mysql

存储引擎

MySQL体系结构

连接层：
最上层是一些客户端和链接服务，主要完成一些类似于连接处理、授权认证、及相关的安全方案。服务器也会为安全接入的每个客户端验证它所具有的操作权限。
服务层：
第二层结构主要是完成大多数的核心服务功能，如SQL接口，并完成缓存的查询，SQL的分析和优化，部分内置函数的执行。所有跨存储引擎的功能也在这一层实现，如过程、函数等。
引擎层
存储引擎真正的负责了MySQL中数据的存储和提取，服务器通过API和存储引擎进行通信。不同的存储引擎具有不同的功能，这样我们可以根据自己的需要，来选取合适的存储引擎。
存储层：
主要是讲数据存储在文件系统之上，并完成与存储引擎的交互。

存储引擎简介

引擎就是发动机，发动机是一个机器的核心部分
而不同的引擎实际上是有不同的应用场景的
引擎没有好坏，只要在合适的场景使用合适的引擎就可以了

存储引擎就是存储数据、建立索引、更新/查询数据等技术的实现方式。存储引擎是基于表的，而不是基于库的，所有存储引擎也可被称为表类型

没有指定的存储引擎，那就是默认的InnoDB

InnoDB介绍

InnoDB是一种兼顾高可靠性和高性能的通用存储引擎，在MySQL5.5之后，InnoDB是默认的MySQL存储引擎

特点
DML操作遵循ACID模型，支持事务
行级锁，提高并发访问性能
支持外键 FOREIGN KEY约束，保证数据的完整性和正确性；

文件
xxx.ibd：xxx代表的是表名，innoDB引擎的每张表都会对应这样一个表空间文件，存储该表的表结构（frm、sdi）、数据和索引
参数：innodb_file_per_table

MyISAM

介绍;
MyISAM是MySQL早期的默认存储引擎
特点：
不支持事务，不支持外键
支持表锁，不支持行锁
访问速度快

文件
xxx.sdi；存储表结构信息
xxx,MYD：存储数据
xxx.MYI：存储索引

Memory

介绍：Memory引擎的表数据时存储在内存中的，由于受到硬件问题、或断电问题的影响，只能将这些作为临时表或缓存使用。

特点：
内存存放
能使用hash索引（默认）

文件：
xxx.sdi：存储表结构信息
为什么只有一个，因为其他的在内存里

存储引擎的选择

在选择存储引擎时，应该根据应用系统的特点选择合适的存储引擎。对于复杂的应用系统，还可以根据实际情况选择多种存储引擎进行组合。

InnoDB：是MySQL的默认存储引擎，支持事务、外键。如果应用对事物的完整性有比较高的要求，在并发条件下要求数据的一致性，数据操作除了插入和查询之外，还包含很多的更新、删除操作，那么InnoDB是比较适合的选择

MyISAM：如果应用是以读操作和插入操作为主，只有很少的更新和删除操作，并且对事物的完整性、并发性要求不是很高，那么选择这个存储引擎是非常适合的。

MEMORY：将所有的数据保存在内存中，访问速度快，通常用于临时表及缓存。MEMORY的缺陷就是对表的大小有限制，太大的表无法缓存在内存中，而且无法保障数据的安全性。

索引

概述

索引是帮助MySQL高效获取数据的数据结构（有序）。在数据之外，数据库系统还维护者满足特定查找算法的数据结构，这些数据结构以某种方式引用（指向）数据，这样就可以在这些数据结构上实现高级查找算法，这种数据结构就是索引。

普通的查找就是顺序查找，并且找到以后不会停止，会一直往下找，直到把表全找全了

索引的优缺点
优势：1、提高数据检索的效率，降低数据库的IO成本。2、通过索引列对数据进行排序，降低数据排序的成本，降低CPU的消耗
劣势：1、索引列也要占用空间的。2、索引大大提高了查询效率，同时却也降低更新表的速度，如对标进行INSERT、UPDATE、DELETE时，效率降低

