存储引擎

mysql体系结构

• 连接层
  最上层是一些客户端和链接服务，主要完成一些类似于连接处理、授权认证、及相关的安全方案。服务器也会为安全接入的每个客户端验证它所具有的操作权限。
• 服务层
  第二层架构主要完成大多数的核心服务功能，如SQL接口，并完成缓存的查询，SQL的分析和优化，部分内置函数的执行。所有跨存储引擎的功能也在这一层实现，如 过程、函数等。
• 引擎层
  存储引擎真正的负责了MVSOL中数据的存储和提取，服务器通过AP!和存储引整进行通信。不同的存储引警具有不同的功能，这样我们可以根据自己的需要，来选取合适的存储引擎。
• 存储层
  主要是将数据存储在文件系统之上，并完成与存储引擎的交互

存储引擎

存储引擎就是存储数据、建立索引、更新/查询数据等技术的实现方式。存储引擎是基于表的，而不是基于库的，所以存储引擎也可被称为表类型。

1. 在创建表时，指定存储引擎

CREATE TABLE 表名(
字段1 字段1 类型 [COMMENT 字段1注释]
...
字段n 字段n 类型 [COMMENT 字段n注释]
)ENGINE=INNOBB [COMMENT 表注释];

2. 查看当前数据库支持的存储引擎

SHOW ENGINES ;

存储引擎特点

InnoDB

• 介绍
  InnoDB是一种兼顾高可靠性和高性能的通用存储引擎，在 MySQL5.5之后，InnoDB是默认的 MySQL 存储引擎。
• 特点
  DML操作遵循ACID模型，支持事务;
  行级锁，提高并发访问性能;
  支持外键 FOREIGN KEY约束，保证数据的完整性和正确性;
• 文件
  xxx.ibd:xxx代表的是表名，innoD8引擎的每张表都会对应这样一个表空间文件，存储该表的表结构(frm、sdi)数据和索引。
  参数:innodb file_per_table
  
  MyISAM
• 介绍
  MyISAM是MySQL早期的默认存储引擎。
• 特点
  不支持事务，不支持外键
  支持表锁，不支持行锁
  访问速度快
• 文件
  xxx.sdi:存储表结构信息
  xxx.MYD:存储数据
  xxx.MY1: 存储索引

Memory

• 介绍
  Memory引擎的表数据时存储在内存中的，由于受到硬件问题、或断电问题的影响，只能将这些表作为临时表或缓存使用。
• 特点
  内存存放
  hash索引(默认)
• 文件
  xxx.sdi:存储表结构信息
  

存储引擎选择

在选择存储引擎时，应该根据应用系统的特点选择合适的存储引擎。对于复杂的应用系统，还可以根据实际情况选择多种存储引擎进行组合。

InnoDB:是Mysql的默认存储引擎，支持事务、外键。如果应用对事务的完整性有比较高的要求，在并发条件下要求数据的一致性，数据操作除了插入和查询之外，还包含很多的更新、删除操作，那么InnoDB存储引擎是比较合适的选择。

MISAM:如果应用是以读操作和插入操作为主，只有很少的更新和删除操作，并且对事务的完整性、并发性要求不是很高，那么选择这个存储引擎是非常合适的。

MEMORY:将所有数据保存在内存中，访问速度快，通常用于临时表及缓存。MEMORY的缺陷就是对表的大小有限制，太大的表>无法缓存在内存中，而且无法保障数据的安全性。

索引

索引概述

索引(index)是帮助MvSOL高效获取数据的数据结构(有序)。在数据之外，数据库系统还维护着满足特定查找算法的数据结构，这些数据结构以某种方式引用(指向)数据， 这样就可以在这些数据结构上实现高级查找算法，这种数据结构就是索引。
索引的优缺点

优势	劣势
提高数据检索的效率，降低数据库的I0成本	索引列也是要占用空间的
通过索引列对数据进行排序，降低数据排序的成本，降低CPU的消耗	索引大大提高了查询效率，同时却也降低更新表的速度，如对表进行INSERT、UPDATE、DELETE时，效率降低

索引结构

MySOL的索引是在存储引擎层实现的，不同的存储引警有不同的结构，主要包含以下几种:

索引结构	描述
B+Tree索引	最常见的索引类型，大部分引擎都支持 B+树索引
Hash索引	底层数据结构是用哈希表实现的,只有精确匹配索引列的查询才有效,不支持范围查询
R-tree(空间索引)	空间索引是MVISAM引擎的一个特殊索引类型，主要用于地理空间数据类型，通常使用较少
Full-text(全文索引)	是一种通过建立倒排索引,快速匹配文档的方式。类似于Lucene,Solr,ES

