关于高性能mysql的读书报告_《高性能MySQL》读书笔记:第一章[MySQL架构与历史]...

《高性能MySQL》读书笔记:第一章[MySQL架构与历史]

MySQL逻辑架构

78c15e54246947d73cb69177321dc4a6.png

MySQL最优秀的一点就是它的存储架构,将查询处理,系统任务,数据存储/提取相分离

并发控制

通过读写锁实现并发控制

读锁/共享锁:相互不阻塞,多个用户在同一时刻可以读取同一个资源

写锁/排他锁:一个写锁会阻塞其他读锁和写锁

锁粒度

锁粒度越小,并发程度越高,行锁粒度最小

MySQL在存储引擎层实现自己的锁策略和锁粒度,不同存储引擎自然不同锁策略和粒度

锁策略

表锁

机制描述:它会锁定整张表。一个用户在对表进行写操作(插入,删除,更新等)前,需要先获得写锁,这会阻塞其他用户对该表的所有读写操作。只有没有写锁时,其他读取的用户才能获得该锁,读锁之间是不互相阻塞的

写锁比读锁拥有更高的优先级,因此一个写锁请求可能会被插入到读锁队列前面,反之读锁不行

ALTER TABLE之类的语句会被MYSQL忽略存储引擎的锁机制

行锁

可以最大程度的支持并发处理。

只在存储引擎层实现

事务

ACID

原子性 atomicity

一致性 consistency :数据库总从一个一致性状态转移到另一个一致性状态。用户数据修改之后,系统发生崩溃也不会导致脏数据,因为事物没有提交

隔离性 isolation

持久性 durability

隔离级别

SQL标准中定义了4种隔离级别

较低的隔离级别通常可以执行更高的并发

READ UNCOMMITTED 未提交读

很少见

READ COMMITTED 提交读

大多数数据库系统的默认隔离级别(MySQL不是)

又叫不可重复读,两次执行同样的查询可能会读到不一样的结果

PEPEATABLE READ 可重复读

默认隔离级别

通过MVCC实现不可重复读

SERIALIZABLE 可串行化

最高隔离级别,强制事务串行执行

04edfa1af5d2c5ef269d409237edeab4.png

死锁

MySQL中死锁是指两个或多个事务在同一资源上相互占用,并请求锁定对方占用的资源,从而导致恶性循环的现象

InnoDB处理死锁的方法是:将持有最少行级排他锁的事务进行回滚

事务日志

数据的修改行为会先记录到事务日志中,事务日志是磁盘上一小块顺序IO,效率很高。

实物日志持久后,修改的数据可以在后台慢慢的写到磁盘上。

所以一次修改数据要写两次磁盘

MySQL中的事务

1.MySQL提供InnoDB和NDB Cluster两种支持事务的引擎

2.MySQL采用自动提交模式,每个查询自动的被当作一个事务执行提交操作

3.一些命令会强制提交活动事务:一般是修改大量数据的命令,如ALTER TABLE

4.InnoDB可以隐式或者显式的加锁

多版本并发控制

基于并发性能的考虑,事务的控制一般不采用加锁,而使用多版本并发。可以认为MVCC是行级锁的一个变种。

在每行记录后面保存两隐藏的列:创建的版本号 过期的版本号

规则

4d459160c24a4b099cb823b60d2a3d09.png

存储引擎

1..frm:存储表的定义

InnoDB

1.InnoDB通过间隙锁策略防止幻读的出现

2.InnoDB表是通过聚簇索引建立的

3.等等等等优点后面章节介绍

MyISAM

5.1及之前的版本,MyISAM是默认的存储引擎

不支持事务和行级锁

数据文件.MYD

索引文件.MYI

书中还介绍了好多其他引擎第三方引擎包括转换表的引擎相关,就不在此记录了先

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
目标检测(Object Detection)是计算机视觉领域的一个核心问题,其主要任务是找出图像中所有感兴趣的目标(物体),并确定它们的类别和位置。以下是对目标检测的详细阐述: 一、基本概念 目标检测的任务是解决“在哪里?是什么?”的问题,即定位出图像中目标的位置并识别出目标的类别。由于各类物体具有不同的外观、形状和姿态,加上成像时光照、遮挡等因素的干扰,目标检测一直是计算机视觉领域最具挑战性的任务之一。 二、核心问题 目标检测涉及以下几个核心问题: 分类问题:判断图像中的目标属于哪个类别。 定位问题:确定目标在图像中的具体位置。 大小问题:目标可能具有不同的大小。 形状问题:目标可能具有不同的形状。 三、算法分类 基于深度学习的目标检测算法主要分为两大类: Two-stage算法:先进行区域生成(Region Proposal),生成有可能包含待检物体的预选框(Region Proposal),再通过卷积神经网络进行样本分类。常见的Two-stage算法包括R-CNN、Fast R-CNN、Faster R-CNN等。 One-stage算法:不用生成区域提议,直接在网络中提取特征来预测物体分类和位置。常见的One-stage算法包括YOLO系列(YOLOv1、YOLOv2、YOLOv3、YOLOv4、YOLOv5等)、SSD和RetinaNet等。 四、算法原理 以YOLO系列为例,YOLO将目标检测视为回归问题,将输入图像一次性划分为多个区域,直接在输出层预测边界框和类别概率。YOLO采用卷积网络来提取特征,使用全连接层来得到预测值。其网络结构通常包含多个卷积层和全连接层,通过卷积层提取图像特征,通过全连接层输出预测结果。 五、应用领域 目标检测技术已经广泛应用于各个领域,为人们的生活带来了极大的便利。以下是一些主要的应用领域: 安全监控:在商场、银行
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