1.数据库的存储结构: 页
- 索引结构给我们提供了高效的索引方式, 不过
索引信息以及数据记录都是保存在文件上
的(innodb的ibd文件, MyISAM的MyI和MyD文件
), 确切的说是存储在页结构中
.- 另一方面, 索引是在存储引擎中实现的, MySQL服务器上的存储引擎负责对表中数据的读取和写入工作. 不同存储引擎中存放的格式一般是不同的, 甚至有的存储引擎比如Memory都不用磁盘来存储数据
- 由于
InnoDB是MySQL的默认存储引擎
, 所以本节主要是剖析InnoDB存储引擎的数据结构
1.1 磁盘与内存交互的基本单位 : 页
- 1.InnoDB将数据划分为若干个页, InnoDB中页的大小
默认为16KB
- 2.以
页
作为磁盘和内存之间交互的基本单位,
也就是一次最少从磁盘中读取16KB的内容到内存中, 一次最少把内存中的16KB内容刷新到磁盘中. 也就是说,在数据库中, 不论读一行还是读多行, 都是将这些行所在的页进行加载. 月也就是说, 数据库管理存储空间的基本单位是页(Page), 数据库I/O操作的最小单位是页
.。一个页中可以存储多行记录
记录是按照行来存储的, 但是数据库的读取并不以行为单位, 否则一次读取(也就是一次I/O操作)只能处理一行数据, 效率会非常低.
1.2 页结构概述
- 1.页a, 页b, 页c… 页n这些页可以不在物理结构上相连, 只要通过双向链表相关联即可. 每个数据页中的记录会按照主键值从小到达的顺序组成一个单向链表, 每个数据页都会为存储在它里面的记录生成一个页目录, 在通过主键查找某条记录的时候可以在页目录中使用二分法快速定位到对应的槽位, 然后再遍历该槽对应分组中的记录即可快速找到指定的记录
- 2.页目录等我们下面详细介绍页结构的会讲解
- 3.注意: 这些页是同一层的页, 可以不在物理结构上相连, 但是页分配的时候确实是相连的, 但是呐不是同一层相连,但是注意: 数据库分配的单位是段, 段又分为了索引段和数据段, 数据段就是索引结构的叶子结点层, 所以说其实叶子结点层的页是相连的
1.3 页的大小
- 1.不同的数据库管理系统(简称DBMS)的页大小不同. 比如在MySQL的InnoDB存储引擎中, 默认页的大小是16KB,
- 2.我们可以通过下面的命令来进行查看:
show variables like '%innodb_page_size'
- SQL Server中页的大小为8KB,
- 而在Oracle中我们用术语"块"(Block)来代表页, Oracle支持的块大小为2KB, 4KB, 8KB, 16K, 32KB, 64KB
1.4 页的上层结构
- 1.另外在数据库中, 还存在着区(Extent), 段(Segment)和表空间(Tablespace)的概念. 行, 页, 区, 段, 表空间的关系如下图所示:
2. 页的内部结构:
2.1.概述:
- 1.页如果按照类型划分的话, 常见的有
数据页(保存B+树结点), 系统页, Unod页和事物数据页
等, 数据页是我们最常使用的页 - 2.我们这里说的数据页
包括了B+树叶子结点和非叶子结点
, 但是其实也可以把非叶子结点分出去称之为目录页, - 3.数据页的16KB大小的存储空间被划分为了7个部分, 分别是文件头(File Header), 页头(Page Header), 最大最小记录(Infimum+supremum), 用户记录(User Records), 空闲空间(Free Space), 页目录(Page Directory)和文件尾(File Tailer),页结构的示意图如下所示:
- 4.这7个部分作用分别如下: 我们简单的梳理如下表所示:
2.2.我们可以把这7个结构分成3个部分:
a.第一部分: File Header(文件头部)和File Trailer(文件尾部)
文件头:
- 1.作用 : 描述各种页的通用信息(比如页的编号, 其上一页, 下一页是谁等等)
- 2.文件头的构成如下图:
1.fil_page_offset(4个字节) :
- 每一个页都有一个单独的页号, 就和你的身份证号码一样, InnoDB通过页号可以唯一定位一个页
2.fil_page_type(2字节)
- 这个代表当前页的类型
可以看到页其实是不区分数据页和索引页的, 我们说索引页也好, 说数据页也好都是代表的是索引 或者 数据
段是分为索引段和数据段的, 因为我们要区分索引和数据进行分开存储, 至于好处就是为了能多一点顺序IO, 减少随机IO
3. fil_page_prev(4字节)和fil_page_next(4字节)
InnoDB都是以页为单位来存放数据的, 如果数据分散到多个不连续的页中存储的话需要把这些页关联起来, fil_page_prev和fil_page_next就分别代表本页的上一个和下一个页的页号. 这样通过建立一个双向链表把许许多多的页就串联起来了, 保证这些页之间不需要是物理上连续, 而是逻辑上连续 (区上的页的分配是连续的, 但是经过很多操作后, 可能逻辑连续的页物理位置就不连续了)
- fil_page_space_or_chksum(4字节)
代表当前页面的校验和(checksum)
文件头部和文件尾部都有属性fil_page_space_or_chksum
什么是校验和?
