MySQL原理

索引

索引介绍

正确的创建合适的索引是提升数据库查询性能的基础。

索引是什么

索引是为了加速对表中数据行的检索而创建的一种分散存储的
数据结构

为什么要用索引

索引能极大的减少存储引擎需要扫描的数据量
索引可以把随机IO变成顺序IO
索引可以帮助我们在进行分组、排序等操作时，避免使
用临时表

为什么选择B+Tree

二叉查找树，Binary Search Tree

平衡二叉查找树，Balanced binnary search tree

缺点：

• 它太深了
  数据处的（高）深度决定着他的IO操作次数，IO操作耗时大
• 它太小了
  每一个磁盘块（节点/页）保存的数据量太小了 没有很好的利用操作磁盘IO的数据交换特性， 也没有利用好磁盘IO的预读能力（空间局部性原理），从而带来频繁的IO操作

多路平衡查找树，B-Tree

加强版多路平衡查找树，B+Tree

B+Tree 和 B-Tree 的区别

1，B+节点关键字搜索采用闭合区间
2，B+非叶节点不保存数据相关信息，只保存关键字和子节点的引用
3，B+关键字对应的数据保存在叶子节点中
4，B+叶子节点是顺序排列的，并且相邻节点具有顺序引用的关系

为什么要用B+Tree

B+树是B-树的变种（PLUS版）多路绝对平衡查找树，他拥有B-树的优势
B+树扫库、表能力更强
B+树的磁盘读写能力更强
B+树的排序能力更强
B+树的查询效率更加稳定

B+Tree在两大引擎中如何体现

Mysql 中B+Tree索引体现形式 —— Myisam

Mysql 中B+Tree索引体现形式 —— Innodb

Innodb VS Myisam

索引知识补充

列的离散型

最左匹配原则

联合索引

案例

覆盖索引

如果查询列可通过索引节点中的关键字直接返回，则该索引称之为
覆盖索引。
覆盖索引可减少数据库IO，将随机IO变为顺序IO，可提高查询性能

总结及验证

• 索引列的数据长度能少则少。
• 索引一定不是越多越好，越全越好，一定是建合适的。
• 匹配列前缀可用到索引 like 9999%，like %9999%、like %9999用不到索引；
• Where 条件中 not in 和 <>操作无法使用索引；
• 匹配范围值，order by 也可用到索引；
• 多用指定列查询，只返回自己想到的数据列，少用select *；
• 联合索引中如果不是按照索引最左列开始查找，无法使用索引；
• 联合索引中精确匹配最左前列并范围匹配另外一列可以用到索引；
• 联合索引中如果查询中有某个列的范围查询，则其右边的所有列都无法使用索引；

mysql学习笔记四 - MVCC

innodb存储引擎深入浅出、事务、锁

存储引擎、查询执行流程分析及执行计划详解

Mysql插拔式的存储引擎

存储引擎介绍

1，插拔式的插件方式
2，存储引擎是指定在表之上的，即一个库中的每一个表都可
以指定专用的存储引擎。
3，不管表采用什么样的存储引擎，都会在数据区，产生对应
的一个frm文件（表结构定义描述文件）

CVS存储引擎

• 数据存储以CSV文件
• 特点：
  不能定义没有索引、列定义必须为NOT NULL、不能设置自增列
  –>不适用大表或者数据的在线处理
  CSV数据的存储用,隔开，可直接编辑CSV文件进行数据的编排
  –>数据安全性低
  注：编辑之后，要生效使用flush table XXX 命令
• 应用场景：
  数据的快速导出导入
  表格直接转换成CSV

Archive 存储引擎

• 压缩协议进行数据的存储
• 数据存储为ARZ文件格式
• 特点：
  只支持insert和select两种操作
  只允许自增ID列建立索引
  行级锁
  不支持事务
  数据占用磁盘少
• 应用场景：
  日志系统
  大量的设备数据采集

Memory 存储引擎

• 数据都是存储在内存中，IO效率要比其他引擎高很多
• 服务重启数据丢失，内存数据表默认只有16M
• 特点：
  支持hash索引，B tree索引，默认hash（查找复杂度0(1)）
  字段长度都是固定长度varchar(32)=char(32)
  不支持大数据存储类型字段如 blog，text
  表级锁
• 应用场景：
  等值查找热度较高数据
  查询结果内存中的计算，大多数都是采用这种存储引擎
  作为临时表存储需计算的数据

Myisam

• Mysql5.5版本之前的默认存储引擎
• 较多的系统表也还是使用这个存储引擎
• 系统临时表也会用到Myisam存储引擎
• 特点：
  a，select count(*) from table 无需进行数据的扫描
  b，数据（MYD）和索引（MYI）分开存储
  c，表级锁
  d，不支持事务

Innodb

• Mysql5.5及以后版本的默认存储引擎
• Key Advantages：
  Its DML operations follow the ACID model [事务ACID]
  Row-level locking[行级锁]
  InnoDB tables arrange your data on disk to optimize queries
  based on primary keys[聚集索引（主键索引）方式进行数据存储]
  To maintain data integrity, InnoDB supports FOREIGN KEY
  constraints[支持外键关系保证数据完整性]