索引	InnoDB	MyISAM	Memory
B+tree索引	支持	支持	支持
Hash 索引	不支持	不支持	支持
R-tree 索引	不支持	支持	不支持
Full-text	5.6版本之后支持	支持	不支持

红黑树:大数据量情况下，层级较深，检索速度慢

B站 B-Tree树形成过程的演示

B站 B+Tree树形成过程的演示
MYSOL索引数据结构对经典的B+Tree进行了优化。在原B+Tree的基础上，增加一个指向相邻叶子节点的链表指针，就形成了带有顺序指针的B+Tree，提高区间访问的性能。

Hash
哈希索引就是采用一定的hash算法，将键值换算成新的hash值，映射到对应的槽位上，然后存储在hash表中。

如果两个(或多个)键值，映射到一个相同的槽位上他们就产生了hash冲突(也称为hash碰撞)可以通过链表来解决。

Hash索引特点

Hash索引只能用于对等比较(=，in)，不支持范围查询(between，>，无法利用索引完成排序操作查询效率高，通常只需要一次检索就可以了，效率通常要高于B+tree索引。

存储引擎支持
在MySQL中，支持hash索引的是Memory引擎，而innoD8中具有自适应hash功能，hash索引是存储引擎根据B+Tree索引在指定条件下自动构
建的。

索引分类

分类	含义	特点	关键字
主键索引	针对于表中主键创建的索引	默认自动创建,只能有一个	PRIMARY
唯一索引	避免同一个表中某数据列中的值重复	可以有多个	UNIQUE
常规索引	快速定位特定数据	可以有多个
全文索引	全文索引查找的是文本中的关键词，而不是比较索引中的值	可以有多个	FULLTEXT

在InnoDB存储引擎中，根据索引的存储形式，又可以分为以下两种:

分类	含义	特点
聚集索引(Clustered Index)	将数据存储与索引放到了一块，索引结构的叶子节点保存了行数据	必须有,而且只有一个
二级索引(Secondary Index)	将数据与索引分开存储，索引结构的叶子节点关联的是对应的主键	可以存在多个

聚集索引选取规则:
如果存在主键，主键索引就是聚集索引。
如果不存在主键，将使用第一个唯一(UNIQUE)索引作为聚集索引。
如果表没有主键，或没有合适的唯一索引，则InnoDB会自动生成一个rowid作为隐藏的聚集索引。

id是主键，聚集索引下面row是这一行的数据，二级索引是对应的id。

回表查询指的是先通过二级索引查找到id，然后通过聚集索引查找id所对应的row。

索引语法

创建索引

CREATE [UNIOUE|FULLTEXT] INDEX index_name ON table_name (index_col_name...);

查看索引

SHOW INDEX FROM table_name;

删除索引

DROP INDEX index_name ON table_name ;

SQL性能分析

• SOL执行频率
  MySQL客户端连接成功后，通过show [session(global] status命令可以提供服务器状态信息。通过如下指令，可以查看当前数据库的INSERT、UPDATE、DELETE、SELECT的访问频次:

SHOW GLOBAL STATUS LIKE 'Com____';

• 慢查询日志
  慢查询日志记录了所有执行时间超过指定参数(long_query_time，单位:秒，默认10秒)的所有SQL语句的日志。MySQL的慢查询日志默认没有开启，需要在MySQL的配置文件(/etc/my.cnf)中配置如下信息:

# 开启MySOL慢日志查询开关
slow_query_log=1
# 设置慢日志的时间为2秒，SOL语句执行时间超过2秒，就会视为慢查询，记录慢查询日志
long query time=2

配置完毕之后，通过以下指令重新启动MySQL服务器进行测试，查看慢日志文件中记录的信息/var/lib/mysql/localhost-slow.log。

• profile详情
  show profiles 能够在做SQL优化时帮助我们了解时间都耗费到哪里去了。通过have_profiling参数，能够看到当前MySQL是否支持profile操作:

SELECT @@have  profiling ;

默认profiling是关闭的，可以通过set语句在session/global级别开启profiling:

SET profiling =1

执行一系列的业务SQL的操作，然后通过如下指令查看指令的执行耗时:

#查看每一条SOL的耗时基本情况公
show profiles;
#查看指定query id的SQL语句各个阶段的耗时情况
show profile for query query id;
#查看指定query id的SOL语句CPU的使用情况
show profile cpu for query query_id;

• explain执行计划
  EXPLAIN 或者 DESC命令获取 MVSQL如何执行 SELECT语句的信息，包括在 SELECT 语句执行过程中表如何连接和连接的顺序,语法:

