MySQL数据库基础知识

我好想退休

已于 2023-04-27 10:30:23 修改

阅读量450

点赞数

分类专栏：软件测试文章标签： mysql big data 数据库

于 2021-09-16 14:15:11 首次发布

本文链接：https://blog.csdn.net/Lqmdexter/article/details/120327827

版权

软件测试专栏收录该内容

7 篇文章 0 订阅

订阅专栏

MySQL数据库

数据库知识

数据库知识

1.事务的四大特性

1.1四大特性

原子性

保持事务的原子性是指操作发生异常时，需要对该事务所有之前执行过的操作进行回滚。首先要设置autocommit=0，就是默认不能隐式提交，需要手动commit提交。回滚需要undo日志实现，undo日志存放之前修改过的记录，事务发生异常触发roll back，会按照日志逻辑回滚undo日志的操作。

一致性

一致性可以理解为事务对数据完整性约束的遵循。事务执行前后都是合法的数据状态，不会违背任何数据完整性
从数据库层面，数据库通过原子性、隔离性、持久性来保持一致性。

隔离性

用锁和隔离机制。锁是需要用户自己定义的，隔离机制是数据库提供的。

持久性

在无并发事务的情况下，持久性依赖于原子性；在有并发事务的情况下，持久性依赖于原子性和隔离性。

即使数据库系统遇到故障也不会丢失已提交事务的操作，通过redo日志来实现的。基本步骤如下图：①当在事务中尝试对数据进行更改时；②首先将数据从磁盘读入内存，更新内存缓存的数据。③生成一条redo日志缓存，放在redo日志的缓冲区；④事务真正提交时将缓冲区中的日志写入redo日志做持久化保存；⑤把内存中的数据同步到磁盘上。

1.2隔离级别
在并发状态下，事务会出现一些问题，主要有三种问题：

 脏读： 一个事务能读到另外一个事务没有提交的数据。（举例：A给B转了100块，但是A转完并没有提交该事务，B读到了自己的账户多了100块，此时A发现转账错误之后就回滚了该操作，此时就称为脏读）

 不可重复读： 一个事务的两次查询操作数据不一致，可能是两次查询过程中插入了一个事务更新了原有的数据（举例：两个并发事务A和B，A首先查询自己的账户是100块，B此时提走了A账户的50块，A再次查询发现此时账户只剩下了50块，两次查询操作结果不同）

 幻读： 在一个事务的两次查询中数据不一致，由于其他事务的提交，发现了原来没有的数据或者原有的数据不见了
（不可重复读与幻读相似，不可重复读侧重于另一个事务对数据库的修改操作，而幻读则侧重于另一个事务对数据库的增加和删除操作）

Ⅰ.读未提交
允许读取另一个事务尚未提交的数据，可能会造成脏读、不可重复读、幻读

Ⅱ.读已提交
允许读取并发事务已经提交了的数据，可以阻止脏读，但是不能避免不可重复读和幻读

Ⅲ.可重复读
在一个事务的操作过程中，不能读取到别的事务对该数据库的修改增删操作，可以阻止脏读和不可重复读，但是不能避免幻读（mysql默认级别）

Ⅳ.串行化
所有的事务依次逐个执行，当表被一个事务操作时，其他事务的操作不可以进行，进入排队状态，等待当前操作事务提交后才能继续执行操作。

1.3 锁
按使用方式分为乐观锁、悲观锁
乐观锁： 乐观锁在操作数据时非常乐观，认为别人不会同时修改数据。
因此乐观锁不会上锁，只是在执行更新的时候判断一下在此期间别人是否修改了数据：如果别人修改了数据则放弃操作，否则执行操作。

