁住太过粗暴，连“读任务”也无法并行，任务执行过程本质上是串行的。
1. 事务提交的数据先写到redo日志里（此时变成了顺序写）， 再定期将数据刷到磁盘上，即随机写变为顺序写
2. 若数据库崩溃，还没来得及刷盘的数据，在数据库重启后， 会重做redo日志里的内容，以保证已提交事务对数据产生的影响都刷到磁盘上。
用于保障已提交事务的ACID特性
redo日志
数据库事务提交后，必须将更新后的数据刷到磁盘上，以保证ACID特性。磁盘随机写性能较低，如果每次都刷盘，会极大影响数据库的吞吐量。



优化方式是，将修改行为先写到redo日志里（此时变成了顺序写），再定期将数据刷到磁盘上，这样能极大提高性能。



画外音：这里的架构设计方法是，随机写优化为顺序写，思路更重要。



假如某一时刻，数据库崩溃，还没来得及刷盘的数据，在数据库重启后，会重做redo日志里的内容，以保证已提交事务对数据产生的影响都刷到磁盘上。
对insert操作，undo日志记录新数据的PK(ROW_ID)，回滚时直接删除
对于delete/update操作，undo日志记录旧数据row，回滚时直接恢复；
用于保障未提交事务不会对数据库的ACID特性产生影响
当事务回滚时，或者数据库奔溃时，可使用undo日志来恢复数据
undo日志
回滚端 rollback segment
存储undo日志的地方，是回滚段。



undo日志和回滚段和InnoDB的MVCC密切相关
DB_TRX_ID，6字节，记录每一行最近一次修改它的事务ID
DB_ROLL_PTR，7字节，记录指向回滚段undo日志的指针
DB_ROW_ID，6字节，单调递增的行ID
行数据的三个内部属性
数据多版本
InnoDB为何能够做到这么高的并发
回滚段里的数据，其实是历史数据的快照（snapshot），这些数据是不会被修改，select可以肆无忌惮的并发读取他们。



快照读（Snapshot Read），这种一致性不加锁的读（Consistent Nonlocking Read），就是InnoDB并发如此之高的核心原因之一。



这里的一致性是指，事务读取到的数据，要么是事务开始前就已经存在的数据（当然，是其他已提交事务产生的），要么是事务自身插入或者修改的数据。
并发控制
记录锁 Record Locks
插入意向锁
间隙锁的一种，它是专门针对insert操作的。



在MySQL，InnoDB，RR下：



t(id unique PK, name);



 



数据表中有数据：



10, shenjian



20, zhangsan



30, lisi



 



事务A先执行，在10与20两条记录中插入了一行，还未提交：



insert into t values(11, xxx);



 



事务B后执行，也在10与20两条记录中插入了一行：



insert into t values(12, ooo);



 



(1)会使用什么锁？



(2)事务B会不会被阻塞呢？



 



回答：虽然事务隔离级别是RR，虽然是同一个索引，虽然是同一个区间，但插入的记录并不冲突，故这里：



使用的是插入意向锁



并不会阻塞事务B
间隙锁 Gap Locks
封锁索引记录中的间隔，或者第一条索引记录之前的范围，又或者最后一条索引记录之后的范围。
临键锁 Next-Key Locks
临键锁，是记录锁与间隙锁的组合，它的封锁范围，既包含索引记录，又包含索引区间。



更具体的，临键锁会封锁索引记录本身，以及索引记录之前的区间。
自增锁 Auto-inc Locks
自增锁是一种特殊的表级别锁（table-level lock），专门针对事务插入AUTO_INCREMENT类型的列。最简单的情况，如果一个事务正在往表中插入记录，所有其他事务的插入必须等待，以便第一个事务插入的行，是连续的主键值。
共享/排它锁(Shared and Exclusive Locks)
意向排它锁(intention exclusive lock, IX)
意向共享锁(intention shared lock, IS)
分类
事务要获得某些行的S锁，必须先获得表的IS锁
事务要获得某些行的X锁，必须先获得表的IX锁
意向锁协议(intention locking protocol)
意向锁(Intention Locks)
InnoDB支持多粒度锁(multiple granularity locking)，它允许行级锁与表级锁共存，实际应用中，InnoDB使用的是意向锁。



