InnoDB引擎的查询过程

在每次查询中。mysql实际上是做了这样两件事情：

首先，在mysql缓存里面查询是不是有与本次查询语句相同的缓存语句（此时是语句本身），如果存在，那么就会直接返回语句所对应的结果（通过key-value的形式存储了语句与其对应的数据），而当我们进行数据的增删改时，这部分的缓存就会被刷新。

其次，当我们没有在查询缓存中命中，就会根据b+树去寻找我们要的数据页，首先在mysql内部的buffer pool里面去进行缓存查找，看看有没有我们所需要的数据页，有的话取出并进行lru算法，没有的话就去数据库进行查询并刷到缓存里来。

叶子节点存储了索引值和对应的数据记录或者对应的数据页的位置。在聚簇索引中，叶子节点直接包含了完整的数据行内容。而在非聚簇索引的设计中，叶子节点存储了指向数据行实际存储位置的指针。

1 LRU算法实现以及优化

我们都知道在InnoDB底层，使用LRU算法，目的是筛选出我们最不需要的数据页，在缓冲池内满了的情况下，将不需要的数据页进行淘汰。

但是如果我们进行了全表扫描的情况下，缓存中就会加入扫描过程中读取到的数据页，按照一般的LRU算法，这些数据页会放在首部，但是问题是我们不希望因此将我们所原本存储的热点数据进行淘汰（因为数据页放在首部会将原有数据后移）。

因此我们在InnoDB引擎里面加了一个Old区，也可以叫做中间区，当我们进行全表扫描、多表查询或者新读取从而得到的数据页时，我们会将这些数据页存到old区（默认old区的占比是3/8），而当我们再次访问这些数据页时，我们才会将数据页放在首部，这样可以有效防止大量扫描以及新读入对于缓存区的污染

2索引结构

常用的索引结构有哈希索引，动态数组索引等等，各种索引所适用的场景尤其区分，而对于InnoDb引擎而言，底层索引使用的是b+树，每个非叶子节点本身就是一个页，存储下一层的目录，本身并不存储数据库的值。只有叶子节点内部会存储，每一页具体包括：存储的最大，最小记录，数据的具体内容，还有多少空间是还没有使用的等。

3总结查询流程

在mysql种。一条查询语句的流程如下

首先判断是否击中查询缓存，是：走查询缓存对应数据；否：走b+树，看数据页的位置；

判断数据页是否在buffer pool中：是：返回数据页数据；否：去数据库磁盘查找数据；

查找完数据：LRU算法。