MySQL中不建議使用Delete刪除數據的原因是什么

今天就跟大家聊聊有關MySQL中不建議使用Delete刪除數據的原因是什么，可能很多人都不太了解，為了讓大家更加了解，小編給大家總結了以下內容，希望大家根據這篇文章可以有所收獲。

InnoDB存儲架構

從這張圖可以看到，InnoDB存儲結構主要包括兩部分：邏輯存儲結構和物理存儲結構。

邏輯上是由表空間tablespace —> 段segment或者inode —> 區Extent  ——>數據頁Page構成，Innodb邏輯管理單位是segment，空間分配的最小單位是extent，每個segment都會從表空間FREE_PAGE中分配32個page，當這32個page不夠用時，會按照以下原則進行擴展：如果當前小于1個extent，則擴展到1個extent;當表空間小于32MB時，每次擴展一個extent;表空間大于32MB，每次擴展4個extent。

物理上主要由系統用戶數據文件，日志文件組成，數據文件主要存儲MySQL字典數據和用戶數據，日志文件記錄的是data page的變更記錄，用于MySQL  Crash時的恢復。

Innodb表空間

InnoDB存儲包括三類表空間：系統表空間，用戶表空間，Undo表空間。

系統表空間： 主要存儲MySQL內部的數據字典數據，如information_schema下的數據。

用戶表空間：  當開啟innodb_file_per_table=1時，數據表從系統表空間獨立出來存儲在以table_name.ibd命令的數據文件中，結構信息存儲在table_name.frm文件中。

Undo表空間： 存儲Undo信息，如快照一致讀和flashback都是利用undo信息。

從MySQL 8.0開始允許用戶自定義表空間，具體語法如下：

CREATE TABLESPACE tablespace_name     ADD DATAFILE 'file_name'               #數據文件名     USE LOGFILE GROUP logfile_group        #自定義日志文件組，一般每組2個logfile。     [EXTENT_SIZE [=] extent_size]          #區大小     [INITIAL_SIZE [=] initial_size]        #初始化大小      [AUTOEXTEND_SIZE [=] autoextend_size]  #自動擴寬尺寸     [MAX_SIZE [=] max_size]                #單個文件最大size，最大是32G。     [NODEGROUP [=] nodegroup_id]           #節點組     [WAIT]     [COMMENT [=] comment_text]     ENGINE [=] engine_name

這樣的好處是可以做到數據的冷熱分離，分別用HDD和SSD來存儲，既能實現數據的高效訪問，又能節約成本，比如可以添加兩塊500G硬盤，經過創建卷組vg，劃分邏輯卷lv，創建數據目錄并mount相應的lv，假設劃分的兩個目錄分別是/hot_data  和 /cold_data。

這樣就可以將核心的業務表如用戶表，訂單表存儲在高性能SSD盤上，一些日志，流水表存儲在普通的HDD上，主要的操作步驟如下：

#創建熱數據表空間 create tablespace tbs_data_hot add datafile '/hot_data/tbs_data_hot01.dbf' max_size 20G; #創建核心業務表存儲在熱數據表空間 create table booking(id bigint not null primary key auto_increment, …… ) tablespace tbs_data_hot; #創建冷數據表空間 create tablespace tbs_data_cold add datafile '/hot_data/tbs_data_cold01.dbf' max_size 20G; #創建日志，流水，備份類的表存儲在冷數據表空間 create table payment_log(id bigint not null primary key auto_increment, …… ) tablespace tbs_data_cold; #可以移動表到另一個表空間 alter table payment_log tablespace tbs_data_hot;

Inndob存儲分布

創建空表查看空間變化

mysql> create table user(id bigint not null primary key auto_increment,      -> name varchar(20) not null default '' comment '姓名',      -> age tinyint not null default 0 comment 'age',      -> gender char(1) not null default 'M'  comment '性別',     -> phone varchar(16) not null default '' comment '手機號',     -> create_time datetime NOT NULL DEFAULT CURRENT_TIMESTAMP COMMENT '創建時間',     -> update_time datetime NOT NULL DEFAULT CURRENT_TIMESTAMP ON UPDATE CURRENT_TIMESTAMP COMMENT '修改時間'     -> ) engine = InnoDB DEFAULT CHARSET=utf8mb4 COMMENT '用戶信息表'; Query OK, 0 rows affected (0.26 sec)

