MySql进阶篇

• 一、存储引擎
• • 1.1 MySql体系结构
  • 1.2 存储引擎的简介
  • 1.3 存储引擎的特点
  • • 1.3.1 innoDB
    • 1.3.2 MyISAM
    • 1.3.3 Memory
    • 1.3.4 上述总结
  • 1.4 存储引擎的选择
• 二、索引
• • 2.1 索引的概述
  • 2.2 索引结构
  • • 2.2.1 二叉树和红黑树
    • 2.2.2 B-Tree（多路平衡查找树）
    • 2.2.3 B+Tree
  • 2.3 mysql下面的B+Tree
  • 2.4 Hash索引
  • 2.5 索引的分类
  • 2.6 索引的语法
  • 2.7 SQL性能分析
  • 2.7.1 SQL的执行频率
  • 2.7.2、索引-性能分析-show profiles
  • 2.7.3、索引-性能分析-explain
  • 2.7.4 验证索引效率
  • 2.8 索引-使用规则
  • • 2.8.1、最左前缀法则
    • 2.8.2、索引失效情况一
    • 2.8.3、索引失效情况二
    • 2.8.4、SQL提示
    • 2.8.5、覆盖索引&回表查询
    • 2.8.6、前缀索引
    • 2.6.7、单列索引&联合索引
  • 2.7、索引设计原则

一、存储引擎

1.1 MySql体系结构

• 连接层

• 服务层

• 引擎层

• 存储层

1.2 存储引擎的简介

存储引擎就是存储数据、建立索引、更新/查询数据等技术的实现方式。存储引擎是基于表的，而不是基于库的，所以存储引擎也可被称为表类型。

• 在创建表时，指定存储引擎

CREATE TABLE 表名(
字段1 字段1类型 [ COMMENT 字段1注释]
字段n 字段n类型 [COMMENT 字段n注释)ENGINE =INNODB [ COMMENT 表注释]:

• 查看当前数据库支持的存储引擎

SHOW ENGINES ;

1.3 存储引擎的特点

• 介绍
  InnoDB是一种兼顾高可靠性和高性能的通用存储引擎，在 MySQL5.5 之后，InnoDB是默认的 MySQL 存储引擎。
• 特点

• 文件

1.3.1 innoDB

1.3.2 MyISAM

• 介绍

• 特点

• 文件

1.3.3 Memory

• 介绍

• 特点

• 文件

1.3.4 上述总结

1.4 存储引擎的选择

• innoDB:
  是Mysg的默认存储擎，支持事务、外键。如果应用对事务的完整性有比较高的要求，在并发条件下要求数据的一致性，数据操作除了插入和查询之外，还包含很多的更新、删除操作，那么InnoDB存储引擎是比较合适的选择。
• MVISAM :
  如果应用是以读操作和插入操作为主，只有很少的更新和州除操作，并且对事务的完整性、并发性要求不是很高，那么选择这个存储引擎是非常合适的。常用于日志，评论什么的
• MEMORY:
  将所有数据保存在内存中，访问速度快，通常用于临时表及缓存。MEMORY的缺陷就是对表的大小有限制，太大的表无法缓存在内存中，而且无法保障数据的安全性。

二、索引

2.1 索引的概述

2.2 索引结构

索引的分类

索引支持情况

我们平常所说的索引，如果没有特别指明，都是指B+树结构组织的索引。

2.2.1 二叉树和红黑树

二叉树缺点: 顺序插入时，会形成一个链表，查询性能大大降低。大数据量情况下，层级较深，检索速度慢。

红黑树缺点：虽然解决了一个链表的问题，但是还是存在层级较深，检索速度慢的缺点

2.2.2 B-Tree（多路平衡查找树）

知识小贴士: 树的度数指的是一个节点的子节点个数

具体动态变化的过程可以参考的网站连接

2.2.3 B+Tree

相对于B-Tree区别

• 所有的数据都会出现在叶子节点
• 叶子节点形成一个单向链表

2.3 mysql下面的B+Tree

MySQL索引数据结构对经典的B+Tree进行了优化。在原B+Tree的基础上，增加一个指向相邻叶子节点的链表指针，就形成了带有顺序 指针的B+Tree，提高区间访问的性能。

2.4 Hash索引

• 哈希索引就是采用一定的hash算法，将键值换算成新的hash值，映射到对应的槽位上，然后存储在hash表中
• 如果两个(或多个)键值，映射到一个相同的槽位上，他们就产生了hash冲突 (也称为hash碰撞)， 可以通过链表来解决

Hash索引特点

存储引擎支持：在MysQL中，支持hash索引的是Memory引擎，而nnoDB中具有自适应hash功能，hash索引是存储引擎根据B+Tree索引在指定条件下自动构建的。

为什么InnoDB存储引擎选择使用B+tree索引结构?

• 相对于二叉树，层级更少，搜索效率高;
• 对于B-tree，无论是叶子节点还是非叶子节点，都会保存数据，这样导致一页中存储的键值减少，指针跟着减少，要同样保存大量数据，只能增加树的高度，导致性能降低;
• 相对Hash索引，B+tree支持范围匹配及排序操作

2.5 索引的分类

在InnoDB存储引擎中，根据索引的存储形式，又可以分为以下两种:

== 聚集索引选取规则:==

执行 select * from user where name = 'Arm' 操作流程

会利用到回调查询

• 首先先通过Arm查询到其对应的ID值
• 再通过这个ID值返回到聚集索引查询到所有的值

思考题
InnoDB主键索引的B+Tree高度为多高呢?