悲观锁： 悲观锁在操作数据时比较悲观，认为别人会同时修改数据。
因此操作数据时直接把数据锁住，直到操作完成后才会释放锁；上锁期间其他人不能修改数据。

锁如何实现？
悲观锁： 直接加锁，可以对代码加锁，如Java中的synchronized; 也可以对数据加锁，如select for update：给数据加上排他锁，直到事务提交或者回归才释放锁。
乐观锁：
（1）CAS（Compare And Swap）
3个操作数：需要读写的内存位置V，进行比较的预期值A，拟写入的新值B
操作逻辑：如果内存位置V的值等于预期的值A，则将该位置更新为新值B，否则不进行任何操作。许多CAS操作都是自旋的：如果操作不成功，会一直重试，直到操作成功为止。
CAS中的compare和swap两个操作，其原子性是在硬件层面进行保证的。
Java中的AtomicInteger 是一个原子类，利用CPU提供的CAS操作保证原子性。
（2）版本号机制
基本思路：在数据中增加一个字段version，表示该数据的版本号，每当数据被修改时，版本号加1。当某个线程查询数据时，将该数据的版本号一起查出来，当线程更新数据时，判断当前版本号与之前读取的版本号是否一致，如果一致才进行操作。
适用场景
功能限制：
**与悲观锁相比，乐观锁适用的场景受到了更多的限制。**CAS只能保证单变量操作的原子性；版本号机制：如果query的时候针对表1，而update的时候针对表2，很难通过版本号来实现乐观锁。
竞争激烈程度：
竞争不激烈时，乐观锁更有优势。 悲观锁会把代码或数据锁住，其他线程无法访问，影响并发性，而且加锁和释放锁都需要消耗额外的资源。
竞争激烈时，悲观锁更有优势，乐观锁在执行更新时频繁失败，需要不断重试，浪费CPU资源。

按粒度分为表级锁、行级锁、页级锁（InnoDB支持行级锁、表锁，MyISAM只支持表锁）
锁的粒度越小，系统开销越大，但相应的并发性就越高。因此选择锁粒度的时候需要在系统开销和并发性间权衡。

锁的类型上划分为互斥锁/写锁/X锁、共享锁/读锁/S锁

2.索引

2.1 索引定义
索引能快速找到某一列中有一特定值的行。不必挨个儿去查看记录的内容。索引是对数据库中一列或者多列的值进行排序的一种数据结构，以索引文件的形式存储在磁盘上，占据一定的物理空间。
2.2 索引优点

提高查询的性能，大大减少表的检索行数
可以建立唯一索引或者主键索引，保证数据库中每一行数据的唯一性
加速表与表之间的连接
在使用分组group by和排序order by子句进行数据检索时，可以显著减少查询中分组和排序的时间（数据库的记录会重新排序）

2.3 索引缺点
1.索引文件占据物理空间(空间)
2.对表中数据进行增删改查时，索引也要动态地维护，降低了数据的维护速度(时间)

2.4 索引的分类

唯一索引：数据列不允许重复但是允许为null，一个表允许多列创建多个唯一索引
主键索引：数据列不允许重复，也不允许为null，一个表中只能有一个主键，但是可以有多个列共同组成的联合主键
普通索引：没有唯一性的限制，允许为null，只是简单的加速查询
联合索引：多个索引的组合,必须满足最左前缀原则
全文索引：查找全文中的关键字, mysql的Innodb引擎不支持 myISAM引擎支持

2.5 索引设计原则
1.对查询频次较高、数据量较大的表建立索引
2.使用唯一索引，区分度越高，使用索引的效率越高
3.使用短索引，减少存储空间，提升I/O效率
4.利用最左前缀，在组合索引中比如有(name,city,age)的话，只支持(name)、(name,city)、(name,city,age)这三种组合的检索，查询时必须包含索引的最左列，不能跳过某个字段进行查询
5.为经常需要排序分组和联合操作的字段建立索引
6.限制索引的数目,索引并非越多越好

2.6 索引失效的场景

复合索引不满足最左前缀原则
模糊查找时like ‘%'以%开头
where索引列有运算
where索引列有函数
mysql估计用全表扫描要比用索引更快,则不使用索引
查询条件中有or的话可能会造成索引失效,除非or的每个列都加上索引

