摘要：某电商平台曾遭遇过这样的危机：促销活动期间日志写入量骤增至每秒 5 万条，实时监控界面卡顿如 PPT，历史日志查询超时率飙升至 40%。

MySQL日志双雄：实时监控+历史归档实战

用这招让你家日志系统再也不卡不爆炸

MySQL十亿级日志处理：从洪峰到归档全攻略

手把手教你用MySQL搞定ELK级日志监控

在微服务架构大行其道的今天，日志系统早已成为分布式系统的神经中枢。

某电商平台曾遭遇过这样的危机：促销活动期间日志写入量骤增至每秒 5 万条，实时监控界面卡顿如 PPT，历史日志查询超时率飙升至 40%。

三个月的归档日志占据 20TB 存储空间，数据库服务器的磁盘灯几乎全天候闪烁着红色警告。这些问题像三座大山，压得运维团队喘不过气。

这些问题的根源在于没有对日志进行分层治理。实时日志需要低延迟写入和高频查询，而归档日志更关注存储效率和历史分析，将两者混为一谈必然导致系统不堪重负。

功能差异：各司其职

实时日志库log_stream主要承担高频写入和实时监控的重任。它就像一个忙碌的快递分拣中心，不断接收新产生的日志数据，并确保这些数据能够快速准确地存储。

其关键字段包括精确到微秒的时间戳、日志级别如 DEBUG、INFO、ERROR 等以及原始内容，方便运维人员实时获取系统运行的最新状态，及时发现并处理问题。

而归档日志库 log_archive则专注于长期存储和分析报表。它如同一个大型仓库，将历史日志数据进行分类存储。这里的关键字段除了时间相关信息外，还包括统计维度、聚合结果以及压缩后的内容。通过对历史数据的聚合和分析，能够挖掘出有价值的信息，为业务决策提供支持。

数据处理差异：实时与归档的不同节奏

在数据处理方面，两者也有着明显的差异。实时库需要快速响应写入请求，因此更注重写入性能。而归档库则更侧重于数据的长期存储和高效查询，在存储时会对数据进行压缩等处理，以节省空间并提高查询效率。

分区表：化整为零提效率

在创建实时日志表时，采用分区表是一个重要的优化手段。通过按时间维度进行分区，将数据分散存储，避免数据集中在一张大表中。

这样，在插入新数据时，MySQL 会根据时间戳自动将数据插入到对应的分区，提高写入效率。

同时，在查询或删除特定时间段的数据时，也只需操作相应的分区，大大减少了数据扫描范围，提升了查询和删除的速度。

内存缓冲表：应对洪峰的护盾

为了应对日志写入的高峰期，内存缓冲表发挥着至关重要的作用。它就像一个临时的避风港，先将日志数据暂存于内存中，减轻数据库磁盘 I/O 的压力。

当大量日志涌入时，先将其写入内存缓冲表。然后，通过定时任务将缓冲表中的数据批量写入实时日志表。

这种方式可以有效地缓冲写入压力，确保在高并发情况下，日志系统依然能够稳定运行。以双十一活动为例，某电商平台在采用内存缓冲表之前，每秒 3 万条日志的写入量直接导致数据库崩溃；而使用后，成功扛住了日志洪峰，系统运行平稳。

实时查询优化：快速定位问题

在实时监控场景下，需要能够快速查询最新的日志数据。通过合理的索引设计和查询语句优化，可以实现实时过滤和获取最新 N 条日志的功能。

利用之前创建的idx_ts_service索引，结合时间条件进行查询，能够迅速定位到所需的日志记录。

这样的查询方式能够在毫秒级的时间内返回结果，满足实时监控的需求，帮助运维人员及时发现系统中的异常情况。

为了降低存储成本，对归档日志进行列式压缩是关键步骤。在创建归档表时，采用ROW_FORMAT=COMPRESSED的存储格式，并使用COMPRESS函数对日志内容进行压缩。

在插入数据时，通过COMPRESS(GROUP_CONCAT(content SEPARATOR '\n'))将原始日志内容进行压缩存储。查询时，使用UNCOMPRESS函数解压。这种方式能够节省大量的存储空间，通常可使空间占用降低 80%。

例如，某项目未进行压缩时，归档日志一年吃掉 10TB 空间；采用压缩后，存储空间大幅减少，有效降低了存储成本。

TTL 自动清理：数据的自动清理工

随着时间的推移，归档日志数据会不断累积。为了避免数据无限增长，占用过多资源，采用 TTL（Time To Live）自动清理机制。通过创建定时任务，定期删除过期的数据。

这样，系统会自动清理不再需要的历史数据，保持归档库的高效运行，同时也减少了不必要的存储开销。

归档库不仅用于存储，更重要的是进行数据分析。通过合理的索引设计和复杂查询语句，可以实现时间范围聚合和维度下钻等操作。

利用idx_date_service索引，能够快速定位到指定日期和服务的日志数据，并通过 JSON 函数提取聚合结果，解压获取原始日志内容，满足复杂的数据分析需求。

两库联动：构建实时错误大盘

为了更直观地监控系统中的错误情况，我们可以利用实时库和归档库的数据，构建一个实时错误大盘。通过创建实时物化视图和触发器，实现错误信息的实时统计和展示。

当实时日志表中有新的 ERROR 级别的日志插入时，触发器会自动更新实时错误大盘，记录错误发生的时间、次数以及部分日志内容。

通过这种方式，运维人员可以实时了解系统中各个服务的错误情况，及时采取措施进行修复。

通过以上对 log_stream 和 log_archive 的深入探讨以及实际案例的分析，我们可以总结出打造高效日志系统的关键要点。

实时日志处理：采用分区表和内存缓冲表，优化写入性能，确保实时监控的及时性和准确性。

归档日志管理：利用列式压缩和 TTL 自动清理，降低存储成本，提高历史数据查询效率。

查询优化：合理设计索引，根据不同的查询需求选择合适的查询方式，实现快速查询和数据分析。

系统架构优化：避免常见问题，如分区不当、压缩算法选择错误等，同时通过读写分离等技术，减轻主库压力，提高系统的整体稳定性。

希望通过本文的分享，能够帮助大家更好地理解和优化日志系统，让日志数据成为我们优化系统、提升业务的有力武器。如果你在日志系统建设过程中遇到了其他问题，或者有更好的实践经验，欢迎在留言区分享交流。

来源：影子红了