Compact行格式的秘密

一： InnoDB行格式的类型

        我们平时是以记录为单位向数据库表中插入数据的，这些记录在磁盘上的存放方式也被称为行格式或者记录格式。以下统称为“行格式”。

        目前InnoDB存储引擎支持以下四种行格式的类型：

        Compact、Redundant、Dynamic、Compressed

二： 指定行格式的类型

        我们可以在创建或者修改表的时候指定行格式的类型：

        CREATE TABLE 表名 (列的信息) ROW_FORMAT=行格式名称

         ALTER TABLE 表名  ROW_FORMAT=行格式名称

        例如;我们现在新建一个demo表，可行在我们的建表语句中指定行格式。

              修改行格式： ALTER TABLE record_format_demo ROW_FORMAT = Dynamic;

 三：Compact行格式的秘密

   

         从图中可以看出，compact行格式的一条记录可以被分为两部分，记录的额外信息、记录的真实数据。下面是两个部分的详细信息。

（一）记录的额外信息

        1：变长字段长度列表

        我们知道MySQL支持一些变长的数据类型，例如：VARCHAR(N),TEXT、BLOB类型，我们也可以把拥有这些数据类型的列称为变长字段。变长字段中存储多少字节的数据是不固定的，所以我 们在存储真实数据的时候需要顺便把这些数据占用的字节数也存起来，这样才不至于把 MySQL 服务器搞懵，所以 这些变长字段占用的存储空间分为两部分：真正的数据内容、占用的字节数。

        在Compact行格式中，把所有变长字段的真实数据占用的字节长度都存放在记录的开头部位，从而形成一个变长 字段长度列表，各变长字段数据占用的字节数按照列的顺序逆序存放。

        我们现在向数据库表中插入两条数据：

        INSERT INTO record_format_demo(c1, c2, c3, c4) VALUES('aaaa', 'bbb', 'cc', 'd'), ('eeee', 'fff', NULL, NULL);

        先来看第一条数据，因为c1、c2、c4列均为VARCHAR类型，也就是可变长度类型，所以这三个字段的长度均需要保存到记录开头处，因为 record_format_demo 表中的各个列都使用的是 ascii 字符集，所以每个字符只需要1个字节来进行编码，来看 一下第一条记录各变长字段内容的长度。

  

把这个字节串组成的 变长字段长度列表 填入上边的示意图中的效果就是：

注意：这里的字段长度是按照逆序存储的。 

        再来看第二条数据，变长字段长度列表中只存储值为 非NULL 的列内容占用的长度，值为 NULL 的列的长度 是不储存的 。也就是说对于第二条记录来说，因为 c4 列的值为 NULL ，所以第二条记录的 变长字段长度列表 只 需要存储 c1 和 c2 列的长度即可。其中 c1 列存储的值为 'eeee' ，占用的字节数为 4 ， c2 列存储的值 为 'fff' ，占用的字节数为 3 。数字 4 可以用1个字节表示， 3 也可以用1个字节表示，所以整个 变长字段长度 列表 共需2个字节。填充完 变长字段长度列表 的两条记录的对比图如下： 

       

小贴士：

        并不是所有记录都有这个 变长字段长度列表 部分，比方说表中所有的列都不是变长的数据类型的话， 这一部分就不需要有。 

        2：NULL值列表

        我们知道表中的某些列可能存储 NULL 值，如果把这些 NULL 值都放到 记录的真实数据中存储会很占地方，所以Compact 行格式把这些值为 NULL 的列统一管理起来，存储到 NULL 值列表中，它的处理过程是这样的：

     （1）：首先统计表中允许存储 NULL 的列有哪些。

        我们前边说过，主键列、被 NOT NULL 修饰的列都是不可以存储 NULL 值的，所以在统计的时候不会把这些列算进去。比方说表 record_format_demo 的3个列 c1 、 c3 、 c4 都是允许存储 NULL 值的，而 c2 列是被 NOT NULL 修饰，不允许存储 NULL 值。

     （2）：如果表中没有允许存储 NULL 的列，则 NULL值列表 也不存在了，否则将每个允许存储 NULL 的列对应一个 二进制位，二进制位按照列的顺序逆序排列。