就是对于很长的字节串来说, 我们会通过某种算法来计算一个比较短的值俩代表这个很长的字符串, 这个比较短的值就称之为校验和
在比较两个很长的字节串之前, 先比较这两个长字节串的校验和, 如果校验和都不一样, 则两个长字节串肯定是不同的, 所以省去了直接比较两个比较长的字节串的时间损耗
校验和的作用:
InnoDB存储引擎以页为单位把数据加载到内存中处理, 如果该页中的数据在内存中被修改了, 那么在修改后的某个时间需要把数据同步到磁盘中. 但是在同步了一般的时候快断电了, 造成该页传输的不完整
为了检测一个页是否完整(也就是在同步的时候有没有发生只同步一半的尴尬情况), 这时可以通过文件尾的校验和与文件头的校验和做对比, 如果两个值不相等则证明页的传输有问题, 需要重新进行传输, 否则认为页的传输已经完成
后面我们讲到redo日志的时候就会讲到刷盘, 以及刷盘策略, 我们开始的时候将数据加载到内存中, 对内存中数据操作之后要以页为单位将数据写回到磁盘中, 那么如何判断我们磁盘中的文件是刷新完的, 如何确保刷新的过程是正确的, 我们就要用到检验和, 修改内存中页的数据之后我们就会同时改变校验和, 那么如果刷盘的过程中刷盘一般停机了, 这个时候我们就可以判断磁盘中的页的文件头和文件尾的校验和是否相等, 如果不相等, 那不就直接说明是失败的? 就节省了性能
具体的:
每当一个页面在内存中修改了, 在同步之前就要把它的校验和算出来. 因为File Headeer在页面的前面, 所以校验和会被首先同步到磁盘, 当完全写完时, 校验和也会被写到页的尾部, 如果完全同步成功, 则页的首部和尾部的校验和应该是一致的. 如果写一般断电了, 那么在File Header中的校验和就代表着已经修改过的页, 而在File Trailer中的校验和代表着原先的页, 二者不同则意味着同步中间出了错. 这里, 校验方式就是采用Hash算法进行校验
- fil_page_lsn(8字节)
页面被最后修改时对应的日志序列位置(英文名是: Log Sequence Number)
日志序列位置也是为了校验页的完整性的, 如果首部和尾部LSN值校验不成功的话, 就说明同步过程出现了问题
2. 文件尾(8字节):
-
前4个字节代表页的校验和
这个部分是和文件头(File Header)中的校验和相对应的 -
后4个字节代表页面被最后修改时对应的日志序列位置(LSN):
这个部分也是为了校验页的完整性的, 如果首部和尾部的LSN值校验不成功的话, 就说明同步过程出现了问题
b.第二部分: 记录部分
第二个部分是记录部分, 页的主要作用是存储记录, 所以"最大和最小记录"和"用户记录"部分占了页结构的主要空间
记录部分分为: 1.空闲空间, 2.用户记录, 3.最小最大记录
-
Free Space(空闲空间)
我们自己存储的记录会按照指定的行格式存储到User Records(用户记录)部分, 但是在一开始生成页的时候, 其实并没有User Records这个部分, 每当我们插入一条记录, 都会从Free Space部分, 也就是尚未使用的存储空间申请一个记录大小的空间划分到User Records部分, 当Free Space部分的空间全部被User Records部分代替掉之后, 也就意味着这个页使用完了, 如果还有新的记录插入的话, 就需要去申请新的页了 -
User Records(用户记录)
User Records中的这些记录按照指定的行格式一条一条摆在User Records部分, 相互之间形成单链表
那么如何证明记录之间是使用的单链表? —> 这里我们要先讲解一下记录的行格式的记录头信息
3.Infimum+Supremum(最小最大记录)
就是上阙界和下阙界
最大记录和最小记录是一个固定的字符串信息, 所以并不是我们理解上的最大和最小记录, 只是一个链表中值最小的记录的前一个记录(最小记录), 一个是链表中值最大的记录的后一个记录(最大记录)
记录可以比较大小吗?
是的, 记录可以比较大小, 对于一条完整的记录来说, 比较记录的大小就是比较主键的大小. 比方说我们插入的4行记录的主键值分别是: 1, 2, 3, 4, 这也就意味着这4条记录了是从小到达依次递增
InnoDB规定了最小记录与最大记录这两条记录的构造十分简单, 都是由5字节大小的记录头信息和8字节大小的一个固定的部分组成的, 如图所示:
这两条记录不是我们自己定义的记录, 所以它们并不存放在页的User Records部分, 它们被单独放在了一个称为Infimum+Supremum的部分, 如图所示:
-----------------------------------------------------分割线--------------------------------------------------------------
补充:
Infimum 和 Supremum
有人可能会说了,你在 User Records 中还不是通过遍历来解决的,你就是简单的把数据分了个组而已。如果我的数据根本不在当前这个页中,那我难道还是得把之前的页中的每一条数据全部遍历完?这效率也太低了
当然,MySQL 也考虑到了这个问题,所以实际上在页中还存在一块区域叫做 The Infimum and Supremum Records ,代表了当前页中最大和最小的记录。
有了 Infimum Record 和 Supremum Record ,现在查询不需要将某一页的 User Records 全部遍历完,只需要将这两个记录和待查询的目标记录进行比较。比如我要查询的数据 id = 101 ,那很明显不在当前页。接下来就可以通过下一页指针跳到下页进行检索。
使用Page Directory
可能有人又会说了,你这 User Records 里不也全是单链表吗?即使我知道我要找的数据在当前页,那最坏的情况下,不还是得挨个挨个的遍历100次才能找到我要找的数据?你管这也叫效率高?
不得不说,这的确是个问题,不过是一个 MySQL 已经考虑到的问题。不错,挨个遍历确实效率很低。为了解决这个问题,MySQL 又在页中加入了另一个区域 Page Directory 。
顾名思义,Page Directory 是个目录,里面有很多个槽位(Slots),每一个槽位都指向了一条 User Records 中的记录。大家可以看到,每隔几条数据,就会创建一个槽位。其实我图中给出的数据是非常严格按照其设定来的,在一个完整的页中,每隔6条数据就会有一个 Slot。
Page Directory 的设计不知道有没有让你想起另一个数据结构——跳表,只不过这里只抽象了一层索引
MySQL 会在新增数据的时候就将对应的 Slot 创建好,有了 Page Directory ,就可以对一张页的数据进行粗略的二分查找。至于为什么是粗略,毕竟 Page Directory 中不是完整的数据,二分查找出来的结果只能是个大概的位置,找到了这个大概的位置之后,还需要回到 User Records 中继续的进行挨个遍历匹配。
不过这样的效率已经比我们刚开始聊的原始版本高了很多了。
-----------------------------------------------------分割线--------------------------------------------------------------
c.第三部分: 页部分
- 页目录(Page Directory):
为什么需要页目录?