索引结构

概述

MySQL的索引是在存储引擎层实现的，不同的存储引擎有不同的结构，主要包含以下几种

索引结构：描述
B+Tree索引：最常见的索引类型，大部分引擎都支持B+树索引
Hash索引：底层数据结构使用哈希表实现的，只有精确匹配索引列的查询才有效，不支持范围查询
R-tree（空间索引）：空间索引是MyISAM引擎的一个特殊索引类型，主要用于地理空间数据类型，通常使用较少
Full-text（全文索引）：是一种通过建立倒排索引，快速匹配文档的方式。类似于Lucene，Solr，ES

Btree

二叉树的缺点：顺序插入时，会形成一个链表，查询性能大大降低。大数据量情况下，层级越深，检索速度慢。
可以通过红黑树解决单向链表的问题。但是大数据量情况下，层级较深，检索速度慢

而B-tree（多路平衡查找树）
以一颗最大度数（max-degree）为5（5阶）的B-tree为例（每个节点最多存储4个key，五个指针

B+Tree

以一颗最大度数（max-degree）为4（4阶）的B+tree为例：

相对于B-Tree区别
1、所有的数据都会出现在叶子节点
2、叶子节点形成一个单向链表
B+Tree
MySQL索引数据结构对经典的B+Tree进行了优化。在原先B+TRee的基础上，增加了一个指向相邻节点的链表指针，就形成了带有顺序指针的B+Tree，提高区间访问的性能。

Hash

哈希索引就是采用一定的hash算法，将键值换算成新的hash值，映射到对印的槽位上，然后存储在hash表中。
如果两个（或多个）键值，映射到一个相同的槽位上，他们就产生了hash冲突（也叫做hash碰撞），可以通过链表来解决

Hash索引特点
1、Hash索引只能用于对等比较（=，in），不支持范围查询（between，>,<，…）
2、无法利用索引完成排序操作
3、查询效率搞，通常只需要一次检索就可以了，效率通常要高于B+tree索引

存储引擎支持
在MySQL中，支持hash索引的是Memory引擎，而InnoDB中具有自适应hash功能，hash索引是存储引擎根据B+Tree索引在指定条件下自动构建的。

索引分类

主键索引：PRIMARY：针对于表中主键创建的索引。
特点：默认自动创建，只能有一个

唯一索引：UNIQUE：避免同一个表中某数据列中的值重复
特点：可以有多个

常规索引：（没有关键字）：快速定位特定数据
特点：可以有多个

全文索引：FULLTEXT：全文索引查找的是文本中的关键词，而不是比较索引中的值
特点：可以有多个

在InnoDB存储引擎中，根据索引的存储形式，又可以分为以下两种：
聚集索引（Clustered index）：将数据存储与索引放到了一块，索引结构的叶子节点保存了行数据：必须有，而且只有一个
二级索引（Secondary Index）：将数据与索引分开存储，索引结构的叶子节点关联的是对应的主键：可以存在多个。

聚集索引选取规则：
如果存在主键，主键索引就是聚集索引。
若果不存在主键，将使用第一个唯一（UNIQUE）索引作为聚集索引
如果表没有主键，或没有合适的唯一索引，则InnoDB会自动生成一个rowid作为隐藏的聚集索引

索引语法

创建索引
CREATE [ UNIQUE | FULLTEXT ] INDEX index_name ON table_name (index_col_name,...);
查看索引
SHOW INDEX FROM table_name;
删除索引
DROP INDEX index_name ON table_name;

SQL性能分析

查看执行频次

SQL执行频率
MySQL客户端连接成功后，通过show[session|global] status命令可以提供服务器状态信息。通过如下指令，可以查看当前数据库的INSERT、UPDATE、DELETE、SELECT的访问频次

SHOW GLOBAL STATUS LIKE 'Com____';

慢查询日志

慢查询日志记录了所有执行时间超过指定参数（long_query_time，单位：秒，默认十秒)的所有SQL语句的日志。
MySQL的慢性日志默认没有开启，需要在MySQL的配置文件（/etc/my.cnf）中配置如下信息：

-- 查看慢查询日志是否开启
show variables like 'slow_query_log';
-- 开启MySQL慢日志查询开关
slow_query_log = 1;
-- 设置慢日志的时间为2秒，SQL语句执行时间超过2秒，就会视为慢查询，记录慢查询日志
long_query_time = 2;

