mysql存储引擎

r@TOC

存储引擎概述

mysql可以根据不同的存储需求选择最优存储引擎,存储引擎就是存储数据,建立索引,更新查询数据等等技术的实现方式,存储引擎是基于表的,而不是基于库的,所以存储引擎也成为表类型。
oracle,sqlserver只有一种存储引擎,mysql提供插件式存储引擎,可以根据需要选择存储引擎,也可以自己编写存储引擎。
查看当前数据库支持的存储引擎

show engines;

各种存储引擎的特性

特点innoDBMyISAMMEMORY
存储限制64TB
事务安全支持不支持不支持
锁机制行锁(适合高并发表锁表锁
支持外键支持不支持不支持
B数索引支持支持支持
哈希索引不支持不支持支持
全文索引支持(5.6版本之后)支持不支持
集群索引支持不支持不支持
数据索引支持不支持支持

innoDB

默认存储引擎,提供具有提交,回滚,崩溃恢复能力的事务安全。对比MyISAM,InnoDB处理效率差些,会占用更多的磁盘空间以保留数据和索引。

事务控制

开启事务

start transaction;
insert into goods_innodb(id,name)values(null,'hdsj');
commit;

外键约束

mysql支持外键约束的只有innoDB,创建索引时可以指定在删除更新表时,对子表进行相应的操作
RESTRICT和NO ACTION相同,是指限制在子表有关联记录的情况下父表不能更新;
CASCADE表示父表在更新删除时,更新或删除子表对应的记录;
SET NULL表示父表在更新删除时,子表对应的字段被SET NULL;

constraint 'fk_city_country' foreign key(country_id) references country_innodb(country_id) on delete restrict on update cascade

存储方式

1.使用共享表空间存储,这种方式创建表的表结构保存在.frm文件中,数据和索引保存在innodb_data_home_dir和innodb_data_file-path定义的表空间中,可以是多个文件
2.使用多表空间存储,表结构存储在.frm文件中,但是每个表的数据和所以单独保存在.ibd文件中。

MyISAM

MyISAM不支持事务,也不支持外键,其优势是访问的速度快,对事务的完整性没有要求或者以SELECT,INSERT为主的应用基本上可以使用这个引擎来创建表。

文件存储方式

每个MyISAM在磁盘上存储成3个文件,其文件名和表名相同,拓展名分别是:
.frm(存储表定义)
.MYD(MYData,存储数据)
.MYI(MYindex,存储索引)

存储引擎的选择

1.InnoDB:用于事务处理应用程序,支持外键。如果应用对事务的完整性要求比较高,在并发的条件下要求数据的一致性,数据除了插入和查询外,还包含很多更新,删除的操作,则使用此存储引擎。此存储引擎可有效降低由于更新删除导致的锁定,还可以确保事务的完整提交和回滚,对于类似计费的或者财务系统等对数据的准确性要求比较高的,InnoDB是最好的选择。
2.MyISAM:应用以读取和插入为主,只有很少的更新和删除,并对事务的完整性,并发性要求不高。
3.memory:数据保存在RAM中,在需要快速定位记录和其他类似数据环境下,可以提供几块的访问。
其缺陷就是对表的大小有限制,太大的表无法缓存在内存中,其次是要确保表的数据可以恢复,数据库异常终止后表中的数据是可以恢复的。通常用于更新不太频繁的小表,用以快速得到访问结果。

