👂 Seasons in the Sun - Westlife - 单曲 - 网易云音乐
索引下部分 -> Mysql进阶(中) -- 索引_千帐灯无此声的博客-CSDN博客
👈目录 -- 查看左栏
目录
ฅʕ•̫͡•ʔฅ关于[root@192~] 和 mysql>
来自黑马Mysql，只用作学习，链接 -> 11. 进阶-索引-结构-Btree_哔哩哔哩_bilibili
🐘存储引擎
🦁Mysql体系结构
🦁简介
use itcast;
-- 查询建表语句 -- 默认存储引擎：InnoDB
show create table account;
-- 查询当前数据库支持的存储引擎
show engines;
-- 创建表 my_myisam，并指定MyISAM存储引擎
create table my_myisam(
id int,
name varchar(10)
) engine = MyISAM;
-- 创建表 my_memory，并指定Memory存储引擎
create table my_memory(
id int,
name varchar(10)
) engine = memory;🦁InnoDB介绍
-- 查看系统变量
show variables like 'innodb_file_per_table';🦁MyISAM和Memory
一道面试题👆，考察InnoDB和MySIAM的区别
🦁选择
InnoDB是大多数开发的选择，而MyISAM和Memory被NoSQL系列的数据库替代了
具体的说，myisam被mongoDB取代了，Memory被Redis取代了
🦁小结
🐘Mysql安装(linux版本)
B站，Google，百度，GPT
翻烂了，才搞定这部分，放几个链接（虚拟机真的老大难，按着教程来一直有BUG，一个是有些细节没讲到，比如默认设置需要自己改，比如Centos7的版本和22年之前甚至22年的版本都不太一样.....不过摸索一次也是锻炼。以后要外网访问项目还可以买服务器，或者内网穿透）
ubuntu和centos教程B站有，其他的问gpt和goole，百度就行
安装了虚拟机，VMware里弄了Ubuntu和Centos
（1）
08. 进阶-MySQL安装(linux版本)_哔哩哔哩_bilibili
（2）
(1条消息) 《Linux篇》超详细安装FinalShell并连接Linux教程_finalshell连接linux_陈老老老板的博客-CSDN博客（3）
centos7如何查看ip信息(centos 6.5以前都可以用ifconfig 但是centos 7里面没有了，centos 7用什么查看？)_51CTO博客_centos7 查看IP
（4）
centos7怎么查看ip地址 - 掘金 (juejin.cn)
（5）
关于VM虚拟机（Finalshell的连接问题）_finalshell连接不上虚拟机_unique馒头的博客-CSDN博客
（6）
终于用finalshell连接上CentOS了....弄了一天.....
上面只弄了第1步，后续的比较简单，跟着视频就行👇
第5步，安装Mysql安装包
rpm -ivh mysql-community-common-8.0.26-1.e17.x86_64.rpm
rpm -ivh mysql-community-client-plugins-8.0.26-1.e17.x86_64.rpm
rpm -ivh mysql-community-libs-8.0.26-1.e17.x86_64.rpm
rpm -ivh mysql-community-libs-compat-8.0.26-1.e17.x86_64.rpm
rpm -ivh mysql-community-devel-8.0.26-1.e17.x86_64.rpm
yum remove mysql-libs
...（12）DataGrip远程连接Mysql
关闭Linux的防火墙：步骤与必要性（关闭linux的防火墙）-数据库远程运维 (dbs724.com)
在Finalshell关闭Linux防火墙，才可以连接成功
🐘索引
🐅概述
索引是一种，高效获取数据，的数据结构
上述二叉树索引结构，只是示意图，并非真实索引结构👆
索引能提高 查 的效率，但是会降低 增删改 的效率，当然，对于大部分业务，查询占比大的多
🐅结构 - 介绍
主要学习B+Tree，其次是Hash索引
🐅结构 - Btree
左子树都小于根节点，右子树都大于根节点
同样是左小右大 ；
n个key，n + 1个指针
比如5阶的BTree，每个节点最多4个key
下面演示BTree构造的过程👇
黑马 -- 数据结构可视化链接：
B-Tree Visualization (usfca.edu) and Data Structure Visualization (usfca.edu)
或者用我之前推荐的：数据结构和算法动态可视化 (Chinese) - VisuAlgo
核心是，某个节点达到最大的key时，中间元素向上分裂
👆已经插入很多数据，下面演示再插入个2456的变化
（1）
（2）
（3）
这就是BTree的演变过程，每一个key下都会挂对应的数据
🐅结构 - B+tree
（1）所有元素都会出现在叶子节点，上面的元素只是起到索引的作用
（2）叶子节点是单向链表的形式
下面进行演示，B+ Tree Visualization (usfca.edu)
先准备一个5阶的B+Tree👇
当我们插入890
（1）
（2）
中间元素567向上裂变时，叶子节点也会插入567（中间元素）