2.7 不推荐使用索引的场景

数据唯一性比较差，重复比较多的情况下不要使用索引
频繁更新的字段不适用索引（导致索引维护困难）

2.8 索引的数据结构
1.B树（非二叉树）

1.关键字集合分布在整颗树中；
2.任何一个关键字出现且只出现在一个结点中；
3.搜索有可能在非叶子结点结束；
4.其搜索性能等价于在关键字全集内做一次二分查找，查找复杂度为h*log(n)；
5.自动层次控制；

优点：层级结构较低，且冗余节点较少

2.B+树
1.所有关键字都出现在叶子结点的链表中（稠密索引），且链表中的关键字恰好是有序的；
2.不可能在非叶子结点命中；
3.非叶子结点相当于是叶子结点的索引（稀疏索引），叶子结点相当于是存储（关键字）数据的数据层；
4.更适合文件索引系统；
支持翻页：每个磁盘块存储一个节点，称为一页。连续查询多个节点则称为翻页

B树和B+树的区别
（1）B+树中只有叶子节点会带有指向记录的指针，而B树则所有节点都带有，在内部节点出现的索引项不会再出现在叶子节点中。
（2）B+树中所有叶子节点都是通过指针连接在一起，而B树不会。

- B+Tree对比BTree的优点

（1）磁盘读写代价更低。B+树非叶子节点不会带上指向记录的指针，这样，一个块中可以容纳更多的索引项，一是可以降低树的高度。二是一个内部节点可以定位更多的叶子节点。搜索速度快
（2）查询速度更稳定，由于B+Tree非叶子节点不存储数据（data），因此所有的数据都要查询至叶子节点，而叶子节点的高度都是相同的，因此所有数据的查询速度都是一样的，均衡的。
（3）所有数据均有序存储在叶子节点，叶子节点之间通过指针来连接，使得范围查找、排序查找、去重查找变得简单易行（B树数据分布在各个节点，包括非叶子节点，不便于范围等查找，需要中序遍历）
（4）B+树只要遍历叶子节点就可以实现整棵树的遍历，而其他的树形结构要中序遍历才可以访问所有的数据。
（4）缺陷：因为有冗余节点数据，因此会造成内存的浪费。

3.红黑树的规则：
1）每个结点要么是红的，要么是黑的。
2）根结点是黑的。
3）每个叶结点（叶结点即指树尾端NIL指针或NULL结点）是黑的。
4）如果一个结点是红的，那么它的俩个儿子都是黑的。
5）对于任一结点而言，其到叶结点树尾端NIL指针的每一条路径都包含相同数目的黑结点。
为什么平衡树和红黑树的区别是什么？为什么有了平衡树还要设计出来红黑树？
平衡树（AVL）更平衡，结构上更加直观，时间效能针对读取而言更高，但是维护起来比较麻烦！！！（插入和删除之后，都需要rebalance）。但是，红黑树通过它规则的设定，确保了插入和删除的最坏的时间复杂度是O(log N) 。

设计红黑树的目的，就是解决平衡树的维护起来比较麻烦的问题，红黑树，读取略逊于AVL，维护强于AVL，每次插入和删除的平均旋转次数应该是远小于平衡树。

红黑树和 b+树的用途有什么区别？
（1）红黑树多用在内部排序，即全放在内存中的，STL的map和set的内部实现就是红黑树。
（2）B+树多用于外存上时，B+也被成为一个磁盘友好的数据结构。

4.hash哈希索引
特点：
1.hash表是key-value形式，通过一个散列函数，能够根据key快速找到对应的value
2.检索时无需使用树状结构那样从根节点到叶子节点逐级查找，只需要一次hash算法即可定位到相应位置，速度较快。
hash索引的缺点
1.hash索引只能够进行单值查找，不支持范围查询，而B+树支持范围查询（hash函数过滤后的键值大小关系不能保证和源数据的大小关系一致）
2.hash索引不能利用索引完成排序，以及像like 'xxx%'这样的模糊查询（本质上也是一种范围查询）
3.hash索引不支持多列联合索引的最左匹配原则
4.hash索引在重复值较高的时候，因为存在哈希碰撞导致性能极低。
5.hash索引只适用于存储数据重复度很低、对数据等值查询、无排序和范围查询的情况，效率较高。、

