MySQL—存储引擎和索引

MySQL进阶

  • 1. 存储引擎
    • 1.1 体系结构
    • 1.2 存储引擎
    • 1.3 存储引擎特点
      • 1.3.1 InnoDB
      • 1.3.2 MyISAM
      • 1.3.3 Memory
      • 1.3.4 区别及特点
    • 1.4 存储引擎选择
  • 2. 索引
    • 2.1 概述
    • 2.2 索引结构
      • 2.2.1 概述
      • 2.2.2 二叉树
      • 2.2.3 B-Tree
      • 2.2.4 B+Tree
      • 2.2.5 Hash
    • 2.3 索引分类
      • 2.3.1 索引分类
      • 2.3.2 聚集索引&二级索引
    • 2.4 索引语法
    • 2.5 SQL性能分析
      • 2.5.1 SQL执行频率
      • 2.5.2 慢查询日志
      • 2.5.3 profile详情
      • 2.5.4 explain
    • 2.6 索引使用
      • 2.6.1 最左前缀法则
      • 2.6.2 范围查询
      • 2.6.3 索引失效情况
        • 1. 索引列运算
        • 2. 字符串不加引号
        • 3. 模糊查询
        • 4. or 连接条件
        • 5. 数据分布影响
      • 2.6.4 SQL提示
      • 2.6.5 覆盖索引
      • 2.6.5 前缀索引
      • 2.6.7 单列索引与联合索引

1. 存储引擎

1.1 体系结构

  • 连接层
  • 服务层
  • 引擎层
  • 存储层

1.2 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
  • 可以在创建表的时候，来指定存储引擎，如果没有指定将自动选择默认InnoDB
# 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 ];# 查询当前数据库支持的存储引擎
show engines;

1.3 存储引擎特点

面试题:
InnoDB引擎与MyISAM引擎的区别 ?
①. InnoDB引擎, 支持事务, 而MyISAM不支持。
②. InnoDB引擎, 支持行锁和表锁, 而MyISAM仅支持表锁, 不支持行锁。
③. InnoDB引擎, 支持外键, 而MyISAM是不支持的。

1.3.1 InnoDB

介绍:

  • InnoDB是一种兼顾高可靠性和高性能的通用存储引擎，在 MySQL 5.5 之后，InnoDB是默认的MySQL 存储引擎

特点:

  • DML操作遵循ACID模型，支持事务
  • 行级锁，提高并发访问性能
  • 支持外键FOREIGN KEY约束，保证数据的完整性和正确性；

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-早期的 、sdi-新版的）、数据和索引。

逻辑存储结构:

在这里插入图片描述

1.3.2 MyISAM

介绍:

  • 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

文件:

  • xxx.sdi：存储表结构信息
  • xxx.MYD: 存储数据
  • xxx.MYI: 存储索引

1.3.3 Memory

介绍:

  • Memory引擎的表数据是存储在内存中的，由于受到硬件问题、或断电问题的影响，只能将这些表作为临时表或缓存使用

特点:

  • 内存存放, 速度快
  • hash索引（默认）

文件:

  • xxx.sdi：存储表结构信息

1.3.4 区别及特点

在这里插入图片描述

1.4 存储引擎选择

  • InnoDB: 是Mysql的默认存储引擎，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(MongDB替代了)： 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(Redis替代了)：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。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

2. 索引

2.1 概述

索引（index）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。

在这里插入图片描述

劣势可忽略

2.2 索引结构

2.2.1 概述

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索引结构，主要包含以下几种:
在这里插入图片描述
在这里插入图片描述

注意： 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

2.2.2 二叉树

二叉树作为索引结构，会存在以下缺点：

  • 顺序插入时，会形成一个链表，查询性能大大降低—>红黑树解决
  • 大数据量情况下，层级较深，检索速度慢—>B树解决

2.2.3 B-Tree

B-Tree，B树是一种多叉路衡查找树，相对于二叉树，B树每个节点可以有多个分支，即多叉。

在这里插入图片描述
数据结构可视化网站

特点：

  • 5阶的B树，每一个节点最多存储4个key，对应5个指针
  • 一旦节点存储的key数量到达5，就会裂变，中间元素向上分裂
  • 在B树中，非叶子节点和叶子节点都会存放数据

