数码资讯
基于MySQL的狮身人面像多线程搜索方法
MySQL，狮身人面像，和许多数据库和搜索引擎都是单线程的查询，例如，查询是一个r910服务器有32个CPU核心和16个磁盘执行，它使用了一个核心，在大多数磁盘。是的，只有一个会使用。 如果查询是CPU密集型的工作，它将用大约3%整个机器的CPU能力（以上32核心机为例）。如果磁盘密集型，然后用6%
选购提示
关注价格、性能、续航、售后和真实使用场景，理性比较后再下单。
MySQL，狮身人面像，和许多数据库和搜索引擎都是单线程的查询，例如，查询是一个r910服务器有32个CPU核心和16个磁盘执行，它使用了一个核心，在大多数磁盘。是的，只有一个会使用。
如果查询是CPU密集型的工作，它将用大约3%整个机器的CPU能力（以上32核心机为例）。如果磁盘密集型，然后用6%的IO（及以上具有相同的配置，16个磁盘RAID10或RAID0）。
换一种说法，如果在单核单盘机器上执行查询，在一台有32个内核和16个磁盘的机器上运行相同的查询需要10秒。需要10秒而没有任何改进。
你早知道，对吧所以，我的问题是，是否有办法改善它
如果是狮身人面像，那太好了，答案是！你不必花太多的时间，你甚至不需要修改应用程序和数据库，只是为了改变狮身人面像的配置。
计划
首先，让我解释一下我们的目标。
狮身人面像本身支持分布式搜索，已设计了很久很久以前。如果机器中的指数并不适合，可以使索引的不同部位的多台机器上，设置一个总结，负责从应用程序接收到一个请求，然后请求和所有的数据节点，结果他们一起回来，返回到应用程序。它看起来就像只有一个服务器服务。
好的，你猜下一个是什么哈，我们可以把这个功能应用到一台机器上，使我们的查询超过N倍的速度。现在狮身人面像已经支持这种方法，所以我们不必假装去查询哪个远程节点。
另一个优点是，在配置分布式搜索之后，索引可以并行构建！
虽然这种方法可以加速大多数查询，但仍有一些注意事项，但也有一些例外，因为并行查询结果仍然需要合并，合并过程是单线程的，而且合并包括一些CPU密集型操作，例如分级、排序，甚至使用组计算。如果数据量很大，合并过程将成为瓶颈。
要确认这一点也是很简单的，只要我们查看一下狮身人面像的查询日志，看看每个查询的记录有多少匹配，我们就会记住一个好的数字。
实施
假设服务器上的索引配置如下（省略了许多细节）：
复制代码代码如下所示：
源先
{
类型= MySQL
sql_query =选择ID，文字表
}
索引IDX1
{
类型=平原
其源=
}
searchd
{
dist_threads = 0 #默认
}
现在我们用一机3用CPU内核和磁盘做这个指标--这IDX1。是我们更改的配置文件吗：
复制代码代码如下所示：
源先
{
类型= MySQL
sql_query =选择ID，文字表
}
源src1p0：越界
{
sql_query =选择ID，查到ID为3 = 0的文本；
}
源src1p1：越界
{
sql_query =选择ID，查到ID为3 = 1的文本；
}
源src1p2：越界
{
sql_query =选择ID，查到ID为3 = 2的文本；
}
指数idx1_template
{
类型=平原
其源=
}
指数idx1p0：idx1_template
{
src0源=
}
指数idx1p1：idx1_template
{
其源=
}
指数idx1p2：idx1_template
{
源= SRC2
}
索引IDX1
{
类型分布
当地= idx1p0
当地= idx1p1
当地= idx1p2
}
searchd
{
dist_threads = 3
}
完成此操作后，需要重建索引。但现在idx1p0到idx1p2索引索引命令可以同步进行。
另外，从不同的操作中分离数据不是最好的方法。你可以使用一个辅助表在MySQL中区分它们的范围，并使用sql_query_range使用或者别的什么，取决于你的数据。