对比

MySQL体系结构及运行机理

• Client Connectors
  接入方 支持协议很多
• Management Serveices & Utilities
  系统管理和控制工具，mysqldump、 mysql复制集群、分区管理等
• Connection Pool
  连接池：管理缓冲用户连接、用户名、密码、权限校验、线程处理等需要缓存的需求
• SQL Interface
  SQL接口：接受用户的SQL命令，并且返回用户需要查询的结果
• Parser
  解析器，SQL命令传递到解析器的时候会被解析器验证和解析。解析器是由Lex和YACC实现的
• Optimizer
  查询优化器，SQL语句在查询之前会使用查询优化器对查询进行优化
• Cache和Buffer（高速缓存区）
  查询缓存，如果查询缓存有命中的查询结果，查询语句就可以直接去查询缓存中取数据
• pluggable storage Engines插件式存储引擎。
• 存储引擎是MySql中具体的与文件打交道的子系统file system文件系统，数据、日志（redo，undo）、索引、错误日志、查询记录、慢查询等

MySQL查询优化详解

mysql 查询优化-查询执行的路劲

mysql 查询优化-查询执行的路径

1，mysql 客户端/服务端通信
2，查询缓存
3，查询优化处理
4，查询执行引擎
5，返回客户端

mysql客户端/服务端通信

• Mysql客户端与服务端的通信方式是“半双工”
  全双工：双向通信，发送同时也可以接收
  半双工：双向通信，同时只能接收或者是发送，无法同时做操作
  单工：只能单一方向传送
• 半双工通信：
  在任何一个时刻，要么是有服务器向客户端发送数据，要么是客户端向服务端发送数据，这两个动作不能同时发生。所以我们无法也无需将一个消息切成小块进行传输。
• 特点和限制：
  客户端一旦开始发送消息，另一端要接收完整个消息才能响应。
  客户端一旦开始接收数据没法停下来发送指令。

mysql客户端/服务端通信-查询状态

对于一个mysql连接，或者说一个线程，时刻都有一个状态来标识这个连接正在做什么
查看命令 show full processlist / show processlist
https://dev.mysql.com/doc/refman/5.7/en/general-thread-states.html (状态全集)

• Sleep
  线程正在等待客户端发送数据
• Query
  连接线程正在执行查询
• Locked
  线程正在等待表锁的释放
• Sorting result
  线程正在对结果进行排序
• Sending data
  向请求端返回数据
• 可通过kill {id}的方式进行连接的杀掉
  

查询缓存

• 工作原理：
  缓存SELECT操作的结果集和SQL语句；
  新的SELECT语句，先去查询缓存，判断是否存在可用的记录集；
• 判断标准：
  与缓存的SQL语句，是否完全一样，区分大小写 (简单认为存储了一个key-value结构，key为sql，value为sql查询结果集)
• query_cache_type
  值：0 -– 不启用查询缓存，默认值；
  值：1 -– 启用查询缓存，只要符合查询缓存的要求，客户端的查询语句和记录集
  都可以缓存起来，供其他客户端使用，加上 SQL_NO_CACHE将不缓存
  值：2 -– 启用查询缓存，只要查询语句中添加了参数：SQL_CACHE，且符合查询
  缓存的要求，客户端的查询语句和记录集，则可以缓存起来，供其他客户端使用
• query_cache_size
  允许设置query_cache_size的值最小为40K，默认1M，推荐设置 为：64M/128M；
• query_cache_limit
  限制查询缓存区最大能缓存的查询记录集，默认设置为1M
• show status like ‘Qcache%’ 命令可查看缓存情况

查询缓存 - 不会缓存的情况

1.当查询语句中有一些不确定的数据时，则不会被缓存。如包含函数NOW()，
CURRENT_DATE()等类似的函数，或者用户自定义的函数，存储函数，用户变
量等都不会被缓存
2.当查询的结果大于query_cache_limit设置的值时，结果不会被缓存
3.对于InnoDB引擎来说，当一个语句在事务中修改了某个表，那么在这个事务
提交之前，所有与这个表相关的查询都无法被缓存。因此长时间执行事务，
会大大降低缓存命中率
4，查询的表是系统表
5，查询语句不涉及到表

查询缓存 - 是一个坑

• 为什么mysql默认关闭了缓存开启？？
  1.在查询之前必须先检查是否命中缓存,浪费计算资源
  2.如果这个查询可以被缓存，那么执行完成后，MySQL发现查询缓存中没有这
  个查询，则会将结果存入查询缓存，这会带来额外的系统消耗
  3.针对表进行写入或更新数据时，将对应表的所有缓存都设置失效。
  4.如果查询缓存很大或者碎片很多时，这个操作可能带来很大的系统消耗

