Mysql进阶学习

事务

事务 是一组操作的集合，它是一个不可分割的工作单位，事务会把所有的操作作为一个整体一起向系

统提交或撤销操作请求，即这些操作要么同时成功，要么同时失败。

就比如: 张三给李四转账1000块钱，张三银行账户的钱减少1000，而李四银行账户的钱要增加

1000。 这一组操作就必须在一个事务的范围内，要么都成功，要么都失败。

数据的准备

drop table if exists account;
create table account
(
    id    int primary key AUTO_INCREMENT comment 'ID',
    name  varchar(10) comment '姓名',
    money double(10, 2) comment '余额'
) comment '账户表';
insert into account(name, money)
VALUES ('张三', 2000),
       ('李四', 2000);

正常的操作下表数据的变化

select * from account;

select * from account where name = '张三';

update account set money = money - 1000 where id = 1;

update account set money = money + 1000 where id = 2;

操作异常情况下的数据情况

update account set money = money - 1000 where id = 1;
error
update account set money = money + 1000 where id = 2;

在此情况下，第二句sql无法执行到

这样就会导致张三用户账户的钱少了，但是李四账号并没有收到钱，那么就会出现问题。

手动控制事务

1).查看/设置事务提交方式

select @@autocommit;

set @@autocommit = 0;

2).提交事务

commit;

3).事务回滚

rollback;

上面的过程是将事务的提交设置为手动提交，此时我们执行的DML语句都不会提交, 需要手动的执行commit进行提交。

自动控制事务

1).开启事务

statr/begin tranaction

2).提交事务

commit；

3).事务回滚

rollbock;

转账案例实现

start transaction;
-- 从张三账户中转出钱
update account set money = money - 1000 where id = 1;
-- 向李四账号中转入钱
update account set money = money + 1000 where id = 2;

-- 执行完毕，提交事务
commit;

事务四大特性

• 原子性（Atomicity）：事务是不可分割的最小操作单元，要么全部成功，要么全部失败。

• 一致性（Consistency）：事务完成时，必须使所有的数据都保持一致状态。

• 隔离性（Isolation）：数据库系统提供的隔离机制，保证事务在不受外部并发操作影响的独立

环境下运行。

• 持久性（Durability）：事务一旦提交或回滚，它对数据库中的数据的改变就是永久的。

上述就是事务的四大特性，简称ACID。

并发事务产生的问题

1). 赃读：一个事务读到另外一个事务还没有提交的数据

2). 不可重复读：一个事务先后读取同一条记录，但两次读取的数据不同，称之为不可重复读。

3). 幻读：一个事务按照条件查询数据时，没有对应的数据行，但是在插入数据时，又发现这行数据

已经存在，好像出现了 “幻影”。

事务的隔离级别

为了解决事务并发产生的问题，在数据库中引入了事务隔离级别。主要有以下四种：

隔离级别	脏读	不可重复度	幻读
Read uncommited(读未提交)	√	√	√
Read commited(读已提交)	×	√	√
Repeatable Read(默认)	×	×	√
Serializable(串行化)	×	×	×

1). 查看事务的隔离级别

SELECT @@TRANSACTION_ISOLATION;

Mysql默认使用的是Repeatable Read

2).设置事务隔离级别

SET [ SESSION | GLOBAL ] TRANSACTION ISOLATION LEVEL { READ UNCOMMITTED | READ COMMITTED | REPEATABLE READ | SERIALIZABLE }

-- session是设置当前会话即当前连接的终端的隔离级别
-- GLOBAL是设置所有会话的隔离级别

注意：事务的隔离级别越高其性能越低

存储引擎

查看当前数据库支持的存储引擎

show engines

当创建表时默认使用InnoDB存储引擎

show create table tb_user;

创建数据表时指定数据引擎，添加参数engine=存储引擎名

create table my_myisam
(
    id   int,
    name varchar(10)
) engine = MyISAM;


create table my_myisam
(
    id   int,
    name varchar(10)
) engine = Memory;

InnoDB

1). 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。

2). 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；

3).逻辑存储结构

MyISAM

1). 介绍

MyISAM是MySQL早期的默认存储引擎。

2). 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

Memory

1). 介绍

Memory引擎的表数据时存储在内存中的，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。

2). 特点

• 内存存放

• hash索引（默认）

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。

主要是上述三点区别，当然也可以从索引结构、存储限制等方面，更加深入的回答，具体参

考如下官方文档：

https://dev.mysql.com/doc/refman/8.0/en/innodb-introduction.html

https://dev.mysql.com/doc/refman/8.0/en/myisam-storage-engine.html

存储引擎的选择

在选择存储引擎时，应该根据应用系统的特点选择合适的存储引擎。

• InnDB: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要求比较高，在并发条件下要求数据的一致性的情况下应该选择此存储引擎。
• MyISAM: 如果应用是以读取和插入操作为主 ，只有少量的删除和更新操作，并且对事务的完整性，并发性要求不是很高，那么选择此存储引擎合适
• Memory: 将所有数据保存在内存中， 访问速度快，通常用于临时表和缓存。但是由于存放在内存中其受到的限制也很多，如表的大小限制，无法对过大的表进行缓存，还有安全性问题，如断电时数据丢失。