2.2.4 B+Tree

在这里插入图片描述

两部分：

  • 绿色虚线框起来的部分，是索引部分，仅仅起到索引数据的作用，不存储数据

  • 红色虚线框起来的部分，是数据存储部分，在其叶子节点中要存储具体的数据

  • 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

  • 非叶子节点仅仅起到索引数据作用，具体的数据都是在叶子节点存放的。

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，利于排序。

在这里插入图片描述

2.2.5 Hash

MySQL中除了支持B+Tree索引，还支持一种索引类型—Hash索引。

1). 结构

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。

2). 特点

  • Hash索引只能用于对等比较(=，in)，不支持范围查询（between，>，< ，…）
  • 无法利用索引完成排序操作
  • 查询效率高，通常(不存在hash冲突)只需要一次检索就可以，效率通常要高于B+tree索引

3). 存储引擎支持

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

面试题：
为什么InnoDB存储引擎选择使用B+tree索引结构?
A. 相对于二叉树，层级更少，搜索效率高；
B. 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；
C. 相对Hash索引，B+tree支持范围匹配及排序操作；

2.3 索引分类

2.3.1 索引分类

在这里插入图片描述

2.3.2 聚集索引&二级索引

在在InnoDB存储引擎中，根据索引的存储形式，又可以分为以下两种
在这里插入图片描述

聚集索引选取规则:

  • 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

执行如下的SQL语句时，具体的查找过程是:

在这里插入图片描述

具体过程如下:

  • 由于是根据name字段进行查询，所以先根据name='Arm’到name字段的二级索引中进行匹配查找。但是在二级索引中只能查找到 Arm 对应的主键值 10
  • 由于查询返回的数据是*，所以此时，还需要根据主键值10，到聚集索引中查找10对应的记录，最终找到10对应的行row
  • 最终拿到这一行的数据，直接返回即可。

回表查询： 这种先到二级索引中查找数据，找到主键值，然后再到聚集索引中根据主键值，获取数据的方式，就称之为回表查询。

思考题：
以下两条SQL语句，那个执行效率高? 为什么?
A. select * from user where id = 10 ;
B. select * from user where name = ‘Arm’ ;
备注: id为主键，name字段创建的有索引；

解答：
A 语句的执行性能要高于B 语句。
因为A语句直接走聚集索引，直接返回数据。 而B语句需要先查询name字段的二级索引，然后再查询聚集索引，也就是需要进行回表查询。

2.4 索引语法

# 创建索引
CREATE [ UNIQUE | FULLTEXT ] INDEX index_name ON table_name (index_col_name,... );# 查看索引
show index from tb_name;# 删除索引
drop index index_name in tb_name;

2.5 SQL性能分析

2.5.1 SQL执行频率

-- session 是查看当前会话 ;
-- global 是查询全局数据 ;
show [session||global] status like 'com_______'; # 七个下划线

2.5.2 慢查询日志

慢查询日志记录了所有执行时间超过指定参数（long_query_time，单位：秒，默认10秒）的所有SQL语句的日志

  • 开启慢查询日志，需要在MySQL的配置文件（/etc/my.cnf）中配置如下信息：
# 开启MySQL慢日志查询开关  默认关闭
slow_query_log=1
# 设置慢日志的时间为2秒，SQL语句执行时间超过2秒，就会视为慢查询，记录慢查询日志
long_query_time=2# 重启
systemctl restart mysqld# 日志信息保存路径
/var/lib/mysql/localhost-slow.log

2.5.3 profile详情

# 查看是否支持profile
SELECT @@have_profiling ;# 开启
SET profiling = 1;

-- 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;

2.5.4 explain

EXPLAIN 或者 DESC命令获取 MySQL 如何执行 SELECT 语句的信息，包括在 SELECT 语句执行过程中表如何连接和连接的顺序

-- 直接在select语句之前加上关键字 explain / desc
EXPLAIN SELECT 字段列表 FROM 表名 WHERE 条件 ;

Explain 执行计划中各个字段的含义:
在这里插入图片描述

注意type尽量往前, 性能越高

2.6 索引使用

2.6.1 最左前缀法则

  • 如果索引引了多列（联合索引），要遵循最左前缀法则。
  • 最左前缀法则：查询从索引的最左列开始，并且不跳过索引中的列。
  • 如果跳过某一列，索引将会部分失效

