目录
存储引擎
MySQL的体系结构
存储引擎简介
存储引擎特点
InnoDB
逻辑存储结构
MyISAM
Memory
对比
存储引擎选择
索引
介绍
索引结构
B+Tree索引
Hash索引
索引分类
索引语法
SQL性能分析
SQL执行频率
慢查询日志
profile详情
explain执行计划
索引的使用
最左前缀法则
范围查询
索引列运算
字符串加引号
模糊查询
or连接的条件
数据分布影响
SQL提示
覆盖索引
前缀索引
索引设计原则
SQL优化
insert优化
主键优化
页分裂
页合并
主键设计原则
order by优化
group by优化
limit优化
count优化
count的使用
update优化
存储引擎
MySQL的体系结构
连接层：最上层是一些客户端和链接服务，主要完成一些类似于连接处理、授权认证、及相关的安全方案。服务器也会为安全接入的每个客户端验证它所具有的操作权限。
服务层：第二层架构主要完成大多数的核心服务功能，如SQL接口，并完成缓存的查询，SOL的分析和优化，部分内置函数的执行。所有跨存储引擎的功能也在这一层实现，如 过程、函数等。
引擎层：存储引擎真正的负责了MySQL中数据的存储和提取，服务器通过API和存储引擎进行通信。不同的存储引擎具有不同的功能，这样我们可以根据自己的需要，来选取合适的存储引擎。
存储层：主要是将数据存储在文件系统之上，并完成与存储引擎的交互。
存储引擎简介
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。存储引警是基于表的，而不是基于库的，所以存储引警也可被称为表类型。
在创建表的时候我们可以指定存储引擎，如果不指定默认为INNODB引擎
create table 表明{
字段1, 字段类型,
……
}ENGINE = 引擎名;
如果想查看当前数据库支持哪些存储引擎，我们可以使用语句
show engines;
存储引擎特点
InnoDB
一种兼顾高可靠性与高性能的通用引擎，在Mysql5.5之后，InnoDB是MySQL的默认存储引擎。
特点是：
- DML操作遵循ACID模型，支持事务;
- 支持行级锁，提高并发访问性能；
- 支持外键约束，保证数据的完整性和正确性；
存储文件：
xxx.ibd：xxx代表的是表名，innoDB引擎的每张表都会对应这样一个表空间文件，存储该表的表结构(frm、sdi)、数据和索引。该文件可以在Windows目录下C:\ProgramData\MySQL\MySQL Server 8.0\Data下找到，每个文件夹对应的是一个数据库。
如果需要通过idb文件查看表结构，可以通过命令
ibd2sdi 表名.ibd
逻辑存储结构
磁盘操作的最小单元为page，每个page是16K。而每个Extent大小为1M。也就是说，一个Extent包含64个page
MyISAM
MyISAM是MySQL早期的默认存储引擎
特点：
- 不支持事务，不支持外键
- 支持表锁，不支持行锁
- 访问速度快
存储文件：
- xxx.sdi：存储表结构信息
- xxx.MYD：存储数据
- xxx.MYI：存储索引
Memory
Memory引擎的表数据是存储在内存当中的，只能将使用Memory引擎的表作为临时表或缓存使用
特点：
- 内存存放，访问速度快
- 采用hash索引
存储文件：
- xxx.sdi：存储表结构信息
对比
| 特点 | InnoDB | MyISAM | Memory |
| 存储限制 | 64TB | 有 | 有 |
| 事务安全 | 支持 | - | - |
| 锁机制 | 行锁 | 表锁 | 表锁 |
| B+tree索引 | 支持 | 支持 | 支持 |
| Hash索引 | - | - | 支持 |
| 全文索引 | 5.6版本后支持 | 支持 | - |
| 空间使用 | 高 | 低 | N/A |
| 内存使用 | 高 | 低 | 中等 |
| 批量插入速度 | 低 | 高 | 高 |
| 支持外键 | 支持 | - | - |
InnoDB与MyISAM最大的区别在于，InnoDB支持事务，支持行锁，支持外键
存储引擎选择
InnoDB：是Mysql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。
MyISAM：如果应用是以读操作和插入操作为主，只有很少的更新和删除操作，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。
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。
通常来讲，我们使用InnoDB就足够了，MyISAM引擎用来记录日志等丢失几条消息也无所谓的信息，MEMORY因为无法存储太多数据，用来做缓存就可以了。但是MyISAM与MEMORY都可以被其他非关系型数据库来替代，比如说Redis。
索引
介绍
索引是帮助MySQL高效获取数据的数据结构(有序)。在数据之外，数据库系统还维护着满足特定查找算法的数据结构，这些数据结构以某种方式引用(指向)数据， 这样就可以在这些数据结构上实现高级查找算法，这种数据结构就是索引。