# 直接在select语句之前加上关键字 explain/desc
EXPLAIN SELECT 字段列表 FROM 表名 WHERE 条件

EXPLAIN 执行计划各字段含义:

1. id
   select查询的序列号，表示查询中执行select子句或者是操作表的顺序(id相同，执行顺序从上到下;id不同，值越大，越先执行)。
2. select type
   表示 SELECT 的类型，常见的取值有 SIMPLE(简单表，即不使用表连接或者子查询)、PRIMARY(主查询，即外层的查询)UNION(UNION 中的第二个或者后面的查询语句)、SUBOUERY(SELECT/WHERE之后包含了子查询)等
3. type
   表示连接类型，性能由好到差的连接类型为NULL、svstem、const、eg ref、ref、range、index、all 。
4. possible key
   显示可能应用在这张表上的索引，一个或多个
5. Key
   实际使用的索引，如果为NULL，则没有使用索引。
6. Key len
   表示索引中使用的字节数，该值为索引字段最大可能长度，并非实际使用长度，在不损失精确性的前提下，"长度越短越好
7. rows
   MySQL认为必须要执行查询的行数，在innodb引擎的表中，是一个估计值，可能并不总是准确的
8. filtered
   表示返回结果的行数占需读取行数的百分比，filtered 的值越大越好，

索引的使用规则

最左前缀法则

如果索引了多列(联合索引)，要遵守最左前缀法则。最左前缀法则指的是査询从索引的最左列开始，并且不跳过索引中的列
如果跳跃某一列，索引将部分失效(后面的字段索引失效)

索引失效

• 范围查询
  联合索引中，出现范围查询(>，<)，范围查询右侧的列索引失效
• 索引列运算
  不要在索引列上进行运算操作，索引将失效
• 字符串不加引号
  字符串类型字段使用时，不加引号，索引将失效
• 模糊查询
  如果仅仅是尾部模糊匹配，索引不会失效。如果是头部模糊匹配，索引失效。
• or连接的条件
  用or分割开的条件，如果or前的条件中的列有索引，而后面的列中没有索引，那么涉及的索引都不会被用到。
• 数据分布影响
  如果MySQL评估使用索引比全表更慢，则不使用索引。

SQL提示

SQL提示，是优化数据库的一个重要手段，简单来说，就是在SOL语句中加入一些人为的提示来达到优化操作的目的。
use index:

explain select * from tb_user use index(idx_user_pro) where profession='软件工程';

ignore index:

explain select * tyom tb_user ignore index(idx_user_pro) where profession='软件工程';

force index:

explain select * from tb_user force index(idx_user_pro) where profession='软件工程';

覆盖索引

覆盖索引
尽量使用覆盖索引(查询使用了索引，并且需要返回的列，在该索引中已经全部能够找到)，减少select*。

explain select id, profession from tb user where profession='软件工程’ and age=31 and status='0';
explain select id,profession,age, status from tb user where profession="软件工程’ and age = 31 and status = '0';
explain select id,profession,age, status, name from tb user where profession='软件工程’ and age = 31 and status = '0';
explain select * from tb user where profession="软件工程’ and age=31 and status ='0';

索引的使用

前缀索引

当字段类型为字符串(varchar，text等)时，有时候需要索引很长的字符串，这会让索引变得很大，查询时，浪费大量的磁盘10，影响查询效率。此时可以只将字符串的一部分前缀，建立索引，这样可以大大节约索引空间，从而提高索引效率。

• 语法

create index idx xxxx on table name(colump(n));

• 前缀长度
  可以根据索引的选择性来决定，而选择性是指不重复的索引值(基数)和数据表的记录总数的比值，索引选择性越高则查询效率越高唯一索引的选择性是1，这是最好的索引选择性，性能也是最好的。

select count(distinct email)/count(*) from tb user ;select count(distinct substring(email,1,5))/ count(*) from tb user ;

单列索引与联合索引

单列索引:即一个索引只包含单个列。
联合索引:即一个索引包含了多个列。
在业务场景中，如果存在多个查询条件，考虑针对于查询字段建立索引时，建议建立联合索引，而非单列索引。

