考研复试—数据库（二）

数据库（二）

1、ER图
实体关系图，有三个组成部分：实体、属性、联系。用来进行关系型数据库系统的概念设计。
**实体：**用矩形表示，矩形框内写明实体名。
**属性：**用椭圆形表示，并用无向边将其与相应的实体连接起来。
**联系：**用菱形表示，菱形框内写明联系名，并用无向边分别与有关实体连接起来，同时在无向边旁边上联系的类型就是指存在的三种关系。
ER模型转换为关系模式的原则：
一对一：遇到一对一关系的话，在两个实体任选一个添加另一个实体的主键即可。
一对多：遇到一对多关系的话，在多端添加另一端的主键。
多对多：遇到多对多关系的话，我们需要将联系转换为实体，然后在该实体上加上另外两个实体的主键，作为联系实体的主键，然后再加上该联系自身的属性即可。
2、索引
索引的数据结构
B-Tree：也称为多路平衡查找树，并且所有叶子结点位于同一层。
B+Tree：它不仅具有B-Tree的平衡性，并且可通过顺序访问指针来提高区间查询的性能。
在B+Tree中，一个结点中的key从左到右非递减排列，若某个指针的Keyi左右相邻分别是Keyi-1和Keyi+1，且不为null，则该指针指向结点的所有key满足Keyi-1<Keyi<Keyi+1。
B+Tree与B-Tree最大区别是，B+Tree的非叶子结点不保存数据，只用于索引，所有数据都保存在叶子结点中。而叶子结点间按照从小到大顺序链接起来。
B-Tree/B+Tree的增删改查：
查找操作：首先在根结点进行二分查找，找到一个key所在的指针，然后递归地在指针所指向的结点进行过查找。直到查找到叶子结点，然后在叶子结点上进行二分查找，找出key所对应的data。
二分查找要求表有序，正好B-Tree和B+Tree结点中的key从左到右非递减有序排列。
增减操作：会破坏平衡树的平衡性，因此在插入删除操作之后，需要对树进行一个分裂、合并、旋转等操作来维护平衡性。
MySQL索引
索引，在MySQL也称为键，是存储引擎快速找到记录的一种数据结构。相当于图书的目录，可根据目录中的页码快速找到所需的内容。
索引结构类型
（1）B+Tree索引
B+Tree索引是大多数MySQL存储引擎的默认索引类型。
因为B+Tree的有序性，因此可用于部分查找、范围查找、排序和分组。
适用于全键值、键值范围和键前缀查找，其中键前缀查找只适用于最左前缀查找。若不是按照索引列的顺序进行查找，则无法使用索引。
（2）Hash索引
Hash索引能以O(1)时间进行查找，但是失去了有序性，因此无法用于排序与分组，无法用于部分查找和范围查找，只支持精确查找。
Hash索引仅满足=，IN和<=>查询，不能使用范围查询。因为Hash索引比较的是Hash运算后的Hash值，所以它只能用于等值的过滤。
（3）全文索引
全文索引使用倒排索引实现，它记录着关键词到其所在文档的映射。
（4）空间数据索引
空间数据索引会从所有维度来索引数据，可以有效地使用任意维度来进行组合查询。必须使用GIS相关的函数来维护数据。
索引的优点缺点
优点：大大减少了服务器需要扫描的数据行数。避免服务器进行排序和分组操作，以避免创建临时表。
B+Tree索引是有序的，可以用于ORDER BY和GROUP BY操作。临时表主要是在排序和分组过程中创建，不需要排序和分组，也就不需要创建临时表。将随机I/O变为顺序I/O。B+Tree索引是有序的，会将相邻的数据都存储在一起。
缺点：索引并不是越来越好，索引固然可以提高相应的SELECT的效率，但同时也降低了INSERT及UPDATE的效率，因为INSERT或UPDATE时有可能会重建索引。
索引的设计原则
从索引的优、缺点考虑索引的设计原则。忌过度索引：索引需要额外的磁盘空间，而且会降低写操作的性能。
在修改表内容时，索引会进行更新甚至重构，索引列越多花销时间越长。为此优化检索性能，只保持需要的索引即可。经常用在排列、分组和范围搜索的列适合创建索引，因为索引是有序的。经常出现在WHERE子句的列，或是JOIN连接子句中指定的列适合创建索引。
使用短索引：若对长字符串列进行索引，应该指定一个前缀长度，这样能够节省大量索引空间。
索引的优化策略
独立的列：在进行查询时，索引列不能是表达式的一部分，也不能是函数参数，否则无法使用索引。
多列索引：在需要使用多个列作为条件进行查询时，使用多列索引比使用多个单列索引性能更好。
索引列的顺序：让选择最强的索引列放在前面。
前缀索引：对于BLOB、TEXT和VARCHAR类型的列，必须使用前缀索引，只索引开始的部分字符。前缀长度的选取需要根据索引选择性来确定。
覆盖索引：索引包含所有需要查询的字段的值。具有以下优点：
索引通常远小于数据行的大小，只读取索引能大大减少数据访问量。
一些存储引擎在内存中只缓存索引，而数据依赖于操作系统来缓存。因此，只访问索引可以不使用系统调用。
索引的使用场景
对于非常小的表：大部分情况下简单的全表扫描比建立索引更有效；
对于中大型的表：建立索引非常有效；
对于特大型的表：建立和维护索引的代价将会随之增长。这种情况下，需要用到一种技术可以直接区分出需要查询的一组数据，而不是一条记录一条记录地匹配。例如可以使用分区技术。