查询缓存 - 适用业务场景

• 以读为主的业务，数据生成之后就不常改变的业务
  比如门户类、新闻类、报表类、论坛类等

查询优化处理

• 查询优化处理的三个阶段：
  • 解析sql
    通过lex词法分析,yacc语法分析将sql语句解析成解析树
    https://www.ibm.com/developerworks/cn/linux/sdk/lex/
  • 预处理阶段
    根据mysql的语法的规则进一步检查解析树的合法性，如：检查数据的表
    和列是否存在，解析名字和别名的设置。还会进行权限的验证
  • 查询优化器
    优化器的主要作用就是找到最优的执行计划

查询优化器如何找到最有执行计划

• 使用等价变化规则
  5 = 5 and a > 5 改写成 a > 5
  a < b and a = 5 改写成 b > 5 and a = 5
  基于联合索引，调整条件位置等
• 优化count 、min、max等函数
  min函数只需找索引最左边
  max函数只需找索引最右边
  myisam引擎count(*)
• 覆盖索引扫描
• 子查询优化
• 提前终止查询
  用了limit关键字或者使用不存在的条件
• IN的优化
  先进性排序，再采用二分查找的方式
• Mysql的查询优化器是基于成本计算的原则。他会尝试各种执行计划。
  数据抽样的方式进行试验（随机的读取一个4K的数据块进行分析）

mysql 查询优化 - 执行计划

执行计划 - id

select查询的序列号，标识执行的顺序
1、id相同，执行顺序由上至下
2、id不同，如果是子查询，id的序号会递增，id值越大优先级越高，越先被执行
3、id相同又不同即两种情况同时存在，id如果相同，可以认为是一组，从上往下顺序
执行；在所有组中，id值越大，优先级越高，越先执行

执行计划 - select_type

• 查询的类型，主要是用于区分普通查询、联合查询、子查询等
  SIMPLE：简单的select查询，查询中不包含子查询或者union
  PRIMARY：查询中包含子部分，最外层查询则被标记为primary
  SUBQUERY/MATERIALIZED：SUBQUERY表示在select 或 where列表中包含了子查询
  MATERIALIZED表示where 后面in条件的子查询
  UNION：若第二个select出现在union之后，则被标记为union；
  UNION RESULT：从union表获取结果的select

执行计划 - table

• 查询涉及到的表
  直接显示表名或者表的别名
  <unionM,N> 由ID为M,N 查询union产生的结果
  由ID为N查询生产的结果

执行计划 - type

• 访问类型，sql查询优化中一个很重要的指标，结果值从好到坏依次是：
  system > const > eq_ref > ref > range > index > ALL
  system：表只有一行记录（等于系统表），const类型的特例，基本不会出现，可以忽略不计
  const：表示通过索引一次就找到了，const用于比较primary key 或者 unique索引
  eq_ref：唯一索引扫描，对于每个索引键，表中只有一条记录与之匹配。常见于主键 或 唯一索引扫描
  ref：非唯一性索引扫描，返回匹配某个单独值的所有行，本质是也是一种索引访问
  range：只检索给定范围的行，使用一个索引来选择行
  index：Full Index Scan，索引全表扫描，把索引从头到尾扫一遍
  ALL：Full Table Scan，遍历全表以找到匹配的行

执行计划 - possible_keys、key、rows、filtered

• possible_keys
  查询过程中有可能用到的索引
• key
  实际使用的索引，如果为NULL，则没有使用索引 rows
  根据表统计信息或者索引选用情况，大致估算出找到所需的记录所需要读取的行数
• filtered
  它指返回结果的行占需要读到的行(rows列的值)的百分比
  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

执行计划 - Extra

十分重要的额外信息

• Using filesort ：
  mysql对数据使用一个外部的文件内容进行了排序，而不是按照表内的索引进行排序读取
• Using temporary：
  使用临时表保存中间结果，也就是说mysql在对查询结果排序时使用了临时表，常见于order by 或 group by
• Using index：
  表示相应的select操作中使用了覆盖索引（Covering Index），避免了访问表的数据行，效率高
• Using where ：
  使用了where过滤条件
• select tables optimized away：
  基于索引优化MIN/MAX操作或者MyISAM存储引擎优化COUNT(*)操作，不必等到执行阶段在进行计算，查询执行计划生成的阶段即可完成优化

查询执行引擎

• 调用插件式的存储引擎的原子API的功能进行执行计划的执行

返回客户端

• 有需要做缓存的，执行缓存操作
• 增量的返回结果：
  开始生成第一条结果时,mysql就开始往请求方逐步返回数据
  • 好处： mysql服务器无须保存过多的数据，浪费内存
    用户体验好，马上就拿到了数据

如何定位慢sql

• 业务驱动
• 测试驱动
• 慢查询日志

慢查询日志配置

show variables like ‘slow_query_log’
set global slow_query_log = on
set global slow_query_log_file = ‘/var/lib/mysql/gupaoedu-slow.log’
set global log_queries_not_using_indexes = on set global long_query_time = 0.1 (秒)

慢查询日志分析

Time ：日志记录的时间
User@Host：执行的用户及主机
Query_time：查询耗费时间 Lock_time 锁表时间 Rows_sent 发送给请求方的记录
条数 Rows_examined 语句扫描的记录条数
SET timestamp 语句执行的时间点
select … 执行的具体语句

慢查询日志分析工具