# ls -lh user1.ibd  -rw-r----- 1 mysql mysql 96K Nov  6 12:48 user.ibd

設置參數innodb_file_per_table=1時，創建表時會自動創建一個segment，同時分配一個extent，包含32個data  page的來存儲數據，這樣創建的空表默認大小就是96KB，extent使用完之后會申請64個連接頁，這樣對于一些小表，或者undo  segment，可以在開始時申請較少的空間，節省磁盤容量的開銷。

# python2 py_innodb_page_info.py -v /data2/mysql/test/user.ibd page offset 00000000, page type <File Space Header> page offset 00000001, page type <Insert Buffer Bitmap> page offset 00000002, page type <File Segment inode> page offset 00000003, page type <B-tree Node>, page level <0000> page offset 00000000, page type <Freshly Allocated Page> page offset 00000000, page type <Freshly Allocated Page> Total number of page: 6:      #總共分配的頁數 Freshly Allocated Page: 2     #可用的數據頁 Insert Buffer Bitmap: 1       #插入緩沖頁 File Space Header: 1          #文件空間頭 B-tree Node: 1                #數據頁 File Segment inode: 1         #文件端inonde，如果是在ibdata1.ibd上會有多個inode。

插入數據后的空間變化

mysql> DELIMITER $$ mysql> CREATE PROCEDURE insert_user_data(num INTEGER)      -> BEGIN     ->     DECLARE v_i int unsigned DEFAULT 0;     -> set autocommit= 0;     -> WHILE v_i < num DO     ->    insert into user(`name`, age, gender, phone) values (CONCAT('lyn',v_i), mod(v_i,120), 'M', CONCAT('152',ROUND(RAND(1)*100000000)));     ->  SET v_i = v_i+1;     -> END WHILE;     -> commit;     -> END $$ Query OK, 0 rows affected (0.01 sec) mysql> DELIMITER ;  #插入10w數據 mysql> call insert_user_data(100000); Query OK, 0 rows affected (6.69 sec)

# ls -lh user.ibd -rw-r----- 1 mysql mysql 14M Nov 6 10:58 /data2/mysql/test/user.ibd  # python2 py_innodb_page_info.py -v /data2/mysql/test/user.ibd page offset 00000000, page type <File Space Header> page offset 00000001, page type <Insert Buffer Bitmap> page offset 00000002, page type <File Segment inode> page offset 00000003, page type <B-tree Node>, page level <0001>   #增加了一個非葉子節點，樹的高度從1變為2. ........................................................ page offset 00000000, page type <Freshly Allocated Page> Total number of page: 896: Freshly Allocated Page: 493 Insert Buffer Bitmap: 1 File Space Header: 1 B-tree Node: 400 File Segment inode: 1

delete數據后的空間變化

mysql> select min(id),max(id),count(*) from user; +---------+---------+----------+ | min(id) | max(id) | count(*) | +---------+---------+----------+ |       1 |  100000 |   100000 | +---------+---------+----------+ 1 row in set (0.05 sec) #刪除50000條數據，理論上空間應該從14MB變長7MB左右。 mysql> delete from user limit 50000; Query OK, 50000 rows affected (0.25 sec)  #數據文件大小依然是14MB，沒有縮小。 # ls -lh /data2/mysql/test/user1.ibd  -rw-r----- 1 mysql mysql 14M Nov  6 13:22 /data2/mysql/test/user.ibd  #數據頁沒有被回收。 # python2 py_innodb_page_info.py -v /data2/mysql/test/user.ibd page offset 00000000, page type <File Space Header> page offset 00000001, page type <Insert Buffer Bitmap> page offset 00000002, page type <File Segment inode> page offset 00000003, page type <B-tree Node>, page level <0001> ........................................................ page offset 00000000, page type <Freshly Allocated Page> Total number of page: 896: Freshly Allocated Page: 493 Insert Buffer Bitmap: 1 File Space Header: 1 B-tree Node: 400 File Segment inode: 1 #在MySQL內部是標記刪除，