索引

介绍

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。

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索引结构，主要包含以下几种：

索引结构	描述
B+tree	最常见的索引类型，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MyISAM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(全文索引)	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

存储引擎对于索引结构的支持情况

索引	InnoDB	MyISAM	Memory
B+tree	支持	支持	支持
Hash索引	不支持	不支持	支持
R-tree	不支持	支持	不支持
Full-text	5.6版本之后支持	支持	不支持

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。以一颗最大度数（max-degree）为5(5阶)的b-tree为例，那这个B树每个节点最多存储4个key，5个指针

B+Tree

B+Tree是B-Tree的变种，我们以一颗最大度数（max-degree）为4（4阶）的b+tree为例，其结构示意图：

• 绿色框框起来的部分，是索引部分，仅仅起到索引数据的作用，不存储数据。
• 红色框框起来的部分，是数据存储部分，在其叶子节点中要存储具体的数据。

B+Tree 与 B-Tree相比，主要有以下三点区别：

• 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。

• 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。

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。Java中的HashMap结构类似(树加链表的实现方式)。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。

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冲突的情况)只需要一次检索就可以了，效率通常要高于B+tree索 引

为什么InnDB选择B+Tree作为索引结构

• 相比较二叉树，其层级更少，搜索效率更高
• 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

索引分类

在MySQL数据库，将索引的具体类型主要分为以下几类：主键索引、唯一索引、常规索引、全文索引。

分类	含义	特点	关键字
主键索引	针对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	避免表中某 数据列的值重复	可以有多个	UNIQUE
常规索引	快速定位数据	可以有多个
全文索引	全文索引查找的是文中的关键字，而不是比较索引的值	可以有多个	FULLTEXT

聚集索引和二级索引

InnDB存储引擎中，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(Clustered Index)	将数据存储与索引放到一块，索引结构的叶子节点保存到行数据	必须有且只有一个
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是对应的主键	可以 存放很多个

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。

聚集索引与二级索引的结构如下：

当执行

select * from user where name = 'Arm';

通过二级索引获取到其对应的主键索引，再到聚集索引中获取所有的行数据，这种查询过程叫做回表查询。

上述查询详细查询过程如下：

• 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。

• 由于查询的字段是*，二级索引中没有该字段，所以此时需要根据二级索引中存储的主键id = 10去聚集索引中查询

• 最后获取主键为10的行，返回所有数据

InnoDB存储引擎最小的存储单元-页(16K)，那么高度为2的B+tree树能存储多少条数据？

这里我们先假设B+树高为2，即存在一个根节点和若干个叶子节点，那么这棵B+树的存放总记录数为：根节点指针数*单个叶子节点记录行数。

上文我们已经说明单个叶子节点（页）中的记录数=16K/1K=16。（这里假设一行记录的数据大小为1k，实际上现在很多互联网业务数据记录大小通常就是1K左右）。

那么现在我们需要计算出非叶子节点能存放多少指针，其实这也很好算，我们假设主键ID为bigint类型，长度为8字节，而指针大小在InnoDB源码中设置为6字节，这样一共14字节，我们一个页中能存放多少这样的单元，其实就代表有多少指针，即16384/14=1170。那么可以算出一棵高度为2的B+树，能存放1170*16=18720条这样的数据记录。

索引语法

1. 创建索引

   CREATE [ UNIQUE | FULLTEXT ] INDEX index_name ON table_name ( index_col_name,... );

2. 查看索引

   show INDEX in account;

3. 删除索引

   DROP INDEX index_name ON table_name ;

索引的使用

• name字段为姓名字段，该字段的值可能会重复，为该字段创建索引

  CREATE INDEX idx_user_name ON tb_user(name);

• phone手机号字段的值，是非空，且唯一的，为该字段创建唯一索引。

  CREATE UNIQUE INDEX  idx_user_phone ON tb_user(phone);

• 为profession、age、status创建联合索引。

  CREATE INDEX idx_user_profession_age_status ON tb_user(profession, age, status);

• 为email建立合适的索引来提升查询效率

  CREATE INDEX idx_user_email ON tb_user(email);

查看表中已创建的索引

SQL性能分析

SQL的执行频次

SHOW GLOBAL  STATUS LIKE 'Com_____';
SHOW SESSION  STATUS LIKE 'Com_____';

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。

MySQL的慢查询日志默认没有开启，我们可以查看一下系统变量 slow_query_log。

开启slow_query_log(默认关闭)，在mysql配置文件中添加以下配置

slow_query_log = 1 
long_query_time= 2 # 当查询时间超过两秒时，会被记录

profile详情

show profiles 能够在做SQL优化时帮助我们了解时间都耗费到哪里去了。通过have_profiling参数，能够看到当前MySQL是否支持profile操作：