最左前缀法则中指的最左边的列，是指在查询时，联合索引的最左边的字段(即是第一个字段)必须存在，与我们编写SQL时，条件编写的先后顺序无关。

2.6.2 范围查询

  • 联合索引中，出现范围查询(>,<)，范围查询右侧的列索引失效。
  • 当范围查询使用>= 或 <= 时，走联合索引
  • 业务允许情况下，尽可能使用 >= 或 <=

2.6.3 索引失效情况

1. 索引列运算

索引列运算会导致索引失效
在这里插入图片描述

2. 字符串不加引号

如果字符串不加单引号，对于查询结果，没什么影响，但是数据库存在隐式类型转换，索引将失效
在这里插入图片描述

3. 模糊查询

如果仅仅是尾部模糊匹配，索引不会失效。如果是头部模糊匹配，索引失效

在这里插入图片描述

4. or 连接条件

用 or 分割开的条件， 如果 or 前的条件中的列有索引，而后面的列中没有索引，那么涉及的索引都不会被用到
在这里插入图片描述

5. 数据分布影响

MySQL在查询时，会评估使用索引的效率与走全表扫描的效率，如果走全表扫描更快，则放弃索引，走全表扫描。 因为索引是用来索引少量数据的，如果通过索引查询返回大批量的数据，则还不如走全表扫描来的快，此时索引就会失效。

在这里插入图片描述
在这里插入图片描述

2.6.4 SQL提示

SQL提示，是优化数据库的一个重要手段，简单来说，就是在SQL语句中加入一些人为的提示来达到优化操作的目的

  • use index(index_name)
  • ignore index(index_name)
  • force index(index_name)

2.6.5 覆盖索引

覆盖索引是值 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。

尽量使用覆盖索引，减少使用select *

在这里插入图片描述
注意最后一个字段Extra：
在这里插入图片描述

思考题：
一张表, 有四个字段(id, username, password, status), 由于数据量大, 需要对以下SQL语句进行优化, 该如何进行才是最优方案:
select id,username,password from tb_user where username = ‘itcast’;
答案: 针对于 username, password建立联合索引, sql为:
create index idx_user_name_pass on tb_user(username,password);
这样可以避免上述的SQL语句，在查询的过程中，出现回表查询。

2.6.5 前缀索引

当字段类型为字符串时（varchar，text，longtext），有时候需要索引很长的字符串，影响查询效率。此时可以将字符串的一部分前缀，建立索引，提高效率

  • 前缀长度：不重复索引值和数据表的记录总数的比值
  • 查询流程：先根据索引查到记录，再进行回表查询

2.6.7 单列索引与联合索引

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

本文来自互联网用户投稿，该文观点仅代表作者本人，不代表本站立场。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如若转载，请注明出处：http://www.hqwc.cn/news/572603.html

如若内容造成侵权/违法违规/事实不符，请联系编程知识网进行投诉反馈email:809451989@qq.com，一经查实，立即删除！

相关文章

Axure中后台系统原型模板，B端页面设计实例，高保真高交互54页

Axure中后台系统原型模板，B端页面设计实例，高保真高交互54页

作品概况 页面数量&#xff1a;共 50 页&#xff08;长期更新&#xff09; 兼容版本&#xff1a;Axure RP 9/10&#xff0c;不支持低版本 应用领域&#xff1a;网页模板、网站后台、中台系统、B端系统 作品特色 本品为「web中后台系统页面设计实例模板」&#xff0c;默林原创…
阅读更多...
libVLC 视频抓图

libVLC 视频抓图

Windows操作系统提供了多种便捷的截图方式&#xff0c;常见的有以下几种&#xff1a; 全屏截图&#xff1a;通过按下PrtSc键&#xff08;Print Screen&#xff09;&#xff0c;可以截取整个屏幕的内容。截取的图像会保存在剪贴板中&#xff0c;可以通过CtrlV粘贴到图片编辑工具…
阅读更多...
律甲法务OA平台：信鸥科技引领法律行业新篇章

律甲法务OA平台：信鸥科技引领法律行业新篇章

随着信息技术的飞速发展&#xff0c;法律行业也迎来了数字化转型的重要时刻。在这个信息化、智能化的时代&#xff0c;如何运用科技手段提升法律服务的质量和效率&#xff0c;成为法律行业亟待解决的问题。信鸥科技&#xff0c;作为业界的佼佼者&#xff0c;凭借其深厚的技术积…
阅读更多...
【数据库管理操作】Mysql 创建学生数据库及对数据表进行修改

