该系列笔记基于黑马MySQL课程编写

课程地址：黑马程序员 MySQL数据库入门到精通，从mysql安装到mysql高级、mysql优化全囊括

资料：https://pan.baidu.com/s/1mspsy9vwepS1LOjUu7BGTg&pwd=1234

我的MySQL将部署在Ubantu系统上，文章中的Linux指令若没有特意提及，将默认基于Ubuntu演示

存储引擎

MySQL体系结构

连接层

最上层是一些客户端和链接服务，包含本地 sock 通信和大多数基于客户端 / 服务端工具实现的类似于 TCP/IP 的通信。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。

在该层上引入了线程池的概念，为通过认证安全接入的客户端提供线程。同样在该层上可以实现基于 SSL 的安全链接。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，SQL 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。

在该层，服务器会解析查询并创建相应的内部解析树，并对其完成相应的优化如确定表的查询的顺序，是否利用索引等，最后生成相应的执行操作。如果是 select 语句，服务器还会查询内部的缓存，如果缓存空间足够大，这样在解决大量读操作的环境中能够很好的提升系统的性能。

引擎层

存储引擎层，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。数据库中的索引是在存储引擎层实现的，这意味着不同引擎的索引也是不同的。

MySQL在5.5版本后将InnoDB作为默认存储引擎。

存储层

数据存储层，主要是将数据 (如：redolog、undolog、数据、索引、二进制日志、错误日志、查询日志、慢查询日志等) 存储在文件系统之上，并完成与存储引擎的交互。

和其他数据库相比，MySQL 有点与众不同，它的架构可以在多种不同场景中应用并发挥良好作用。主要体现在存储引擎上，插件式的存储引擎架构，将查询处理和其他的系统任务以及数据的存储提取分离。这种架构可以根据业务的需求和实际需要选择合适的存储引擎。

存储引擎介绍

存储引擎是 mysql 数据库的核心，需要在合适的场景选择合适的存储引擎。

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，来指定选择的存储引擎，如果没有指定将自动选择默认的存储引擎。

建表时指定存储引擎

1
2
3
4
5

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

• 可以通过查看建表语句来看默认信息

1

show create table 表名;

可以看到，创建表时，即使没有指定存储引擎，数据库也会自动选择默认的InnoDB存储引擎。

建表时可以手动修改这个值来改成别的存储引擎

• 查询当前数据库支持的存储引擎

1

show engines;

存储引擎特点

下面介绍三种存储引擎 InnoDB、MyISAM、Memory的特点。

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（增删改查）遵循 ACID 模型（原子性、一致性、隔离性、持久性），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）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-8.0前 、sdi-8.0后）、数据和索引。

有一个专门控制一个表是否对应一个idb文件的参数： innodb_file_per_table

如果该参数开启，代表对于InnoDB引擎的表，每一张表都对应一个ibd文件。

可以通过下方sql语句查询该参数是否开启：

1

show variables like 'innodb_file_per_table';

打开MySQL的Data目录，可以看见很多和数据库名一致的文件夹，其中就存放着该数据库中每个表的ibd文件（如果innodb_file_per_table是开启的话），这些ibd文件中不仅存放表结构、数据，还会存放该表对应的索引信息。

可以使用下方命令来查看ibd文件内容：

1

ibd2sdi 文件名.ibd

通过该指令就可以从ibd文件中提取sdi信息，而sdi数据字典信息中就包含该表的表结构。

4）逻辑存储结构

• 表空间：InnoDB 存储引擎逻辑结构的最高层，ibd 文件其实就是表空间文件，在表空间中可以包含多个 Segment 段。

• 段：表空间是由各个段组成的，常见的段有数据段、索引段、回滚段等。InnoDB 中对于段的管理，都是引擎自身完成，不需要人为对其控制，一个段中包含多个区。

• 区：区是表空间的单元结构，每个区的大小为 1M。默认情况下，InnoDB 存储引擎页大小为 16K，即一个区中一共有 64 个连续的页。

• 页：页是组成区的最小单元，页也是 InnoDB 存储引擎磁盘管理的最小单元，每个页的大小默认为 16KB。为了保证页的连续性，InnoDB 存储引擎每次从磁盘申请 4-5 个区。

• 行：InnoDB 存储引擎是面向行的，也就是说数据是按行进行存放的，在每一行中除了定义表时所指定的字段以外，还包含两个隐藏字段Trx id（事务 ID）和Roll pointer（回滚指针）用来实现事务和 MVCC（多版本并发控制）。

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

3）文件

MyISAM将数据以下方三种文件的形式保存在本地

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

• 内存存放数据，读写快，但断电丢失
• 默认使用hash索引

3）文件

在本地以 xxx.sdi 形式存储表结构信息

区别及特点

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。对于复杂的应用系统，还可以根据实际情况选择多种存储引擎进行组合。

• 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：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，比如记录日志。
• 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。