-------------------------
再举个例子，初始👇
插入2345
（1）
（2）
B+Tree与BTree区别👇
再看看Mysql中的B+Tree👇
叶子节点类似，双向循环链表。
注意，数据都存储在叶子节点
🐅结构 - hash
🐅索引 - 结构 - 面试题
（1）为什么InnoDB存储引擎采取B+Tree，而不采取二叉树，红黑树？
因为二叉树在，顺序插入时，会形成一条链表，搜索时性能极低，红黑树本质也是二叉树
而B+Tree在插入元素时，某一节点达到最大的key后，中间元素会向上分裂，所以层级更少，效率更高
（2）为什么也不采取BTree呢？
---------------------------- 分界线
BTree可视化👇
B-Tree Visualization (usfca.edu)
B+Tree可视化👇
B+ Tree Visualization (usfca.edu)
BTree与B+Tree区别👇
Difference between B tree and B+ tree - GeeksforGeeks
---------------------------- 分界线
这里作个区分，下面👇是B-Tree的，这个是B+Tree的👇
B-Tree和B+Tree的共同特点：
with the lowest value on the left and the highest value on the right
区别：
B+ tree eliminates the drawback B-tree used for indexing by storing data pointers only at the leaf nodes of the tree（B+ 树只在树的叶节点存储数据指针，消除了 B 树用于索引的缺点）
换言之，B-Tree非叶子节点也存放数据，但非叶子节点只起到了索引的效果（叶子节点会存放所有数据），而每个节点只能存放一页的数据，也就是16K，相同数据量，B-Tree的层级会更深
另外，B+Tree查找数据，只需要在叶子节点查找，搜索效率更稳定
补充，B+Tree叶子节点，会形成双向循环链表，便于范围搜索和排序
（3）为什么不用hash索引？
hash只支持等值匹配 (=, in)，不支持范围匹配 (>=, <) 和排序操作
🐅分类
InnoDB存储引擎中，根据索引的存储形式👇可分为：
对聚集索引和二级索引的区分
有主键的话，主键索引就是聚集索引，而聚集索引叶子节点，下面挂的row就是所在行的数据
而二级索引，叶节点下挂的值，是所在行的 id 值
举例说明如何查询👇
select * from user where name = 'Arm';（1）先从二级索引开始，逐个对比，直到找到Arm，此时我们需要查找的是 *，需要输出整行的数据，根据Arm得到了这一行的 id 10
（2）然后到聚集索引，逐个对比，定位到10后，就拿到了这一行的数据👆
（1）和（2）的整个过程叫 --> “回表查询”
回表查询：先从二级索引找到对应的主键值，再根据主键值从聚集索引中，得到这一行的行数据
再次强调，聚集索引叶节点 --> 行数据，二级索引叶节点 --> id
🐅面试题
（1）以下SQL语句，哪个执行效率更高，为什么
备注：id为主键，name字段创建的有索引
1，根据 id = 10，直接到聚集索引中对比，就能查到 * ，只需要扫描1次
2，但是根据 name，得先到二级索引得到 id，再到聚集索引扫描1次，也就是需要回表查询
（2）InnoDB主键索引 B+Tree的高度为多少
InnoDB指针占用6字节空间，主键如果为int，占用4字节；如果为bigint，占用8字节
（我们假设主键为bigint）一个主键占用8字节
当树的高度 = 2
已知，指针比key多一个，假设主键n个
n * 8 + (n + 1) * 6 即key和指针所占用的总空间，又1页的大小16k，1k = 1024字节
n * 8 + (n + 1) * 6 = 16 * 1024，所以n ≈ 1170
因为一个节点放在磁盘上，最多存放1页的数据
所以一个节点，最多存放1170个key，1171个指针，而每个指针都指向一个子节点
所以有1171个叶节点，每个叶节点占用1页，也就是，高度为2的树，最多存储1171页的数据
注意，B+Tree非叶子节点是不存储数据的
1页16k，16(k) * 1171(页) = 18736k的数据，因为1行1k的数据，也就是18736行
当高度为3：高度为2时，1171个叶节点，而每个叶节点可以存放1171个指针，
所以 1171 * 1171 * 16 约等于 2200万 条记录
也就是2200万条记录，InnoDB存储引擎中，树的高度也才3层
如果数据量再大，还可考虑分库分表
🐅语法
下面的表需要手动创建，这里是代码👇
敲了一个小时.....可恨的是没有源码
create database itcast;
use itcast; #注意先打开虚拟机上CentOS
create table tb_user(
id int primary key auto_increment comment '主键ID',
name varchar(10) default null comment '姓名',
phone char(11) default null comment '手机号',
email varchar(50) check (email like '%@%'), #固定格式...@...