【数据库管理操作】Mysql 创建学生数据库及对数据表进行修改

MySQL 创建学生成绩数据库 1.创建数据库 create database studentscore;创建完成之后&#xff0c;如果需要使用该数据&#xff0c;使用use命令 use studentscore;创建表前查看当前数据库中包含的表 show tables; 2.创建bclass表 create table bclass( class_id char(8) …
阅读更多...
数据结构——优先级队列

数据结构——优先级队列

一、优先级队列的定义和存储 优先级队列定义&#xff1a;优先级高的元素在队头&#xff0c;优先级低的元素在队尾 基于普通线性表实现优先级队列&#xff0c;入队和出队中必有一个时间复杂度O(n),基于二叉树结构实现优先级队列&#xff0c;能够让入队和出队时间复杂度都为O(log…
阅读更多...
如何使用Python结合Pillow、matplotlib和OpenCV实现图片读取

如何使用Python结合Pillow、matplotlib和OpenCV实现图片读取

使用Pillow库 matplotlib是一个绘图库&#xff0c;经常用于数据可视化&#xff0c;但它也可以用来展示图片。 from PIL import Image# 读取图片 image Image.open(.jpg)# 展示图片 image.show()使用OpenCV库 OpenCV是一个强大的计算机视觉和机器学习库。它不仅提供了大量的图像…
阅读更多...
Spring boot2.X 配置https

Spring boot2.X 配置https

背景 最近项目组说要将 http 升级成 https 访问&#xff0c;证书也给到我们这边了&#xff0c;当然我们这边用的是个二级域名&#xff0c;采用的是通配符访问的方式&#xff0c;比如一级域名是这样&#xff08;com.chinaunicom.cn&#xff09;&#xff0c;我们的则是&#xff0…
阅读更多...
勾八头歌之分类回归聚类

勾八头歌之分类回归聚类

一、机器学习概述 第1关机器学习概述 B AD B BC 第2关常见分类算法 #编码方式encodingutf8from sklearn.neighbors import KNeighborsClassifierdef knn(train_data,train_label,test_data):input:train_data用来训练的数据train_label用来训练的标签test_data用来测试的数据…
阅读更多...
Hadoop+Spark大数据技术 第三次作业

Hadoop+Spark大数据技术 第三次作业

第三次作业 1.简述HDFS Shell三种操作命令hadoop fs、hadoop dfs、hdfs dfs的异同点。 相同点 用于与 Hadoop 分布式文件系统&#xff08;HDFS&#xff09;交互。可以执行各种文件系统操作&#xff0c;如文件复制、删除、移动等。 不同点 hadoop fs、hadoop dfs已弃用&#xf…
阅读更多...
循环神经网络（RNN）：处理序列数据的利器

循环神经网络（RNN）：处理序列数据的利器

目录 1. 引言 2.RNN原理与时间步展开 3.LSTM与GRU工作机制与优势 3.1.LSTM&#xff08;Long Short-Term Memory&#xff09; 3.2.GRU&#xff08;Gated Recurrent Unit&#xff09; 4.应用案例 4.1文本生成 4.2情感分析 5.总结 1. 引言 循环神经网络&#xff08;Recurr…
阅读更多...
zabbix分布式部署

zabbix分布式部署

基于zabbix-proxy的分布式监控 1.1 分布式监控的作用 1&#xff09;分担 server 的集中式压力&#xff1b; 2&#xff09;解决多机房之间的网络延时问题。 1.2 数据流向 agent --> proxy --> server 1.3 构成组件 zabbix-server&#xff1a;整个监控体系中最核心的组…
阅读更多...
React和Vue.js的有什么区别

React和Vue.js的有什么区别

在当今前端开发领域&#xff0c;React 和 Vue.js 作为两大热门的前端框架备受开发者关注。它们各自拥有独特的特点和优势&#xff0c;在实际项目中有着广泛的运用。本文将深入探讨 React 和 Vue.js 之间的区别&#xff0c;从组件化方式、数据绑定、模板语法以及生态系统和工具支…
阅读更多...
推荐文章
最新文章

Copyright @ 2022~2023