mysql> use information_schema;  Database changed mysql> SELECT A.SPACE AS TBL_SPACEID, A.TABLE_ID, A.NAME AS TABLE_NAME, FILE_FORMAT, ROW_FORMAT, SPACE_TYPE,  B.INDEX_ID , B.NAME AS INDEX_NAME, PAGE_NO, B.TYPE AS INDEX_TYPE FROM INNODB_SYS_TABLES A LEFT JOIN INNODB_SYS_INDEXES B ON A.TABLE_ID =B.TABLE_ID WHERE A.NAME = 'test/user1'; +-------------+----------+------------+-------------+------------+------------+----------+------------+---------+------------+ | TBL_SPACEID | TABLE_ID | TABLE_NAME | FILE_FORMAT | ROW_FORMAT | SPACE_TYPE | INDEX_ID | INDEX_NAME | PAGE_NO | INDEX_TYPE | +-------------+----------+------------+-------------+------------+------------+----------+------------+---------+------------+ |        1283 |     1207 | test/user | Barracuda   | Dynamic    | Single     |     2236 | PRIMARY    |       3 |          3 | +-------------+----------+------------+-------------+------------+------------+----------+------------+---------+------------+ 1 row in set (0.01 sec)  PAGE_NO = 3 標識B-tree的root page是3號頁，INDEX_TYPE = 3是聚集索引。INDEX_TYPE取值如下： 0 = nonunique secondary index;  1 = automatically generated clustered index (GEN_CLUST_INDEX);  2 = unique nonclustered index;  3 = clustered index;  32 = full-text index; #收縮空間再后進行觀察

MySQL內部不會真正刪除空間，而且做標記刪除，即將delflag:N修改為delflag:Y，commit之后會會被purge進入刪除鏈表，如果下一次insert更大的記錄，delete之后的空間不會被重用，如果插入的記錄小于等于delete的記錄空會被重用，這塊內容可以通過知數堂的innblock工具進行分析。

Innodb中的碎片

碎片的產生

我們知道數據存儲在文件系統上的，總是不能100%利用分配給它的物理空間，刪除數據會在頁面上留下一些”空洞”，或者隨機寫入(聚集索引非線性增加)會導致頁分裂，頁分裂導致頁面的利用空間少于50%，另外對表進行增刪改會引起對應的二級索引值的隨機的增刪改，也會導致索引結構中的數據頁面上留下一些"空洞"，雖然這些空洞有可能會被重復利用，但終究會導致部分物理空間未被使用，也就是碎片。

同時，即便是設置了填充因子為100%，Innodb也會主動留下page頁面1/16的空間作為預留使用(An innodb_fill_factor  setting of 100 leaves 1/16 of the space in clustered index pages free for future  index growth)防止update帶來的行溢出。

mysql> select table_schema,     ->        table_name,ENGINE,     ->        round(DATA_LENGTH/1024/1024+ INDEX_LENGTH/1024/1024) total_mb,TABLE_ROWS,     ->        round(DATA_LENGTH/1024/1024) data_mb, round(INDEX_LENGTH/1024/1024) index_mb, round(DATA_FREE/1024/1024) free_mb, round(DATA_FREE/DATA_LENGTH*100,2) free_ratio     -> from information_schema.TABLES where  TABLE_SCHEMA= 'test'     -> and TABLE_NAME= 'user'; +--------------+------------+--------+----------+------------+---------+----------+---------+------------+ | table_schema | table_name | ENGINE | total_mb | TABLE_ROWS | data_mb | index_mb | free_mb | free_ratio | +--------------+------------+--------+----------+------------+---------+----------+---------+------------+ | test         | user      | InnoDB |        4 |      50000 |       4 |        0 |       6 |     149.42 | +--------------+------------+--------+----------+------------+---------+----------+---------+------------+ 1 row in set (0.00 sec)

其中data_free是分配了未使用的字節數，并不能說明完全是碎片空間。

碎片的回收

對于InnoDB的表，可以通過以下命令來回收碎片，釋放空間，這個是隨機讀IO操作，會比較耗時，也會阻塞表上正常的DML運行，同時需要占用額外更多的磁盤空間，對于RDS來說，可能會導致磁盤空間瞬間爆滿，實例瞬間被鎖定，應用無法做DML操作，所以禁止在線上環境去執行。

