MySQL体系结构
连接层,服务层,引擎层,存储层
存储引擎
-
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,所以存储引擎也可被称为表类型
建表的默认存储引擎为:InnoDB
在创建表时,指定存储引擎
CREATE TABLE 表名(
字段1 字段1类型 [COMMENT 字段1注释]
......
字段n 字段n类型 [COMMENT 字段n注释]
) ENGINE = INNODB [COMMENT 表注释];
查看当前数据库支持的存储引擎
SHOW ENGINES ;
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MySQL 5.5之后,是默认的MySQL存储引擎
InnoDB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
InnoDB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
逻辑存储结构
结构 | 大小 |
---|---|
TableSpace(表空间) | |
Segment(段) | |
Extent(区) | 大小为:1M (可以包含64个页) |
Page(页) | 大小为:16K |
Row(行) |
MyISAM介绍
MyISAM是MySQL早期的默认存储引擎
MyISAM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
MyISAM文件
文件 | 作用 |
---|---|
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引擎的表数据是存储在内存中的,由于受到硬件问题、或断电问题的影响,只能将这些表作为临时表或缓存使用
Memory特点
-
内存存放
-
hash索引(默认)
Memory文件
文件 | 作用 |
---|---|
xxx.sdi | 存储表结构信息 |
重点了解InnoDB和MyISAM的区别
InnoDB | MyISAM |
---|---|
支持事务安全 | 不支持事务安全 |
锁机制是行锁 | 锁机制是表锁 |
支持外键 | 不支持外键 |
三者的特性
存储引擎 | 特性 |
---|---|
InnoDB | 是MySQL的默认存储引擎,支持事务、外键。如果应用对事务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,还包括很多的更新、删除操作,那么InnoDB存储引擎是比较合适的选择 |
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,并且对事务的完整性、并发性要求不是很高,那么选择这个存储引擎是非常合适的 |
MEMORY | 将所有数据保存在内存中,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 |
InnoDB:存储业务系统中对于事务、数据完整性要求较高的核心数据
索引
优势
- 提高数据检索的效率,降低数据库的IO成本
- 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
- 索引列也是要占空间的
- 索引大大提高了查询效率,同时却也降低了更新表的速度,如对表进行INSERT、UPDATE、DELETE时,效率降低
索引结构
索引类型 | 特点 |
---|---|
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 | 底层数据结构是用哈希表实现的,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 |
B-Tree(多路平衡查找树)
-
所有元素都会出现在叶子节点
-
叶子节点形成了单向链表。
在MySQL索引数据结构中对B+Tree进行了优化,在原B+Tree的基础上,增加一个指向相邻叶子节点的链表指针,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)
-
采用一定的hash算法,将键值换算成新的hash值,映射到对应的槽位上,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(也称为hash碰撞),可以通过链表来解决
Hash索引特点
- Hash索引只能用于对等比较(=,in),不支持范围查询(between,>,<,…)
- 无法利用索引完成排序操作
- 查询效率高,通常只需要一次检索就可以了,效率通常要高于B+Tree索引
为什么InnoDB存储引擎选择使用B+Tree索引结构
- 相对于二叉树,层级更少,搜索效率高
- 对于B-tree,无论是叶子节点还是非叶子节点,都会保存数据,这样导致一页中存储的键值减少,指针跟着减少,要同样保存大量数据,只能增加树的高度,导致性能降低
- 相对Hash索引,B+tree支持范围匹配及排序操作
索引分类
按功能分类
分类 | 含义 | 特点 | 关键字 |
---|---|---|---|
主键索引 | 针对于表中主键创建的索引 | 默认自动创建,只能有一个 | PRIMARY |
唯一索引 | 避免同一个表中某数据列中的值重复 | 可以有多个 | UNIQUE |
常规索引 | 快速定位特定数据 | 可以有多个 | |
全文索引 | 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 | 可以有多个 | FULLTEXT |
按存储形式分类
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)
含义: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
特点:必须有,而且只有一个
二级索引(Secondary Index)
含义: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
特点: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
- 如果不存在主键,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
回表查询
先走二级索引找到对应的主键,再去聚集索引查找数据
不重要
假设:
一行数据大小为1k,一页中可以存储16行这样的数据。InnoDB的指针占用6个字节的空间,主键即使为bigint,占用字节数为8
高度为2:
n * 8 + (n+1) * 6 = 16 * 1024 算出n约为1170
1171 * 16 = 18736
高度为3:
1171 * 1171 * 16 = 21939856
索引语法
创建索引
CREATE[ UNIQUE | FULLTEXT ] INDEX index_name ON table_name( index_col_name , ...);
index_name索引名称一般为:index_表名字段名
