性能测试常见指标的含义

记得那次团队做性能测试，选了个周末，大家都在会议室里忙碌。
我负责监控TPS，看着屏幕上的数字，心里有些紧张。
那是一个周五的下午，地点在公司的新办公区，我们刚完成了一个新系统的上线。
当时，TPS稳定在3 00左右，我看着这个数字，心里想着，如果能在高峰时段保持这个水平，那也算是个不错的成绩了。

突然，系统开始出现波动，TPS从3 00跌到了2 00，然后又反弹到4 00。
我赶紧调整了监控图表的刷新频率，想看清楚是哪个环节出了问题。
就在这时，我注意到响应时间也跟着波动，最高达到了2 秒。
我马上想到，是不是我们的数据库出了问题？
我赶紧叫来数据库管理员，他检查了一下，发现是数据库的缓存满了，导致查询响应时间变长。
他清空了缓存，TPS和响应时间很快就恢复了稳定。
那天晚上，我们一直忙到深夜，才完成了所有的测试工作。

现在回想起来，那次经历让我深刻理解了TPS和响应时间的重要性。
它们不仅是性能测试的核心指标，更是衡量系统是否稳定的关键。
等等，我还记得那次测试，我们的并发用户数达到了5 00，但并发线程数只有1 00，这让我突然想到，是不是我们的并发策略还有优化的空间呢？

为什么MySQL单表不能超过2000万行？

哎哟，这MySQL单表超过2 000万行后性能下降的问题，其实挺复杂的。
我之前在做技术支持的时候，遇到过不少类似的案例。
说实话，我当时也没想明白，现在慢慢梳理一下。

首先，咱们得知道，MySQL的B+Tree索引结构，这玩意儿叶子节点存数据，非叶子节点存主键和页面号映射。
比如说，主键长度8 字节，页面偏移4 字节，那非叶子节点每条映射关系就占1 2 字节。
默认1 6 KB页面，大概1 5 KB能用，能存1 2 8 0条映射关系，叶子节点每行1 KB，能存1 5 条数据。

咱们算一下，三层B+Tree能存2 4 5 7 .6 万条数据，四层能存3 1 .4 亿条数据。
所以，数据量到2 000万行，索引深度一般也就3 层，不会因为深度增加导致性能下降。
现在硬件也进步了，SSD的IOPS过万，服务器内存能达到TB级，所以IO也不是根本问题。

但问题出在哪呢？主要是SMO（Sorted Merge Operation，有序合并操作）的并发控制缺陷。
这SMO操作不是原子化的，结构调整（比如节点分裂、合并）要改多个节点。
InnoDB引擎用乐观锁和悲观锁控制并发，乐观锁对根节点加S锁，非叶子节点加S锁，叶子节点修改不引发结构变动，就加X锁。
悲观锁的话，叶子节点修改触发SMO，得重新遍历B+Tree，对根节点加全局SX锁，从根节点到可能修改的节点加X锁。
这个过程，根节点得一直持有SX锁，其他操作就得等着，这就导致串行执行，并发性能受限。

再来说说索引组织表的特性，叶子节点扇出值低，1 6 KB页面，每行数据1 000字节，每个叶子节点只能存1 6 行数据。
这扇出值低，导致SMO触发更频繁，进一步放大了SMO无法并发写的缺陷。

那有解决方案吗？B-LinkTree优化了一下，中间节点增加link指针，节点内增加highkey字段，并发写优化。
还有，数据库选型也很关键，开源MySQL适合主键查询为主的简单业务，而像华为云GaussDB这种，采用B-LinkTree和堆组织表，在复杂商业场景下性能和并发能力更优。

所以说，MySQL单表超过2 000万行后性能下降，主要还是SMO并发控制缺陷和索引组织表的扇出值低问题。
通过优化索引结构或者选择合适的数据库架构，可以缓解这个问题。
不过，这事儿挺复杂的，得具体问题具体分析。

技术分享 | 如何计算 MySQL 的 QPS/TPS

那天，我在公司的小会议室里，和团队一起分析数据库的性能报告。
屏幕上，QPS和TPS的数据跳来跳去，就像股市的K线图。
我随手抓起一张纸，开始计算QPS，用的是方法二，从showglobalstatus里提取数据，算了一笔，发现QPS达到了2 000，挺高的。
然后，我转过头去问旁边的小张：“小张，你那边TPS怎么样？”他挠了挠头，说：“我正在用方法一，增删改查加起来才1 000多，是不是有点低啊？”我沉默了一会儿，突然想到，等等，还有个事，我之前在培训的时候学过，GTID这个方法挺有意思的，不知道我们这数据库支持不支持。