为啥要在MySQL用MyISAM引擎，而不是直接使用MongoDB？

• 如果你的数据是灵活的文档（比如 JSON），或者需要高并发写入和事务，可以选 MongoDB。
• 如果你的数据是严格的表格，主要用来做报表统计或大量读取，且完全不在乎事务（丢了或错了也无所谓），可以选 MyISAM。

---

为啥要在MySQL用MEMORY引擎，而不是直接使用Redis？

• 当你需要在 MySQL 内部进行复杂的数据运算，需要一张“用完即弃”的临时表来存放中间数据，且希望避免网络传输时，可以选 MEMORY

• 当你需要缓存热点数据（减轻 MySQL 负担）、存储用户 Session、或者利用 Redis 的特殊数据结构（如排行榜、计数器）时， 可以选 Redis

---

不过在现代架构中，MongoDB和Redis的使用频率确实远高于在MySQL中用这两种引擎

索引

索引概述

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。

演示

假如现在有这样一张表：

然后现在要执行如下语句，查找45岁的人

1

select * from user where age = 45;

1）无索引

在无索引情况下，就需要从第一行开始扫描，一直扫描到最后一行，称之为全表扫描，性能很低。

2）有索引

如果针对于这张表建立了索引，假设索引结构就是二叉树，那么也就意味着，会对age这个字段建立一个二叉树的索引结构。

此时再进行查询时，只需要扫描三次就可以找到数据了，极大的提高的查询的效率。

注意：这里我们只是假设索引的结构是二叉树，介绍一下索引的大概原理，只是一个示意图，并不是索引的真实结构，索引的真实结构，后面会详细介绍。

特点

索引结构

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：

上述是MySQL中所支持的所有的索引结构，下面是不同的存储引擎对于索引结构的支持情况：

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。

二叉树

假如说MySQL的索引结构采用二叉树的数据结构，比较理想的结构如下：

但如果主键是顺序插入的，则会形成一个单向链表，结构如下：

所以，如果选择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。
• 大数据量情况下，层级较深，检索速度慢。

可能有人此时会想到红黑树，红黑树是一颗自平衡二叉树，那这样即使是顺序插入数据，最终形成的数据结构也是一颗平衡的二叉树,结构如下:

但是，即使如此，由于红黑树也是一颗二叉树，所以也会存在一个缺点：大数据量情况下，层级较深，检索速度慢。

所以，在MySQL的索引结构中，并没有选择二叉树或者红黑树，而选择的是B+Tree。

那么什么是B+Tree呢？

在介绍B+Tree之前，要先介绍一个B-Tree。

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：

树的度数指的是一个节点的子节点个数。

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。

B+Tree

B+Tree是B-Tree的变种，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。

这里介绍的是标准的B+Tree数据结构，接下来介绍MySQL优化后的B+Tree。

MySQL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

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

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。（之后在InnoDB引擎模块会更详细介绍）

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;

索引分类

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。

聚集索引&二级索引

而在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：

• 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。

聚集索引和二级索引的具体结构如下：

• 其中，聚集索引中的row表示所在那一行的数据，比如 5 下面的row就存储了name=Kit，gender=男
• 二级索引的叶子节点下挂的是该字段值对应的主键值

查找过程

假设现在要执行：

1

select * from user where name = 'Arm';

具体过程如下：

① 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。

② 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。

③ 最终拿到这一行的数据，直接返回即可。

这个过程又称为回表查询：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。

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。

索引语法

1）创建索引

1

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

2）查看索引

1

SHOW INDEX FROM table_name;

3）删除索引

1

DROP INDEX index_name ON table_name;

案例演示

先创建一张表 tb_user，并且插入测试数据。

 1
 2
 3
 4
 5
 6
 7
 8
 9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37

create table tb_user(
                        id int primary key auto_increment comment '主键',
                        name varchar(50) not null comment '用户名',
                        phone varchar(11) not null comment '手机号',
                        email varchar(100) comment '邮箱',
                        profession varchar(11) comment '专业',
                        age tinyint unsigned comment '年龄',
                        gender char(1) comment '性别 , 1: 男, 2: 女',
                        status char(1) comment '状态',
                        createtime datetime comment '创建时间'
) comment '系统用户表';