意向锁是指，未来的某个时刻，事务可能要加共享/排它锁了，先提前声明一个意向。
插入意向锁
在MySQL，InnoDB，RR下：



t(id unique PK, name);



 



数据表中有数据：



10, shenjian



20, zhangsan



30, lisi



 



事务A先执行，在10与20两条记录中插入了一行，还未提交：



insert into t values(11, xxx);



 



事务B后执行，也在10与20两条记录中插入了一行：



insert into t values(12, ooo);



 



(1)会使用什么锁？



(2)事务B会不会被阻塞呢？



 



回答：虽然事务隔离级别是RR，虽然是同一个索引，虽然是同一个区间，但插入的记录并不冲突，故这里：



使用的是插入意向锁



并不会阻塞事务B
防止其他事务在间隔中插入数据，以导致“不可重复读”。 如果把事务的隔离级别降级为读提交(Read Committed, RC)，间隙锁则会自动失效。
锁定索引记录+间隔，防止幻读
锁类型
InnoDB
InnoDB是基于多版本并发控制的存储引擎。





执行select count(*) from t 会一行行扫描，所以需要建立好索引
不支持外键
不管哪种存储引擎，在数据量大并发量大的情况下，都不应该使用外键，而建议由应用程序保证完整性。
MyISAM
1. 会直接存储总行数，所以select count(*) from t 很快返回，但若加where条件后两种存储引擎处理类似
存储引擎
七种连接
定义
索引是帮助数据库高效获取数据的数据结构
目的在于提高查询效率, 可类比字典
优势
1. 提高数据检索效率, 降低数据库IO成本
2. 通过索引列对数据进行排序, 降低数据排序成本, 降低CPU消耗
劣势
1. 索引列也占用空间
2. 索引提高了查询效率, 但同时也会降低更新表的速度,如 insert , update , delete. 数据库更新表格除了需要更新数据以外还需要更新索引信息
单值索引
唯一索引
覆盖索引
查询的列刚好与创建的索引列的列名及顺序全部匹配或者部分匹配

如索引 index_col1_col2  而查询的字段有
col1, col2 , col3 此时则不匹配
复合索引
分类
B树索引
Hash索引
全文索引
R-Tree 索引
对于分组、排序、范围查找的查询哈希型的索引，时间复杂度会 退化为O(n)，而树型的“有序”特性，依然能够保持O(log(n)) 的高效率
索引结构
叶子节点，非叶子节点，都存储数据
中序遍历，可以获得所有节点
B树
非叶子节点不再存储数据，数据只存储在同一层的叶子节点上
叶子之间，增加了链表，获取所有节点，不再需要中序遍历
B+树
1. 范围查找，定位min与max之后，中间叶子节点，就是结果集，不用中序回溯
2. 叶子节点存储实际记录行，记录行相对比较紧密的存储，适合大数据量 磁盘存储；非叶子节点存储记录的PK，用于查询加速，适合内存存储；
3. 非叶子节点，不存储实际记录，而只存储记录的KEY的话，那么在相同 内存的情况下，B+树能够存储更多索引；
对比
数据结构
mysql 查询优化器
CPU
IO
常见瓶颈
表的读取顺序
数据读取操作的操作类型
可能用到哪些索引
实际用到哪些索引
表之间的引用
每张表有多少行被优化器查询
能做什么
id相同
执行顺序从上到下
id 不同
如果是子查询，ID的序号会递增，ID值越大优先级越高，越先被执行
ID相同又不同
序号大的先执行，序号相同的顺序执行
id
select 查询的序列号，包含一组数字， 表示查询中执行select 子句或操作表的顺序
Simple
简单的select查询，不包含子查询或者union查询
Primary
最外层查询称为主查询
SubQuery
在select或where列表中包含子查询
Derived
在from列表中包含的子查询被标记为derived(衍生)
mysql会递归这些子查询，将结果放到临时表中
Union
若第二个select出现在union之后，则被标记为union
若union包含在from子句的子查询中，外层select被标记为 DERIVED(衍生)
Union result
从union表获取结果的select
select_type
查询的类型
table
system
表只有一行记录，是const 类型特例
const
表示通过一次索引就能找到，const用于primary key或者unique索引
equ_ref
唯一性索引扫描，对于每个索引键，表中只有一条记录与之匹配，常见于主键或唯一索引扫描
ref
非唯一性索引扫描，返回匹配某个单独值的所有行，本质上也是一种索引访问，它返回所有匹配某个单独值的行
range
只检索给定范围的行，使用一个索引来选择行。key列显示使用列哪个索引，一般在where子句中出现 between、> 、<、 in等的查询。
这种范围扫描索引的扫描方式比全表扫描好，因为它只需要开始于索引的某一个点，而结束于某一个点，而不用扫描全部索引
index
全索引扫描
all
全表扫描
type
性能从高到低：
system > const > equ_ref > ref > fulltext > ref_or_null > index_merge > unique_subquery > index_subquery > range > index > all
possible_keys
显示可能应用在这张表的索引，一个或多个。
查询涉及到的字段上若存在索引，则该索引将被列出，但不一定被使用到
key
实际使用的索引。
若查询中使用列覆盖索引，则该索引仅出现在key列表中
key_len
索引中使用的字节数，可通过该列计算查询中使用的索引长度。在不损失精确性的情况下，长度越短越好。