配置完毕之后，通过以下指令重新启动MySQL服务器进行测试，查看慢日志文件中记录的信息/va/lib/mysql/localhost-slow.log。

show profiles

show profiles 能够在做SQL优化时帮助我们了解时间都耗费到哪里去了（有些运行时间为1.9几秒的慢查询日志查不到）。
通过have_profiling参数，能够看到当前MySQL是否支持profile操作

SELECT @@have_profiling;

默认profiling是关闭的，可以通过set语句在session/global级别开启profiling：

SET profiling = 1;

执行一系列的业务SQL的操作，然后通过如下指令查看指令的执行耗时：

-- 查看每一条SQL的耗时基本情况
show profiles;
-- 查看指定的query_id的SQL语句各个阶段的耗时情况
shoe profile for query query_id;
-- 查看指定query_id的SQL语句CPU的使用情况
show profile cpu for query query_id;

explian

explian或者desc命令获取MySQL如何执行SELECT语句的信息，包括在SELECT语句执行过程中表如何连接和连接的顺序。
语法

-- 直接在select语句之前加上关键字explian/desc
EXPLAIN SELECT 字段列表 FROM 表名 WHERE 条件;

explain执行计划
explain执行计划个字段含义：

id：
select查询的序列号，表示查询中执行select子句或者是操作表的顺序（id相同，执行顺序从上到下；id不同，值越大，越先执行）。

select_type
表示select的类型，常见的取值有simple（简单表，即不适用表连接或者子查询）、PRIMARY（主查询，即外层的查询）、UNION（UNION中的第二个或者后面的查询语句）、SUBQUERY(SELECT/WHERE之后包含了子查询）等

type
表示连接类型，性能由好到差的来凝结类型为NULL、system、const、eq_ref、ref、range、index、all。（一般情况下是不可能优化到null的，这玩意只有不查询表的时候才会变成null；system相当于范围系统表；根据主键还有唯一索引进行访问，一般会出现const；使用非唯一性的索引进行查询时，会出现ref；all是全表扫描性能最低，尽量将type往前优化）

possible_key
显示可能应用在这张表上的索引，一个或多个。

key
实际使用的索引，如果为null，则没有使用索引

key_len
表示索引中使用的字节数，该值为索引字段最大可能长度，并非实际使用长度，在不损失精确性的前提下，长度越短越好。

rows
MySQL认为必须要执行查询的行数，在innodb引擎的表中，是一个预估值，可能并不总是准确的

filtered
表示返回结果的函数占需读取行数的百分比，filtered的值越大越好

索引使用规则

验证索引效率

在未建立索引之前，执行如下SQL语句，查看SQL的耗时

SELECT * FROM tb_sku WHERE sn = '100000003145001';

针对字段创建索引

create index idx_sku_sn on tb_sku(sn);

然后再次执行相同的SQL语句，再次查看SQL的耗时

SELECT * FROM tb_sku WHERE sn = '100000003145001';

最左前缀法则

如果索引了多列（联合索引），要遵循最左前缀法则。最左前缀法则指的是查询从索引的最左列开始，并且不跳过索引中的列。
如果跳跃某一列，索引将部分失效（后面的字段索引失效）

范围查询

联合索引中，出现范围查询（>,<），范围查询右侧的列索引失效

索引失效情况一

不要在索引列上进行运算操作，索引将失效

SQL提示

SQL提示，是优化数据库的一个重要手段，简单来说，就是在SQL语句中加入一些认为的提示来达到优化操作的目的。
use index：

explain select * from tb_user use index(idx_user_pro) where profession = '物联网';

ignore index

explain select * from tb_user ignore index(idx_user_pro) where profession = '物联网';

force index

explain select * from tb_user force index(tb_user_pro) where profession = '物联网';

覆盖索引

尽量使用覆盖索引（查询使用了索引，并且需要返回的列，在该索引中已经全部都能够找回），减少select *。

using index condition：查找使用了索引，但是需要回表查询数据
using where；using index：查找使用了索引，但是需要的数据都在索引列中都能找到，所以不需要回表查询数据