在页中, 记录是以单向链表的形式进行存储的, 单向链表的特点就是插入, 删除非常方便, 但是检索效率不高, 最差的情况下需要遍历链表上的所有结点才能完成检索. 因此在页结构中专门设计了页目录这个模块, 专门给记录做一个目录, 通过二分查找法的方式进行检索, 提升效率
页目录包含所有槽, 其实就是一个页中所有的槽加载一起构成页目录
需求: 根据主键值查找页中的某条记录, 如何实现快速查找呐?
select * from page_demo where c1 = 3;
1
方式1 : 顺序查找
从Infimum记录(最小记录)开始, 沿着链表一直往后找, 总有一天会找到(或者最终也找不到就说明是没有这条记录), 在找的时候还能投机取巧, 因为链表中各个记录的值是按照从小到达的顺序排列的, 所以当链表的某个结点代表的记录的主键值大于你想要查找的主键值时, 你就可以停止查找了, 因为该结点以后的结点的值主键依次递增
如果一个页中存储了非常多的记录, 那么查找性能很差
方式2 : 使用页目录, 二分法查找
页目录是一个数组结构, 我们可以在页目录中使用二分查找的方式进行搜索
1.将所有的记录分成几个组, 这些记录包括最小记录和最大记录, 但是不包括标记为已删除的记录
2.第1组, 也就是最小记录所在的分组( 第一组就只有一条记录就是最小记录自己 );
最后一组, 就是最大记录所在的分组, 会有1-8条记录;
其余的组记录数量在4-8条之间
这样做的好处是, 除了第一组(最小记录所在组)以外, 其余组的记录数会尽量平分
3.在每个组中最后一条记录的头信息会存储该组一共有多少条记录, 作为n_owned字段值
4.页目录用来存储每组最后一条记录的地址偏移量, 这些地址偏移量会按照先后顺序存储起来, 每组的地址偏移量也被称之为槽(slot), 每个槽相当于指针指向了不同组的最后一个记录
那么我们如何通过页目录, 通过槽来定位到二分位置? 由于槽指向的是一组中最大的值, 所以如果我们判断到某个值比我们的上一个槽值大, 比下一个槽值小的时候, 那么我们就应该到上一个槽的位置, 上一个槽指向的就是上一个页目录中最大的, next_record指针指向的就是下一个槽中的最小值了, 因为页内是单向指针, 所以我们必须要从前往后找
页目录分组的个数如何确定?
InnoDB规定: 对于最小记录所在的分组只能有一条记录, 最大记录所在的分组拥有的记录了条数只能在1-8条之间, 剩下的分组中记录的条数范围只能在4-8条之间
分组是按照下边的步骤进行的:
初始情况下一个数据页里只会有最小记录和最大记录这两条记录, 它们属于两个分组
之后每插入一条记录, 都会从页目录中找到主键值比本记录的主键值大并且差值最小的槽, 然后把该槽对应的记录的n_owned值加1, 表示本组内又添加了一条记录, 知道该组中的记录数等于8个
在一个组中的记录数等于8个后再插入一条记录时, 会将组中的记录拆分成两个组, 一个组中4条记录, 另一个5条记录, 这个过程会在页目录中新增一个槽位来记录这个新增分组中最大的那条记录的偏移量
2. 页面头部(Page Header):
为了能得到一个数据页中存储的状态信息, 比如本页中已经存储了多少条记录, 第一条记录的地址值是什么, 页目录中存储了多少个槽等等, 特意在页中定义了一个叫做Page Header的部分, 这部分占用固定的56个字节, 专门存储各种状态信息
名称 占用空间大小 描述
page_n_dir_slots 2字节 在页目录中的槽数量
page_heap_top 2字节 还未使用的空间最小地址,也就是说从该地址之后就是Free Space
page_n_heap 2字节 本页中的记录数量(包括最小最大记录以及标记为删除的记录)
page_free 2字节 第一个已经标记为删除的记录地址(各个已删除的记录通过next_record也会组成一个单链表, 这个单链表中的记录了可以被重新利用)
page_garbage 2字节 已删除记录占用的字节数
page_last_insert 2字节 最后插入记录的位置
page_directory 2字节 记录插入的方向
page_n_direction 2字节 一个方向连续插入的记录数量(改变方向之后清零)
page_n_recs 2字节 该页中记录的数量(不包括最小和最大记录以及被标记为删除的记录)
page_max_trx_id 8字节 记录修改当前页的最大事务ID, 该值仅在二级索引中定义
page_level 2字节 当前页在B+树中所处的层级
page_index_id 8字节 索引id, 表示当前页属于哪个索引
page_btr_seg_leaf 10字节 B+树叶子段的头部信息, 仅仅在B+树的Root(根)页定义
page_btr_seg_top 10字节 B+树非叶子段的头部信息, 仅在B+树的Root(根)页定义
关于记录插入方向:
page_direction :
假如新插入的一条记录的主键值比上一条记录的主键值大, 我们说这条记录的插入方向是右边, 反之就是左边, 用来表示最后一条记录插入方向的状态就是page_direction
page_n_direction
假设连续几次插入新记录的方向都是一致的, InnnoDB会把沿着同一个方向插入记录的条数记下来, 这个条数就用page_n_direction这个字段表示. 当然, 如果最后一条记录的插入方向改变了的话, 这个状态的值会被清零重新统计
记录行格式的记录头:
先给出一个表:
给出该表中记录的行格式示意图:
由于表中是指明了主键的, 所以隐藏字段只有两个 : 1.transaction_id(事物id)和2. roll_pointer(回滚指针), 如果没有指明主键, 也没有指明非空且唯一的字段, 那么就会有一个row_id隐藏字段作为聚簇索引列
记录头组成如下图:
预留位是没有使用的空间, 所以我们直接去掉预留位, 得到简化后的行格式示意图:
然后我们插入4条记录:
然后我们来讲解记录头组成(上面图中我们可以看到记录头一共是分为了6个部分: ):
- delete_mask
这个属性标记着当前记录是否被删除, 占用1个二进制位
值为0 : 代表记录并没有被删除
值为1 : 代表记录被删除掉了
被删除的记录为什么还在页中存储呐?