key_len显示的值为索引字段的最大可能长度，并非实际使用长度，即key_len是表定义计算而得，不是通过表内检索出
ref
显示索引的哪一列被使用，如果可能的话，是一个常数const
rows
根据表统计信息即索引选用情况，大致估算出找到记录所需要读取的行数
Using filesort
表示mysql会对数据使用一个外部的索引排序，而不是按照表内的索引顺序进行读取。
mysql无法利用索引完成的排序操作称为文件排序。
出现该情况时表示查询性能已经很差
Using temporary
使用列临时表来保存中间结果，常见与排序 order by 及分组 group by 查询.
性能最差，需要优化
Using index
表示相应的查询使用到了覆盖索引（Convering index）,避免访问表的数据行，效率不错。
如果同时出现using where , 表明索引被用来执行索引键值的查找；
如果没有同时出现using where，表明索引用来读取数据而非查询动作
using where
using join buffer
impossible where
如  where name='jim' and name ='jack'
select table optimized away
distinct
Extra
列名解析
explain
性能分析
主键自动创建唯一索引
频繁作为查询条件的字段应该创建索引
查询中与其他表关联的字段，外键关系创建索引
频繁更新的字段不合适建索引
查询中排序的字段，排序字段若通过索引去访问将大大提高排序速度
如表t1中存在索引 index_col1_col2_col3

1. select col1 from  t1 where  col1='ac'  order by  col3;
   该查询会使用到文件内排序，导致查询性能下降，因为排序字段与索引不匹配
2. select col1 from  t1 where  col1='ac'  order by  col2, col3;