2.9索引的实现原理？
索引底层采用的数据结构是：B + Tree
通过B Tree缩小扫描范围，底层索引进行了排序，分区，索引会携带数据在表中的“物理地址”，最终通过索引检索到数据之后，获取到关联的物理地址，通过物理地址定位表中的数据，效率是最高的。
select ename from emp where ename = ‘SMITH’;
通过索引转换为：
select ename from emp where 物理地址 = 0x3;
索引用来快速地寻找那些具有特定值的记录，如果没有索引，一般来说执行查询时会遍历整张表。

索引原理：
 - 把创建了索引的列的内容进行排序；
 - 对排序结果生成倒叙表；
 - 在倒叙表内容上拼上数据地址链；
 - 在查询时，先拿到倒叙表内容，再取出数据地址链，从而拿到具体数据。

3.delete drop truncate区别

DML 数据操纵语言(insert、update、delete)
DQL 数据查询语言(select from where)
DDL 数据定义语言(create 表/视图/索引) 是隐性提交的不能roll back
DCL 数据控制语言(grant授权 roll back commit)

1.delete是DML，数据操纵语言，执行delete时每次从表中删除一行，删除操作会被记录在redo和undo表中以便进行回滚
2.drop是DDL，数据定义语言，会隐式提交，不能回滚，不会触发触发器，会删除表结构以及所有的数据，并将占用的空间全部释放
3.truncate是DDL，会隐式提交，不能回滚，不会触发触发器，会删除表内的所有数据，但是会保留表结构，即留下一个新表。

DML和DDL的区别
1.DML数据操纵语言，手动控制开启事务、提交事务和回滚
2.DDL数据定义语言，隐形提交，不能回滚

4.连接

连接用于连接多个表，使用join关键字，条件语句使用on而非where。查询效率快于子查询
与外键的区别是，允许两个表内各有部分项不相关（外键中子表中出现的字段父表中必须出现过，但是连接的两个表每个都可以有部分字段与另一个表没有联系）
1.内连接
等值连接
非等值连接
自连接
没有关联的行在查询结果中不显示
查询两个表的交集
2.外连接
保留了没有关联的行
左连接保留左边表没有关联的行
右连接保留右边表没有关联的行
全外连接保留左边和右边两个表没有关联的行

5.where having on的区别

where和having区别
①where先筛选结果再用分组函数（如果有的话）计算，
having则是在分组函数计算结果出来之后再进行筛选，查询结果返回符合条件的分组，
where是在group by之前执行的，所以where后面不能使用分组函数进行数据过滤，只能使用该表内的字段进行过滤，筛选出过滤后的结果之后才能使用分组函数；having则是在group by之后执行，是从分组结果中用分组函数进行分组的过滤。
where性能优于having
②where优先级高于having，where既可以搭配select子句使用，也可以和group by搭配使用；having只可以搭配group by 语句使用。

on和where区别
所有查询操作都会返回一个临时表，查询结果从临时表中得到
①on是根据限制条件对数据库记录进行过滤，然后产生临时表，一般用于连接（内外连接）；where则是在临时表产生后根据限制条件从临时表中筛选数据。
②on限制条件发生时间较早，临时表较小，所以性能优于where

6.查询速度慢如何解决

慢查询日志用于记录响应时间超过阈值的语句，实际时记录运行时间10s以上的语句
首先分两种情况：
①大多数情况正常，偶尔很慢
1.数据库在刷新脏页
因为redo log的容量有限，如果redo log写满了之后需要暂停其他操作，把redo日志里的数据同步到磁盘，导致正常sql语句执行很慢
2.所访问的数据表被加锁
如果该表被加锁或者要使用到的表中的某一行被加锁，也会导致慢查询