前缀索引

当字段类型为字符串（varchar，text等）时，有时候需要索引很长的字符串，这会让索引变得很大，查询时，浪费大量的磁盘IO，影响查询效率。此时可以只将字符串的一部分前缀，建立索引，这样可以大大节约索引空间，从而提高索引效率。

语法

create index idx_xxx on table_name(column(n));
前缀长度
可以根据索引的选择性来决定，而选择性是指不重复的索引值（基数）和数据表的记录总数的比值，索引选择性越高则查询效率越高，唯一索引的选择性是1，这是最好的索引选择性，性能也是最好的。

-- 求取索引选择性
select count(distinct email) / count(*) from tb_user;
select count(distinct sunstring(email,1,5) / count(*) from tb_user ;

单列索引与联合索引的选择

单列索引：即一个索引只包含单个列
联合索引：即一个索引包含了多个列
在业务场景中，如果存在多个查询条件，考虑针对于查询字段建立索引时，建议建立联合索引而非单列索引。

索引的设计原则

1、针对于数据量大的，且查询比较频繁的表建立索引。
2、针对于常作为查询条件（where）、排序（order by）、分组（group by）操作的字段建立索引
3、尽量选择区分度高的列作为索引，尽量建立唯一索引，区分度越高，使用索引的效率越高。
4、容易过时字符串类型的字段，字段的长度较长，可针对于字段的特点，建立前缀索引。
5、尽量使用联合索引，减少单列索引，查询时，联合索引很多时候可以覆盖索引，节省存储空间，避免回表，提高查询效率。
6、要控制索引的数量，索引并不是多多益善，索引越多，维护索引结构的代价也就越大，会影响增删改查的效率。
7、如果索引列不能存储null值，请在创建表时使用not null约束它。当优化器直到每列是否包含null值时，他可以更好地确定哪个索引最有效的用于查询。

SQL优化

其中包含：
插入数据
主键优化
order by优化
group by优化
limit优化
count优化
update优化

插入数据

insert优化：
批量优化

insert into tb_test values(1,'Tom'),(2,'Cat'),(3,'Jerry');

手动提交事务

start transaction;
insert into tb_test values(1,'Tom'),(2,'Cat'),(3,'Jerry');
insert into tb_test values(4,'Tom'),(5,'Cat'),(6,'Jerry');
insert into tb_test values(7,'Tom'),(8,'Cat'),(9,'Jerry');
commit;

主键顺序插入

主键乱序插入：8 1 9 21 88 2 4 15 89 5 7 3
主键顺序插入：1 2 3 4 5 6 7 8 9 15 21 88 89
大批量插入数据
如果一次性需要插入大批量数据，使用insert语句插入性能较低，此时可以使用MySQL数据库提供的load指令进行插入。操作如下：

# 客户端连接服务端时，加上参数 --local-infile
mysql--local-infile -u root -p
# 设置全局参数local_infile = 1；
set global local_infile = 1;
# 执行load指令将准备好的数据，加载到表结构中
load data local infile '/root/sql1.log' into table 'tb_user' fields terminated by ',' lines terminated by '\n';

主键顺序插入性能高于乱序插入

主键优化

数据组织方式
在InnoDB存储引擎中，表数据都是根据主键顺序组织存放的，这种存储方式的表称为索引组织表

页分裂（现象）
页可以为空，也可以填充一半，也可以填充100%。每个页包含了2-N行数据（如果一行数据多大，会行溢出），根据主键排列

页合并（现象）
当删除一行记录时，实际上记录并没有被物理删除，只是记录被标示为删除并且它的空间变得允许被其他记录声明使用。
当页中删除的记录达到MERGE_THRESHOLD（默认为页的50%），InnoDB会开始寻找最靠近的页（前或后）看看是否可以将两个页合并以优化空间使用。