写到底
我一直喜欢狮身人面像，狮身人面像可以扩展到你所需要的足够的机器，而且这种方式已经在很多年前被使用了，然后，我想，我并没有像平常那样使用这个功能使机器的查询速度更快，但是，这并不是说它很慢或者什么，但是它不会太快，不是吗
如果查询是CPU密集型的工作，它将用大约3%整个机器的CPU能力（以上32核心机为例）。如果磁盘密集型，然后用6%的IO（及以上具有相同的配置，16个磁盘RAID10或RAID0）。
换一种说法，如果在单核单盘机器上执行查询，在一台有32个内核和16个磁盘的机器上运行相同的查询需要10秒。需要10秒而没有任何改进。
你早知道，对吧所以，我的问题是，是否有办法改善它
如果是狮身人面像，那太好了，答案是！你不必花太多的时间，你甚至不需要修改应用程序和数据库，只是为了改变狮身人面像的配置。
计划
首先，让我解释一下我们的目标。
狮身人面像本身支持分布式搜索，已设计了很久很久以前。如果机器中的指数并不适合，可以使索引的不同部位的多台机器上，设置一个总结，负责从应用程序接收到一个请求，然后请求和所有的数据节点，结果他们一起回来，返回到应用程序。它看起来就像只有一个服务器服务。
好的，你猜下一个是什么哈，我们可以把这个功能应用到一台机器上，使我们的查询超过N倍的速度。现在狮身人面像已经支持这种方法，所以我们不必假装去查询哪个远程节点。
另一个优点是，在配置分布式搜索之后，索引可以并行构建！
虽然这种方法可以加速大多数查询，但仍有一些注意事项，但也有一些例外，因为并行查询结果仍然需要合并，合并过程是单线程的，而且合并包括一些CPU密集型操作，例如分级、排序，甚至使用组计算。如果数据量很大，合并过程将成为瓶颈。
要确认这一点也是很简单的，只要我们查看一下狮身人面像的查询日志，看看每个查询的记录有多少匹配，我们就会记住一个好的数字。
实施
假设服务器上的索引配置如下（省略了许多细节）：
复制代码代码如下所示：
源先
{
类型= MySQL
sql_query =选择ID，文字表
}
索引IDX1
{
类型=平原
其源=
}
searchd
{
dist_threads = 0 #默认
}
现在我们用一机3用CPU内核和磁盘做这个指标--这IDX1。是我们更改的配置文件吗：
复制代码代码如下所示：
源先
{
类型= MySQL
sql_query =选择ID，文字表
}
源src1p0：越界
{
sql_query =选择ID，查到ID为3 = 0的文本；
}
源src1p1：越界
{
sql_query =选择ID，查到ID为3 = 1的文本；
}
源src1p2：越界
{
sql_query =选择ID，查到ID为3 = 2的文本；
}
指数idx1_template
{
类型=平原
其源=
}
指数idx1p0：idx1_template
{
src0源=
}
指数idx1p1：idx1_template
{
其源=
}
指数idx1p2：idx1_template
{
源= SRC2
}
索引IDX1
{
类型分布
当地= idx1p0
当地= idx1p1
当地= idx1p2
}
searchd
{
dist_threads = 3
}
完成此操作后，需要重建索引。但现在idx1p0到idx1p2索引索引命令可以同步进行。
另外，从不同的操作中分离数据不是最好的方法。你可以使用一个辅助表在MySQL中区分它们的范围，并使用sql_query_range使用或者别的什么，取决于你的数据。
写到底
我一直喜欢狮身人面像，狮身人面像可以扩展到你所需要的足够的机器，而且这种方式已经在很多年前被使用了，然后，我想，我并没有像平常那样使用这个功能使机器的查询速度更快，但是，这并不是说它很慢或者什么，但是它不会太快，不是吗
声明：本文内容用于数码产品信息整理与选购参考，具体价格、库存、售后政策以官方渠道和电商页面实时信息为准。