Mysql高级

2021-12-27 08:52:59 浏览数 (1)

Mysql高级01 MySQL高级课程简介

序号

01**

02**

03**

04**

1

基本硬件知识

体系结构

应用优化

MySQL 常用工具

2

索引

存储引擎

查询缓存优化

MySQL 日志

3

视图

优化SQL步骤

内存管理及优化

MySQL 主从复制

4

存储过程和函数

索引使用

MySQL锁问题

5

触发器

SQL优化

常用SQL技巧

1.基本硬件知识（了解） 1.1计算机工作原理

1.中央处理器（英文Central Processing Unit，CPU）是一台计算机的运算核心和控制核心。CPU、内部存储器和输入/输出设备是电子计算机三大核心部件。其功能主要是解释计算机指令以及处理计算机软 件中的数据。 CPU核心组件： 1.算术逻辑单元（Arithmetic&logical Unit）是中 央处理器(CPU)的执行单元，是所有中央处理器的核 心组成部分，由"And Gate"（与门） 和"Or Gate"（或门）构成的算术逻辑单元，主要功能是进行二位元的算术运算，如加减乘(不包括整数除法)。 2.PC：负责储存内存地址，该地址指向下一条即将执行的指令，每解释执行完一条指令，pc寄存器的值 就会自动被更新为下一条指令的地址。 3.寄存器（Register）是CPU内部的元件，所以在寄存器之间的数据传送非常快。 用途：1.可将寄存器内的数据执行算术及逻辑运算。 2.存于寄存器内的地址可用来指向内存的某个位置，即寻址。 3.可以用来读写数据到电脑的周边设备。4.Cache:缓存

2.内存(Memory)是计算机的重要部件之一，也称内存储器和主 存储器，它用于暂时存放CPU中的运算数 据，与硬盘等外 部存储器交换的数据。它是外存与C PU进行沟通的桥梁，计算机中所有程序的运行都在 内存中进行，内存性能的强弱影响计算机整体发挥的水平。只要计算机开始运行，操作系统就会把需要 运算的数据从内存调到CPU中进行运算，当运算完成，CPU将结果传送出来。

1.2磁盘的一些概念 （1）盘片、片面 和 磁头 硬盘中一般会有多个盘片组成，每个盘片包含两个面，每个盘面都对应地有一个读/写磁头。受到硬盘整 体体积和生产成本的限制，盘片数量都受到限制，一般都在5片以内。盘片的编号自下向上从0开始，如 最下边的盘片有0面和1面，再上一个盘片就编号为2面和3面。 如下图：

（2）扇区 和 磁道 下图显示的是一个盘面，盘面中一圈圈灰色同心圆为一条条磁道，从圆心向外画直线，可以将磁道划分 为若干个弧段，每个磁道上一个弧段被称之为一个扇区（图践绿色部分）。扇区是磁盘的最小组成单 元，通常是512字节。（由于不断提高磁盘的大小，部分厂商设定每个扇区的大小是4096字节）

通过磁头和磁道的接触，然后我们进行数据的读写 （3）磁头 和 柱面

硬盘通常由重叠的一组盘片构成，每个盘面都被划分为数目相等的磁道，并从外缘的“0”开始编号，具有 相同编号的磁道形成一个圆柱，称之为磁盘的柱面。磁盘的柱面数与一个盘面上的磁道数是相等的。由 于每个盘面都有自己的磁头，因此，盘面数等于总的磁头数。 如下图

3、磁盘容量计算 存储容量 ＝ 磁头数 × 磁道(柱面)数 × 每道扇区数 × 每扇区字节数图3中磁盘是一个 3个圆盘6个磁头，7 个柱面（每个盘片7个磁道） 的磁盘，上图中每条磁道有12个扇区，所以此磁盘的容量为：存储容量 6

