晚上八点,电商大促开抢。运营群里红包刚发出去三秒,客服电话就炸了:页面转圈,下单失败,支付超时。
DBA冲进监控后台一看,MySQL的CPU没跑满,内存也还剩一半,但连接数已经顶到了max_connections的上限——新请求全被拒在门外,像是周末晚上的网红店,门口排了一百桌,店里其实还有空位,但店员已经忙到没人领号了。
这个场面,做后端的人多多少少都见过。MySQL处理高并发,真正的瓶颈往往不是机器性能,而是”连接”和”锁”这两个环节的管理方式。 这篇文章把这几年生产环境里验证过的几条核心思路讲透,能落地的直接抄走。
先想明白一件事:连接不是越多越好
很多新手的第一反应是:并发高?那把max_connections调大不就行了。
不行。MySQL的传统模式是”一个连接一个线程”,连接开到几千,线程上下文切换的开销就能先把CPU拖垮。这个道理跟餐厅后厨一样——厨师只有八个,你硬塞八十张点菜单进来,结果不是出菜更快,是所有人都挤在灶台边互相撞胳膊。
业内一个比较稳的经验值:应用侧连接池大小设在CPU核心数的2倍左右(Java的HikariCP常用”核心数×2+1”),数据库侧配合开启线程池(thread_handling = pool-of-threads),把线程数压到不超过CPU核心数。金山云做过一次sysbench实测:同样的实例,开线程池之后高并发场景性能提升20%~35%。
连接池还有两个细节别忽略:
- leakDetectionThreshold(泄漏检测)开起来,超过5秒没归还的连接直接报警。多少线上故障最后查出来都是代码里漏关了连接。
- 连接超时设在1~3秒,别太长。获取连接等30秒,用户早关了页面,连接还被白白占着。
验证方法也简单:SHOW GLOBAL STATUS 看两个指标——Threads_connected 长期顶满说明池子太小,Threads_created 持续上涨说明池子在反复创建销毁,配置有问题。
让缓存替数据库挡子弹,而不是让数据库硬扛
第二层思路更简单:能不查库的,坚决不查库。
一个很典型的真实案例:某电商的商品详情接口,热点商品每秒几千次访问全打到MySQL上。优化后的方案是三级防御——本地缓存(Caffeine)在最前面,Redis在中间,MySQL殿后。本地缓存命中是纳秒级,比走一次网络快几十倍。
效果是实打实的:加了本地缓存后,接口TP99从48毫秒降到7毫秒,高峰期数据库CPU占用降了大约四成。原本要MySQL扛一千次读请求,最后落到库上的可能只有一百次。
当然缓存也有自己的坑,最出名的三个:穿透、击穿、雪崩。应对策略网上一搜一大把,这里只提一条实战里最容易被忽略的:热点数据用”逻辑过期+后台异步刷新”,别设置物理过期时间。这样热点key永远不会”到点失效”,从根上避开击穿。
真扛不住了再动架构:读写分离、分库分表按顺序来
单机优化到头了怎么办?记住这个演进顺序,别一上来就分库分表。
第一步永远是读写分离。 主库写、从库读,用中间件(ShardingSphere、ProxySQL)或者应用层路由把读流量分出去。这里最大的坑是主从延迟:用户刚下完单,立刻查订单列表,读的是还没同步完的从库,页面显示”订单不存在”——客服又要被骂。原则只有一条:支付状态、订单结果这种关键读,强制走主库;商品列表这类能容忍一两秒延迟的,才去从库。
第二步才是分库分表,而且能不拆就不拆。 它带来的分布式事务、跨库JOIN、全局ID问题,运维成本是几何级上涨的。真到了非拆不可(单表两三千万行往上)的时候:选一个好的分片键(订单表就按user_id),跨分片查询尽量用搜索引擎兜底,全局ID用雪花算法,别再指望数据库自增。
有团队按user_id把订单表拆成32个分表,原来单表五千万数据加索引也要几十毫秒,拆完每个分表一百多万行,查询基本都在5毫秒以内。这是分对了的效果;分错了分片键,天天跨库聚合,等于给自己挖坑。
2026年的新变量:云厂商把活儿干到了内核层
这几年公有云把高并发优化往下做了一层,值得留意。
阿里云RDS在MySQL 8.0新版本里上线了”高并发小事务延迟优化”:设一个参数,超过阈值大小的事务自动打包优化,缓解主从复制延迟——高并发写入下从库”追不上”主库的老大难,正在从内核层面被缓解。
与此同时,云上的”HTAP负载隔离”也成熟了:分析型查询(报表、统计)自动路由到只读节点,交易链路独占主库资源。以前怕跑报表拖垮交易库,只能半夜跑,现在可以白天光明正大地跑。
还有一个趋势值得想想:AI开始参与容量预测。通过历史流量曲线预判热点,提前把数据预热进缓存,把扩容动作做在洪峰到来之前。目前还是头部厂商在用,但工具链在快速下沉,中小团队两三年内也能用上。
最后说一句实在的
技术方案千千万,真正让数据库性能稳定下来的,往往不是某次惊艳的调优,而是两件无聊的事:上线前把核心SQL的执行计划过一遍评审,慢查询日志超阈值自动报警到开发头上。
优化过的库,如果下个月又冒出来一堆不带索引的SQL,性能立刻打回原形。机制比个人靠谱,监控比感觉靠谱。
高并发这条路没有终点,流量在涨、业务在变。但核心心法其实一直没变:让该排队的排队,让能挡的挡住,让数据库只干它非干不可的那点活。
你的数据库现在卡在哪个阶段?是连接打满、缓存没上,还是已经走到了分库分表?评论区聊聊。