  该查询性能不错
查询中统计或分组的字段
哪些情况需要创建索引
永远是小表驱动大表
类似嵌套循环

for(int i=5...){
   for(int j = 10000...){
      ....
   }
}

for(int i=10000...){
   for(int j = 5...){
      ....
   }
}
双路排序
mysql4.1之前使用的是双路排序，即两次扫描磁盘，最终得到数据。
读取行指针和orderby列，对他们进行排序，然后扫描已经排序好的列表，按照列表中的值重新从列表读取
单路排序
从磁盘读取查询所需要的列，按照order by 列在buffer对他们进行排序，然后扫描排序后的列表对他们进行输出，它的效率更快一些，避免二次读取数据，并且把随机io变为顺序io , 但它会使用更多空间
若排序的字段不在索引列上， 则mysql会启用两种filesort算法
在sort_buffer中，单路比多路要占用更多的空间，因为单路是把所有字段都取出，故取出的数据总大小超出了sort_buffer的容量，导致每次只能取sort_buffer容量大小的数据进行排序（创建临时表，多路合并），排序完后再取同样容量大小的数据再排序，如此循环...从而导致多次IO
增大sort_buffer_size参数
增大 max_length_for_sort_data 参数
优化策略
1. 不要使用select *， 这是大忌，它可能导致两种结果：
      1.1 当查询的字段大小总和小于max_length_for_sort_data而且排序字段不是text|blob时，会用改进后的算法--单路排序，否则使用多路排序
       1.2 两种算法的数据都可能超出sort_buffer的容量，超出后会创建临时表进行合并排序，导致多次io,但是单路算法风险更大，所以要增加 sort_buffer_size参数的值

2. 增大 sort_buffer_size

3. 尝试提高 max_length_for_sort_data
   该参数会增加改进算法的概率
order by
尽量使用索引排序，避免使用文件内排序 file sort。

order by 满足两种情况会使用到索引
1. order by 子句使用到索引最左前列
2. 使用where子句与order by子句条件列组合满足索引最左前列
group by
几乎与order by 原理一致
实质是先排序后分组
查询优化
开启 set global slow_query_log=1;
只对本次有效，重启数据库后无效
阀值 long_query_time
show variables	 like '%long_query_time%';

// 设置慢查询时间阀值，需要重新登陆会话才可以看到结果
set global long_query_time=3;
s 按照何种方式排序
c 访问次数
l 锁定时间
r 返回记录
t 查询时间
al 平均锁定时间
ar 平均返回记录数
at 平均查询时间
g 后面搭配一个正则表达式
相关参数
日志分析工具 mysqldumpslow
慢查询日志
查看是否已经开启：

show variables	 like '%slow_query_log%'；

慢查询记录总数：

show variables	 like '%slow_queries	%'；
1. 查看数据库是否支持
show variables	 like '%profiling%'；

set profiling = on;
2. 运行 sql
3. show profiles; 查看执行的语句
4. 诊断 sql , show profile cpu , block io for query N
show profile 相关参数：

type： 

all 显示所有信息
block io , io相关开销
context switches  上下文切换相关开销
cpu 
IPC  显示发送和接收相关开销
memory 内存开销
page faults 页面错误相关开销
source  显示和source_function, source_file, source_line 相关开销

swaps  显示交换次数相关开销
分析步骤
converting heap to myisam 表示查询结果太大，内存不够用改用磁盘
creating tmp table
copying to tmp table on disk 把内存中的临时表复制到磁盘
locked
需要注意的结论
show profile
show profile 相关参数：



type： 



all ：显示所有信息

block io ： io相关开销

context switches ：  上下文切换相关开销

cpu ： CPU

IPC ： 显示发送和接收相关开销

memory： 内存开销

page faults： 页面错误相关开销

source  ：显示和source_function, source_file, source_line 相关开销



swaps ： 显示交换次数相关开销
dept表
CREATE TABLE `test`.`dept`  (
  `id` int(32) NOT NULL AUTO_INCREMENT,
	deptno MEDIUMINT UNSIGNED not null default 0,
dname varchar(50) not null default '',
loc VARCHAR(13) not null DEFAULT '',
create_time datetime(3) ,
  PRIMARY KEY (`id`) USING BTREE
) ENGINE = InnoDB AUTO_INCREMENT = 1 CHARACTER SET = utf8 
COLLATE = utf8_general_ci ROW_FORMAT = Dynamic;
emp表
CREATE TABLE `test`.`emp`  (

  `id` int(32) NOT NULL AUTO_INCREMENT,

	empno MEDIUMINT UNSIGNED not null default 0,

	deptno MEDIUMINT UNSIGNED not null default 0,

	mgr MEDIUMINT UNSIGNED not null default 0,

	ename varchar(20) not null default '',

	job varchar(20) not null default '',

	hiredate date ,

	sal DECIMAL(7,2) default 0,

	comm DECIMAL(7,2) default 0,

	create_time datetime(3) ,

	

	email VARCHAR(30) default '',

	mobile VARCHAR(20) DEFAULT '',

	weight int DEFAULT 0,

	married int DEFAULT 0,

	pwd VARCHAR(20) DEFAULT '123456',

	

