使用ProxySQL查询缓存进行扩展

发布时间：2020-07-16 15:37:54 作者：Amnesiasun
来源：网络阅读：1212

原文：http://proxysql.com/blog/scaling-with-proxysql-query-cache
作者：Rene

mysql 查询缓存

在写关于ProxySQL 查询缓存之前，让我们先看一下MySQL 查询缓存。
MySQL 查询缓存是一个非常有趣的特性，引用官档：
将SELECT语句的文本与发送到客户端的结果存储在一起。之后如果接收到一个相同的语句，服务层从查询缓存中返回结果，而不是再次解析和执行该语句

它是一个缓存，旨在提升性能。然而，他不是‘灵丹妙药’，并时不时的能看到严重的性能下降或随机冻结 (random freezes)。为什么？
Peter Zaitsev 写了一系列的文章来介绍 MySQL 查询缓存是什么(MySQL Query Cache is) 和一系列关于给它第二次机会的观点(second chance).
但事实是，由于锁定和失效算法MySQL查询缓存很难进行扩展。这里不会重复为什么不能扩展的技术细节，提到的这些文章很好的描述了原因。
如果你想优化你的MySQL Query Cache，我强烈推荐 Domas Mituzas 的 query cache tuner（注: 网络没有问题，就是 0）

ProxySQL 查询缓存

ProxySQL 查询缓存与 MySQL 查询缓存完全不同。
它是一个存储在内存中的键/值，使用：
key 是用户名，库名和查询文本的结合
value 是后端返回的结果集（mysqld，或者另一个proxysql）
使ProxySQL中条目失效的唯一方法需要通过以毫秒为单位的生存时间(time-to-live)。一些人认为通过生存时间失效是有限制的，但对于多数的应用不会有这种情况。如果应用需要绝对正确的数据，透明缓存可能不是正确的解决方案。
任何可以接受从slave 读取稍微过时数据的应用都可以从QC（query cache）受益。
这个概念已经不是新的了，驱动程序本身就有查询缓存的实现：例如mysqlnd。

查询缓存基准测试

我描述MySQL Query Cache 和 ProxySQL Query Cache 的原因是他们的性质不同，因此意味着比较它们两个不是微不足道的，它们无法进行同类比较。

已知Mysql Query Cache 不能进行很好的扩展。我找到的关于 Mysql Query Cache 不能很好扩展的基准测试是 Szymon Komendera（亚马逊极光(Amazon Aurora)数据库工程师）发表的博客(需要×××)。在博客中，带有4GB 查询缓存的Aurora 能提升MySQL性能达3.1倍（此处为Aurora QC 与 Mysql QC的对比）。
我将按照同样的方法进行基准测试，观察用MySQL Query Cache能否得到相似的结果并且观察Proxy Query Cache能提升多少性能。
初始化设置
2个带有sysbench 0.5的客户端。
使用两个客户端的原因：在目前硬件的条件下，一个客户端不能生成足够的流量，使Proxy Query Cache 到达极限。
sysbench命令：
./sysbench --num-threads=512 --max-time=900 --max-requests=0 
--test=./tests/db/oltp.lua 
--mysql-user=sbtest 
--mysql-password=sbtest 
--mysql-host=10.1.1.22 
--oltp-table-size=10000000 
--mysql-port=${PORT} 
--mysql-ps-mode=disable 
--oltp-read-only=on 
--oltp-point-selects=25 
--oltp-skip-trx=on 
--oltp-sum-ranges=0 
--oltp-simple-ranges=0 
--oltp-distinct-ranges=0 
--oltp-order-ranges=0 
--oltp-dist-type=uniform run
1个mysql数据库(Percona Server 5.6.25) 和 proxysql(1.4.0)
在整个测试过程中，所有的数据已经缓存在InnoDB buffer pool (在内存中，没有涉及IO)，测试前重置Query Cache。
上图的结果表明，mysql QC确实无法扩展，并且使用它能导致性能下降84%。另一方面，ProxySQL QC 提升性能3.3倍
另一个有趣的结果是，根据测试时长不同得到的不同结果。
使用Mysql QC，基准测试时间越长，吞吐量越低（明显降低）。
使用ProxySQL QC，吞吐量没有下降，但1%的提升考虑是波动导致的。
上述结果需要注意的是：这个环境下可以生成一千万条不同的SELECT 语句，因此Query Cache中有一千万条目，因为表的大小有一千万。
较小的 --oltp-table-size 将导致 MySQL no QC 和 ProxySQL QC 有更高的结果。事实上，出于好奇，使用 --oltp-table-size=1000000 一个单实例ProxySQL 可以返回超过一百万的QPS。

移动查询缓存，使离应用更近

目前为止，我将ProxySQL 与 MySQL 运行在一起。Why？这样做是为了模拟当前查询缓存在数据本身之前的期望。
虽然我相信对于大多数的工作负载，缓存层不应该靠近数据存储的位置（后端），应该靠近数据消耗的地方（前端）。例如，mysqlnd。
如果我们使用前面的测试环境，将ProxySQL 从数据库服务器移动到应用服务器，会发生什么呢？
我们现在有两个ProxySQL实例。

不足为奇，它扩展的更好。数据库服务器目前只需执行查询缓存中没有的sql。
ProxySQL使用在数据库服务器，QC提升3.3倍性能。
ProxySQL使用在客户端，QC提升5.2倍性能！
我们能否得到更好的结果？可能会的。因为QC可以移动并分散（不再需要在数据库服务器中），我们也能创建更复杂的配置，分离缓存层本身。例如，能够创建两个分片，每个分片处理和缓存一半的查询，或者也可以创建多层的缓存系统。