②针对一直都很慢的情况
1.可能表中并没有索引，或者没有用到索引（比如使用like关键字时like ‘%xx’ 这种%位于匹配字符的第一个字符时，索引就不会起作用；或者多列索引不遵循最左前缀的原则尽量使用唯一索引或者主键索引等区分度较大的索引；对查询操作较为频繁的列建立索引）
2.优化数据库结构
对于需要经常联合查询的表，可以建立中间表以提高查询效率。将原来的联合查询改为对中间表的查询。
3.分解关联查询
将一个大的查询分解为多个小查询，对每一个表做一次单表查询，将查询结果在应用程序中进行关联。

7.数据库数据量很大时，怎么加快查询速度？

（1）合理使用索引。
（2）避免或简化排序
（3）消除对大型表行数据的顺序存取
（4）避免相关子查询
（5）避免困难的正规表达式
（6）使用临时表加速查询
（7）用排序来取代非顺序存取
sql语句优化的方式：
1.尽量少 join
2.尽量少排序
3.尽量避免 select *
4.尽量少 or
5.尽量用 union all 代替 union

8.数据库的三大范式

第一范式 1NF
数据表中所有字段都是不可分割的原子值，字段值还可以继续拆分的就不满足第一范式

第二范式 2NF
在满足第一范式的前提下，除主键外得每一列，都必须完全依赖于主键，称之为满足第二范式。

第三范式 3NF
必须在满足第二范式、第一范式的前提下，除开主键列的其他列之间不能有传递依赖关系。

9.表的数据结构

表中数据结构的区别
int(10) char(10) varchar(10)的区别
（1）int(10)中10表示显示的数据的长度，而不是存储数据的大小，char(10)和varchar(10)的10表示存储数据的大小，即表示存储了多少个字符
（2）char(10)表示存储定长的10个字符，不足的部分用空格补齐（空格表示占位、不算一个字符），占用更多存储空间；
（3）varchar(10)表示存储10个变长的字符，无需补0以达到10字符，空格也按照存储空间存放。

10.慢查询

定义：超过指定时间的SQL语句查询称为“慢查询”。超过 long_query_time 参数设定的时间阈值（默认10s），慢查询被记录在慢查询日志里。

慢查询配置：
开启慢查询日志：set global slow_query_log = 1;
指定记录慢查询日志SQL执行时间得阈值（单位：秒，默认10秒）long_query_time：set global long_query_time=2;

慢查询分析工具：快速定位到需要优化的SQL语句
mysqldumpslow
pt_query_digest

11.MySQL主从复制

1、什么是mysql的主从复制？
MySQL 主从复制是指数据可以从一个MySQL数据库服务器主节点复制到一个或多个从节点。MySQL 默认采用异步复制方式，这样从节点不用一直访问主服务器来更新自己的数据，数据的更新可以在远程连接上进行，从节点可以复制主数据库中的所有数据库或者特定的数据库，或者特定的表。

2、mysql复制原理
原理：
（1）master服务器将数据的改变记录二进制binlog日志，当master上的数据发生改变时，则将其改变写入二进制日志中；

（2）slave服务器会在一定时间间隔内对master二进制日志进行探测其是否发生改变，如果发生改变，则开始一个I/OThread请求master二进制事件

（3）同时主节点为每个I/O线程启动一个dump线程，用于向其发送二进制事件，并保存至从节点本地的中继日志中，从节点将启动SQL线程从中继日志中读取二进制日志，在本地重放，使得其数据和主节点的保持一致，最后I/OThread和SQLThread将进入睡眠状态，等待下一次被唤醒。

也就是：

从库会生成两个线程,一个I/O线程,一个SQL线程;
I/O线程会去请求主库的binlog（二进制日志）,并将得到的binlog写到本地的relay-log(中继日志)文件中;
主库会生成一个log dump线程,用来给从库I/O线程传binlog;
SQL线程,会读取relay log文件中的日志,并解析成sql语句逐一执行;