  PRIMARY KEY (`id`) USING BTREE

) ENGINE = InnoDB AUTO_INCREMENT = 1 CHARACTER SET = utf8 

COLLATE = utf8_general_ci ROW_FORMAT = Dynamic;
订单表
CREATE TABLE `test`.`order`  (

  `id` int(32) NOT NULL AUTO_INCREMENT,

	pay_status int not null default 0,

	trade_status int not null default 0,

  order_no VARCHAR(30) not null default '',

  mobile VARCHAR(20) not null default '',

  user_id int not null default 0,

	total DECIMAL(20,2) not null default 0,

  real_total DECIMAL(20,2) not null default 0,

  channel_id int not null default 0,

  open_id VARCHAR(50) not null default '',

  union_id VARCHAR(50) not null default '',

  transaction_no VARCHAR(50) not null default '',

  pay_time datetime(6),

	create_time datetime(3) ,

  deleted bit(1) not null default 0,

  PRIMARY KEY (`id`) USING BTREE

) ENGINE = InnoDB AUTO_INCREMENT = 1 CHARACTER SET = utf8 

COLLATE = utf8_general_ci ROW_FORMAT = Dynamic;
建表
大数据插入注意事项
大数据插入mysql会报错，需要设置相关参数。

show variables like '%log_bin_trust_function_creators%'

set global log_bin_trust_function_creators=1;
随机字符串函数
delimiter $$
create function rand_string(n int) returns varchar(255)
begin

   declare chars_str varchar(100) default 'abcdefghijklmnopqrstuvwxyzABCDEFGHIJKLMNOPQRSTUVWXYZ';
   declare return_str varchar(255) default '';
   declare i int default 0;
   while i < n do 
       set return_str = concat(return_str, substring(chars_str,floor(1+rand()*52),1));
       set i = i +1;
   end while;
   return return_str;
end $$
随机部门编号
delimiter $$

create function rand_deptid() returns int(5)

begin

   declare i int default 0;

   set i = floor(1000+rand()*10);

   return i;

end $$
随机状态数字
delimiter $$

create function rand_num(max int) returns int

begin

   return floor(rand()* max);

end $$
随机指定位数数字字符串
delimiter $$

create function rand_num_str(length int) returns varchar(255)

begin



   declare chars_str varchar(100) default '0123456789';

   declare return_str varchar(255) default '';

   declare i int default 0;

   while i < length do 

       set return_str = concat(return_str, substring(chars_str,floor(1+rand()*10),1));

       set i = i +1;

   end while;

   return return_str;

end $$
随机用户ID
delimiter $$

create function rand_userid() returns int(5)

begin

   declare i int default 0;

   set i = floor(1000000+rand()*10);

   return i;

end $$
创建函数
部门表dept
delimiter $$

create procedure insert_dept(in start int(10),in max_num int(10))

begin

   declare i int default 0;

   set autocommit = 0;

   repeat

      set i = i+1;

      insert into dept(deptno,dname,loc,create_time)values((start+1),concat( 'department_' , rand_string(10)), rand_string(12),now(3));

      until i=max_num



   end repeat;

   commit;

end $$
员工表emp
delimiter $$

CREATE DEFINER=`test`@`%` PROCEDURE `insert_emp`(in start int(10),in max_num int(10))

begin

   declare i int default 0;

   set autocommit = 0;

   repeat

      set i = i+1;

      insert into emp(empno,ename,job,mgr,hiredate,sal,comm,

			deptno,email,mobile,weight,married,pwd,create_time)values

			((start+1), concat('employee',rand_string(7)), 'saleman', 0001, curdate(),2000,400,

			rand_deptid(), rand_email(),rand_mobile(),rand_num(100),i%2,rand_num_str(6),now(3));

      until i=max_num



   end repeat;

   commit;

end

end $$
订单表
delimiter $$

create procedure insert_orders(in max_num int(10))

begin

   declare i int default 0;

   declare total decimal(20,2) default 0;

   declare real_total decimal(20,2) default 0;

   set autocommit = 0;

   repeat

      set i = i+1;

	  set total = rand()*1000;

	  set real_total = total - rand()*100;