假设:
一行数据大小为1k，一页中可以存储16行这样的数据。InnoDB的指针占用6个字节的空间，主键即使为bigint，占用字节数为8。

高度为2：
n*8 + (n + 1)6 = 161024,算出n约为1170
1171 *6 = 18736

高度为3：
1171 * 1171 * 16 = 21939856

2.6 索引的语法

• 创建索引
  CREATE [UNIQUE|FULLTEXT] INDEX index name ON table name (index col name.... ) ;
• 查看索引
  SHOW INDEX FROM table name ;
• 删除索引
  DROP INDEX index name ON table name ;

# 给姓名创建一个索引
create index idx_user_name on user(name);
# 有phone创建一个唯一索引
create unique index idx_user_phone on user(phone);
# 给profession,age,status创建一个联合索引
create index idx_user_pro_age_sta on user(profession,age,status);
# 给email创建一个索引
create index idx_user_ema on user(email);
# 删除email的索引
drop index idx_user_ema on user;

2.7 SQL性能分析

2.7.1 SQL的执行频率

SHOW GLOBAL STATUS LIKE 'Com_______';

2.7.2、索引-性能分析-show profiles

profile详情

SELECT @@have_profiling;

默认profiling是关闭的，可以通过set语句在session/global级别开启profiling:

SET profiling = 1;

执行一系列的业务SQL的操作，然后通过如下指令查看指令的执行耗时:

#f查看每一条SQL的耗时基本情况
show profiles;
#查看指定query_id的SQL语句各个阶段的耗时情况
show profile for query query_id;
#查看指定query_id的SQL语句CPU的使用情况
show profile cpu for query query_id；

2.7.3、索引-性能分析-explain

• explain执行计划

EXPLAIN执行计划各字段含义：

• ld
  select查询的序列号，表示查询中执行select子句或者是操作表的顺序(id相同，执行顺序从上到下;id不同，值越大，越先执行)。

• select_type
  表示SELECT的类型，常见的取值有SIMPLE（简单表，即不使用表连接或者子查询)、PRIMARY（主查询，即外层的查询)、UNION(UNION中的第二个或者后面的查询语句）、SUBQERY (SELECT/WHERE之后包含了子查询）等

• type
  表示连接类型，性能由好到差的连接类型为NULL、system、const、eq_ref、ref、range、index、all

• possible_key
  显示可能应用在这张表上的索引，一个或多个。

• Key
  实际使用的索引，如果为NULL，则没有使用索引。

• Key_len
  表示索引中使用的字节数，该值为索引字段最大可能长度，并非实际使用长度，在不损失精确性的前提下，长度越短越好。

• rows
  MySQL认为必须要执行查询的行数，在innodb引擎的表中，是一个估计值，可能并不总是准确的。

• filtered
  表示返回结果的行数占需读取行数的百分比， filtered 的值越大越好。

2.7.4 验证索引效率

在未建立索引之前，执行如下SQL语句，查看SQL的耗时。

SELECT* FROM tb sku WHERE sn =100000003145001':

针对字段创建索引

create index idx sku sn on tb sku(sn) ;

然后再次执行相同的SQL语句，再次查看SQL的耗时。

SELECT* FROM tb sku WHER5 sn =100000003145001":

可以明显的发现，创建了索引过后执行的效率明显提升

2.8 索引-使用规则

2.8.1、最左前缀法则

范围查询

联合索引中，出现范围查询（>,<）范围查询右侧的索引失效

2.8.2、索引失效情况一

• 索引列运算

• 字符串不加引号

• 模糊查询

2.8.3、索引失效情况二

• or连接的条件

解决方案：对没有添加索引的列，添加上索引

• 数据分布影响

2.8.4、SQL提示

use index（告诉数据库要用的索引） :

explain select * from 表名 use index(使用的索引名) where 查询条件;

ignore index（告诉数据库不要用的索引）:

explain select *from 表名 ignore index(使用的索引名) where 查询条件;

force index（告诉数据库必须要用的索引）:

explain select * from 表名 force index(使用的索引名) where 查询条件;

2.8.5、覆盖索引&回表查询

覆盖索引

尽量使用覆盖索引（查询使用了索引，并且需要返回的列，在该索引中已经全部能够找到），减少select*

using index condition :查找使用了索引,但是需要回表查询数据
using where; using index :查找使用了索引，但是需要的数据都在索引列中能找到，所以不需要回表查询数据

2.8.6、前缀索引

语法

create index idx _xxoxx on table_name(column(n)) ;

前缀长度

select count(distinct email) / count(*) from tb_user ;
select count(distinct substring(email,1,5)) / count(*) from tb_user ;

2.6.7、单列索引&联合索引

单列索引:即一个索引只包含单个列。

联合索引:即一个索引包含了多个列。

在业务场景中，如果存在多个查询条件，考虑针对于查询字段建立索引时，建议建立联合索引，而非单列索引

2.7、索引设计原则

• 针对于数据量较大，且查询比较频繁的表建立索引。
• 针对于常作为查询条件(where)、排序（order by)、分组(group by）操作的字段建立索引。
• 尽量选择区分度高的列作为索引，尽量建立唯一索引，区分度越高，使用索引的效率越高。
• 如果是字符串类型的字段，字段的长度较长，可以针对于字段的特点
  建立前缀索引。
• 尽量使用联合索引，减少单列索引，查询时，联合索引很多时候可以覆盖索引，节省存储空间，避免回表，提高查询效率。
• 要控制索引的数量，索引并不是多多益善，索引越多，维护索引结构的代价也就越大，会影响增删改的效率。
• 如果索引列不能存储NULL值，请在创建表时使用NOTNULL约束它。当优化器知道每列是否包含NULL值时，它可以更好地确定哪个索引最有效地用于查询。