  • 7 * 12 * 512 = 258048 每个磁道的扇区数一样是说的老的硬盘，外圈的密度小，内圈的密度大，每圈可存储的数据量是一样 的。新的硬盘数据的密度都一致，这样磁道的周长越长，扇区就越多，存储的数据量就越大。 4、磁盘读取响应时间 1.寻道时间：磁头从开始移动到数据所在磁道所需要的时间，寻道时间越短，I/O操作越快，目前磁 盘的平均寻道时间一般在3－15ms，一般都在10ms左右。 2.旋转延迟：盘片旋转将请求数据所在扇区移至读写磁头下方所需要的时间，旋转延迟取决于磁盘转 速。普通硬盘一般都是7200rpm，慢的5400rpm。 3.数据传输时间：完成传输所请求的数据所需要的时间。 小结一下：从上面的指标来看、其实最重要的、或者说、我们最关心的应该只有两个：寻道时间；旋转 延迟 读写一次磁盘信息所需的时间可分解为：寻道时间、延迟时间、传输时间。为提高磁盘传输效率，软件 应着重考虑减少寻道时间和延迟时间。（类似于CPU缓存行，把随机读改成顺序读写） 5、块/簇 磁盘块/簇（虚拟出来的）。 块是操作系统中最小的逻辑存储单位。操作系统与磁盘打交道的最小单位是磁盘块。每个块可以包括2、4、8、16、32、64…2的n次方个扇区。 为什么存在磁盘块？

读取方便：由于扇区的数量比较小，数目众多在寻址时比较困难，所以操作系统就将相邻的扇区组合在 一起，形成一个块，再对块进行整体的操作。分离对底层的依赖：操作系统忽略对底层物理存储结构的 设计。通过虚拟出来磁盘块的概念，在系统中认为块是最小的单位。（就是类似于班级，小组等） 6、page 操作系统经常与内存和硬盘这两种存储设备进行通信，类似于“块”的概念，都需要一种虚拟的基本单 位。所以，与内存操作，是虚拟一个页的概念来作为最小单位。与硬盘打交道，就是以块为最小单位。 7、扇区、块/簇、page的关系 1.扇区： 硬盘的最小读写单元 2.块/簇： 是操作系统针对硬盘读写的最小单元 3.page： 是内存与操作系统之间操作的最小单元。 扇区 <= 块/簇 <= page 8、计算机读取数据流程 当需要从磁盘读取数据时，系统会将数据地址传给磁盘，即确定要读的数据在哪个磁道，哪个扇区。为 了读取这个扇区的数据，需要将磁头放到这个扇区上方，为了实现这一点，磁头需要移动对准相应磁 道，这个过程叫做 寻道 ，所耗费时间叫做 寻道时间 ，然后磁盘旋转将目标扇区旋转到磁头下，这个过程耗费的时间叫做旋转时间。

1.3局部性原理,磁盘预读,CPU缓存行,磁盘IO 1、 由于存储介质的特性，磁盘本身存取就比主存慢很多，再加上机械运动耗费，磁盘的存取速度往往是主存的十万分之一，因此为了提高效率，要尽量减少磁盘I/O。为了达到这个目的，磁盘往往不是严格 按需读取，而是每次都会预读，即使只需要一个字节，磁盘也会从这个位置开始，顺序向后读取一定长 度的数据放入内存。这样做的理论依据是计算机科学中著名的局部性原理： 当一个数据被用到时，其附近的数据也通常会马上被使用。程序运行期间所需要的数据通常比较集中。 由于磁盘顺序读取的效率很高（不需要寻道时间，只需很少的旋转时间），因此对于具有局部性的程序 来说，预读可以提高I/O效率。 预读的长度一般为页（page）的整倍数。页是计算机管理存储器的逻辑块，硬件及操作系统往往将主存 和磁盘存储区分割为连续的大小相等的块，每个存储块称为一页（在许多操作系统中，页得大小通常为4k），主存和磁盘以页为单位交换数据。当程序要读取的数据不在主存中时，会触发一个缺页异常，此 时系统会向磁盘发出读盘信号，磁盘会找到数据的起始位置并向后连续读取一页或几页载入内存中，然 后异常返回，程序继续运行。 下图是计算机硬件延迟的对比图，供大家参考：

2、磁盘IO的问题 mysql的数据一般以文件形式存储在磁盘上，检索需要磁盘I/O操作。与主存不同，磁盘I/O存在机械运 动耗费，因此磁盘I/O的时间消耗是巨大的。

