MySQL的基础架构简述

一、一条SQL查询语句是如何执行的

     开篇先上基本架构示意图🤗：

     大体来说，MySQL可以分为 Server 层和存储引擎两部分。
     Server 层包括连接器、查询缓存、分析器、优化器、执行器等，涵盖 MySQL 的大多数核心服务功能，以及所有的内置函数（如日期、时间、数学和加密函数等），所有跨存储引擎的功能都在这一层实现，比如存储过程、触发器、视图等。
     存储引擎层负责数据的存储和提取，其架构模式是插件式的，支持 InnoDB、MyISAM、Memory 等多个存储引擎。比较常见的是 InnoDB。
    

1、连接器

     使用数据库的第一步总是连接数据库，连接器起到和客户端建立连接、获取权限、维持和管理连接的作用。
     在经典的 TCP 握手后，连接器就要开始认证身份，用输入的用户名和密码做认证，若用户名或密码不对，就会收到一个"Access denied for user"的错误，然后客户端程序结束执行；若通过，连接器会到权限表里面查出拥有的权限，之后，这个连接里面的权限判断逻辑，都将依赖于此时读到的权限。换言之，一个用户成功建立连接后，即使使用管理员账号对这个用户的权限做了修改，也不会影响已经存在连接的权限，修改完成后，需要新建连接，才会使用新的权限设置。
     连接完成后，如果没有后续的动作，这个连接就处于空闲状态，可以在show processlist 命令查看状态。客户端如果太长时间没动静，连接器就会自动将它断开，想继续使用则需要重连。这个时间是由参数 wait_timeout 控制的，默认值是 8 小时。
     在数据库里，长连接是指 连接成功后，如果客户端持续有请求，则一直使用同一个连接；短连接则是指 每次执行完很少的几次查询就断开连接，下次查询再重新建立一个。
     建立连接的过程通常比较复杂，所以建议尽量减少建立连接，尽量使用长连接。不过全部使用长连接后，可能出现有时 MySQL 占用内存涨得特别快，这是因为 MySQL 在执行过程中临时使用的内存是管理在连接对象中的（Q：为啥这样设计？执行过程消耗的是连接对象的内存？）这些资源会在连接断开时才释放，所以如果长连接累积下来，可能导致占用内存太大，OOM而被系统强制杀掉，表现为MySQL异常重启。
     解决该问题可考虑：
1、定期断开长连接，或者 程序里判断 执行过一个占用内存的大查询后，断开连接，之后需要查询再重连。
2、如果用的是 5.7 及以上版本，可以在每次执行一个比较大的操作后，通过执行 mysql_reset_connection 来重新初始化连接资源，这个过程不需要重连和重新做权限验证，但是会将连接恢复到刚创建完时的状态。（Q：这是什么原理？是把执行过程中临时使用的内存给释放掉了吗？）
    

2、查询缓存

     MySQL 拿到一个查询请求后，会先到查询缓存看看，之前是不是执行过这条语句。之前执行过的语句及其结果可能会以 key-value 对的形式，被直接缓存在内存中。 key 是查询的语句，value 是查询的结果。如果你的查询能够直接在这个缓存中找到 key，那么这个 value 就会被直接返回给客户端。如果语句不在查询缓存中，就会继续后面的执行阶段。
     不过大多数情况下还是建议不要使用查询缓存，因为查询缓存的失效非常频繁，只要有对一个表的更新，这个表上所有的查询缓存都会被清空。所以对于更新压力大的数据库来说，查询缓存的命中率会非常低，除非某个业务就是有一张静态表，很长时间才会更新一次。比如，一个系统配置表，那这张表上的查询才适合使用查询缓存。
     在 8.0 之前，可以“按需使用”，将参数 query_cache_type 设置成 DEMAND，这样对于默认的 SQL 语句都不使用查询缓存。而对于确定要使用查询缓存的语句，可以用 SQL_CACHE 显式指定，如：

mysql> select SQL_CACHE * from T where ID=10；

     在 8.0 之后，查询缓存的整块功能被删掉了。

3、分析器

     如果没有命中查询缓存，就要开始真正执行语句了。
     具体来说就是需要根据语法规则，比如把 select 识别成查询语句、识别表名、字段名 等。
    

4、优化器

     优化器是在表有多个索引时，决定使用哪个索引，或者在一个语句有多表关联时，决定各个表的连接顺序。比如执行以下语句：

mysql> select * from t1 join t2 using(ID) where t1.c=10 and t2.d=20;

     既可以先从表 t1 里面取出 c=10 的记录的 ID 值，再根据 ID 值关联到表 t2，再判断 t2 里面 d 的值是否等于 20；也可以先从表 t2 里面取出 d=20 的记录的 ID 值，再根据 ID 值关联到 t1，再判断 t1 里面 c 的值是否等于 10。
     这两种执行方法的逻辑结果是一样的，但是执行的效率会有不同，而优化器的作用就是决定选择使用哪一个方案。
    

5、执行器

     开始执行的时候，会先判断一下对这个表是否有执行查询的权限，如果没有，就会返回没有权限的错误。如果有权限，就打开表继续执行。
     打开表的时候，执行器就会根据表的引擎定义，去使用这个引擎提供的接口。
     比如某个表 T 的 ID 字段没有索引，那么执行器的执行流程是这样的：
     调用 InnoDB 引擎接口取这个表的第一行，判断 ID 值是不是 10，如果不是则跳过，如果是则将这行存在结果集中；
     调用引擎接口取“下一行”，重复相同的判断逻辑，直到取到这个表的最后一行。
     执行器将上述遍历过程中 所有满足条件的行组成的记录集 作为结果集 返回给客户端。至此，这个语句就执行完成了。
     对于有索引的表，执行的逻辑也差不多。
     第一次调用的是“取满足条件的第一行” 这个接口，之后循环取“满足条件的下一行”这个接口，这些接口都是引擎中已经定义好的。
     在数据库的慢查询日志中看到一个 rows_examined 的字段，表示这个语句执行过程中扫描了多少行。这个值就是在执行器每次调用引擎获取数据行的时候累加的。在有些场景下，执行器调用一次，在引擎内部则扫描了多行，因此引擎扫描行数跟 rows_examined 并不是完全相同的。

---

Q：如果表 T 中没有字段 k，而执行 select * from T where k=1, 会报“不存在这个列”的错误： “Unknown column ‘k’ in ‘where clause’”。你觉得这个错误是在哪个阶段报出来的呢？
A：我觉得是在分析器阶段，识别列时。

---