Fast Query Cache

前提条件

• 实例版本为MySQL 5.7（内核小版本20200331或以上）。

• 实例未开启数据库独享代理。

背景信息

查询缓存（Query Cache）是一种通过缓存查询结果集提升性能的机制，其核心原理是：

• 缓存结果集：对符合条件的查询直接缓存结果，避免重复执行SQL分析、优化和执行过程，减少CPU开销。

• 加速目标：通过降低计算资源消耗，显著提升高频简单查询的响应速度。

MySQL原生Query Cache的缺陷

MySQL原生查询缓存因设计缺陷，在高并发场景中表现欠佳，具体问题包括：

• 并发处理较差，在多核情况下，可能并发越高性能降低越严重。

• 内存管理较差，内存利用率低并且回收不及时，造成内存浪费。

• 当缓存命中率较低时，性能无提升甚至会出现严重降低。

因上述问题，MySQL原生 Query Cache 在 MySQL 8.0 中被彻底移除，且在早期版本中也被默认关闭。

阿里云Fast Query Cache的创新改进

阿里云数据库团队针对原生 Query Cache 的缺陷，重新设计并实现了 Fast Query Cache，核心优化如下：

相比原生Query Cache，Fast Query Cache可以在不同的业务场景中放心开启，提高查询性能。

使用Fast Query Cache

您可以在RDS控制台设置参数query_cache_type和query_cache_size使用Fast Query Cache。

由于Fast Query Cache功能需要占用额外的内存空间，所以建议使用Fast Query Cache功能时同步修改参数innodb_buffer_pool_size的大小，推荐的修改步骤如下：

1. 修改innodb_buffer_pool_size为原先的90%，分出10%的空间给query_cache_size。例如原先为{DBInstanceClassMemory*7/10}，需要改为{DBInstanceClassMemory*63/100}，详见调整实例Buffer Pool大小。

2. 修改参数query_cache_size，详见设置实例参数。

   说明

   如果变更实例规格，参数query_cache_size的值不会随实例规格变化，请及时修改此参数值。

• 若能够评估结果集大小，query_cache_size可以设置为20% * 结果集大小。

• 若无法准确评估结果集大小，query_cache_size可以设置为10% * innodb_buffer_pool_size。

3. 修改参数query_cache_type为1，开启Fast Query Cache功能，详见设置实例参数。

性能比较

在相同场景下，分别测试QC-OFF（关闭Query Cache）、MySQL-QC（开启MySQL原生Query Cache）和Fast-QC（开启Fast Query Cache）的QPS。

• 测试环境：4核8 GB独享型实例

• 测试工具：Sysbench

• 数据量：250 MB（25张表，每张表40000条记录）

• 场景1：全部命中（只读）

  测试场景为Sysbench oltp_point_select，用例中仅包括主键上的点查（point select），将Query Cache设为512 MB，内存大于测试数据量，缓存可以全部命中，主要关注不同并发下的性能提升效果。

  表 1. 全部命中（只读）QPS

  并发数	QC-OFF	MySQL-QC（相比QC-OFF提升）	Fast-QC（相比QC-OFF提升）
  1	8093	8771（8.38%）	9261（14.43%）
  8	62262	65686（5.50%）	75313（20.96%）
  16	97083	73027（-24.78%）	139323（43.51%）
  32	97337	60567（-37.78%）	200978（106.48%）
  64	106283	60216（-43.34%）	221659（108.56%）
  128	107781	62844（-41.69%）	231409（114.70%）
  256	106694	63832（-40.17%）	222187（108.25%）
  512	101733	64866（-36.24%）	203789（100.32%）
  1024	89548	62291（-30.44%）	203542（127.30%）

  

  说明

  测试结果显示，在较高并发的场景下，MySQL原生Query Cache并发处理性能出现较大幅度的降低，Fast Query Cache在各个并发场景下无性能降低，最高时能够提高一倍的QPS。

• 场景2：高命中率（只读）

  测试场景为Sysbench oltp_read_only，用例中包含返回多条记录的范围查询，将Query Cache设为512 MB，内存才相对比较充足，命中率可以达到80%以上，这时主要关注不同并发下的性能提升效果。

  表 2. 高命中率（只读）QPS

  并发数	QC-OFF	MySQL-QC（相比QC-OFF提升）	Fast-QC（相比QC-OFF提升）
  1	5099	6467（26.83%）	7022（37.71%）
  8	28782	28651（-0.46%）	45017（56.41%）
  16	35333	31099（-11.98%）	66770（88.97%）
  32	34864	27610（-20.81%）	67623（93.96%）
  64	35503	27518（-22.49%）	75981（114.01%）
  128	35744	27733（-22.41%）	80396（124.92%）
  256	35685	27738（-22.27%）	80925（126.78%）
  512	35308	27398（-22.40%）	79323（124.66%）
  1024	34044	26861（-22.10%）	75742（122.48%）

