数据库与事务
1. 数据库的基本概念与原则
1.1 存储引擎
概念
数据库的存储引擎是数据库的底层软件组织,DBMS使用存储引擎进行对数据的CRUD操作。
不同的存储引擎提供了不同的存储机制、索引技巧、锁定水平等功能,都有各自特定的功能。
目前许多DBMS都支持多种存储引擎,常用的有MyISAM、InnoDB、Memory、Archive和Federated。
MyISAM | InnoDB | |
---|---|---|
特点 | 1. 查询速度快,占用的内存和存储资源较少 2. 更新数据慢(表锁)且不支持事务处理 | 1. 支持事务 2. 支持灾难恢复(通过bin-log日志恢复) 3. 支持外键约束(仅InnoDB支持) 4. 支持自动增加列属性auto_increment |
说明 | 写操作是要锁定整张表,效率较低 | InnoDB底层存储结构为B+树,树的每个节点对应InnoDB的一个Page,Page大小一般固定是16KB。 其中非叶子节点只有键值,叶子节点包含完整的数据。 |
1.2 创建索引的原则
常见的创建索引的原则
- 选择唯一性索引
唯一性索引一般基于Hash算法实现,可以快速、唯一地定位到某条数据。- 为需要经常排序、分组和联合操作的字段建立索引
- 为经常作为查询条件的字段建立索引
- 限制索引的数量
索引越多,数据更新表越慢,因为在数据更新时会不断计算和添加索引。- 尽量使用数据量少的索引
如果索引的值很长,则占用的磁盘较大,查询速度会受到影响。- 尽量使用前缀来索引
如果索引字段值过长,则不但影响索引值的大小,而且会降低索引的执行效率,这时需要使用字段的部分前缀来作为索引。- 删除不再使用或者很少使用的索引
- 尽量使用区分度高的列作为索引
区分度表示字段值不重复的比例。- 尽量扩展现有索引
联合索引的查询效率比多个独立索引高。
1.3 数据库三范式
关于范式
范式是具有最小冗余的表结构。
1. 第一范式
- 满足条件
每列都是不可再分的最小数据单元(又称最小原子单元)。 - 目标
确保每列的原子性。 - 举例
下图中的Address不满足表列不可再分的原则,需要拆分为Country列和City列以满足第一范式。
2. 第二范式
- 定义
在第一范式的基础上,第二范式规定表中的非主键列不存在对主键列的部分依赖,要求每个表只描述一件事情。 - 举例
如下图,Orders表既包含订单信息,又包含产品信息,若要满足第二范式,需要将其拆分为两个单独的表。
3. 第三范式
- 定义
在满足第一范式和第二范式的基础上,表列不存在对非主键列的传递依赖。 - 举例
如下图,除了主键的订单编号,顾客姓名依赖于非主键的顾客编号,要满足第三范式,需要将该列去除。
1.4 数据库事务
- 定义
事务是一个不可分割的工作逻辑单元。数据库事务执行一系列基本操作,这些基本操作组成一个逻辑工作单元一起向数据库提交,要么都执行,要么都不执行。 - ACID特性
- 原子性(Atomicity)
事务是一个完整操作,参与事务的逻辑单元要么都执行,要么都不执行。 - 一致性(Consistency)
在事务执行完毕时,不论是正常执行完毕还是异常退出,数据都必须处于一致状态。 - 隔离性(Isolation)
对数据进行修改的所有并发事务都是彼此隔离的,它不应以任何方式依赖或影响其他事务。 - 永久性(Durability)
在事务操作完成后,对数据的修改将被持久化到永久性存储中。
- 原子性(Atomicity)
2. 基于数据库的并发操作和锁
2.1 数据库的并发策略
1. 乐观锁
- 乐观锁在读数据时,认为别人不会去写其所读的数据。
2. 悲观锁
- 与乐观锁相反,悲观锁认为在自己读数据时,别人刚好在写自己刚读的数据。
- 悲观锁在修改某条数据时,不允许别人读取该数据,直到自己的整个事务都提交并释放锁,其他用户才能访问该数据。
- 悲观锁分为排它锁(写锁)和共享锁(读锁)。
3. 时间戳
- 时间戳在操作数据时不加锁,通过时间戳来控制并发出现的问题。
- 描述
时间戳指在数据表中额外加一个时间戳列TimeStamp。每次读数据时,都把时间戳也读出来,在更新数据时把时间戳加1,在提交之前和数据库中该字段比较一次,如果比数据库的值大,就允许保存,否则不允许保存。 - 时间戳方法虽然不使用数据库系统提供的锁机制,但是可以大大提高数据库处理的并发度。
3. 数据库分布式事务
3.1 CAP定理
CAP定理指的是在一个分布式系统中,一致性(Consistency)、可用性(Availability)和分区容错性(Partition tolerance)三者不可兼得。
- 一致性
在分布式系统的所有数据备份中,在同一时刻是否有同样的值(所有节点都应该访问到同一份最新的数据副本)。- 可用性
在集群中一部分节点发生故障后,集群整体能否响应客户端的读写请求(对数据更新具备高可用性)。- 分区容错性
系统如果不能在时限内达成数据的一致性,就意味着发生了分区,必须就当前操作在C和A之间做出选择。以实际效果而言,分区相当于对通信的时限要求。