#執行InnoDB的碎片回收 mysql> alter table user engine=InnoDB; Query OK, 0 rows affected (9.00 sec) Records: 0  Duplicates: 0  Warnings: 0  ##執行完之后，數據文件大小從14MB降低到10M。 # ls -lh /data2/mysql/test/user1.ibd  -rw-r----- 1 mysql mysql 10M Nov 6 16:18 /data2/mysql/test/user.ibd

mysql> select table_schema,        table_name,ENGINE,        round(DATA_LENGTH/1024/1024+ INDEX_LENGTH/1024/1024) total_mb,TABLE_ROWS,        round(DATA_LENGTH/1024/1024) data_mb, round(INDEX_LENGTH/1024/1024) index_mb, round(DATA_FREE/1024/1024) free_mb, round(DATA_FREE/DATA_LENGTH*100,2) free_ratio from information_schema.TABLES where  TABLE_SCHEMA= 'test' and TABLE_NAME= 'user'; +--------------+------------+--------+----------+------------+---------+----------+---------+------------+ | table_schema | table_name | ENGINE | total_mb | TABLE_ROWS | data_mb | index_mb | free_mb | free_ratio | +--------------+------------+--------+----------+------------+---------+----------+---------+------------+ | test         | user      | InnoDB |        5 |      50000 |       5 |        0 |       2 |      44.29 | +--------------+------------+--------+----------+------------+---------+----------+---------+------------+ 1 row in set (0.00 sec)

delete對SQL的影響

未刪除前的SQL執行情況

#插入100W數據 mysql> call insert_user_data(1000000); Query OK, 0 rows affected (35.99 sec)  #添加相關索引 mysql> alter table user add index idx_name(name), add index idx_phone(phone); Query OK, 0 rows affected (6.00 sec) Records: 0  Duplicates: 0  Warnings: 0  #表上索引統計信息 mysql> show index from user; +-------+------------+-----------+--------------+-------------+-----------+-------------+----------+--------+------+------------+---------+---------------+ | Table | Non_unique | Key_name  | Seq_in_index | Column_name | Collation | Cardinality | Sub_part | Packed | Null | Index_type | Comment | Index_comment | +-------+------------+-----------+--------------+-------------+-----------+-------------+----------+--------+------+------------+---------+---------------+ | user  |          0 | PRIMARY   |            1 | id          | A         |      996757 |     NULL | NULL   |      | BTREE      |         |               | | user  |          1 | idx_name  |            1 | name        | A         |      996757 |     NULL | NULL   |      | BTREE      |         |               | | user  |          1 | idx_phone |            1 | phone       | A         |           2 |     NULL | NULL   |      | BTREE      |         |               | +-------+------------+-----------+--------------+-------------+-----------+-------------+----------+--------+------+------------+---------+---------------+ 3 rows in set (0.00 sec)  #重置狀態變量計數 mysql> flush status; Query OK, 0 rows affected (0.00 sec)  #執行SQL語句 mysql> select id, age ,phone from user where name like 'lyn12%'; +--------+-----+-------------+ | id     | age | phone       | +--------+-----+-------------+ |    124 |   3 | 15240540354 | |   1231 |  30 | 15240540354 | |  12301 |  60 | 15240540354 | ............................. | 129998 |  37 | 15240540354 | | 129999 |  38 | 15240540354 | | 130000 |  39 | 15240540354 | +--------+-----+-------------+ 11111 rows in set (0.03 sec)  mysql> explain select id, age ,phone from user where name like 'lyn12%'; +----+-------------+-------+-------+---------------+----------+---------+------+-------+-----------------------+ | id | select_type | table | type  | possible_keys | key      | key_len | ref  | rows  | Extra                 | +----+-------------+-------+-------+---------------+----------+---------+------+-------+-----------------------+ |  1 | SIMPLE      | user  | range | idx_name      | idx_name | 82      | NULL | 22226 | Using index condition | +----+-------------+-------+-------+---------------+----------+---------+------+-------+-----------------------+ 1 row in set (0.00 sec)  #查看相關狀態呢變量 mysql> select * from information_schema.session_status where variable_name in('Last_query_cost','Handler_read_next','Innodb_pages_read','Innodb_data_reads','Innodb_pages_read'); +-------------------+----------------+ | VARIABLE_NAME     | VARIABLE_VALUE | +-------------------+----------------+ | HANDLER_READ_NEXT | 11111          |    #請求讀的行數 | INNODB_DATA_READS | 7868409        |    #數據物理讀的總數 | INNODB_PAGES_READ | 7855239        |    #邏輯讀的總數 | LAST_QUERY_COST   | 10.499000      |    #SQL語句的成本COST，主要包括IO_COST和CPU_COST。 +-------------------+----------------+ 4 rows in set (0.00 sec)