12.常考的查询语句

（1）找出a表的第100行后的50个数据：

#查询从i+1开始的n条数据，limit n 等同于 limit 0,n
select * from tableName limit i,n
#具体的例子
select * from a where a limit 99,50

（2）创建新表，并插入

--新建学生表
create table Student (
name Int Not Null UNIQUE AUTO_INCREMENT Primary key,--添加了索引
Name varchar(20) not null,
age int null,
gender varchar(4) null ); 
----插入不存在的数据
insert into student (name,age,gender) value ('andy',30,'女')；

（3）查询语句

--查询指定列
select name,age from student where id>10;
select sum(age) from student;
--只显示结果不同的项
select distinct age from student;
--使用算数表达式
select name,sal*13 as sal_all from emp;
--使用like，in运算符号
--%匹配一个或多个字符，_匹配一个字符
select * from emp where name like 'S_T%' or age >50;
select * from emp where job in ('clerk','analyst');
--为空或非空
select * from emp where sal is null;--is not null;
--排序
select * from emp order by deptno asc,sal desc; --asc升序
--例子：
select * from student where id>10 
group by age having avg(age)>20 
order by id desc;

select * from emp where sal = (select max(sal) from emp);

（4）多表查询

select e.name,e.sal,d.dname from emp e,dept d where e.deptno = d.deptno order by d.deptno;
--自连接
SELECT er.ename, ee.ename mgr_name from emp er, emp ee where er.mgr=ee.empno;
--嵌套查询
SELECT ename FROM emp WHERE deptno=(SELECT deptno FROM emp where ename='SMITH');
--any(比任何一个都) 和all(比所有都) 
SELECT ename,sal,deptno FROM emp WHERE sal> ANY (SELECT sal FROM emp WHERE deptno=30);
--SELECT ename,sal,deptno FROM emp WHERE sal> (SELECT MIN(sal) FROM emp WHERE deptno=30);
--多列子查询
SELECT * FROM emp where (job,deptno) = (select job,deptno from emp where name = 'Bob');
--更新数据
UPDATE emp SET(job, sal, comm)=(SELECT job, sal, comm FROM emp where ename='SMITH') WHERE ename='SCOTT';
-- 外连接(outer join)：如果数据不存在，也会出现在连接结果中。 
-- 左外连接 left join 如果数据不存在，左表记录会出现，而右表为null填充 
-- 右外连接 right join 如果数据不存在，右表记录会出现，而左表为null填充
SELECT er.ename, ee.ename mgr_name from emp er left join emp ee where er.mgr=ee.empno;

这部分转自常用常考sql语句总结

13.MySQL的存储引擎及其区别

1.存储引擎是什么？
Mysql中的数据用各种不同的技术储存在文件(或内存)中,这些技术中的每一个技术都使用不同的存储机制,索引技巧,锁定水平并且最终提供广泛的不同功能和能力.在MySQL中将这些不同的技术及配套的相关功能称为存储引擎.

2.存储引擎有什么作用？
存储引擎其实就是对于数据库文件的一种存取机制,如何实现存储数据,如何为储存的数据建立索引以及如何更新,查询数据等技术实现的方法。存储引擎是用来把数据存储在文件或内存的技术

3.mysql存储引擎总共有九种,常用的数据引擎有MyISAM,InnDB,MEMORY,ARCHIVE;

(查看mysql支持引擎命令：SHOW ENGINES；对于MySQL 5.5及更高版本，默认的存储引擎是InnoDB。在5.5版本之前，MySQL的默认存储引擎是MyISAM。)

四种引擎的区别：
InnoDB： 支持事务处理，支持外键，支持崩溃修复能力和并发控制。如果需要对事务的完整性要求比较高（比如银行），要求实现并发控制（比如售票），那选择InnoDB有很大的优势。如果需要频繁的更新、删除操作的数据库，也可以选择InnoDB，因为支持事务的提交（commit）和回滚（rollback）。