profession varchar(10),
age int default null comment '年龄',
gender char(1) default null comment '1: 男 , 2: 女',
status tinyint unsigned default '1' comment '状态',
createtime datetime
) comment '员工表';
insert into tb_user
values (1, '吕布', 17799990000, 'lvbu666@163.com', '软件工程', 23, '1', 6, '2001-02-02 00:00:00'),
(2, '曹操', 17799990001, 'caocao666@qq.com', '通讯工程', 33, '1', 0, '2001-03-05 00:00:00'),
(3, '赵云', 17799990002, '17799990@139.com', '英语', 34, '1', 2, '2002-03-02 00:00:00'),
(4, '孙悟空', 17799990003, '17799990@sina.com', '工程造价', 54, '1', 0, '2001-07-02 00:00:00'),
(5, '花木兰', 17799990004, '19980729@sina.com', '软件工程', 23, '2', 1, '2001-04-22 00:00:00'),
(6, '大乔', 17799990005, 'daqiao666@sina.com', '舞蹈', 22, '2', 0, '2001-02-07 00:00:00'),
(7, '露娜', 17799990006, 'luna_love@sina.com', '应用数学', 24, '2', 0, '2001-08-02 00:00:00'),
(8, '程咬金', 17799990007, 'chengyaojin@163.com', '化工', 38, '1', 5, '2001-05-23 00:00:00'),
(9, '项羽', 17799990008, 'xiaoyu666@qq.com', '金属材料', 43, '1', 0, '2001-09-18 00:00:00'),
(10, '白起', 17799990009, 'baiqi666@sina.com', '机械工程及其自动化', 27, '1', 2, '2001-08-16 00:00:00'),
(11, '韩信', 17799990010, 'hanxin520@163.com', '无机非金属材料工程', 27, '1', 0, '2001-06-12 00:00:00'),
(12, '荆轲', 17799990011, 'jinke123@163.com', '会计', 29, '1', 0, '2001-05-11 00:00:00'),
(13, '兰陵王', 17799990012, 'lvbu666@163.com', '工程造价', 44, '1', 1, '2001-04-10 00:00:00'),
(14, '狂铁', 17799990013, 'lvbu666@163.com', '应用数学', 43, '1', 2, '2001-02-12 00:00:00'),
(15, '貂蝉', 17799990014, 'lvbu666@126.com', '软件工程', 40, '2', 3, '2001-01-30 00:00:00'),
(16, '妲己', 17799990015, 'lvbu666@163.com', '软件工程', 31, '2', 0, '2001-05-03 00:00:00'),
(17, '芈月', 17799990016, 'lvbu666@163.com', '工业经济', 35, '2', 0, '2000-08-08 00:00:00'),
(18, '嬴政', 17799990017, 'lvbu666@163.com', '化工', 38, '1', 1, '2001-03-12 00:00:00'),
(19, '狄仁杰', 17799990018, 'lvbu666@126.com', '国际贸易', 30, '1', 0, '2007-08-15 00:00:00'),
(20, '安琪拉', 17799990019, 'lvbu666@163.com', '城市规划', 51, '2', 0, '2001-04-12 00:00:00'),
(21, '典韦', 17799990020, 'lvbu666@163.com', '城市规划', 52, '1', 2, '2000-07-18 00:00:00'),
(22, '廉颇', 17799990021, 'lvbu666@139.com', '土木工程', 19, '1', 3, '2002-08-10 00:00:00'),
(23, '后裔', 17799990022, 'lvbu666@163.com', '城市园林', 20, '1', 0, '2002-5-26 00:00:00'),
(24, '姜子牙', 17799990023, 'lvbu666@139.com', '工程造价', 29, '1', 4, '2003-02-02 00:00:00');
use itcast;
show index from tb_user;
select * from tb_user;然后finalshell链接上VMware的CentOS的Linux
在finalshell中输入👇
mysql -u root -p;
********
use itcast;
show tables;
select * from tb_user;
注意插入后，还需要更新，否则show index后，cardinality显示的一直是0