你以为它删除了, 可它还在真实的磁盘上. 这些被删除的记录之所以不立即从磁盘上移除, 是因为移除它们之后其他的记录在磁盘上需要重新排列, 导致性能消耗. 所以只是打一个删除标记而已, 所有被删除掉的记录都会组成一个所谓的垃圾链表, 在这个链表中的记录占用的空间称之为可重用空间, 之后如果有新记录插入到表中的话, 可能把这些被删除的记录占用的存储空间覆盖掉
- min_rec_mask
B+树的每层非叶子结点中最小记录都会添加该标记, min_rec_mask值为1
我们自己插入的四条记录的min_rec_mask值都是0, 意味着他们都不是B+树的非叶子结点中的最小记录(我们添加的这四条记录都是叶子结点)
我们之前在讲数据库索引(B+树索引)设计的时候就提到过, 数据记录(叶子结点)和目录项(索引)记录(非叶子结点)在记录头上有两个不同 : 1. record_type不同, 一个是数据记录, 一个是索引记录, 2. min_rec_mask不同, 非叶子结点记录的min_rec_mask值可能为1
3. record_type
这个属性表示当前记录的类型, 一共有4种类型的记录:
0 : 表示普通记录
1 : 表示B+树非叶子结点记录
2 : 表示最小记录
3 : 表示最大记录
从图中我们也可以看出来, 我们自己插入的记录就是普通记录, 它们的record_type值都是0, 而最小记录和最大记录的record_type值分别为2和3.
注意: 最小记录和最大记录是MySQL为我们自动生成的两个记录, 最小记录和最大记录由于是MySQL自动生成的, 所以我们常常将之称之为: 虚拟记录
4. heap_no
这个属性表示当前记录在本页中的位置
从上面(插入的数据的行记录格式图)图中可以看出, 我们插入的4条记录在本页中的位置分别是: 2,3,4,5
怎么不见heap_no值为0和1的记录呐?
MySQL会自动给每个叶里加了两个记录, 由于这两个记录并不是我们自己插入的, 所以有时候也称之为伪记录或者虚拟记录. 这两个伪记录一个代表最小记录, 一个代表最大记录. 最小记录和最大记录了的位置最靠前, 所以最小记录和最大记录的heap_no值分别是0和1
- n_owned
页目录中每个组最后一条记录的头信息中会存储该组一共多少条记录, 作为n_owned字段
可以看到n_owned和页目录是密切相关的
6. next_record
记录头信息里该属性非常重要, 它表示从当前记录的真实数据到下一条记录的真实数据的地址偏移量
比如: 第一条记录的next_record值为32, 意味着从第一条记录的真实数据的地址处向后找32个字节便是下一条记录的真实数据
注意 : 下一条记录指的并不是按照我们插入顺序的下一条记录, 而是按照主键值从小到大的顺序的下一条记录, 而本页中主键值最大的用户记录的下一条记录就是Supremum记录(也就是最大记录)
也即是说: 我们的最大记录虽然位置是页中的第二个位置, 第一个位置是最小记录, 但是在逻辑上却是页中的最后一条记录(也就是值最大的记录的下一条记录), 也即是物理地址靠前但是逻辑地址靠后
删除操作举例:
从图中可以看出来, 删除第二条记录前后主要发生了这些变化:
第2条记录并没有从存储空间中移除, 而是把该条记录的delete_mask值设置为1
第2条记录的next_record的值变为了0, 意味着该记录没有下一条记录了
第1条记录的next_record指向了第3条记录
最大记录的n_owned值从5变成了4(原本删除之前页目录中有5条记录)
所以, 不论我们怎么对页中的记录做增删改操作, InnoDB始终会维护一条记录的单链表, 链表中的各个节点是按照主键值由小到大的顺序连接起来的
添加操作:
直接复用了原来被删除记录的存储空间
说明:
当数据页中存在多条被删除掉的记录时, 这些记录了的next_record属性将会把这些被删除掉的记录组成一个垃圾链表, 以备之后重用这部分存储空间
2.3 从数据页的角度看B+树如何查询
一颗B+树按照结点类型可以分为两部分:
叶子结点, B+树最底层的结点, 结点的高度为0, 存储行记录
非叶子结点, 结点的高度大于0, 存储索引键和页面指针, 并不存储行记录本身
注意: 我们说非叶子结点存储的是所以键和页面指针, 这里的页面指针并不是fil_page_prev和fil_page_next, 文件头中的fil_page_prev和fil_page_next都是记录的同一层的页之间的上一页和下一页, 但是非叶子结点存储的是下一层页面的地址
叶子结点中存储的键是索引值, 值是行数据
非叶子结点中存储的键是索引值, 值是指向下一层的页面指针(如果了解B+树就应该能大致想的明白)
不过是叶子结点页还是非叶子结点页(其实页只有数据页, 但是这里我们为了方便理解就说成两种), 页的结构都是一个双向链表, 很多时候我们都以为只有叶子结点才是双向链表结构, 其实不是的, 同一层非叶子结点之间也是双向链表结构
当我们从页结构来理解B+树结构的时候, 可以帮我们理解一些通过索引进行检索的原理:
-
B+树是如何进行记录检索的
如果通过B+树的索引查询行记录, 首先是从B+树的根开始, 逐层检索, 直到找到叶子结点, 也就是找到对应的数据页位置, 将数据页加载到内存中, 页目录中的槽(slot)采用二分查找的方式先找到一个粗略的记录分组, 然后再在分组中通过链表遍历的方式查找记录 -
普通索引和唯一索引在查询效率上有什么不同?