	  

      insert into `order`(pay_status,trade_status,order_no, mobile, 

	  user_id, total, real_total ,channel_id ,open_id, union_id, 

	  transaction_no , pay_time, create_time)

      values( rand_num(4), rand_num(8),

	  concat( '4081' , date_format(sysdate(),'%Y%m%d%h%i%s'), rand_num_str(5)),

      concat( '185' ,rand_num_str(8)), rand_userid(), total, real_total,

	  rand_deptid(),  rand_string(15), replace(UUID(),'-',''),

	  concat( '4200000' , rand_num_str(16)),

	  now(6), now(3));

	  

      until i = max_num



   end repeat;

   commit;

end $$
创建存储过程
执行存储过程
call insert_dept(1000, 1000);

call insert_emp(1000,1000000);


28.54
批量插入数据脚本
查询截取分析
索引
1. create index inde_name  on table (column)

2. alter table add index index_name on column

3. show index from table
获取大数据表的总行数
当数据达到百万及千万以上时，使用select count(1)会非常的慢（全表扫描），故为来获取数据表的总记录数，可通过以下三种方式获取
1. 使用计数器记录，数据表每插入一条记录便加一

2. 使用explain 获取一个大概的总数：

    explain select * from table;

3. 使用系统数据库中的 information_schema中的表  innodb_sys_tablestats 来获取相关数据库下相关表的总行数，仅是一个接近的总数：

   use information_schema;
   select  num_rows  from  innodb_sys_tablestats 
    where  name = 'test/emp'
优化案例
减少数据库连接次数
无需重新编译，而SQL需要经过解析编译再执行
提高代码安全，减少SQL注入
优点
移植性较差
开发调试复杂
SQL本身是一种结构化查询语言，但不是面向对象的的，本质上还是 过程化的语言，面对复杂的业务逻辑，过程化的处理会很吃力
缺点
存储过程
1. 若业务可接受则可以忽略
2. 强制读主，高可用主库， 用缓存提高性能
3. 在缓存中记录哪些记录发生过 写请求，来路由读主还是读从
主从不一致如何处理（存在时延）
主从同步
读写分离
高可用
1. 分库，将一个主库分为多个主库，每个主库的写并发 压力减少了几倍，此时主从延时可以忽略不计
2. 打开MySQL支持的并行复制，多个库并行复制。 若某个库的写并发很高，单库达到2k/s，则并行复制还是无意义
3. 重写代码，插入数据后立马查询可能查不到
主从同步延时
如果延迟比较大，就先确认以下几个因素： 

1. 网络延迟

2. master负载

3. slave负载
精确做法，判断主从二进制文件的偏移量
1. 获取主服务器二进制文件名及便宜了：

    show master status\G



2. 获取从服务器上对应的主服务二进制文件名及偏移量：

    show slave status;
简单做法，通过查看从节点中的Seconds_Behind_Master查看
show slave status\G
主从延迟监控
主从数据一致性检测
工具 pt-table-checksum
TPS/QPS
Innodb线程堵塞
select b.trx_mysql_thread_id '被堵线程ID',b.trx_query '被堵SQL', 

	   c.trx_mysql_thread_id '堵塞线程ID',c.trx_query '堵塞SQL',

	   (UNIX_TIMESTAMP()-UNIX_TIMESTAMP(c.trx_started)) '堵塞时间'

from information_schema.innodb_lock_waits a

join information_schema.innodb_trx b on a.requesting_trx_id=b.trx_id

join information_schema.innodb_trx c on a.blocking_trx_id = c.trx_id

where (UNIX_TIMESTAMP()-UNIX_TIMESTAMP(c.trx_started))> 60
监控