索引设计原则

1. 针对于数据量较大，且查询比较频繁的表建立索引。
2. 针对于常作为查询条件(where)、排序(orderby)、分组(groupby)操作的字段建立索引。
3. 尽量选择区分度高的列作为索引，尽量建立唯一索引，区分度越高，使用索引的效率越高。
4. 如果是字符串类型的字段，字段的长度较长，可以针对于字段的特点，建立前缀索引。
5. 尽量使用联合索引，减少单列索引，查询时，联合索引很多时候可以覆盖索引，节省存储空间，避免回表，提高查询效率。
6. 要控制索引的数量，索引并不是多多益善，索引越多，维护索引结构的代价也就越大，会影响增删改的效率。
7. 如果索引列不能存储NULL值，请在创建表时使用NOT NULL约束它。当优化器知道每列是否包含NULL值时，它可以更好地确定哪个索引最有效地用于查询。

SQL优化

插入数据

insert优化

批量插入

Insert into tb test values(1,'Tom'),(2,'cat'),(3, Jerry');

手动提交事务

start transaction;
insert into tb_test values(1,'Tom'),(2,'cat'),(3, jerry');
insert into tb_test values(4,'Tom'),(5,'Cat'),(6, jerry');
insert into tb test values(7,'Tom'),(8,'Cat'),(9, jerry'));
commit;

主键顺序插入

主键乱序插入:8 1 9 21 88 2 415 89 5 7 3
主键顺序插入:12 3 4 5 7 8 9 15 21 88 89

大批量插入数据

如果一次性需要插入大批量数据，使用insert语句插入性能较低，此时可以使用MVSOL数据库提供的load指令进行插入。操作如下:

#客户端连接服务端时，加上参数--local-infile
mysql --local-infile -u root -p
#设置全局参数local infile为1，开启从本地加载文件导入数据的开关
set global local_infile =1;
#执行load指令将准备好的数据，加载到表结构中
load data local infile '/root/sall.log' into table `tb_user` fields terminated by ',’ lines terminated by '\n';

主键优化

数据组织方式

在InnoDB存储引擎中，表数据都是根据主键顺序组织存放的，这种存储方式的表称为索引组织表(index oraanized table IOT)

页分裂

也可以填充一半，也可以填充100%。每个页包含了2-N行数据(如果一行数据多大，会行溢出)，根据主键排列。页可以为空、

页合并

当删除一行记录时，实际上记录并没有被物理删除，只是记录被标记(flaged)为删除并且它的空间变得允许被其他记录声明使用。

当负中删除的记录达到 MERGE THRESHOLD(默认为页的50%)，InnoDB会开始寻找最靠近的页(前或后)看看是否可以将两个页合并以优化空间使用。

MERGE THRESHOLD:合并页的阈值，可以自己设置，在创建表或者创建索引时指定。

主键设计原则

• 满足业务需求的情况下，尽量降低主键的长度。
• 插入数据时，尽量选择顺序插入，选择使用AUTOINCREMENT自增主键
• 尽量不要使用UUID做主键或者是其他自然主键，如身份证号。
• 业务操作时，避免对主键的修改。

order by优化

①.Usina filesot:通过表的索引或全表扫描，读取满足条件的数据行，然后在排序缓冲区sort bufer中完成排序操作，所有不是通过索引直接返回排序结果的排序都叫 FileSort 排序。
②.Using index:通过有序索引顺序扫描直接返回有序数据，这种情况即为 using index，不需要额外排序，操作效率高。

#没有创建索引时，根据age,phone进行排序
explain select id,age,phone from tb user order by age , phone;
#创建索引
create index idx user age phone aa on tb user(age,phone);
#创建索引后，根据age,phone进行升序排序
explain select id,age,phone from tb user order by age , phone;
#创建索引后，根据age,phone进行降序排序
explain select id,age,phone from tb user order by age desc , phone desc ;
#根据age,phone进行降序一个升序，一个降序
explain select id,age,phone from tb user order by age asc , phone desc;
#创建索引
create index idx user age phone ad on tb user(age asc ,phone desc);
#根据age,phone进行降序一个升序，一个降序
explain select id,age,phone from tb user order by age asc , phone desc;

group by优化

#删除掉目前的联合索引idx_user_pro_age_sta
drop index idx user pro age sta on tb user;
#执行分组操作，根据profession字段分组
explain select profession , count(*)from tb user group by profession ;
#创建索引
Create index idx user pro age sta on tb user(profession , age , status);
#执行分组操作，根据profession字段分组
explain select profession , count(*)from tb _user group by profession;
#执行分组操作，根据profession字段分组
explain select profession , count(*)from tb user group by profession, age;

在分组操作时，可以通过索引来提高效率
分组操作时，索引的使用也是满足最左前缀法则的

limit 优化

一个常见又非常头疼的问题就是 limit 2009000,10，此时需要MySQL排序前2000010记录，仅仅返回2000000-2000010的记录，其他记录丢弃，查询排序的代价非常大。