SHOW @@hava_profiling;

如果没有开启，则可以使用以下语句开启

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：

-- 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;

最左前缀法则

如果索引了多列（联合索引），要遵守最左前缀法则。最左前缀法则指的是查询从索引的最左列开始，并且不跳过索引中的列。如果跳跃某一列，索引将会部分失效(后面的字段索引失效)。

覆盖索引

尽量使用覆盖索引，减少select *。 那么什么是覆盖索引呢？ 覆盖索引是指 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 。

使用覆盖索引可以避免回表查询，提高sql查询的效率。

索引设计原则

1). 针对于数据量较大，且查询比较频繁的表建立索引。

2). 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。

3). 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。

4). 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。

5). 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。

6). 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。

create unique index idx_user_phone_name on tb_user(phone,name);

7). 如果索引列不能存储NULL值，请在创建表时使用NOT NULL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。

SQL优化

插入数据

如果我们需要一次性往数据库表中插入多条记录，可以从以下三个方面进行优化。

• 1). 优化方案一

    批量插入数据
  

• 2). 优化方案二

    手动控制事务
  

• 3). 优化方案三

  主键顺序插入，性能要高于乱序插入

  如果一次性需要插入大批量数据(比如: 几百万的记录)，使用insert语句插入性能较低，此时可以使

  用MySQL数据库提供的load指令进行插入。

  -- 客户端连接服务端时，加上参数 -–local-infile 
  mysql –-local-infile -u root -p 
  -- 设置全局参数local_infile为1，开启从本地加载文件导入数据的开关 
  set global local_infile = 1; 
  -- 执行load指令将准备好的数据，加载到表结构中 
  load data local infile '/root/sql1.log' into table tb_user fields terminated by ',' lines terminated by '\n' ;

• 4).主键顺序插入，性能要高于乱序插入

主键优化

• 满足业务需求的情况下，尽量降低主键的长度。
• 插入数据时，尽量选择顺序插入，选择使用AUTO_INCREMENT自增主键。
• 尽量不要使用UUID做主键或者是其他自然主键，如身份证号。
• 业务操作时，避免对主键的修改。

order by优化

MySQL的排序，有两种方式：

• Using filesort : 通过表的索引或全表扫描，读取满足条件的数据行，然后在排序缓冲区sortbuffer中完成排序操作，所有不是通过索引直接返回排序结果的排序都叫 FileSort 排序。

• Using index : 通过有序索引顺序扫描直接返回有序数据，这种情况即为 using index，不需要额外排序，操作效率高。

对于以上的两种排序方式，Using index的性能高，而Using filesort的性能低，我们在优化排序操作时，尽量要优化为 Using index。

order by优化原则:

• A. 根据排序字段建立合适的索引，多字段排序时，也遵循最左前缀法则。
• B. 尽量使用覆盖索引。
• C. 多字段排序, 一个升序一个降序，此时需要注意联合索引在创建时的规则（ASC/DESC）。
• D. 如果不可避免的出现filesort，大数据量排序时，可以适当增大排序缓冲区大小
• sort_buffer_size(默认256k)。

group by优化

在分组操作中，我们需要通过以下两点进行优化，以提升性能：

• A. 在分组操作时，可以通过索引来提高效率。

• B. 分组操作时，索引的使用也是满足最左前缀法则的。

limit优化

优化思路: 一般分页查询时，通过创建 覆盖索引 能够比较好地提高性能，可以通过覆盖索引加子查询形式进行优化。

count优化

count的工作原理

MyISAM 引擎把一个表的总行数存在了磁盘上，因此执行 count(*) 的时候会直接返回这个数，效率很高； 但是如果是带条件的count，MyISAM也慢。

InnoDB 引擎就麻烦了，它执行 count(*) 的时候，需要把数据一行一行地从引擎里面读出来，然后累积计数。

count的用法

count() 是一个聚合函数，对于返回的结果集，一行行地判断，如果 count 函数的参数不是NULL，累计值就加 1，否则不加，最后返回累计值。

用法：count（*）、count（主键）、count（字段）、count（数字）

count用法	含义
count(主键)	InnoDB 引擎会遍历整张表，把每一行的 主键id 值都取出来，返回给服务层。服务层拿到主键后，直接按行进行累加(主键不可能为null)。
count(*)	没有not null 约束: InnoDB 引擎会遍历整张表把每一行的字段值都取出来，返回给服务层，服务层判断是否为null，不为null，计数累加。 有not null 约束: InnoDB引擎会遍历整张表把每一行的字段值都取出来，返回给服务层，直接按行进行累加。
count(字段)	InnoDB 引擎遍历整张表，但不取值。服务层对于返回的每一行，放一个数字’1’进去，直接按行进行累加。
count(数字)	InnoDB引擎并不会把全部字段取出来，而是专门做了优化，不取值，服务层直接按行累加。

按照效率排序的话，count(字段) < count(主键 id) < count(1) ≈ count(*)，所以尽量使用 count(*)。