刪除后的SQL執行情況

#刪除50w數據 mysql> delete from user limit 500000; Query OK, 500000 rows affected (3.70 sec)  #分析表統計信息 mysql> analyze table user; +-----------+---------+----------+----------+ | Table     | Op      | Msg_type | Msg_text | +-----------+---------+----------+----------+ | test.user | analyze | status   | OK       | +-----------+---------+----------+----------+ 1 row in set (0.01 sec)  #重置狀態變量計數 mysql> flush status; Query OK, 0 rows affected (0.01 sec)  mysql> select id, age ,phone from user where name like 'lyn12%'; Empty set (0.05 sec)  mysql> explain select id, age ,phone from user where name like 'lyn12%'; +----+-------------+-------+-------+---------------+----------+---------+------+-------+-----------------------+ | id | select_type | table | type  | possible_keys | key      | key_len | ref  | rows  | Extra                 | +----+-------------+-------+-------+---------------+----------+---------+------+-------+-----------------------+ |  1 | SIMPLE      | user  | range | idx_name      | idx_name | 82      | NULL | 22226 | Using index condition | +----+-------------+-------+-------+---------------+----------+---------+------+-------+-----------------------+ 1 row in set (0.00 sec)  mysql> select * from information_schema.session_status where variable_name in('Last_query_cost','Handler_read_next','Innodb_pages_read','Innodb_data_reads','Innodb_pages_read'); +-------------------+----------------+ | VARIABLE_NAME     | VARIABLE_VALUE | +-------------------+----------------+ | HANDLER_READ_NEXT | 0              | | INNODB_DATA_READS | 7868409        | | INNODB_PAGES_READ | 7855239        | | LAST_QUERY_COST   | 10.499000      | +-------------------+----------------+ 4 rows in set (0.00 sec)

結果統計分析

這也說明對普通的大表，想要通過delete數據來對表進行瘦身是不現實的，所以在任何時候不要用delete去刪除數據，應該使用優雅的標記刪除。

delete優化建議

控制業務賬號權限

對于一個大的系統來說，需要根據業務特點去拆分子系統，每個子系統可以看做是一個service，例如美團APP，上面有很多服務，核心的服務有用戶服務user-service，搜索服務search-service，商品product-service，位置服務location-service，價格服務price-service等。每個服務對應一個數據庫，為該數據庫創建單獨賬號，同時只授予DML權限且沒有delete權限，同時禁止跨庫訪問。

#創建用戶數據庫并授權 create database mt_user charset utf8mb4; grant USAGE, SELECT, INSERT, UPDATE ON mt_user.*  to 'w_user'@'%' identified by 't$W*g@gaHTGi123456'; flush privileges;