【6层】一字型框架办公楼(含建筑结构图、计算书) 1、资源项目源码均已通过严格测试验证,保证能够正常运行; 2、项目问题、技术讨论,可以给博主私信或留言,博主看到后会第一时间与您进行沟通; 3、本项目比较适合计算机领域相关的毕业设计课题、课程作业等使用,尤其对于人工智能、计算机科学与技术等相关专业,更为适合; 4、下载使用后,可先查看README.md或论文文件(如有),本项目仅用作交流学习参考,请切勿用于商业用途。 5、资源来自互联网采集,如有侵权,私聊博主删除。 6、可私信博主看论文后选择购买源代码。 1、资源项目源码均已通过严格测试验证,保证能够正常运行; 2、项目问题、技术讨论,可以给博主私信或留言,博主看到后会第一时间与您进行沟通; 3、本项目比较适合计算机领域相关的毕业设计课题、课程作业等使用,尤其对于人工智能、计算机科学与技术等相关专业,更为适合; 4、下载使用后,可先查看README.md或论文文件(如有),本项目仅用作交流学习参考,请切勿用于商业用途。 5、资源来自互联网采集,如有侵权,私聊博主删除。 6、可私信博主看论文后选择购买源代码。 1、资源项目源码均已通过严格测试验证,保证能够正常运行; 2、项目问题、技术讨论,可以给博主私信或留言,博主看到后会第一时间与您进行沟通; 3、本项目比较适合计算机领域相关的毕业设计课题、课程作业等使用,尤其对于人工智能、计算机科学与技术等相关专业,更为适合; 4、下载使用后,可先查看README.md或论文文件(如有),本项目仅用作交流学习参考,请切勿用于商业用途。 5、资源来自互联网采集,如有侵权,私聊博主删除。 6、可私信博主看论文后选择购买源代码。
深度学习是机器学习的一个子领域,它基于人工神经网络的研究,特别是利用多层次的神经网络来进行学习和模式识别。深度学习模型能够学习数据的高层次特征,这些特征对于图像和语音识别、自然语言处理、医学图像分析等应用至关重要。以下是深度学习的一些关键概念和组成部分: 1. **神经网络(Neural Networks)**:深度学习的基础是人工神经网络,它是由多个层组成的网络结构,包括输入层、隐藏层和输出层。每个层由多个神经元组成,神经元之间通过权重连接。 2. **前馈神经网络(Feedforward Neural Networks)**:这是最常见的神经网络类型,信息从输入层流向隐藏层,最终到达输出层。 3. **卷积神经网络(Convolutional Neural Networks, CNNs)**:这种网络特别适合处理具有网格结构的数据,如图像。它们使用卷积层来提取图像的特征。 4. **循环神经网络(Recurrent Neural Networks, RNNs)**:这种网络能够处理序列数据,如时间序列或自然语言,因为它们具有记忆功能,能够捕捉数据中的时间依赖性。 5. **长短期记忆网络(Long Short-Term Memory, LSTM)**:LSTM 是一种特殊的 RNN,它能够学习长期依赖关系,非常适合复杂的序列预测任务。 6. **生成对抗网络(Generative Adversarial Networks, GANs)**:由两个网络组成,一个生成器和一个判别器,它们相互竞争,生成器生成数据,判别器评估数据的真实性。 7. **深度学习框架**:如 TensorFlow、Keras、PyTorch 等,这些框架提供了构建、训练和部署深度学习模型的工具和库。 8. **激活函数(Activation Functions)**:如 ReLU、Sigmoid、Tanh 等,它们在神经网络中用于添加非线性,使得网络能够学习复杂的函数。 9. **损失函数(Loss Functions)**:用于评估模型的预测与真实值之间的差异,常见的损失函数包括均方误差(MSE)、交叉熵(Cross-Entropy)等。 10. **优化算法(Optimization Algorithms)**:如梯度下降(Gradient Descent)、随机梯度下降(SGD)、Adam 等,用于更新网络权重,以最小化损失函数。 11. **正则化(Regularization)**:技术如 Dropout、L1/L2 正则化等,用于防止模型过拟合。 12. **迁移学习(Transfer Learning)**:利用在一个任务上训练好的模型来提高另一个相关任务的性能。 深度学习在许多领域都取得了显著的成就,但它也面临着一些挑战,如对大量数据的依赖、模型的解释性差、计算资源消耗大等。研究人员正在不断探索新的方法来解决这些问题。
评论 1
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