13518219792
MySQL Replication架构一：常规复制架构--Master-slaves，是由一个Master复制到一个或多个Salve的架构模式，主要用于读压力大的应用数据库端廉价扩展解决方案，读写分离，Master主要负责写方面的压力。
创新互联是创新、创意、研发型一体的综合型网站建设公司，自成立以来公司不断探索创新，始终坚持为客户提供满意周到的服务，在本地打下了良好的口碑，在过去的十载时间我们累计服务了上千家以及全国政企客户，如成都隧道混凝土搅拌车等企业单位，完善的项目管理流程，严格把控项目进度与质量监控加上过硬的技术实力获得客户的一致称扬。
可以先使用 uptime 命令查看 CPU 平均负载 那个 2 users 表示用户连接数，指的是总连接数。那个 load average 就是系统平均负载，1 分钟、5 分钟、15 分钟系统负载的平均值。
可以考虑定期（每周或者每日）把表中的数据复制到历史表中，清空工作表的数据，这样插入的效率能大大提高，但是查询的时候需要在两个表中进行查询。用于频繁插入数据的工作表要尽量少建索引，用于查询的历史表要多建索引。
因为mysql启动后的初始化工作是从其配置文件中读取数据的，而这种方式没有对其配置文件做更改。 第二种：修改配置文件。
解决办法：通过上面命令将最大连接数设置为100，此方法是即时生效的，不需要重启mysql服务。
查看最大连接数：show variables like %max_connections%修改最大连接数 方法一：修改配置文件。
读写分离。尤其是写入，放在新表中，定期进行同步。如果其中记录不断有update，最好将写的数据放在redis中，定期同步 3表的大文本字段分离出来，成为独立的新表。
可以做表拆分，减少单表字段数量，优化表结构。在保证主键有效的情况下，检查主键索引的字段顺序，使得查询语句中条件的字段顺序和主键索引的字段顺序保持一致。主要两种拆分 垂直拆分，水平拆分。
表中的数据本来就有独立性，表中分别记录各个地区的数据或不同时期的数据，特别是有些数据常用，厕国一些数据不常用的情况下，需要把数据存放到多个不同的介质上。
在我们使用MySQL数据库时，比较常用也是查询，包括基本查询，关联查询，条件查询等等，对于同一个操作，SQL语句的实现有很多种写法，但是不同的写法查询的性能可能会有很大的差异。这里主要介绍下select查询优化的要点。
如果Key_reads太大，则应该把my点吸烟 f中Key_buffer_size变大，保持Key_reads/Key_read_requests至少1/100以上，越小越好。如果Qcache_lowmem_prunes很大，就要增加Query_cache_size的值。
MySQL Replication架构一：常规复制架构--Master-slaves，是由一个Master复制到一个或多个Salve的架构模式，主要用于读压力大的应用数据库端廉价扩展解决方案，读写分离，Master主要负责写方面的压力。
也就是A表中保留B表中存在的数据，可以通过筛选把这样的数据放在第三个表 只要索引合理，数据量不算大 祝好运，望采纳。
针对mysql，sqlserver等关系型数据库单表数据过大的处理方式 如果不是阿里云的分布式数据库 DRDS那种多机器集群方案的话：先考虑表分区 ；然后考虑分表 ；然后考虑分库。
水平拆分：就是我们常说的分库分表了；分表，解决了单表数据过大的问题，但是毕竟还在同一台数据库服务器上，所以IO、CPU、网络方面的压力，并不会得到彻底的缓解，这个可以通过分库来解决。
如果不能通，通常有两种原因，一种原因是 OS 或网络的问题，或者是防火墙；另一种原因是 mysqld 自身根本没有侦听客户端的连接请求， mysqld 启动后对于客户端的侦听是分三种情况。
内存被其它进程大量占用，或数据库本身数据量太大导致mysql宕机 程序访问mysql后没有执行mysql.close，大量占用资源导致宕机。群里提出的这个问题主要是mysql5以上的，基本上不是mysql宕机。
可能是以下原因 MySQL宕机 连接超时 如果程序使用的是长连接，则这种情况的可能性会比较大。 也就是说某个长连接很久没有新的请求发起，达到了server端的timeout，被server强行关闭。
可以手动将应用的数据库配置修改为从机的配置（ip、port、数据库名），然后重启服务。
猜测您的问题是：python保存mysql后频繁死机是怎么回事，可能是数据格式不对。python保存mysql后频繁死机可能是数据格式不对，建议换一个编码器打开编辑，重新保存。
下面提出一点建议。供参考 让你们的工程师把MySQL的最大允许连接数从默认的100调成32000。这就不会老出现连接过多的问题了。
1、读写分离。尤其是写入，放在新表中，定期进行同步。如果其中记录不断有update，最好将写的数据放在redis中，定期同步 3表的大文本字段分离出来，成为独立的新表。
2、首先可以考虑业务层面优化，即垂直分表。垂直分表就是把一个数据量很大的表，可以按某个字段的属性或使用频繁程度分类，拆分为多个表。
3、水平拆分：就是我们常说的分库分表了；分表，解决了单表数据过大的问题，但是毕竟还在同一台数据库服务器上，所以IO、CPU、网络方面的压力，并不会得到彻底的缓解，这个可以通过分库来解决。
4、也就是A表中保留B表中存在的数据，可以通过筛选把这样的数据放在第三个表 只要索引合理，数据量不算大 祝好运，望采纳。