         二进制位的值为 1 时，代表该列的值为 NULL 。

        二进制位的值为 0 时，代表该列的值不为 NULL 。

        因为表 record_format_demo 有3个值允许为 NULL 的列，所以这3个列和二进制位的对应关系就是这样：

        再一次强调，二进制位按照列的顺序逆序排列，所以第一个列 c1 和最后一个二进制位对应。

    （3）：MySQL 规定 NULL值列表 必须用整数个字节的位表示，如果使用的二进制位个数不是整数个字节，则在字节 的高位补 0 。

        表 record_format_demo 只有3个值允许为 NULL 的列，对应3个二进制位，不足一个字节，所以在字节的高 位补 0 ，效果就是这样：

        对于第一条记录来说， c1 、 c3 、 c4 这3个列的值都不为 NULL ，所以它们对应的二进制位都是 0 ，画个图就是这样：

        所以第一条记录的 NULL值列表 用十六进制表示就是： 0x00 。 

         对于第二条记录来说， c1 、 c3 、 c4 这3个列中 c3 和 c4 的值都为 NULL ，所以这3个列对应的二进制位的 情况就是：

         所以这两条记录在填充了 NULL值列表 后的示意图就是这样：

        3：记录头信息

        除了 变长字段长度列表 、 NULL值列表 之外，还有一个用于描述记录的 记录头信息 ，它是由固定的 5 个字节组 成。 5 个字节也就是 40 个二进制位，不同的位代表不同的意思，如图：

记录头信息

名称	大小（单位：bit）	描述
预留位1	1	没有使用
预留位2	1	没有使用
delete_mask	1	标记该记录是否被删除
min_rec_mask	1	B+树的每层非叶子节点中的最小记录都会添加该标记
n_owned	4	表示当前记录拥有的记录数
heap_no	13	表示当前记录在记录堆的位置信息
record_type	3	表示当前记录的类型， 0 表示普通记录， 1 表示B+树非叶子节点记录， 2 表示最小记录， 3 表示最大记录
next_record	16	表示下一条记录的相对位置

（二）记录的真实数据

        对于 record_format_demo 表来说， 记录的真实数据 除了 c1 、 c2 、 c3 、 c4 这几个我们自己定义的列的数据 以外， MySQL 会为每个记录默认的添加一些列（也称为 隐藏列 ），具体的列如下：  

      实际上这几个列的真正名称其实是：DB_ROW_ID（row_id）、DB_TRX_ID(transaction_id)、DB_ROLL_PTR(roll_pointer)。

        这里需要提一下 InnoDB 表对主键的生成策略：优先使用用户自定义主键作为主键，如果用户没有定义主键，则 选取一个 Unique 键作为主键，如果表中连 Unique 键都没有定义的话，则 InnoDB 会为表默认添加一个名为 row_id 的隐藏列作为主键。所以我们从上表中可以看出：InnoDB存储引擎会为每条记录都添加 transaction_id 和 roll_pointer 这两个列，但是 row_id 是可选的（在没有自定义主键以及Unique键的情况下才会添加该列）。 这些隐藏列的值不用我们操心， InnoDB 存储引擎会自己帮我们生成的。

        因为表 record_format_demo 并没有定义主键，所以 MySQL 服务器会为每条记录增加上述的3个列。现在看一下 加上 记录的真实数据 的两个记录长什么样吧：

四：行溢出数据

   （一）VARCHAR(M)最多能存储多少数据  

        我们知道对于 VARCHAR(M) 类型的列最多可以占用 65535 个字节。其中的 M 代表该类型最多存储的字符数量，如 果我们使用 ascii 字符集的话，一个字符就代表一个字节，我们看看 VARCHAR(65535) 是否可用： ​​​​​​​

​​​​​​​

        可以看到以下报错： Row size too large. The maximum row size for the used table type, not counting BLOBs, is 65535. This includes storage overhead, check the manual. You have to change some columns to TEXT or BLOBs