delete改為標記刪除

在MySQL數據庫建模規范中有4個公共字段，基本上每個表必須有的，同時在create_time列要創建索引，有兩方面的好處：

• 一些查詢業務場景都會有一個默認的時間段，比如7天或者一個月，都是通過create_time去過濾，走索引掃描更快。

• 一些核心的業務表需要以T +1的方式抽取數據倉庫中，比如每天晚上00:30抽取前一天的數據，都是通過create_time過濾的。

`id` bigint(20) NOT NULL AUTO_INCREMENT COMMENT '主鍵id', `is_deleted` tinyint(4) NOT NULL DEFAULT '0' COMMENT '是否邏輯刪除：0：未刪除，1：已刪除', `create_time` timestamp NOT NULL DEFAULT CURRENT_TIMESTAMP COMMENT '創建時間', `update_time` timestamp NOT NULL DEFAULT CURRENT_TIMESTAMP ON UPDATE CURRENT_TIMESTAMP COMMENT '修改時間'  #有了刪除標記，業務接口的delete操作就可以轉換為update update user set is_deleted = 1 where user_id = 1213;  #查詢的時候需要帶上is_deleted過濾 select id, age ,phone from user where is_deleted = 0 and name like 'lyn12%';

數據歸檔方式

通用數據歸檔方法

#1. 創建歸檔表，一般在原表名后面添加_bak。 CREATE TABLE `ota_order_bak` (   `id` bigint(11) NOT NULL AUTO_INCREMENT COMMENT '主鍵',   `order_id` varchar(255) DEFAULT NULL COMMENT '訂單id',   `ota_id` varchar(255) DEFAULT NULL COMMENT 'ota',   `check_in_date` varchar(255) DEFAULT NULL COMMENT '入住日期',   `check_out_date` varchar(255) DEFAULT NULL COMMENT '離店日期',   `hotel_id` varchar(255) DEFAULT NULL COMMENT '酒店ID',   `guest_name` varchar(255) DEFAULT NULL COMMENT '顧客',   `purcharse_time` timestamp NULL DEFAULT NULL COMMENT '購買時間',   `create_time` datetime DEFAULT NULL,   `update_time` datetime DEFAULT NULL,   `create_user` varchar(255) DEFAULT NULL,   `update_user` varchar(255) DEFAULT NULL,   `status` int(4) DEFAULT '1' COMMENT '狀態 ：1 正常 ， 0 刪除',   `hotel_name` varchar(255) DEFAULT NULL,   `price` decimal(10,0) DEFAULT NULL,   `remark` longtext,   PRIMARY KEY (`id`),   KEY `IDX_order_id` (`order_id`) USING BTREE,   KEY `hotel_name` (`hotel_name`) USING BTREE,   KEY `ota_id` (`ota_id`) USING BTREE,   KEY `IDX_purcharse_time` (`purcharse_time`) USING BTREE,   KEY `IDX_create_time` (`create_time`) USING BTREE ) ENGINE=InnoDB DEFAULT CHARSET=utf8 PARTITION BY RANGE (to_days(create_time)) (  PARTITION p201808 VALUES LESS THAN (to_days('2018-09-01')),  PARTITION p201809 VALUES LESS THAN (to_days('2018-10-01')),  PARTITION p201810 VALUES LESS THAN (to_days('2018-11-01')),  PARTITION p201811 VALUES LESS THAN (to_days('2018-12-01')),  PARTITION p201812 VALUES LESS THAN (to_days('2019-01-01')),  PARTITION p201901 VALUES LESS THAN (to_days('2019-02-01')),  PARTITION p201902 VALUES LESS THAN (to_days('2019-03-01')),  PARTITION p201903 VALUES LESS THAN (to_days('2019-04-01')),  PARTITION p201904 VALUES LESS THAN (to_days('2019-05-01')),  PARTITION p201905 VALUES LESS THAN (to_days('2019-06-01')),  PARTITION p201906 VALUES LESS THAN (to_days('2019-07-01')),  PARTITION p201907 VALUES LESS THAN (to_days('2019-08-01')),  PARTITION p201908 VALUES LESS THAN (to_days('2019-09-01')),  PARTITION p201909 VALUES LESS THAN (to_days('2019-10-01')),  PARTITION p201910 VALUES LESS THAN (to_days('2019-11-01')),  PARTITION p201911 VALUES LESS THAN (to_days('2019-12-01')),  PARTITION p201912 VALUES LESS THAN (to_days('2020-01-01')));  #2. 插入原表中無效的數據（需要跟開發同學確認數據保留范圍） create table tbl_p201808 as select * from ota_order where create_time between '2018-08-01 00:00:00' and '2018-08-31 23:59:59';  #3. 跟歸檔表分區做分區交換 alter table ota_order_bak exchange partition p201808 with table tbl_p201808;   #4. 刪除原表中已經規范的數據 delete from ota_order where create_time between '2018-08-01 00:00:00' and '2018-08-31 23:59:59' limit 3000;