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
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
session是当前会话,global是全局
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_______';
七个下划线
慢查询日志
该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10秒)的所有SQL语句的日志
MySQL的慢查询日志默认没有开启,需要在MySQL的配置文件(/etc/my.cnf)中配置如下信息:
-
vi /etc/my.cnf
-
按
i
,在最后加上下面的两句话,加完按esc
退出,输入:wq
保存并退出-
开启MySQL慢查询日志的开关
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
-
-
cd /var/lib/mysql 接着输入ll
-
找slow.log
-
cat ********slow.log
查看慢日志文件
-
tail -f *******slow.log
查看慢日志文件实时插入的信息
profile详情
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。
查看是否支持profile操作
SELECT @@have_profiling;
通过
have_profiling
参数,能够看到当前MySQL是否支持profile操作
查看profiling是否打开
SELECT @@profiling;
开启profiling
SET profiling = 1;
默认profiling是关闭的,可以通过set语句在session/global级别开启profiling:
查看每一条SQL的耗时基本情况
show profiles;
查看指定query_id的SQL语句各个阶段的耗时情况
show 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;
explain执行计划
EXPLAIN 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果连接和连接的顺序
语法
直接在select语句之前加上关键字 explain / desc
EXPLAIN SELECT 字段列表 FROM 表名 WHERE 条件;
EXPLAIN执行计划各字段含义
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,即不使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,性能由好到差的连接类型为NULL、system、const、eq_ref、ref、range、index、all
possible_key
显示可能应用在这张表上的索引,一个或多个
Key
显示实际使用的索引,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,是一个估计值,可能并不总是准确的
filtered
表示返回结果的行数占需读取行数的百分比,filtered的值越大越好
索引使用
最左前缀法则
如果索引了多列(联合索引),要遵守最左前缀法则。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),如果跳过了第一列,整个索引失效
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
如果使用
>=
,<=
就不会出现索引失效
索引失效的情况
失效问题 | 解释 |
---|---|
索引列运算 | 不要在索引列上进行运算操作,索引将失效 |
字符串不加单引号 | 字符串类型字段使用时,不加引号,索引将失效 |
模糊查询 | 如果仅仅是尾部模糊匹配,索引不会失效。如果是头部模糊匹配,索引失效。前面加%不走索引,后面加%可以走索引 |
or连接的条件 | 用or分隔开的条件,如果or前的条件中的列有索引,而后面的列中没有索引,那么涉及的索引都不会被用到 |
数据分布影响 | 如果MySQL评估使用索引比全表更慢,则不使用索引 |
如何使用索引
SQL提示
是优化数据库的一个重要手段,就是在SQL语句中加入一些人为的提示来达到优化操作的目的
use index
建议指定使用哪个索引(MySQL会自己判断优劣,进行选择)
explain select * from tb_user use index(idx_user_pro) where profession = '软件工程';
ignore index
忽略不使用哪个索引
explain select * from tb_user ignore index(idx_user_pro) where profession = '软件工程';
force index
强制指定使用哪个索引(MySQL不会自己判断)
explain select * from tb_user force index(idx_user_pro) where profession = '软件工程';
索引分类
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能够找到),减少select *
前缀索引
当字符类型为字符串(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 索引名 on 表名(字段名(n));
前n个字符
前缀长度
可以根据索引的选择性——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
select count(distinct email)/count(*) from tb_user;
select count(distinct substring(email,1,5))/count(*) from tb_user;
单列索引
一个索引只包含单个列
联合索引(推荐使用)
一个索引包含了多个列
索引设计原则
- 针对于数据量较大,且查询比较频繁的表建立索引
- 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
- 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
- 如果是字符串类型的字段,字段的长度较长,可以针对于字段的特点,建立前缀索引
- 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
- 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,会影响增删改的效率
- 如果索引列不能存储NULL值,请在创建表时使用NOT NULL约束它。当优化器知道每列是否包含NULL值时,它可以更好地确定哪个索引最有效地用于查询