        从报错信息里可以看出， MySQL 对一条记录占用的最大存储空间是有限制的，除了 BLOB 或者 TEXT 类型的列之 外，其他所有的列（不包括隐藏列和记录头信息）占用的字节长度加起来不能超过 65535 个字节。所以 MySQL 服 务器建议我们把存储类型改为 TEXT 或者 BLOB 的类型。这个 65535 个字节除了列本身的数据之外，还包括一些 其他的数据（ storage overhead ），比如说我们为了存储一个 VARCHAR(M) 类型的列，其实需要占用3部分存储 空间：

        真实数据

        真实数据占用字节的长度

        NULL 值标识，如果该列有 NOT NULL 属性则可以没有这部分存储空间。

        所以，如果该 VARCHAR 类型的列没有 NOT NULL 属性，那最多只能存储 65532（65535-3） 个字节的数据，因为真实数据的长度可能 占用2个字节， NULL 值标识需要占用1个字节：

        

         如果 VARCHAR 类型的列有 NOT NULL 属性，那最多只能存储 65533 个字节的数据，因为真实数据的长度可能占用 2个字节，不需要 NULL 值标识：

         如果 VARCHAR(M) 类型的列使用的不是 ascii 字符集，那会怎么样呢？来看一下：

        从执行结果中可以看出，如果 VARCHAR(M) 类型的列使用的不是 ascii 字符集，那 M 的最大取值取决于该字符集 ,表示一个字符最多需要的字节数。在列的值允许为 NULL 的情况下， gbk 字符集表示一个字符最多需要 2 个字 节，那在该字符集下， M 的最大取值就是 32766 （也就是： 65532/2 ），也就是说最多能存储 32766 个字符； utf8 字符集表示一个字符最多需要 3 个字节，那在该字符集下， M 的最大取值就是 21844 ，就是说最多能存 储 21844 （也就是： 65532/3）个字符。    

 （二）记录中的数据太多产生溢出     

        我们以 ascii 字符集下的 varchar_size_demo 表为例，插入一条记录：

            其中的 REPEAT('a', 65532) 是一个函数调用，它表示生成一个把字符 'a' 重复 65532 次的字符串。我们知道， MySQL 中磁盘和内存交互的基本单位是页，也就是说 MySQL 是以 页 为基本单位来管理存储空间的，我们的记录都会被分配到某个 页 中存储。而一个页的大小一般是 16KB ，也就是 16384 字节，而一个 VARCHAR(M) 类 型的列就最多可以存储 65532 个字节，这样就可能造成一个页存放不了一条记录的尴尬情况。在 Compact 行格式中，对于占用存储空间非常大的列，在 记录的真实数据 处只会存储该列的一部 分数据，把剩余的数据分散存储在几个其他的页中，然后 记录的真实数据 处用20个字节存储指向这些页的地址 （当然这20个字节中还包括这些分散在其他页面中的数据的占用的字节数），从而可以找到剩余数据所在的页。
      对于 Compact 行格式来说，如果某一列中的数据非常多的话，在本记录的真实数据处只会存储该列的前 768 个字节的数据和一个指向其他页的地址，然后把剩下的数据存放到其他页中，这个 过程也叫做 行溢出 ，存储超出 768 字节的那些页面也被称为 溢出页。

五：其他的行格式

     其实知道了 Compact 行格式之后，其他的行格式就是依葫芦画瓢了。我们现在要介绍的 Redundant 行格式是 MySQL5.0 之前用的一种行格式，也就是说它已经非常老了，但是本着知识完整性的角度还是要提一下，大家看看就好。 画个图展示一下 Redundant 行格式的全貌：

        Dynamic 和 Compressed 行格式，我现在使用的 MySQL 版本是 5.7 ，它的默认行格

式就是 Dynamic ，这俩行格式和 Compact 行格式挺像，只不过在处理 行溢出 数据时有点儿分歧，它们不会在记录的真实数据处存储字段真实数据的前 768 个字节，而是把所有的字节都存储到其他页面中，只在记录的真实数 据处存储其他页面的地址，Compressed 行格式和 Dynamic 不同的一点是， Compressed 行格式会采用压缩算法对页面进行压缩，以节省空间。

        

        说明：本篇文章主要借鉴《MySQL怎样运行的》，感兴趣的同学去看看原文。