我们创建索引的时候可以是普通索引, 也可以是唯一索引, 那么这两个索引在查询效率上有什么不同?
唯一索引就是普通索引上增加了约束性, 也就是关键字唯一, 找到了关键字就停止检索, 因为关键字不重复. 而普通索引, 可能会存在用户记录中的关键字相同的情况, 根据页结构的原理, 当我们读取一条记录的时候, 不是单独将这条记录从磁盘中读取出去, 而是将这个记录所在页加载到内存中进行读取, InnoDB存储引擎的页大小为16KB, 在一个页中可能存储着上千条记录, 因此在普通索引的字段上进行查找也就是在内存中多几次判断(判断下一条记录是不是值也满足)操作, 对于cpu来说, 这些操作锁耗费的时间是可以忽略不计的. 所以对一个索引字段进行检索, 采用普通索引还是唯一索引在检索效率上基本没有差别.
- InnoDB行格式(或者记录格式)
我们平时的数据以行为单位来向表中插入数据, 这些记录在磁盘上的存储方式也被称之为是"行格式"或者"记录格式". InnoDB存储引擎设计了4中不同类型的"行格式", 分别是’Compact’, ‘Redundant’, ‘Dynamic’, 'Compressed’行格式
记录头在前面已经是讲过了
查看默认的行格式:
select @@innodb_default_row_format;
1
MySQL5.7和MySQL8.0中的行格式都是: dynamic
也可以使用如下语法查看具体表使用的行格式:
show table status like ‘表名’\G #\G表示将数据以一行一个键值对的形式展示
1
指定行格式的语法:
在创建或者修改表的语句中指定行格式:
create table 表名(列的信息) row_format=行格式名称
1
alter table 表名 row_format=行格式名称
1
给出一个举例表, 后面行格式以该表为实例进行讲解:
3.1 Compact行格式
在MySQL5.1版本中, 默认设置为Compact行格式. 一条完整的记录其实可以被分为记录的额外信息和记录的真实数据两大部分:
但是其实记录的真实数据部分还有隐藏字段: row_id(可能有), tri_id, roll_point
变长字段长度列表:
MySQL支持一些变长的数据类型, 比如varchar(M), varbinary(M), text类型, blob类型, 这些数据类型修饰的列称之为变长字段, 变长字段中存储多少字节的数据不是固定的, 所以我们在存储真实数据的时候需要顺便把这些数据占用的字节数也存起来. 在Compact行格式中, 把所有变长字段的真实数据占用的字节长度都存放在了记录的开头不为, 从而形成了一个变长字段长度列表.
注意: 变长字段长度列表中存储的变长字段长度和字段顺序是反过来的, 比如两个varchar字段在表结构中的顺序是a(10),b(15). 那么在变长字段长度列表中存储的长度顺序就是15,10, 是反过来的
以record_test_table表中的第一条记录举例, 因为record_test_table表的col1, col2, col4列都是varchar(8)类型的, 所以这三个列的值都需要保存在记录开头处, 注意record_test_table表中的各个列都是使用的ascii字符集(每个字符只需要一个字节来进行编码)
默认字符集是utf-8md3, 也就是一个字符占用三个字节
又因为这些长度值需要按照列的逆序存放, 所以最后变长字段长度列表的字节串用16进制表示的效果就是如下: (各个字节之间实际没有空格, 用空格隔开只是方便理解) 06 04 08
把这个字节串组成的变长字段长度列表填入上面的示意图中的效果就是:
NULL值列表:
Compact行格式会把可以为NULL的列统一管理起来, 存在一个标记为NULL值的列表中.
如果表中没有允许存储为NULL的列, 则NULL列值列表也不存在了(所有列都是非空列的时候)
为什么定义NULL值列表?