MyISAM： 插入数据快，空间和内存使用比较低。如果表主要是用于插入新记录和读出记录，那么选择MyISAM能实现处理高效率。如果应用的完整性、并发性要求比较低，也可以使用。如果数据表主要用来插入和查询记录，则MyISAM引擎能提供较高的处理效率

MEMORY：所有的数据都在内存中，数据的处理速度快，但是安全性不高。如果需要很快的读写速度，对数据的安全性要求较低，可以选择MEMOEY。它对表的大小有要求，不能建立太大的表。所以，这类数据库只使用在相对较小的数据库表。如果只是临时存放数据，数据量不大，并且不需要较高的数据安全性，可以选择将数据保存在内存中的Memory引擎，MySQL中使用该引擎作为临时表，存放查询的中间结果

如果只有INSERT和SELECT操作，可以选择Archive，Archive支持高并发的插入操作，但是本身不是事务安全的。Archive非常适合存储归档数据，如记录日志信息可以使用Archiv

注意，同一个数据库也可以使用多种存储引擎的表。如果一个表要求比较高的事务处理，可以选择InnoDB。这个数据库中可以将查询要求比较高的表选择MyISAM存储。如果该数据库需要一个用于查询的临时表，可以选择MEMORY存储引擎。

InnoDB存储引擎

InnoDB是事务型数据库的首选引擎，支持事务安全表（ACID），支持行锁定和外键，上图也看到了，InnoDB是默认的MySQL引擎。InnoDB主要特性有：

1、InnoDB给MySQL提供了具有提交、回滚和崩溃恢复能力的事物安全（ACID兼容）存储引擎。InnoDB锁定在行级并且也在SELECT语句中提供一个类似Oracle的非锁定读。这些功能增加了多用户部署和性能。在SQL查询中，可以自由地将InnoDB类型的表和其他MySQL的表类型混合起来，甚至在同一个查询中也可以混合

2、InnoDB是为处理巨大数据量的最大性能设计。它的CPU效率可能是任何其他基于磁盘的关系型数据库引擎锁不能匹敌的

3、InnoDB存储引擎完全与MySQL服务器整合，InnoDB存储引擎为在主内存中缓存数据和索引而维持它自己的缓冲池。InnoDB将它的表和索引在一个逻辑表空间中，表空间可以包含数个文件（或原始磁盘文件）。这与MyISAM表不同，比如在MyISAM表中每个表被存放在分离的文件中。InnoDB表可以是任何尺寸，即使在文件尺寸被限制为2GB的操作系统上

4、InnoDB支持外键完整性约束，存储表中的数据时，每张表的存储都按主键顺序存放，如果没有显示在表定义时指定主键，InnoDB会为每一行生成一个6字节的ROWID，并以此作为主键

5、InnoDB被用在众多需要高性能的大型数据库站点上

InnoDB不创建目录，使用InnoDB时，MySQL将在MySQL数据目录下创建一个名为ibdata1的10MB大小的自动扩展数据文件，以及两个名为ib_logfile0和ib_logfile1的5MB大小的日志文件

MyISAM存储引擎

MyISAM基于ISAM存储引擎，并对其进行扩展。它是在Web、数据仓储和其他应用环境下最常使用的存储引擎之一。MyISAM拥有较高的插入、查询速度，但不支持事物。MyISAM主要特性有：

1、大文件（达到63位文件长度）在支持大文件的文件系统和操作系统上被支持

2、当把删除和更新及插入操作混合使用的时候，动态尺寸的行产生更少碎片。这要通过合并相邻被删除的块，以及若下一个块被删除，就扩展到下一块自动完成

3、每个MyISAM表最大索引数是64，这可以通过重新编译来改变。每个索引最大的列数是16

4、最大的键长度是1000字节，这也可以通过编译来改变，对于键长度超过250字节的情况，一个超过1024字节的键将被用上

5、BLOB和TEXT列可以被索引

6、NULL被允许在索引的列中，这个值占每个键的0~1个字节

7、所有数字键值以高字节优先被存储以允许一个更高的索引压缩