  

  说明

  测试结果显示，随着并发数的增加，MySQL原生Query Cache的性能出现明显的降低，Fast Query Cache的性能则会不断提升，最高时能够提高一倍多的QPS。

• 场景3：低命中率（只读）

  测试场景为Sysbench oltp_read_only，用例中包含返回多条记录的范围查询，将Query Cache设为16 MB，内存明显严重不足，缓存命中率只有10%左右，内存不足时会涉及缓存项的大量淘汰，影响性能，这时主要关注不同并发下的性能降低程度。

  表 3. 低命中率（只读）QPS

  并发数	QC-OFF	MySQL-QC（相比QC-OFF提升）	Fast-QC（相比QC-OFF提升）
  1	5004	4727（-5.54%）	5199（3.90%）
  8	28795	22542（-21.72%）	28578（-0.75%）
  16	35455	24064（-32.13%）	35682（0.64%）
  32	34526	21330（-38.22%）	35871（3.90%）
  64	35514	19791（-44.27%）	36051（1.51%）
  128	35983	19519（-45.75%）	36253（0.75%）
  256	35695	19168（-46.30%）	36337（1.80%）
  512	35182	18420（-47.64%）	35972（2.25%）
  1024	33915	20168（-40.53%）	34546（1.86%）

  

  说明

  测试结果显示，MySQL原生Query Cache的性能降低明显，最多出现了接近50%的性能损失，Fast Query Cache优化了低命中率场景，几乎不会带来任何额外的性能损失。

• 场景4：读写混合

  测试场景为Sysbench oltp_read_write，每个事务中都有对表的更新操作，可以认为缓存基本处于失效状态，频繁的更新操作涉及缓存的主动淘汰，理论上会比较影响性能，这时主要关注不同并发下的性能衰减程度。

  表 4. 读写混合QPS

  并发数	QC-OFF	Fast-QC（相比QC-OFF提升）
  1	4152	4098（-1.30%）
  8	21359	21195（-0.77%）
  16	26020	25548（-1.81%）
  32	27595	26996（-2.17%）
  64	29229	28733（-1.70%）
  128	29265	28828（-1.49%）
  256	29911	29616（-0.99%）
  512	29148	28816（-1.14%）
  1024	29204	28824（-1.30%）

  

  说明

  测试结果显示，Fast Query Cache在读写混合场景下不会出现过多的性能降低，整体性能影响很小。

实践指南

适用场景

Fast Query Cache主要用于提升读密集型场景的性能，建议读多写少场景开启：

• 业务以查询为主，写操作频率较低（如电商商品详情页、报表查询）。

• 对指定表使用SQL_CACHE 显式开启缓存（如读写比高的表）。您也可以通过TABLE_STATISTICS表查看表级别的读写比，对读写比高的表通过SQL_CACHE关键字显式开启Fast Query Cache。查询TABLE_STATISTICS表请参见Performance Insight。

不建议开启场景：

• 写多读少场景（如高频交易系统）：缓存频繁失效，可能引发性能下降。

• 数据实时性要求高（如股票行情）：缓存数据可能与实时数据不一致。

• 在全局开启前建议查看InnoDB Buffer Pool的命中率（命中率 = 1 - Innodb_buffer_pool_reads/Innodb_buffer_pool_read_requests），如果命中率低于80%，则不建议开启。

缓存使用方式（query_cache_type）

query_cache_type参数支持会话级修改，用户可以根据真实业务场景进行灵活设置，请参见以下建议：

缓存大小（query_cache_size）设置

query_cache_size和SQL息息相关，如果缓存中有返回多条记录的查询，缓存可能需要是数据量的数倍。如果SQL中不包含范围查询，可以参见以下测试来评估数据量和query_cache_size的关系。

• 测试环境：4核8 GB独享型实例（innodb_buffer_pool_size = 6 GB）

• 测试工具：Sysbench

• 数据量：10 GB（100张表，每张表400000条记录）

测试场景为Sysbench oltp_point_select、64并发、Special分布（20%热点）。测试不同query_cache_size大小对于性能的影响。对应上述的数据量，全量结果集的真实大小为2.5 GB。

Fast Query Cache在不同query_cache_size的设置下都不会引起性能退化，对于主键查询操作，在不同缓存命中率下都有性能提升，达到90%以上时，提升效果比较明显；对于范围查询或带Order By的排序语句，缓存命中率低于90%时，也能节约大量的CPU，带来较大的性能提升。