доктор технических наук;
doctor of technical sciences;
Предлагается экспериментально обоснованный подход к оценке влияния фрагментации данных на производительность СУБД MySQL (InnoDB) и выбору метода ее устранения. Цель: исследование зависимости времени выполнения операций чтения и записи от степени фрагментации данных и определение наиболее эффективного способа дефрагментации. Методы: анализ архитектуры InnoDB (B+-деревья, page split); создание экспериментального стенда на базе MySQL 8.0 в Docker; генерация тестовой таблицы объемом 500 тыс. записей; моделирование фрагментации через массовые DELETE, UPDATE и хаотичные INSERT; нагрузочное тестирование sysbench; измерение времени запросов, латентности, IOPS и data_free. Результаты: фрагментация замедляет SELECT в 2,5–3,5 раза, INSERT и UPDATE — в 2–3 раза. Рост data_free с 2 до 38 Мб коррелирует с падением TPS на 58 %. OPTIMIZE TABLE восстанавливает производительность до 95–98 % от исходного уровня. Практическая значимость: методики мониторинга и плановой дефрагментации применимы для транспортных информационных систем с высокой интенсивностью обновлений данных (трекинг, логистика).
An experimentally substantiated approach to assessing the impact of data fragmentation on MySQL (InnoDB) performance and selecting a method for its elimination is proposed. Purpose: to study the dependence of read and write operation execution time on the degree of data fragmentation and to determine the most effective defragmentation method. Methods: analysis of InnoDB architecture (B+ trees, page split); creation of an experimental testbed based on MySQL 8.0 in Docker; generation of a test table with 500 000 records; simulation of fragmentation through massive DELETE, UPDATE, and chaotic INSERT operations; load testing using sysbench; measurement of query time, latency, IOPS, and data_free. Results: fragmentation slows down SELECT by 2,5–3,5 times, INSERT and UPDATE by 2–3 times. An increase in data_free from 2 to 38 MB correlates with a 58 % drop in TPS. OPTIMIZE TABLE restores performance to 95–98 % of the original level. Practical significance: monitoring and scheduled defragmentation techniques are applicable to transport information systems with high data update intensity (tracking, logistics).