语言小知识-MySQL数据库引擎

MySQL 作为全世界广受欢迎的数据库,被用于很多中小型的项目中,但是你对 MySQL 数据库的存储引擎了解多少呢?

1、什么是数据库引擎(这里只对关系型数据库来说)?

我们将逻辑表中的数据存储到数据库中,数据库又将我们表中的数据存储到物理设备中(如磁盘,内存)。数据在物理设备上如何存储?如何创建索引?如何进行增删该查操作?对数据在物理设备上的存储和操作方式(或者说是类型、服务)就称为数据库引擎。

比如,在赛车比赛中,如果赛车手根据不同的比赛地形选择合适的赛车引擎,就能够让赛车跑得更快。MySQL 数据库支持插拔式的存储引擎,可以很方便的更换不同的数据库引擎,相比较而言,赛车手更换引擎就没那么方便了。MySQL 数据库的逻辑架构图如下,可以看到,存储引擎在整个 MySQL 数据库系统中位于底层。

5763525-75b43eb54f6f9af6.png
MySQL逻辑架构图.png

2、MySQL数据库引擎有哪些?

在 命令行中使用 show engines 查看 MySQL 数据库引擎,从下图中可以看出当前 MySQL 默认的数据库引擎就是 InnoDB。(我这里的 MySQL 为社区版 5.7 版本,请自行忽略背景中的小姐姐,手动滑稽~。)

5763525-d4ff4c8486add2cc.png
查看MySQL包含的数据库引擎.png

下面我将一一介绍这些数据库引擎。

InnoDB 引擎:

自从 MySQL5.6 后,InnoDB 就是 MySQL 默认的存储引擎,在这之前是 MyISAM 引擎。

InnoDB 支持事务,支持外键,支持自动的灾难恢复,使用行锁支持高并发的读取,支持热备份和奔溃后的快速恢复,支持全文检索(5.6.4版本才支持,所以一些面试题由于时间原因可能这里不严谨),有自己的读写缓存管理机制,即缓存索引也缓存数据,不支持压缩(未来可能支持)。

使用 InnoDB 引擎创建表,会生成 frm 文件和 idb 文件,frm 文件中存储表的定义,idb 文件中存储表的数据和索引。

5763525-bbdc604db3822347.png
InnoDB引擎.png

一般来说,InnoDB 对于大多数情况都是很不错的选择,能满足绝大多数的需要,这也是它称为 MySQL5.6 之后默认数据库引擎的原因。

MyISAM 引擎:

MyISAM 不支持事务,不支持奔溃后快速恢复,使用表锁不适合高并发,追求性能,依赖操作系统管理读取和写入的缓存,只缓存索引不缓存真实数据,支持压缩。

使用 MyISAM 引擎创建表,会生成 frm 文件、MYD文件和MYI文件,frm 文件中存储表的定义,MYD 文件中存储表的数据,MYI文件中存储表的索引。

5763525-650d1468f15427a7.png
MyISAM.png

因为 MyISAM 引擎不支持事务处理,所以意味着有事务需求时,不能使用 MyISAM 存储引擎。MyISAM 追求的是性能,适合插入和读取操作。

MRG_MyISAM (MERGE)引擎:

MRG_MyISAM 引擎是一组 MyISAM 表的组合,在 MySQL5.7 之前叫做 MEGER。

使用 MEG_MyISAM 引擎创建表,会生成 frm 文件和 MRG 文件,frm 文件中存储表的定义,MEG 文件存储表的数据。

MEG_MyISAM 引擎需要主表 MERGE 和子表具有完全一样的数据结构(属性、数据类型、索引)。对于存储策略是分成多表,如日志表,按照一年十二个月份划分,需要 12 张定义完全一样的数据表。当联合多个月份的表查询数据时,需要写多个表的连接,这时使用 MEG_MyISAM 引擎只需要像对待一张表一样查询,对数据的操作就变得简单了。

MEMORY 引擎:

MEMEORY 速度快,数据直接存储在内存中。

使用 MEMORY 引擎创建表,只会生成 frm 文件,因为表的数据是暂时存放在内存中的。

MEMORY 追求的是速度,为了得到更快的响应时间,采用速度相对磁盘快得多的内存做为存储介质,可以作为临时表使用。但由于数据是放在内存中的,表中的数据需要立即使用,否则当 MySQL守护进程奔溃时,表中的数据就会丢失。

CSV 引擎:

使用 CSV 引擎创建表,会生成 frm 文件,CSV 文件和CSM文件,frm 文件中存储表的定义,CSV 文件中存储表的数据,CSM 文件中存储表的元信息(如数据表现在的状态,数据表中的数据数量)。

生成的数据文件可直接使用 Office 中的 Excel 打开,但要注意文件损坏,必要时可使用命令 check table、repair table 检查和恢复表。