比如说存在这样一张表，接下来我们要找到age为45的用户，在没有对age字段添加索引的清空下，是通过id进行全表扫描，一行一行对比age=45的数据。
如果对age字段建立索引，在插入时，数据库会维护索引信息，查找时从根节点开始查找，查询速度快。
优点：
- 提高数据库查询效率，减少数据库IO成本
- 通过索引列对数据进行排序，降低数据排序的成本，降低CPU消耗
缺点：
- 索引会占用存储空间
- 索引大大提高了查询效率，同时也降低了Insert、Update、Delete效率
索引结构
MySQL的索引是在存储引擎层实现的，不同的存储引擎有不同的结构，主要包含以下几种：
| 索引结构 | 描述 |
| B+Tree索引 | 最常见的索引，大部分引擎都支持 B+ 树索引 |
| Hash索引 | 底层数据结构是用哈希表实现的,只有精确匹配索引列的查询才有效不支持范围查询 |
| R-Tree（空间索引） | 空间索引是MvISAM引擎的一个特殊索引类型，主要用于地理空间数据类型，通常使用较少 |
| Full-text（空间索引） | 是一种通过建立倒排索引，快速匹配文档的方式。类似于Lucene,Solr,ES |
引擎对索引结构的支持情况
| 索引 | InnoDB | MyISAM | Memory |
| B+Tree索引 | 支持 | 支持 | 支持 |
| Hash索引 | 不支持 | 不支持 | 支持 |
| R-Tree索引 | 不支持 | 支持 | 不支持 |
| Full-text | 5.6之后支持 | 支持 | 不支持 |
B+Tree索引
默认都是使用B+Tree索引，但是MySQL又对经典的B+Tree做了一个优化，增加了一个指向相邻叶子节点的链表指针，形成了带有顺序指针的B+Tree，提高区间访问的性能。
为什么选择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存储数据，这样会导致一页中的存储的键值减少，指针跟着减少，如果需要保存大量数据，B-Tree的高度会比B+Tree高导致性能降低。其次，对B+Tree优化后，形成一个双线链表，对于范围查询更具有优势。
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
hash索引的特点
- 只能用于对等比较（=、in），不支持范围查询（between，>,<等）
- 无法利用索引完成排序操作
- 查询效率高，通常只需要一次检索。
索引分类
| 分类 | 含义 | 特点 | 关键字 |
| 主键索引 | 针对于表中主键创建的索引 | 默认自动创建，只能有一个 | PRIMARY |
| 唯一索引 | 避免同一个表中某数据列中的值重复 | 可以有多个 | UNIQUE |
| 常规索引 | 快速定位特定数据 | 可以有多个 | |
| 全文索引 | 全文索引查找的是文本中的关键词，而不是比较索引中的值 | 可以有多个 | FULLTEXT |
在InnoDB中根据索引的存储形式又可以分为以下两种
| 分类 | 含义 | 特点 |
| 聚集索引 | 将数据存储与索引放到了一块，索引结构的叶子节点保存了行数据 | 必须有，而且只有一个 |
| 二级索引 | 将数据与索引分开存储，索引结构的叶子节点关联的是对应的主键 | 可以存在多个 |
聚集索引的选取规则：
- 如果存在主键，主键索引就是聚集索引。
- 如果不存在主键，将使用第一个唯一(UNIQUE)索引作为聚集索引。
- 如果表没有主键，或没有合适的唯一索引，则InnoDB会自动生成一个rowid作为隐藏的聚集索引。
当需要对name字段进行查询时，先通过二级索引查找到对应的name键值，然后获取对应的id值，然后拿着id值取聚集索引中查找行信息，该操作叫做回表查询
InnoDB的主键索引B+Tree高度为多少？
B+Tree的高度，取决于主键数据类型，首先我们知道，B+Tree的非叶子节点是存储的只有键值与InnoDB的指针，而一个区块只能存放16K的内容，转化为字节为16*1024个字节。
首先InnoDB的指针占用6个字节，假设主键数据类型是bigint，需要占用8个字节的大小，在高度为2的情况下，计算公式为：
n*8+(n+1)*6 = 16*1024
计算出n约等于1170。
如果一行数据大小为1k。那么在高度为2的情况下可以存储 1171*16 =18736 数据。
在高度为三的情况，可以存储1171*1171*16 = 21939856 条数据
索引语法
创建索引
CREATE [ UNIQUE|FULLTEXT] INDEX index_name ON table_name (index_col_name,…);字段可以同时选取多个，这被称为联合索引或组合索引（需要注意的是，创建索引时，字段名的顺序会影响查找的效率，这个我们后面）
查看索引
SHOW INDEX FROM table_name;删除索引
DROP INDEX index_name ON table_name;