优化思路:一般分页查询时，通过创建 覆盖索引 能够比较好地提高性能，可以通过覆盖索引加子查询形式进行优化。

explain select * from tb sku t , (select id from tb sku order by id limit 2000000,10) a where t.id = a.id;

count优化

explain select count(*)from tb user ;

MyISAM 引擎把一个表的总行数存在了磁盘上，因此执行 count(*)的时候会直接返回这个数，效率很高。

InnoDB 引擎就麻烦了，它执行 count(*)的时候，需要把数据一行一行地从引擎里面读出来，然后累积计数。

优化思路:自己计数。

count的几种用法

count()是一个聚合函数，对于返回的结果集，一行行地判断，如果count 函数的参数不是 NULL，累计值就加1，否则不加，最后返回累计值。

用法:count(*)、count(主键)、count(字段)、count(1)。

1. count(主键)
   InnoDB 引擎会遍历整张表、把每一行的 主键id 值都取出来，返回给服务层。服务层拿到主键后，直接按行进行累加(主键不可能为nul)。

2. count(字段)
   没有notnul 约束:innoDB引擎会遍历整张表把每一行的字段值都取出来，返回给服务层，服务层判断是否为null，不为nul，计数累加。

   有not null约束:InnoD8 引擎会遍历整张表把每一行的字段值都取出来，返 回给服务层，直接按行进行累加。

3. count(1)
   InnoDB 引擎遍历整张表，但不取值。服务层对于返回的每一行，放一个数字“1”进去，直接按行进行累加。

4. count(*)
   InnoDB引擎并不会把全部字段取出来，而是专门做了优化，不取值，服务层直接按行进行累加

按照效率排序的话，count(字段)<count(主键id)<count(1)≈count体)，所以尽量使用 count(*)。

update优化

update student set no='2000100100'where id=1;

update student set no='2000100105' where name='韦一笑';

InnoDB的行锁是针对索引加的锁，不是针对记录加的锁,并且该索引不能失效，否则会从行锁升级为表锁。

视图

视图(View)是一种虚拟存在的表。视图中的数据并不在数据库中实际存在，行和列数据来自定义视图的查询中使用的表，并且是在使用视图时动态生成的。

通俗的讲，视图只保存了查询的SQL透辑，不保存查询结果。所以我们在创建视图的时候，主要的工作就落在创建这条SQL查询语句上。

• 创建

CREATE [OR REPLACE] VIEW 视图名称(列名列表) AS SELECT语句[WITH[CASCADED|LOCAL]CHECK OPTION]

• 查询

查看创建视语句:SHOW CREATE VIEW 视图名称;
查看视图数据:SELECT*FROM 视图名称 …;

• 修改

方式一:CREATE [OR REPLACE] VIEW 视图名称[(列名列表)] AS SELECT语句[WITH[CASCADED|LOCAL]CHECK OPTION;
方式二:ALTER VIEW 视图名称[(列名列表)] AS SELECT语句 [WITH[CASCADEDILOCAL] CHECK OPTION];

• 删除

DROP VIEW [IF EXISTS]视图名称[,视图名称];

视图的检查选项

当使用WITH CHECK OPTION子句创建视图时，MSOL会通过视图检查正在更改的每个行，例如 插入，更新，删除，以使其符合视图的定义。MySQL允许基于另一个视图创建视图，它还会检查依赖视图中的规则以保持一致性。为了确定检查的范围，mysql提供了两个选项:CASCADED 和 LOCAL，默认值为 CASCADED。

CASCADED

create view v1 as select id,name from student where id <= 20

create view v2 as select id , name from v1 where id >= 10 with cascaded check option ;

LOCAL :

create view v1ks select id,name from student where id <= 15;
create view v2 as select id , name from v1 where id>= 10 with local check option ;
create view v3 as select id , name from v2 where id < 20;

视图更新及作用

视图更新

要使视图可更新，视图中的行与基础表中的行之间必须存在一对一的关系。如果视图包含以下任何一项，则该视图不可更新:

1. 聚合函数或窗口函数(SUM()、MIN()、MAX()、COUNT()等)
2. DISTINCT
3. GROUP BY
4. HAVING
5. UNION 或者 UNION ALL

作用

1. 简单
   视图不仅可以简化用户对数据的理解，也可以简化他们的操作。那些被经常使用的查询可以被定义为视图，从而使得用户不必为以后的操作每次指定全部的条件。
2. 安全
   数据库可以授权，但不能授权到数据库特定行和特定的列上。通过视图用户只能查询和修改他们所能见到的数据
3. 数据独立
   视图可帮助用户屏蔽真实表结构变化带来的影响。