analyze table tb_user;
show index from tb_user\G;
create index idx_user_name on tb_user(name);
create unique index idx_user_phone on tb_user(phone);
create index idx_user_pro_age_sta on tb_user(profession,age,status);
create index idx_user_eamil on tb_user(eamil);
drop index idx_user_eamil on tb_user;
学到这，已经有点懵了，索引是啥？ --> 提高数据库查询性能的数据结构
🐻性能分析 - 查看执行频次
--> 要做SQL优化，首先得进行SQL性能分析
--> 而SQL优化中，优化的主要部分是select(查询语句)
--> 而优化查询语句时，索引优化占据了主导地位
global是全局，session是当前会话
每查询一次，Com_select | 300，查询次数这里就会多一次，通过这个语句，可以看到当前使用次数最多的是select --> 为后续优化提供依据
🐻性能分析 - 慢查询日志
这一节很麻烦！建议视频和文章一起看！19. 进阶-索引-性能分析-慢查询日志_哔哩哔哩_bilibili
当Mysql中出现慢查询到的SQL时，就需要我们去优化
一，慢查询配置👇
此时slow_query_log 是关闭的👇
这里涉及到Linux的 vi 编辑器👇
回车，按G切换到末尾，按 i 切换到插入
注意是输入完 =2后，按"esc"退出插入模式，然后回车
输入 ":x"(Vim编辑器的保存并退出命令)，回车
重启👇
再次打开左侧标签，再次执行👇
二，慢查询查看👇
我们需要看到这个文件名
如果没有，输入这个👇
可以看到，第3行右边那个value，就是你要 cat 的
版本8.0.26，端口3306
tail -f 监视MySQL慢查询日志文件的更新，并将新内容输出到终端👇
不超过2秒的话，右边root处慢日志查询那里，就不会显示👇
三，导入1000万数据👇
下一步，需要从本地导入1000万的数据到Mysql
（1）先建表
CREATE TABLE `tb_sku` (
`id` int(11) NOT NULL AUTO_INCREMENT COMMENT '商品id',
`sn` varchar(100) NOT NULL COMMENT '商品条码',
`name` varchar(200) NOT NULL COMMENT 'SKU名称',
`price` int(20) NOT NULL COMMENT '价格（分）',
`num` int(10) NOT NULL COMMENT '库存数量',
`alert_num` int(11) DEFAULT NULL COMMENT '库存预警数量',
`image` varchar(200) DEFAULT NULL COMMENT '商品图片',
`images` varchar(2000) DEFAULT NULL COMMENT '商品图片列表',
`weight` int(11) DEFAULT NULL COMMENT '重量（克）',
`create_time` datetime DEFAULT NULL COMMENT '创建时间',
`update_time` datetime DEFAULT NULL COMMENT '更新时间',
`category_name` varchar(200) DEFAULT NULL COMMENT '类目名称',
`brand_name` varchar(100) DEFAULT NULL COMMENT '品牌名称',
`spec` varchar(200) DEFAULT NULL COMMENT '规格',
`sale_num` int(11) DEFAULT '0' COMMENT '销量',
`comment_num` int(11) DEFAULT '0' COMMENT '评论数',
`status` char(1) DEFAULT '1' COMMENT '商品状态 1-正常，2-下架，3-删除',
PRIMARY KEY (`id`) USING BTREE
) ENGINE=InnoDB DEFAULT CHARSET=utf8mb4 COMMENT='商品表';
（2）再插入
先把Windows解压后的5个文件上传到Linux👇
回车
输入重启mysql
然而...还是无法导入....无语了....
按这个再来一下
【数据分析】MySQL之不能导入本地文件“Loading local data is disable;” - 新治 - 博客园 (cnblogs.com)
搞定！成功导入，修改ON后不要重启，直接load语句，但是重启完又会恢复OFF
但是....
最后200万数据死活插不进去，应该是内存满了
耗时12秒，属于慢查询了
四，再次查询👇
接下来，再次用 tail -f 慢查询
成功记录！
那么过一段时间，来看慢查询日志，就知道哪些SQL语句查询效率低，进而优化它
ฅʕ•̫͡•ʔฅ关于[root@192~] 和 mysql>
[root@192~]是Linux系统中以root用户身份登录到主机时的命令提示符
mysql>是MySQL数据库命令行客户端的命令提示符（1）root
执行系统级别的操作和管理任务，如修改系统配置文件、安装软件包等。root用户具有最高的权限，能够对系统进行全面的管理
（2）mysql
通过命令行或终端登录到MySQL服务器时，会看到
mysql>提示符。在这个提示符下，你可以执行与MySQL相关的命令，如创建数据库、执行查询语句、修改表结构
扫一扫
1065
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