之所以要存储NULL是因为数据都是需要对齐的, 如果没有标注出来NULL值的位置, 就有可能在查询数据的时候出现混乱. 如果使用一个特定的符号放到相应的数据位表示空值的话, 虽然也是能达到效果, 但是这样是很浪费空间的, 所以直接就在行数据的开头开辟出一块空间专门用来记录改行的哪些是非空数据, 哪些是空数据, 格式如下:
1.二进制位的值为1时, 表示该列的值为NULL
2.二进制位的值为0时,代表该列的值不为NULL
record_test_table的两条记录的NULL值列表如下:
[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-MIXn40Y7-1687864607769)(E:\非凡英才\数据库笔记\进阶篇\InnoDB引擎\图解\示例的NULL值列表.png)]
记录的真实数据:
记录的真实数据除了我们自己定义的列的数据以外, 还会有三个隐藏列:
列名 是否必须 占用空间 描述
row_id 否 6字节 行ID, 唯一表示一条记录
transaction_id 是 6字节 事物ID
roll_pointer 是 7字节 回滚指针
实际上这几个列的真正名称其实是: db_row_id, db_trx_id, db_roll_ptr
一个表没有手动定义主键, 则会选择一个not NULL and Unique键作为主键, 如果也没有非空且唯一键, 则会为表默认添加一个名为row_id的隐藏列作为主键. 所以row_id是在没有自定义主键以及非空且唯一的情况下才会存在的
事物ID和回滚指针在后面事物日志笔记中会详细讲解
找主键也罢, 找唯一非空也罢, 生成隐藏列(非空且唯一的row_id)也罢, 其实都是为了生成聚簇索引, 有聚簇索引才能存储数据
在Windows操作系统下, 可以选择通过程序UltraEdit打开表空间文件mytest.ibd这个二进制文件. 内容如下:
3.2 行溢出与Dynamic, Compressed, Redundant行格式:
1.行溢出:
InnoDB存储引擎可以将一条记录中的某些数据存储在真正的数据页面之外
很多DBA喜欢MySQL数据库提供的varchar(M)类型, 认为其可以存放65535个字节的数据, 这是真的吗? 如果我们使用ascii字符集的话, 一个字符就代表一个字节, 我们看看varchar(65535)是否可用
create table varchar_size_demo(
c varchar(65535)
) charset=ascii row_format=Compact;
1
2
3
执行结果如下:
Error : row size too large. the maximum row size for the used table type, not counting BLOBs, is 65535, This includes storage overhead, check the manual. You have to change some columns to TEXT or BLOBs
1
2
报错信息表达的意思是: MySQL对一条记录占用的最大存储空间是有限制的, 除了BLOB或者TEXT类型的列之外, 其他所有的列(不包括隐藏列和记录头信息) 占用的字节长度加起来不能超过65535个字节
这个65536个字节除了列本身的数据之外, 还包括一些其他的数据, 以Compact行格式为例, 比如说我们为了存储一个varchar(M)类型的列, 除了真实数据占用空间以外, 还需要记录记录的额外信息(变长字段长度列表和NULL值列表), 但是不包括记录头信息
如果该varchar类型的列没有not null属性, 那最大只能存储65532个字节的数据, 因为变长字段的长度占用2个字节, NULL值表示需要占用1个字节
create table varchar_size_demo(
c varchar(65532)
)charset=ascii row_format=Compact;
1
2
3
4
如果其中的列都是非空的(not NULL), 那么就不需要NULL值标识, 也就可以多存储一个字节, 即65533个字节, 如下:
create table varchar_size_demo(
c varchar(65533) not null
)charset=ascii row_format=Compact;
1
2
3
4
上面我们都是使用的ascii字符集, 如果使用默认字符集, 就是utf-8md3, 一个字符占据三个字节, 长度就会缩小三倍, 一定要注意
通过上面的案例, 我们可以知道一个页的大小一般是16KB, 也就是16384字节, 而一个varchar(M)类型的列就可以存储65533个字节的真实数据, 当然如果加上变长字段列表, 最终就是65535个字节, 这样就可能出现一个页存放不了一条记录, 这种现象称之为 : 行溢出
在Compact和Reduntant行格式中, 对于占用存储空间非常大的列, 在记录的真实数据处会存储该列的一部分数据, 把剩余的数据分散存储在几个其他的页中进行分页存储, 然后记录的真实数据处用20个字节存储指向这些页的地址(当然这20个字节中还包括这些分散在其他页面中的数据的占用的字节数), 从而可以找到剩余数据所在的页.
这称之为页的扩展, 举例如下:
可以看到是一个连接一个的存储
Dynamic和Compressed行格式:
在MySQL5.7和8.0中默认行格式都是Dynamic, Dynamic, Compressed行格式和Compact行格式都很像, 只不过在处理行移除数据时有分歧:
Compressed和Dynamic两种记录格式对于存放在BLOB中的数据采用了完全的行溢出的方式. 如图, 在数据页中只存放20个字节的指针(溢出页的地址和长度), 实际的数据都存放在了Off page(移除页)中
也就是数据页中只存储所有移除页的地址和占用的长度
Compact和Redundant两种格式会在记录的真实数据处存储一部分数据(存放768个前缀字节)
也就是使用Compact和Redundant两种格式的时候数据页中也是存储768个字节数据, 剩下的就放到溢出页中
Compressed行记录格式的另一种功能就是 : 存储在其中的行数据会以zlib的算法进行压缩, 因此对于BLOB, TEXT, varchar这种大长度类型的数据能够进行非常有效的存储
Redundant行格式:
Redundant是MySQL5.0版本之前InnoDB的行记录存储方式, MySQL5.0支持Redundant是为了兼容之前版本的页格式
从上图可以看到, 不同于Compack行记录格式, Redundant行格式的首部是一个字段长度偏移列表, 同样是按照列的顺序逆序放置的
下面我们从各个方面来看一下Redundant行格式有什么不同的地方:
- 字段长度偏移列表:
注意Compact行格式的开头是变长字段长度列表, 而Redundant行格式开头是字段长度偏移列表, 与变长字段长度列表有两处不同:
少了变长两个字 : Redundant行格式会把该条记录中所有的列(包括隐藏列)的长度信息都按照逆序存储到字段长度偏移列表
少了偏移两个字 : 这意味着计算列值长度的方式不像Compact行格式那样只管, Redundant是存储的偏移量, 所以要采用两个相邻数值的差值来计算各个列值的长度
举例: 比如第一条记录的字段长度列表如果是:
2B 25 1F 1B 13 0C 06
因为它是按照逆序排放的, 所以按照列的顺序排列就是:
06 0C 13 17 1A 24 25
注意 : 修改成顺序之后二进制位颠倒, 十六进制表示不同很正常
按照两个相邻数值的插值来计算各个列值的长度的意思就是:
第一列(row_id)的长度就是0x06个字节, 也就是6个字节
第二列(transaction_id)的长度就是(0x0c-0x06)个字节, 也就是6个字节
第三列(roll_pointer)的长度就是(0x13-0x0c)个字节, 也就是7个字节
第四列(col1)的长度就是(0x1B-0x13)个字节, 也就是8个字节
第五列(col1)的长度就是(0x1F-0x1B)个字节, 也就是4个字节
第六列(col1)的长度就是(0x25-0x1F)个字节, 也就是6个字节
第气列(col1)的长度就是(0x2B-0x25)个字节, 也就是6个字节
- 记录头信息
与Compact行格式的记录头信息对比来看, 有两处不同:
redundant行格式多了n_field和1byte_offs_flag这两个属性
redundant行格式没有record_type这个属性
各种行格式名称:
Compact : 紧凑的
Dynamic : 动态的
Compressed : 压缩的
Redundant : 冗余的
为什么说Redundant相对于其他是冗余的, 其实就是因为它开头是字段偏移列表, 而不是变长字段长度列表, 不管字段是否为变长, 都要有这个属性, 虽然表面看起来redundant还没有Null值列表, 但是其实它确实是比较冗余的
Compressed的压缩的是相对于Dynamic的, 这两种行格式几乎一样, 就是Compressed采用了zlib算法进行压缩
- 区, 段, 碎片区
4.1 为什么要有区?
