前面提到，我们有个云文档项目的快照内容是直接存储到db的，属于大文本存储，文档快照的内容字段大部分都是kb级别，部分甚至到MB级别。目前对于数据的读取，已经进行了CDN缓存优化（静态资源缓存利器——CDN），对于数据的写入和存储还有待优化，如果可以通过一些压缩算法在大文本进行压缩存储，可以在很大程度上节省DB的存储空间，缓解DB的I/O压力。
存量数据分析
select
table_name as '表名',
table_rows as '记录数',
truncate(data_length/1024/1024, 2) as '数据容量(MB)',
truncate(index_length/1024/1024, 2) as '索引容量(MB)',
truncate(DATA_FREE/1024/1024, 2) as '碎片占用(MB)'
from
information_schema.tables
where
table_schema=${数据库名}
order by
data_length desc, index_length desc;登录后复制
相关内容介绍
innodb引擎页数据超出16kb怎么办？
我们都知道innodb的页块默认大小为16k，如果表中一行数据长度超出了16k，就会出现行溢出，溢出的行是存放在另外的地方（uncompress blob page）。由于innodb采用聚簇索引把数据进行存放起来，即B+Tree结构，因此每个页块中至少有两行数据，否则就失去了B+Tree的意义，这样就得出一行数据最大的长度限制为8k（大字段在数据页会存储768个字节数据，剩余的数据溢出到另外的页中，数据页还有20个字节记录溢出页的地址）
- 对 dynamic 格式来说，如果大对象字段（text/blob）存储数据大小小于 40 字节，那全部放在数据页，剩余的场景，数据页只保留一个 20 字节的指针指向溢出页。 这种场景下，如果每个大对象字段保存的数据小于 40 个字节，也就和 varchar(40)，效果一样。
- innodb-row-format-dynamic：dev.mysql.com/doc/refman/…
Linux 稀疏文件 & 空洞
- 稀疏文件（Sparse File）：稀疏文件与其他普通文件基本相同，区别在于文件中的部分数据全为0，且这部分数据不占用磁盘空间
- 文件空洞：文件位移量可以大于文件的实际长度（位于文件中但未被写过的字节被设为0），空洞是否占用磁盘空间由操作系统决定
文件空洞部分不占用磁盘空间、文件所占用的磁盘空间仍然是连续的
innodb提供的压缩方案
页面压缩
适用场景：由于数据量太大，磁盘空间不足，负载主要体现在IO上，而服务器的CPU又有比较多的余量的场景。
1）COMPRESS页压缩
相关文档：dev.mysql.com/doc/refman/…
- 在MySQL5.7版本之前就提供的页压缩功能，在创建表时指定 ROW_FORMAT = COMPRESS，并通过 KEY_BLOCK_SIZE 设置压缩页的大小
- 存在设计上的缺陷，有可能会导致性能下降明显，然后其设计初衷是为了提升性能，引入了“日志即数据”的理念
- 对于压缩页的数据修改，并不会直接修改页本身，而是将修改日志存储在这个页中，这确实对数据的变更比较友好，不用每次修改都进行压缩/解压
- 对于数据的读取，压缩的数据是无法直接读取的，所以这种算法会在内存中保留一个解压后的16K的页，以供数据的读取
- 这就导致了一个页在缓冲池中可能会有两个版本（压缩版和非压缩版），引发一个非常严重的问题，即缓冲池中能缓存的页的数量大大的减少了，从而可能会导致数据库的性能极大的下降
2）TPC（透明页压缩）
相关文档：dev.mysql.com/doc/refman/…
- TPC虽好，但它依赖操作系统的 Hole Punch 特性，且裁剪后的文件大小需要和文件系统块大小对齐（4K）。即假如压缩后的页大小是9K，那么实际占用的空间是12K
列压缩
MySQL目前没有直接针对列压缩的方案，有一个曲线救国的方法，就是在业务层使用MySQL提供的压缩和解压函数来针对列进行压缩和解压操作。也就是如果需要对某一列做压缩，在写入时调用COMPRESS函数对那个列的内容进行压缩，读取的时候，使用UNCOMPRESS函数对压缩过的数据进行解压。
- 使用场景：针对表中某些列数据长度比较大的情况，一般是 varchar、text、blob、json等数据类型
- 相关函数：
- 压缩函数：
COMPRESS() - 解压缩函数：
UNCOMPRESS() - 字符串长度函数：
LENGTH() - 未解压字符串长度函数：
UNCOMPRESSED_LENGTH()
- 测试：
为什么innodb提供的都是基于页面的压缩技术？
- 记录压缩：每次读写记录的时候，都要进行压缩或解压，过度依赖CPU的计算能力，性能相对会比较差
- 表空间压缩：压缩效率高，但要求表空间文件是静态不增长的，这对于我们大部分的场景都是不适用的
- 页面压缩：既能提升效率，又能在性能中取得一定的平衡
总结
- 对于一些性能不敏感的业务表，如日志表、监控表、告警表等，这些表只期望对存储空间进行优化，对性能的影响不是很关注，可以使用COMPRESS页压缩
- 对于一些比较核心的表，则比较推荐使用TPC压缩
- 列压缩过度依赖CPU，性能方面会稍差，且对业务有一定的改造成本，不够灵活，需要评估影响范围，做好切换的方案。好处是可以由业务端决定哪些数据需要压缩，并控制解压操作
- 对页面进行压缩，在业务侧不用进行什么改动，对线上完全透明，压缩方案也非常成熟
为什么要进行数据压缩？
- 由于处理器和高速缓存存储器的速度提高超过了磁盘存储设备，因此很多时候工作负载都是受限于磁盘I/O。数据压缩可以使数据占用更小的空间，可以节省磁盘I/O、减少网络I/O从而提高吞吐量，虽然会牺牲部分CPU资源作为代价
- 对于OLTP系统，经常进行update、delete、insert等操作，通过压缩表能够减少存储占用和IO消耗
- 压缩其实是一种平衡，并不一定是为了提升数据库的性能，这种平衡取决于解压缩带来的收益和开销之间的一种权衡，但压缩对存储空间来说，收益无疑是很大的
简单测试
innodb透明页压缩（TPC）
参考：dev.mysql.com/doc/refman/…
测试数据
1）创建表
- create table table_origin ( ...... ) comment '测试原表';
- create table table_compression_zlib ( ...... ) comment '测试压缩表_zlib' compression = 'zlib';
- create table table_compression_lz4 ( ...... ) comment '测试压缩表_lz4' compression = 'lz4';
2）往表中写入10w行测试数据
压缩率
SELECT NAME, FS_BLOCK_SIZE, FILE_SIZE, ALLOCATED_SIZE
FROM information_schema.INNODB_TABLESPACES WHERE NAME like 'test_compress%';
登录后复制
-
FS_BLOCK_SIZE：文件系统块大小，也就是打孔使用的单位大小
-
FILE_SIZE：文件的表观大小，表示文件的最大大小，未压缩
-
ALLOCATED_SIZE：文件的实际大小，即磁盘上分配的空间量
压缩率：
- zlib：1320636416/3489660928 = 37.8%
- lz4：1566949376/3489660928 = 45%
耗时
- 循环插入10w条记录
- 原表：918275 ms
- zlib：878540 ms
- lz4：875259 ms
- 循环查询10w条记录
- 原表：332519 ms
- zlib：373387 ms
- lz4：343501 ms
【相关推荐：mysql视频教程】
以上是MySQL中怎么进行大文本存储压缩的详细内容。更多信息请关注PHP中文网其他相关文章！