2.索引 2.1索引概述 MySQL官方对索引的定义为：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，数据库系统还维护者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。如下面的示意图所示 :

左边是数据表，一共有两列七条记录，最左边的是数据记录的物理地址（注意逻辑上相邻的记录在磁盘 上也并不是一定物理相邻的）。为了加快Col2的查找，可以维护一个右边所示的二叉查找树，每个节点 分别包含索引键值和一个指向对应数据记录物理地址的指针，这样就可以运用二叉查找快速获取到相应 数据。 一般来说索引本身也很大，不可能全部存储在内存中，因此索引往往以索引文件的形式存储在磁盘上。 索引是数据库中用来提高性能的最常用的工具。

2.2索引优势劣势 优势 1）类似于书籍的目录索引，提高数据检索的效率，降低数据库的IO成本。 2）通过索引列对数据进行排序，降低数据排序的成本，降低CPU的消耗。劣势 1）实际上索引也是一张表，该表中保存了主键与索引字段，并指向实体类的记录，所以索引列也是要 占用空间的。 2）虽然索引大大提高了查询效率，同时却也降低更新表的速度，如对表进行INSERT、UPDATE、 DELETE。因为更新表时，MySQL 不仅要保存数据，还要保存一下索引文件每次更新添加了索引列的字段，都会调整因为更新所带来的键值变化后的索引信息。 2.3索引结构 索引是在MySQL的存储引擎层中实现的，而不是在服务器层实现的。所以每种存储引擎的索引都不一定 完全相同，也不是所有的存储引擎都支持所有的索引类型的。MySQL目前提供了以下4种索引： BTREE 索引 ： 最常见的索引类型，大部分索引都支持 B 树索引。 HASH 索引：只有Memory引擎支持 ， 使用场景简单 。 R-tree 索引（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，不做特别介绍。 Full-text （全文索引） ：全文索引也是MyISAM的一个特殊索引类型，主要用于全文索引， InnoDB从Mysql5.6版本开始支持全文索引。MySAM、InnoDB、Memory三种存储引擎对各种索引类型的支持

索引

InnoDB引擎

MyISAM引擎

Memory引擎

BTREE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版本之后支持

支持

不支持

我们平常所说的索引，如果没有特别指明，都是指B 树（多路搜索树，并不一定是二叉的）结构组织的 索引。其中聚集索引、复合索引、前缀索引、唯一索引默认都是使用 B tree 索引，统称为索引。

2.3.1索引数据结构的选型 从第一块内容中我们明白了磁盘是怎么存储文件的，而我们的mysql的数据文件又是存储在磁盘上的， 所以我们有必要去研究一下，mysql是怎么保障数据在磁盘上存储，效率还能比较高的原因。首先，在 数据库文件存储在磁盘时，为了提升查询效率，一定会选用合适的数据结构进行文件的存储。 接下来咱们探讨一下： 1、数组和链表 肯定不能选，这种最基本的数据结构，各自的劣势太明显。数据库对查询要求是最很高的所以链表这种 查询必须全表遍历的基本数据结构是不能用的。数组这种结构在添加数据时成本太大，插入数据时太过 于频繁。 2、HASH 类似与咱们的hashmap，这样行吗？ 速度快，但是只要是hash就会产生无序的问题，所以不常用但也有。 3、树 看来看去也就是树这种结构比较合理了。二叉查找树可以吗？在查找一个数据时，二叉树是读取根节 点，小则从左找，大则从右找，每次读取一个数据。没有办法合理的利用局部性原理与磁盘预读，IO次 数太多太多，其次就是树的层次还是偏高，所以不适合。那每次读多个数据，每一个节点存多个数据的 结构就只有B-树和B 树了； 接下来就讨论这两种数据结构的选型。 4、B-树 B-树,这里的 B 表示 balance( 平衡的意思),B-树是一种多路自平衡的搜索树 它类似普通的平衡二叉树，不同的一点是B-树允许每个节点有更多的子节点。下图是 B-树的简化图.

