文章目录

1. 前言
2. 数据库配置
1. 2.1. TiDB 集群
2. 2.2. MySQL 单例
3. 数据准备
1. 3.1. 下载测试数据
2. 3.2. 插入数据
4. 测试
5. 小结

前言

上一次我们搭建了TiDB 环境，那么现在我想用跑跑数据，看看 TiDB 和传统 MySQL 相比到底优越在哪里。

数据库配置

TiDB 集群

由虚拟机搭建集群，共享 CPU 和内存

CPU：Xeon(R) X5650 * 2 （两个物理 CPU，逻辑 24 核）
内存：64G DDR3 1333MHz
主硬盘： 5.45 TB raid5 （DELL 服务器磁盘 7200 转）
固态：120GB * 3 (非服务器 SSD)

MySQL 单例

配置暂时缺失…

数据准备

下载测试数据

所有数据均来自于 Stack Exchange Data Dump。
当然下载的数据都是 xml 格式，方便大家使用，已经转化成 MySQL 能使用的 sql 文件了。

下载：

小数据：math_stackchange
大数据：stackoverflow

插入数据

把对应的数据库建立好，导入数据即可。由于数据大概有 15G 左右，导入时间过长，可以看部电影耐性等待。
注：导入数据到 TiDB 集群明显比传统 MySQL 数据库慢，这里我暂时还没有找到原因。

1 2	$ mysql -uroot -h192.168.13.157 -P 4000 math_stackexchange < math_stackexchange.sql $ mysql -uroot -h192.168.13.157 -P 4000 stackoverflow < stackoverflow.sql

stackexchange_data

测试

测试表信息

comments 表

CREATE TABLE `comments` (
	`Id` BIGINT(20) NOT NULL AUTO_INCREMENT,
	`PostId` BIGINT(20) NULL DEFAULT NULL,
	`Score` INT(11) NULL DEFAULT NULL,
	`Text` TEXT NULL,
	`CreationDate` DATETIME NULL DEFAULT NULL,
	`UserId` BIGINT(20) NULL DEFAULT NULL,
	`UserDisplayName` VARCHAR(100) NULL,
	PRIMARY KEY (`Id`),
	INDEX `CreationDate` (`CreationDate`)
)
COLLATE='utf8mb4_bin'
ENGINE=InnoDB
;

users 表

CREATE TABLE `users` (
	`Id` BIGINT(20) NOT NULL AUTO_INCREMENT,
	`Reputation` INT(11) NULL DEFAULT NULL,
	`CreationDate` DATETIME NULL DEFAULT NULL,
	`DisplayName` VARCHAR(100) NULL,
	`LastAccessDate` DATETIME NULL DEFAULT NULL,
	`WebsiteUrl` VARCHAR(255) NULL,
	`Location` VARCHAR(100) NULL,
	`AboutMe` TEXT NULL,
	`Views` INT(11) NULL DEFAULT NULL,
	`UpVotes` INT(11) NULL DEFAULT NULL,
	`DownVotes` INT(11) NULL DEFAULT NULL,
	`AccountId` BIGINT(20) NULL DEFAULT NULL,
	`ProfileImageUrl` VARCHAR(255) NULL,
	PRIMARY KEY (`Id`),
	INDEX `CreationDate` (`CreationDate`)
)
COLLATE='utf8mb4_bin'
ENGINE=InnoDB
;

数据库	表名	数量	量级
math_stackexchange	users	497023	十万级别
math_stackexchange	comments	4463392	百万级别
stackoverflow	users	9737247	接近千万级别
stackoverflow	comments	60915000	5 千万级别

单表查询

单表 Count

1	$ SELECT COUNT(0) FROM [表名]

	MySQL	TiDB
math_stackexchange.users	0.234 sec	0.359 sec
math_stackexchange.comments	1.031 sec	0.625 sec
stackoverflow.users	3.719 sec	0.953 sec
stackoverflow.comments	15.359 sec	4.922 sec

tidb_single_select_count

带索引

1	$ select count(0) from [表名] where CreationDate > '2017-01-01'

	MySQL	TiDB
math_stackexchange.users	0.063 sec	0.219 sec
math_stackexchange.comments	0.422 sec	0.813 sec
stackoverflow.users	0.922 sec	1.312 sec
stackoverflow.comments	2.891 sec	1.437 sec

tidb_single_select_count2

无索引

$ select count(0) from math_stackexchange.users where views > 10
$ select count(0) from math_stackexchange.comments where score > 3
$ select count(0) from stackoverflow.users where views > 10
$ select count(0) from stackoverflow.comments where score > 3

	MySQL	TiDB
math_stackexchange.users	0.203 sec	0.484 sec
math_stackexchange.comments	2.219 sec	1.297 sec
stackoverflow.users	4.312 sec	2.297 sec
stackoverflow.comments	61.42 sec	11.313 sec

tidb_single_select_count3

连表查询

1
2

$ select count(0) from math_stackexchange.comments as a join math_stackexchange.users as b on a.UserId = b.Id where a.CreationDate > '2017-01-01' and  b.views > 10
$ select count(0) from stackoverflow.comments as a join stackoverflow.users as b on a.UserId = b.Id where a.CreationDate > '2017-01-01' and  b.views > 10

	MySQL	TiDB
math_stackexchange	5.297 sec	4.468 sec
stackoverflow	180.55 sec	27.515 sec

tidb_single_select_count4

小结

由于硬件所限，无法发挥 TiDB 比较好的性能。
在表数据量比较小的时候 MySQL 的速度其实是好于 TiDB 的。
- 因为 TiDB 组件之间需要网络传输（这也是 TiDB 生产环境需要万兆网卡的原因）
- 对于小表数据 MySQL 会保存在缓存中
TiDB 在大数据量上基本是是好于 MySQL （官方推荐表数据在 5000w 以上）

忆苦思甜

TiDB入门（三）：简单测试

前言