msq是TCP协议的,其中含有多线程
客户端:
发送连接请求,然后发送增删改查sql语句进行执行
服务端:
连接层:提供和客户端连接的服务,在TCP协议下提供多线程并发技术,让多个用户登录mysql
服务器:提供了各种接口(增删改查),分析器组件会解析用户的sql语句,如果发现语句执行效率低,
会提交给优化器组件进行优化,然后再执行
查询缓存:把上次搜索的数据,或者提前存储的数据直接返回,加快效率
优化器: mysql query optimizer
存储引擎:
存储或者提取数据
innodb: 支持事务处理,支持行锁,支持高并发
myisam: 支持表锁,不支持高并发
日志文件:
产生binlog日志 (二进制文件)
create table ceshi_table1(
id int primary key auto_increment,
name varchar(255)
)engine = myisam auto_increment=3 charset=utf8;
硬盘读写数据,io延迟高,sql语句性能低,导致sql执行的时间漫长
表中的数据没有任何索引,并且数据量较大,也会造成sql语句查询速度慢
编写:
select ... from .. join on where .. group by ... having .. order by .. limit
解析:
from .. join on where group by having select order by limit ..
是一个树状的数据结构,即(B树结构,分支节点>2)
相当于字典的目录,功效是加快查询速度
常用树:B树(banlance-tree),二叉树,红黑树,hash树
根节点(最顶级节点)
分支节点(父节点,子节点)
叶子节点(最后一层存储数据的节点)
树的高度(树的层级,理想情况下三级,任何数据最多需要3次查到,支持百万级别的数据查询,追求树的矮胖结构.)
[b+] : 在相邻的叶子节点上,加入双向链表(指针),当前叶子节点不但保存了数据,还保存了上下两个节点的地址[小范围数据中,加快查询数据]
[b*] : 在相连的分支节点上,加入双向链表(指针),当前叶子节点不但保存了数据,还保存了上下两个节点的地址[大范围数据中,加快查询数据]
(磁盘块 block 数据页 16k)
myisam和innodb 都是b+树结构
(1) 聚集索引[innodb存储引擎的特点,myisam不支持]
如果有主键,自动以主键创建聚集索引的数据结构(树状结构)
如果没有主键,选择唯一键
都没有,自动生成隐藏的聚集索引,也会分出一个字段占用6个字节长整型;
叶子节点上面直接存储真实数据(索引和数据捆绑在一起)
分支节点存储的是索引的最小值,用来划分范围
在数据量变大的时候,尽量在树层级高度不变的情况下,横向发展,好处:查询次数少,提升效率,减少io阻塞;
(2) 非聚集索引(辅助索引,二级索引,普通索引)
先对创建索引的该字段划分区间进行排序,把索引值分布在叶子节点上
存储的是该字段的值以及对应映射出的主键id(primary key ),没有存真实数据
通过主键id,再去从其他文件中找数据..
(3) 两者区别
myisam 和 innodb 使用的索引结构都是b+树,但是叶子节点存储的数据不同
innodb文件结构中只有frm和ibd 直接把数据存在叶子节点上
myisam文件结构中有frm,myi,myd,叶子节点上存储的索引值,通过索引找id,通过id找数据.
(4) 性能优化:
利用索引查询时,可以增快查询速度,但是增删改速度变慢,会改变树状结构
追求尽量让叶子节点存储的数据类型小一点,让高度变矮,让数据页变少.
<---------------------------------------------------------------------------------------------->
单个字段索引
-主键索引 primary key : 非空且唯一
-唯一索引 unique : 唯一
-普通索引 index : 单纯加个索引,为了提升查询效率
联合索引
primary key(字段1,字段2..) :联合主键索引
unique(字段1,字段2..) :联合唯一索引
index(字段1,字段2..) :联合普通索引
编号:int
姓名:varchar(255)
身份证号:char(18)
电话char(11)
地址varchar(255)
备注:text
姓: varchar(10)
名: varchar(10)
编号: 主键
姓名: 普通索引(注意在区分度高的字段上加)
身份证:unique
电话:unique
备注:全文索引 , 借助第三方软件sphinx来运行
姓和名:联合索引 , 联合在一起查,加快速度
innodb : 支持b-tree fulltext 不支持hash类型索引结构
myisam : 支持b-tree fulltext 不支持hash类型索引结构
memory : 支持b-tree hash类型 不支持fulltext索引
hash类型索引: 数据放内存中,通过键来获取到纸,单条数据查询快,一个范围内的数据慢
b-tree : 最理想的三层结构,理论上课支撑百万条数据的查询;
create table t1(
id int primary key,
name char(10),
index index_name(name)
);
create table t2(
id int primary key,
name char(10)
);
create index index_name on t2(name);
create table t3(
id int primary key,
name char(10)
);
alter table t3 add index index_name(name);
drop index index_name on t3;
alter table s1 add index index_id(id);
select * from s1 where id = 5;
select * from s1 where id > 5;
select * from s1 where id < 5;
选区分度低的字段做了索引,在查询数据的时候,先走索引建好的树状结构,在把数据搜出来
因为树状结构中有大量的重复数据,会增加树的高度,反而速度不快,冗余数据过多
默认系统会把主键或者unique标识的约束,自动创建索引,因为区分度较高,没有冗余数据;
select * from s1 where id = 1000;
select * from s1 where id*3 = 3000;
select count(*) from s1 where email = "xboyww1000@oldboy"
select count(*) from s1 where email = "xboyww1000@oldboy" and id = 1000;
select count(*) from s1 where email = "xboyww1000@oldboy" and name = "xboyww";
select count(*) from s1 where email = "xboyww1000@oldboy" and name = "xboyww" and id = 1000;
select count(*) from s1 where id = 1000 or email = "xboyww1000@oldboy";
drop index index_id on s1;
drop index index_name on s1;
create index union_index on s1(first_name,last_name);
select count(*) from s1 where first_name = "王6" and last_name="文6"
select count(*) from s1 where last_name="文6" and first_name = "王6"
select count(*) from s1 where last_name="文6"
select count(*) from s1 where first_name="王6" and gender="man";
select count(*) from s1 where first_name="王6" and gender="man" and name="xboyww";
first_name + .... (必须该字段存在) 联合索引会更加精确的命中想要的数据.数据结构更合理;
select count(*) from s1 where first_name = 100
select count(*) from s1 where reverse(first_name) = "6王";