優化后的歸檔方式

#1. 創建中間表 CREATE TABLE `ota_order_2020` (........) ENGINE=InnoDB DEFAULT CHARSET=utf8 PARTITION BY RANGE (to_days(create_time)) (  PARTITION p201808 VALUES LESS THAN (to_days('2018-09-01')),  PARTITION p201809 VALUES LESS THAN (to_days('2018-10-01')),  PARTITION p201810 VALUES LESS THAN (to_days('2018-11-01')),  PARTITION p201811 VALUES LESS THAN (to_days('2018-12-01')),  PARTITION p201812 VALUES LESS THAN (to_days('2019-01-01')),  PARTITION p201901 VALUES LESS THAN (to_days('2019-02-01')),  PARTITION p201902 VALUES LESS THAN (to_days('2019-03-01')),  PARTITION p201903 VALUES LESS THAN (to_days('2019-04-01')),  PARTITION p201904 VALUES LESS THAN (to_days('2019-05-01')),  PARTITION p201905 VALUES LESS THAN (to_days('2019-06-01')),  PARTITION p201906 VALUES LESS THAN (to_days('2019-07-01')),  PARTITION p201907 VALUES LESS THAN (to_days('2019-08-01')),  PARTITION p201908 VALUES LESS THAN (to_days('2019-09-01')),  PARTITION p201909 VALUES LESS THAN (to_days('2019-10-01')),  PARTITION p201910 VALUES LESS THAN (to_days('2019-11-01')),  PARTITION p201911 VALUES LESS THAN (to_days('2019-12-01')),  PARTITION p201912 VALUES LESS THAN (to_days('2020-01-01')));  #2. 插入原表中有效的數據，如果數據量在100W左右可以在業務低峰期直接插入，如果比較大，建議采用dataX來做，可以控制頻率和大小，之前我這邊用Go封裝了dataX可以實現自動生成json文件，自定義大小去執行。 insert into ota_order_2020 select * from ota_order where create_time between '2020-08-01 00:00:00' and '2020-08-31 23:59:59';  #3. 表重命名 alter table ota_order rename to ota_order_bak;   alter table ota_order_2020 rename to ota_order; #4. 插入差異數據 insert into ota_order select * from ota_order_bak a where not exists (select 1 from ota_order b where a.id = b.id); #5. ota_order_bak改造成分區表，如果表比較大不建議直接改造，可以先創建好分區表，通過dataX把導入進去即可。  #6. 后續的歸檔方法 #創建中間普遍表 create table ota_order_mid like ota_order; #交換原表無效數據分區到普通表 alter table ota_order exchange partition p201808 with table ota_order_mid;  ##交換普通表數據到歸檔表的相應分區 alter table ota_order_bak exchange partition p201808 with table ota_order_mid;

這樣原表和歸檔表都是按月的分區表，只需要創建一個中間普通表，在業務低峰期做兩次分區交換，既可以刪除無效數據，又能回收空，而且沒有空間碎片，不會影響表上的索引及SQL的執行計劃。

總結

通過從InnoDB存儲空間分布，delete對性能的影響可以看到，delete物理刪除既不能釋放磁盤空間，而且會產生大量的碎片，導致索引頻繁分裂，影響SQL執行計劃的穩定性;

同時在碎片回收時，會耗用大量的CPU，磁盤空間，影響表上正常的DML操作。

在業務代碼層面，應該做邏輯標記刪除，避免物理刪除;為了實現數據歸檔需求，可以用采用MySQL分區表特性來實現，都是DDL操作，沒有碎片產生。

另外一個比較好的方案采用Clickhouse，對有生命周期的數據表可以使用Clickhouse存儲，利用其TTL特性實現無效數據自動清理。

看完上述內容，你們對MySQL中不建議使用Delete刪除數據的原因是什么有進一步的了解嗎？如果還想了解更多知識或者相關內容，請關注億速云行業資訊頻道，感謝大家的支持。