B+树的每一层的页都会形成一个双向链表, 如果是以页为单位来分配存储空间的话, 双向链表相邻的两个页之间的物理位置可能会离得非常远. 我们介绍B+树索引的使用场景的时候特别提到范围查询只需要定位到最左边的记录和最右边的记录, 然后沿着双向链表一直扫描就可以了, 而如果链表中相邻的两个页物理位置离得非常远, 这就时所谓的随机I/O. 再一次强调, 磁盘的速度和内存速度差了好几个数量级, 随机I/O是非常慢的, 所以我们应该尽量让链表中相邻的页的物理位置也相邻, 这样进行范围查询的时候才可以使用所谓的顺序I/O
引入区的概念, 一个区就是在物理位置上连续的64个页. 因为InnoDB中的页的大小默认是16KB, 所以一个区的大小是64*16KB = 1MB. 在表中数据量大的时候, 为某个索引分配空间的时候就不再按照页为单位分配了, 而是按照区为单位分配, 甚至在表中的数据特别多的时候, 可以一次性分配多个连续的区, 虽然可能造成一点点空间的浪费(数据不足以填充满整个区), 但是从性能角度看, 可以消除很多随机I/O, 功大于过!
我们为了随机IO也是不可能直接将所有的数据段中的区都相邻存储, 因为不一定会有这么大的连续空间, 所以我们才提出了区, 我们可以让一部分的页连续, 也就是让一个区中的页都连续存储
一个区中的所有页是连续存储的没有问题, 但是在进行很多插入操作之后可能经过了很多操作之后, 物理上连续的两个页在逻辑上并不是连续的, 也就是页之间我们只需要维护一个逻辑连续就可以了, 很多操作进行完成之后页之间的位置都会改变, 我们只需要通过引用维护即可
那么很多人会问, 这样会不会影响我们的顺序IO?
其实是影响不大的, 那么由于段是分为数据段和索引段的, 所以一个区中都是存放数据的区, 那么顺序IO拿到这些数据还是很大可能就拿到我们想要的数据的
4.2为什么要有段?
对于范围查询, 其实时候对B+树叶子结点中的记录进行顺序扫描, 而如果不区分叶子节点和非叶子节点, 统统把节点代表的页面放到申请到的区中的话, 进行范围扫描的效果就大打折扣了. 所以InnoDB对B+树的叶子结点和非叶子结点进行了区别对待, 也就是说叶子结点有自己的独有的区, 非叶子结点也有自己独有的区. 存放叶子结点的区的集合就是一个段(segment), 存放非叶子结点的区的集合也算是一个段. 也就是说一个索引会生成2个段, 一个叶子结点段, 一个非叶子结点段, 我们可以将叶子结点段称之为数据段, 可以将非叶子阶段称之为索引段
除了索引的叶子结点段和非叶子结点段之外, InnoDB中还有为存储一些特殊数据而定义的段, 比如回滚段. 所以, 常见的段有数据段, 索引段, 回滚段. 数据段即为B+树的叶子结点, 索引段即为B+树的非叶子结点
在InnoDB存储引擎中, 对端的管理都是由执行引擎自身所完成的, DBA不能也没有必要对其进行控制. 这从一定程度上简化了DBA对于段的管理
段其实不对应表空间中某一个连续的物理区域, 而是一个逻辑上的概念, 由若干个零散的页面以及一些完成的区组成 —> 这里设计到的零散的页面其实就需要提一个新的概念: 碎片区
4.3 为什么要有碎片区
默认情况下, 一个使用InnoDB存储引擎的表只有一个聚簇索引, 一个索引会生成两个段, 而段是以区为单位申请存储空间的, 一个区默认占用1M存储空间, 所以默认情况下一个只存了几条记录的小表也需要2M的存储空间么? 以后每次添加一个索引都要多申请2M的存储空间么? 这对于存储记录比较少的表简直是天大的浪费. 这个问题的症结在于到现在为止我们介绍的区都是非常纯粹的, 也就是一个区被整个分配给某个段, 或者说区中的所有页面都是为了存储同一个段的数据而存在的, 即使段的数据填不满区中所有的页面, 那余下的页面也不能挪作他用.