B-树有如下特点: 1.所有键值分布在整颗树中； 2.任何一个关键字出现且只出现在一个结点中； 3.搜索有可能在非叶子结点结束； 4.在关键字全集内做一次查找，性能逼近二分查找 5、B 树 mysql默认是主键，如果没有主键则使用唯一索引，唯一索引也没有则使用rowid，行号。所以一定要建 立主键。 B 树是B-树的变体，也是一种多路搜索树, 它与 B- 树的不同之处在于: 1.所有关键字存储在叶子节点出现,内部节点(非叶子节点并不存储真正的 data) 2.为所有叶子结点增加了一个链指针 简化 B 树 如下图

6、为什么使用B-/B Tree 红黑树等数据结构也可以用来实现索引，但是文件系统及数据库系统普遍采用B-/ Tree作为索引结构。 MySQL 是基于磁盘的数据库系统,索引往往以索引文件的形式存储的磁盘上,索引查找过程中就要产生磁盘I/O消耗,相对于内存存取，I/O存取的消耗要高几个数量级,索引的结构组织要尽量减少查找过程中磁盘I/O的存取次数。为什么使用B-/ Tree，还跟磁盘存取原理有关。 MySQL(默认使用InnoDB引擎),将记录按照页的方式进行管理,每页大小默认为16K(这个值可以修 改).linux 默认页大小为4K

7、为什么使用 B 树 1.B 树更适合外部存储,由于内节点无 data 域,一个结点可以存储更多的内结点,每个节点能索引的范围更大更精确,也意味着 B 树单次磁盘IO的信息量大于B-树,I/O效率更高。 2.Mysql是一种关系型数据库，区间访问是常见的一种情况，B 树叶节点增加的链指针,加强了区间访 问性，可使用在范围区间查询等，而B-树每个节点 key 和 data 在一起，则无法区间查找。

2.3.2MySQL中的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。 MySQL中的 B Tree 索引结构示意图:

2.4索引分类 1）单值索引 ：即一个索引只包含单个列，一个表可以有多个单列索引 2）唯一索引 ：索引列的值必须唯一，但允许有空值 3）复合索引 ：即一个索引包含多个列

2.5索引语法 索引在创建表的时候，可以同时创建， 也可以随时增加新的索引。准备环境:

代码语言：javascript复制
create database demo_01 default charset=utf8mb4;

use demo_01;

CREATE TABLE `city` (
`city_id` int(11) NOT NULL AUTO_INCREMENT,
`city_name` varchar(50) NOT NULL,
`country_id` int(11) NOT NULL, PRIMARY KEY (`city_id`)
) ENGINE=InnoDB DEFAULT CHARSET=utf8;

CREATE TABLE `country` (
`country_id` int(11) NOT NULL AUTO_INCREMENT,
`country_name` varchar(100) NOT NULL, PRIMARY KEY (`country_id`)
) ENGINE=InnoDB DEFAULT CHARSET=utf8;


insert into `city` (`city_id`, `city_name`, `country_id`) values(1,'西安',1);
insert into `city` (`city_id`, `city_name`, `country_id`) values(2,'NewYork',2); insert into `city` (`city_id`, `city_name`, `country_id`) values(3,'北京',1); insert into `city` (`city_id`, `city_name`, `country_id`) values(4,'上海',1);

insert into `country` (`country_id`, `country_name`) values(1,'China'); insert into `country` (`country_id`, `country_name`) values(2,'America'); insert into `country` (`country_id`, `country_name`) values(3,'Japan'); insert into `country` (`country_id`, `country_name`) values(4,'UK');

2.5.1创建索引 语法 ：

代码语言：javascript复制
CREATE	[UNIQUE|FULLTEXT|SPATIAL]	INDEX index_name
[USING	index_type]
ON tbl_name(index_col_name,...)


index_col_name : column_name[(length)][ASC | DESC]

示例 ： 为city表中的city_name字段创建索引 ；

2.5.2查看索引 语法：

代码语言：javascript复制
show index	from	table_name;

示例：查看city表中的索引信息；

全文检索 云数据库SQLServer 数据库 sql 数据结构

0 人点赞