BLACKHOLE 引擎:

BLACKHOLE 如同它的名字,插入任何数据都不会保存,表永远为空,写入任何数据都会消失,就像是黑洞一样,可以吃掉所有的数据。

使用 BLACKHOME 引擎创建表,只会生成 frm 文件,frm 文件中存储表的定义,因为写入任何数据都不会保存,所以也就没有存储表数据的文件。

BLACKHOLE 不会保存数据,所以数据表可以作为演示使用,随意的增删改查,最终都不会在表中留下数据。

PERFORMANCE_SCHEMA 引擎:

该引擎用于收集数据库性能相关的参数,是 MySQL 的性能模式,主要关注性能数据。用户不能直接创建存储引擎为 PERFORMANCE_SCHEMA 的表。

ARCHIVE 引擎:

ARICHIVE 支持数据压缩,支持插入和查询操作两种功能。

使用 ARCHIVE 引擎创建表,会生成 frm 文件和 ARZ 文件,frm 文件中存储表的定义,ARZ 文件中存储表的压缩后的数据和索引。

FEDERATED 引擎:

支持代理查询,即创建一个远程的 MySQL客户端连接,将要查询的语句传输到远程服务器上执行,完成数据的存取。

从上图中可以看到,社区版的 MySQL 并不支持 FEDERATED 引擎。

除了上面这些数据库引擎,你还可以使用自己开发的数据库引擎,MySQL 提供了很好的扩展性。

3、怎样选择 MySQL 数据库引擎?

根据自己的需要使用数据库引擎,才能发挥出数据库的性能和满足实际的需要。在选择 MySQL 数据库引擎之前,你要考虑下面几个问题。

  • 1、是否需要支持事务?
  • 2、是否需要热备份?
  • 3、是否需要奔溃恢复?
  • 4、是否需要外键支持?
  • 5、存储的限制?
  • 6、对索引和缓存的支持?

这里也提供一张各种引擎对照表供你查看,一般来说 InnoDB 是个万金油式的选择,InnoDB 和 MyISAM 引擎最常用。

5763525-9c2930e807b6020e.png
各种引擎比较.png

——本文转自我的微信公众号《编程心路》。

深度学习是机器学习的一个子领域,它基于人工神经网络的研究,特别是利用多层次的神经网络来进行学习和模式识别。深度学习模型能够学习数据的高层次特征,这些特征对于图像和语音识别、自然语言处理、医学图像分析等应用至关重要。以下是深度学习的一些关键概念和组成部分: 1. **神经网络(Neural Networks)**:深度学习的基础是人工神经网络,它是由多个层组成的网络结构,包括输入层、隐藏层和输出层。每个层由多个神经元组成,神经元之间通过权重连接。 2. **前馈神经网络(Feedforward Neural Networks)**:这是最常见的神经网络类型,信息从输入层流向隐藏层,最终到达输出层。 3. **卷积神经网络(Convolutional Neural Networks, CNNs)**:这种网络特别适合处理具有网格结构的数据,如图像。它们使用卷积层来提取图像的特征。 4. **循环神经网络(Recurrent Neural Networks, RNNs)**:这种网络能够处理序列数据,如时间序列或自然语言,因为它们具有记忆功能,能够捕捉数据中的时间依赖性。 5. **长短期记忆网络(Long Short-Term Memory, LSTM)**:LSTM 是一种特殊的 RNN,它能够学习长期依赖关系,非常适合复杂的序列预测任务。 6. **生成对抗网络(Generative Adversarial Networks, GANs)**:由两个网络组成,一个生成器和一个判别器,它们相互竞争,生成器生成数据,判别器评估数据的真实性。 7. **深度学习框架**:如 TensorFlow、Keras、PyTorch 等,这些框架提供了构建、训练和部署深度学习模型的工具和库。 8. **激活函数(Activation Functions)**:如 ReLU、Sigmoid、Tanh 等,它们在神经网络中用于添加非线性,使得网络能够学习复杂的函数。 9. **损失函数(Loss Functions)**:用于评估模型的预测与真实值之间的差异,常见的损失函数包括均方误差(MSE)、交叉熵(Cross-Entropy)等。 10. **优化算法(Optimization Algorithms)**:如梯度下降(Gradient Descent)、随机梯度下降(SGD)、Adam 等,用于更新网络权重,以最小化损失函数。 11. **正则化(Regularization)**:技术如 Dropout、L1/L2 正则化等,用于防止模型过拟合。 12. **迁移学习(Transfer Learning)**:利用在一个任务上训练好的模型来提高另一个相关任务的性能。 深度学习在许多领域都取得了显著的成就,但它也面临着一些挑战,如对大量数据的依赖、模型的解释性差、计算资源消耗大等。研究人员正在不断探索新的方法来解决这些问题。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值