一个索引因为有叶子结点还有非叶子结点, 所以一个索引就会创建一个数据段和一个索引段, 这个时候很多人会说, 不是只有聚簇索引才是叶子结点存储的真实数据吗? 普通索引不应该只有一个索引段? 我的理解是即使是辅助索引(二级索引), 叶子结点也是存储的数据, 只不过不是行记录而已, 所以即使是一个普通索引也是要分配一个索引段和一个数据段, 也就是2M的空间, 但是这样太浪费了
为了考虑以完整的区为单位分配给某个段对于数据量较小的表太浪费存储空间的这种情况, InnoDB提出了一个碎片(fragment)区的概念. 在一个碎片区中, 并不是所有的页都是为了存储同一个段的数据而存在的, 而是碎片区中的页可以用于不同的目的, 比如有些页用于段A, 有些页用于段B, 有些页甚至哪个段都不属于. 碎片区直属于表空间, 并不属于任何一个段
所以以后为某个段分配存储空间的策略是这样的:
在刚开始向表中插入数据的时候, 段是从某个碎片区以单个页面为单位来分配存储空间的
当某个段已经占用了32个碎片区页面之后, 就会申请以完整的区为单位来分配存储空间.
也就是某个段已经是在32个碎片区中分配了页面了, 这个时候就会以完整的区为单位来分配存储空间
所以现在段不能仅仅定义为是某些区的集合, 更精确的说应该是某些零散的页面以及一些完整的区的集合
表空间和段都是逻辑概念, 区和页和行是物理结构, 段是以区和零散的页面为分配单位的
所以说数据库最小的分配单位是逻辑上的段, 但是逻辑上的段实际分配的单位是零散的页面(碎片区中), 或者是区, 所以最小分配单位是碎片区中零散的页面
4.4 区的分类:
区大体上可以分为四种类型:
空闲的区(free) : 现在还没有用到这个区中的任何页面
有剩余空间的碎片区(free_frag) : 表示碎片区中还有可用的页面
没有剩余空间的碎片区(full_frag) : 表示碎片区中所有页面都被使用, 没有空闲页面
附属于某个段的区(fseg) : 每个索引都可以分为叶子结点段和非叶子结点段
处于free, free_frag以及full_frag这三种状态的区都是独立的, 直属于表空间. 而处于FSEG状态的区是附属于某个段的
frag : 碎片
5. 表空间
5.1.概述:
- 1.表空间可以看做是InnoDB存储引擎逻辑结构的最高层, 所有的数据都存放在表空间中.
- 2.表空间是一个逻辑容器, 表空间存储的对象是段, 在一个表空间中可以有一个或者多个段, 但是一个段只能属于一个表空间. 数据库由一个或者多个表空间组成, 表空间从管理上划分为系统表空间(System tablespace), 独立表空间(File-per-table tablespace), 撤销表空间(Undo Tablespace)和临时表空间(Temporary Tablespace)等
5.2.独立表空间
独立表空间, 即每张表有一个独立的表空间, 也就是数据和索引信息都会保存在自己的表空间中. 独立的表空间(即: 单表)可以在不同的数据库之间进行迁移
空间可以回收(drop table操作可以自动回收表空间; 其他情况, 表空间不能自己回收). 如果对于统计分析或者是日志表, 删除大量数据后可以通过alter table TableName engine=innodb;回收不用的空间. 对于使用独立表空间的表, 不管怎么删除, 表空间的碎片不会太严重的影响性能, 而且还有机会处理
真实表空间对应的文件大小
MySQL5.5- 5.7中, 我们到数据目录中看, 会发现一个新建的表的**.ibd文件只占用了96K**, 才6个页面的大小,MySQL8.0中我们到数据目录中看, 会发现一个新建的表的ibd文件占用112K, 也就是7个页面大小, 这是因为一开始表空间占用的空间很小, 因为表里面都没有数据. 不过别忘了这些ibd文件是自扩展的, 随着表中数据的增多, 表空间对应的文件也逐渐增大
MySQL5.5之前默认的执行引擎是MyISAM, MySQL8.0之后把frm文件(表结构文件)和ibd文件(表数据文件, 包括记录(数据)和日志), 还有db.opt文件(数据库字符集, 比较规则等)合并到了一起
查看InnoDB的表空间类型:
show variables like ‘innodb_file_per_table’;
1
2
你能看到innodb_file_per_table=on, 这就意味着每张表都会单独保存为一个ibd文件
5.3.系统表空间
系统表空间的结构和独立表空间基本类似, 只不过由于整个MySQL进程只有一个系统表空间, 在系统表空间中会额外记录一些有关整个系统信息的页面, 这部分是独立表空间中没有的.
InnoDB数据字典(其实就是系统表):
每当我们向一个表中插入一条记录的时候, MySQL校验过程如下:
先要检验以下插入语句对应的表存不存在, 插入的列和表中的列是否符合, 如果语法没有问题的话, 还需要知道该表的聚簇索引和所有二级索引对应的根页面是在哪个表空间的哪个页面( 不知道根页面怎么找? ), 然后把记录插入对应索引的B+树中. 所以说, MySQL中除了保存着我们插入的用户数据之外, 还需要保存许多额外的信息, 比方说:
某个表属于哪个表空间, 表里面有多少个列
表对应的每个列的类型是什么
表中有多少索引, 每个索引对应哪几个字段, 该索引对应的根页面在哪个表空间的哪个页面
表有哪些外键, 外键对应哪个表的哪些列
某个表空间对应文件系统上的文件路径是什么
…
上述这些数据并不是我们使用INSERT语句插入的用户数据, 实际上是为了更好的管理我们这些用户数据而不得已引入的一些额外记录, 这些数据也称之为元数据. InnoDB存储引擎特意定义了一些列的内部系统表(Internal system table)来记录这些元数据
这些系统表也被称之为数据字典, 它们都是以B+树的形式保存在系统表空间的某些页面中, 其中sys_tables, sys_cloumns, sys_indexes, sys_fields这四个表尤其重要, 称之为基本系统表(basic system tables),