在过去两年里，我们致力于打造 PlanetScale Insights 成为最佳内置 MySQL 数据库监控工具。今天，我们带来了一个重要升级：模式推荐 功能。
通过模式推荐，你可以自动获得优化建议，以提升数据库性能、减少内存和存储使用，并根据生产数据库流量改进数据库模式。
模式推荐利用查询级别的遥测数据生成量身定制的 DDL（数据定义语言）语句建议，这些语句可以直接应用到数据库分支并最终部署到生产环境中。

如何使用模式推荐

要查看你的数据库的模式推荐，进入 PlanetScale 数据库的“Insights”选项卡并点击“查看推荐”。在这里，你可以看到当前开放的数据库推荐列表。
此外，如果你订阅了数据库的每周数据库报告，你还会收到一封包含初步推荐的邮件。
示例：添加索引的推荐
每条推荐会包含以下内容：

  • 推荐变更的解释，包括推荐变更带来的部分好处（如减少内存和存储使用、降低执行时间、防止 ID 耗尽等）
  • 推荐影响的模式或查询
  • 应用推荐所需的具体 DDL 语句
  • 可选项：将推荐的变更应用到一个分支以进行测试和安全迁移

你应该根据你的具体使用场景评估每条推荐。阅读模式推荐的文档可以了解每个推荐的更多信息。
在充分理解推荐内容后，你可以通过以下方式应用推荐：

  1. 通过几次点击直接在数据库分支中应用推荐内容；
  2. 在你的应用或 ORM（对象关系映射）代码中直接进行相应的模式变更。

可在文档中了解更多关于应用推荐的信息。

PlanetScale 如何检测数据库模式推荐

我们构建了一套系统，内部称之为“Schema Advisor”（模式顾问），它可以生成模式推荐，并在模式变更关闭现有开放推荐时进行感知。
每当生产分支的模式在 PlanetScale 中发生变更时，会向 Kafka 发送一个事件。这会触发后台任务对模式进行检查以发现潜在建议。
对于某些推荐（如查找重复索引），我们仅通过模式即可确定。而对于其他推荐（如索引推荐），我们还使用最近查询的性能数据与统计信息。
在索引推荐中，我们首先通过 Insights 的查询数据确定潜在的慢查询候选项，然后使用 Vitess 的查询解析器与语义分析工具提取查询中的潜在可索引列。
在添加索引时，列的顺序至关重要。为了获得正确的列顺序，我们对 MySQL 的分支进行了修改，新增了另一种 ANALYZE TABLE ... UPDATE HISTOGRAM 命令，它允许我们提取每列的基数（唯一值数量）而不影响数据库的统计表。
结合所有这些信息，我们便可以针对数据库模式提供优化建议。

当前支持的模式推荐

今天，我们发布了四种不同的模式推荐，未来会添加更多：

  1. 为低效查询添加索引
  2. 删除冗余索引
  3. 防止主键 ID 耗尽
  4. 删除未使用的表

为低效查询添加索引

索引是关系型数据库性能的关键。如果没有索引或索引不理想，MySQL 可能需要扫描大量行以满足仅匹配少数记录的查询。这会导致查询缓慢以及数据库性能下降。合适的索引可以将查询执行时间从数小时减少到毫秒。你可以在这篇文章中阅读更多关于数据库索引的内容。
Insights 每日扫描你的查询性能数据，识别过去 24 小时内发出的高频查询，并根据读取行数与返回行数的高汇总比率确定低效查询。随后，它会解析查询以提取可索引列，估算每列的基数（唯一值数量）以确定最佳列顺序，并建议合适的索引。

删除冗余索引

虽然索引能显著提高查询性能，但不必要的索引会降低写入速度，并消耗额外的存储和内存。
每当模式发生变化时，Insights 会扫描你的模式以查找冗余索引，并建议删除以下两类索引：

  • 完全重复的索引：索引的列及其顺序完全相同；
  • 左前缀重复的索引：索引的列及其顺序为另一索引的前缀；

冗余索引非常常见。我们最初的一组推荐发现，33% 的 PlanetScale 数据库存在冗余索引，可以通过删除它们获益。

防止主键 ID 耗尽

随着新行的插入，自增主键可能会超过底层列类型的最大允许值。当列达到最大值时，向表插入数据将失败，可能导致你的应用中断。历史上有许多高调的停机事件源于此问题，而通过监控可以很好地防范。
Insights 每日扫描数据库模式中的所有 AUTO INCREMENT 主键，并检查当前的 AUTO INCREMENT 值以识别可能接近主键 ID 耗尽的情况。如果某列的值超过最大允许值的 60%，它会建议将底层列改为更大的类型。此外，Insights 会扫描查询以解析连接与相关子查询以查找外键，并建议增大相关列的大小。

删除未使用的表

删除未使用的表可以帮助清理不再需要的数据并减少存储。如果表较大，还能缩短备份与恢复时间。
Insights 每日扫描你的查询性能数据，识别哪些表已经超过四周未被查询且年龄超过四周。

示例：添加一个新索引

让我们通过一个示例来演示如何将一条新增索引推荐应用到数据库。首先，我们创建一个简单的 posts 表： 

CREATE TABLE `posts` (
  `id` bigint unsigned NOT NULL AUTO_INCREMENT,
  `title` varchar(255),
  `text` text,
  PRIMARY KEY (`id`)
)

在表进入生产环境后，两个不同的查询开始对其进行操作：

  1. 插入行到 posts 表的一个循环查询；
  2. 按循环查询 posts.title 的语句： 
SELECT posts.id FROM posts WHERE posts.title = ?

当我们向 posts 表插入更多行时，与 posts.title 相关的查询的 p50 时间线性增加。此时，我们的查询接近一秒，表现非常糟糕。
幸运的是，“新增索引”的推荐每天运行一次，可以识别出这一查询模式将因索引获益。在推荐中，我们看到可利用新索引的查询列表，以及会创建新索引的 DDL 描述： 推荐内容：在 posts 表上添加名为 idx_posts_on_title 的索引**
我们可以使用“创建并应用”选项，在 PlanetScale 中创建一个数据库分支并应用推荐的 DDL。然后，在分支上使用现有查询测试所有内容后，部署到生产环境中。
正如预期，在推荐部署到生产后，由于新增索引，p50 查询时间显著降低。


引入模式推荐功能插图

关注公众号：程序新视界，一个让你软实力、硬技术同步提升的平台

除非注明，否则均为程序新视界原创文章，转载必须以链接形式标明本文链接

本文链接：https://www.choupangxia.com/2025/09/14/introducing-schema-recommendations/