MERGE_THRESHOLD：合并页的阈值，可以自己设置，在创建表或者创建索引时指定。

主键设计原则
满足业务需求的情况下，尽量降低主键的长度
插入数据时，尽量选择顺序插入，选择使用AUTO_INCREMENT自增主键
尽量不要使用UUID做主键或者是其他自然主键，如身份证号。
业务操作时，避免对主键的修改。

order by优化

1、Using filesort：通过表的索引或者全表扫描，读取满足条件的数据行，然后在排序 缓冲区sort buffer中完成排序操作，所有不是通过索引直接返回排序结果的排序都叫FIleSort排序
2、Using index：通过有序索引顺序扫描直接返回有序数据，这种情况即为using index，不需要额外排序，操作效率极高。

# 没有创建索引时，根据age，phone进行排序
explain select id,age,phone from tb_user order by age,phone;
# 创建索引
create index idx_user_age_phone_aa on tb_user(age,phone);
# 创建索引后，根据age，phone进行升序排序
explain select id,age,phone from tb_user order by age,phone;
# 创建索引后，根据age，phone进行降序排序
explain select id,age,phone from tn_user order by age desc , phone desc;

一个升序一个降序

# 根据age，phone进行降序一个升序，一个降序
explain select id,age,phone from tb_user order by age asc,phone desc;
# 创建索引
create index idx_user_age_phone_ad on tb_user(age asc, phone desc);
# 根据age，phone进行降序一个升序，一个降序
explain select id,age,phone from tb_user order by age asc , phone desc;

根据排序字段建立合适的索引，多字段排序时，也遵循最左前缀法则。
尽量使用覆盖索引。
多字段排序，一个升序一个降序，此时需要注意联合索引在创建时的规则（ASC/DESC）。
如果不可避免的出现filesort，大数据量排序时，可以适当增大排序缓冲区大小sort_buffer_size（默认256k）。

group by优化

# 删除掉目前的联合索引idx_user_pro_age_sta
drop index idx_user_pro_age_sta on tb_user;
# 执行分组操作，根据profession字段分组
explain select profession , count(*) from tb_user group by profession;
# 创建索引
create index idx_user_pro_age_sta on tb_user(profession,age,status);
# 执行分组操作，根据profession字段分组
explain select profession , count(*) from tb_user group by profession;
# 执行分组操作，根据profession字段分组
explain select profession , count(*) from tb_user group by profession , age;

limit优化

一个常见又非常头疼的问题就是limit 2000000，10，此时需要MySQL排序前2000010记录，仅仅返回2000000 - 2000010 的记录，其他记录丢弃，查询排序的代价非常大

优化思路：一般分页查询时，通过创建覆盖索引能够比较好的提高性能，可以通过覆盖索引加子查询形式进行优化。

count优化

explain select count(*) from tb_user;

MyISAM引擎把一个表的总行数存在了磁盘上，因此执行count（* ）的时候会直接返回这个数，效率很高；

innodb引擎就麻烦了，它执行count（* ）的时候，需要把数据一行一行地从引擎里面读出来，然后累积计数
优化思路：自己计数。

count的几种用法
count（）是一个聚合函数，对于返回的结果集，一行行地判断，如果count函数地参数不是null，累计值就加一，否则就不加，最后返回累计值
用法：count（*）、count（主键）、count（字段）、count（1）

count（主键）
InnoDB引擎会遍历整张表，把每一行地主键id都取出来，返回给服务层。服务层拿到主键后，直接按行进行累加（主键不可能为null）。

count（字段）
没有not null约束：InnoDB引擎会遍历整张表把每一行的字段值都取出来，返回给服务层，服务层判断是否为null，不为null，计数累加。
有not null约束：InnoDB引擎会便利整张表把每一行的字段值都取出来，返回给服务层，直接按行进行累加。

count（1）
InnoDB引擎遍历整张表，但不取值。服务层对于返回的每一行，放一个数字“1”进去，直接按行进行累加。

count（*）
InnoDB引擎并不会把全部字段取出来，而是专门做了优化，不取值，服务层直接按行进行累加。

按照效率排序的话，count（字段)<count（主键 id）<count（1）≈count（*）

所以尽量使用count（*）。

update优化

update student set no = '2000100100' where id = 1;

update student set no = '2000100105' where name = '韦一笑';