INSERT INTO tb_user (name, phone, email, profession, age, gender, status, createtime) VALUES ('吕布', '17799990000', 'lvbu666@163.com', '软件工程', 23, '1', '6', '2001-02-02 00:00:00');
INSERT INTO tb_user (name, phone, email, profession, age, gender, status, createtime) VALUES ('曹操', '17799990001', 'caocao666@qq.com', '通讯工程', 33, '1', '0', '2001-03-05 00:00:00');
INSERT INTO tb_user (name, phone, email, profession, age, gender, status, createtime) VALUES ('赵云', '17799990002', '17799990@139.com', '英语', 34, '1', '2', '2002-03-02 00:00:00');
INSERT INTO tb_user (name, phone, email, profession, age, gender, status, createtime) VALUES ('孙悟空', '17799990003', '17799990@sina.com', '工程造价', 54, '1', '0', '2001-07-02 00:00:00');
INSERT INTO tb_user (name, phone, email, profession, age, gender, status, createtime) VALUES ('花木兰', '17799990004', '19980729@sina.com', '软件工程', 23, '2', '1', '2001-04-22 00:00:00');
INSERT INTO tb_user (name, phone, email, profession, age, gender, status, createtime) VALUES ('大乔', '17799990005', 'daqiao666@sina.com', '舞蹈', 22, '2', '0', '2001-02-07 00:00:00');
INSERT INTO tb_user (name, phone, email, profession, age, gender, status, createtime) VALUES ('露娜', '17799990006', 'luna_love@sina.com', '应用数学', 24, '2', '0', '2001-02-08 00:00:00');
INSERT INTO tb_user (name, phone, email, profession, age, gender, status, createtime) VALUES ('程咬金', '17799990007', 'chengyaojin@163.com', '化工', 38, '1', '5', '2001-05-23 00:00:00');
INSERT INTO tb_user (name, phone, email, profession, age, gender, status, createtime) VALUES ('项羽', '17799990008', 'xiaoyu666@qq.com', '金属材料', 43, '1', '0', '2001-09-18 00:00:00');
INSERT INTO tb_user (name, phone, email, profession, age, gender, status, createtime) VALUES ('白起', '17799990009', 'baiqi666@sina.com', '机械工程及其自动化', 27, '1', '2', '2001-08-16 00:00:00');
INSERT INTO tb_user (name, phone, email, profession, age, gender, status, createtime) VALUES ('韩信', '17799990010', 'hanxin520@163.com', '无机非金属材料工程', 27, '1', '0', '2001-06-12 00:00:00');
INSERT INTO tb_user (name, phone, email, profession, age, gender, status, createtime) VALUES ('荆轲', '17799990011', 'jingke123@163.com', '会计', 29, '1', '0', '2001-05-11 00:00:00');
INSERT INTO tb_user (name, phone, email, profession, age, gender, status, createtime) VALUES ('兰陵王', '17799990012', 'lanlinwang666@126.com', '工程造价', 44, '1', '1', '2001-04-09 00:00:00');
INSERT INTO tb_user (name, phone, email, profession, age, gender, status, createtime) VALUES ('狂铁', '17799990013', 'kuangtie@sina.com', '应用数学', 43, '1', '2', '2001-04-10 00:00:00');
INSERT INTO tb_user (name, phone, email, profession, age, gender, status, createtime) VALUES ('貂蝉', '17799990014', '84958948374@qq.com', '软件工程', 40, '2', '3', '2001-02-12 00:00:00');
INSERT INTO tb_user (name, phone, email, profession, age, gender, status, createtime) VALUES ('妲己', '17799990015', '2783238293@qq.com', '软件工程', 31, '2', '0', '2001-01-30 00:00:00');
INSERT INTO tb_user (name, phone, email, profession, age, gender, status, createtime) VALUES ('芈月', '17799990016', 'xiaomin2001@sina.com', '工业经济', 35, '2', '0', '2000-05-03 00:00:00');
INSERT INTO tb_user (name, phone, email, profession, age, gender, status, createtime) VALUES ('嬴政', '17799990017', '8839434342@qq.com', '化工', 38, '1', '1', '2001-08-08 00:00:00');
INSERT INTO tb_user (name, phone, email, profession, age, gender, status, createtime) VALUES ('狄仁杰', '17799990018', 'jujiamlm8166@163.com', '国际贸易', 30, '1', '0', '2007-03-12 00:00:00');
INSERT INTO tb_user (name, phone, email, profession, age, gender, status, createtime) VALUES ('安琪拉', '17799990019', 'jdodm1h@126.com', '城市规划', 51, '2', '0', '2001-08-15 00:00:00');
INSERT INTO tb_user (name, phone, email, profession, age, gender, status, createtime) VALUES ('典韦', '17799990020', 'ycaunanjian@163.com', '城市规划', 52, '1', '2', '2000-04-12 00:00:00');
INSERT INTO tb_user (name, phone, email, profession, age, gender, status, createtime) VALUES ('廉颇', '17799990021', 'lianpo321@126.com', '土木工程', 19, '1', '3', '2002-07-18 00:00:00');
INSERT INTO tb_user (name, phone, email, profession, age, gender, status, createtime) VALUES ('后羿', '17799990022', 'altycj2000@139.com', '城市园林', 20, '1', '0', '2002-03-10 00:00:00');
INSERT INTO tb_user (name, phone, email, profession, age, gender, status, createtime) VALUES ('姜子牙', '17799990023', '37483844@qq.com', '工程造价', 29, '1', '4', '2003-05-26 00:00:00');

可以先查看当前tb_user的索引

因为B+树是B树的变种，所以这里显示的依旧是B树，但实际是B+树

• 数据准备好了之后，就可以来练习完成如下需求：

A. 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

B. 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

C. 为profession、age、status创建联合索引

D. 为email建立合适的索引来提升查询效率

 1
 2
 3
 4
 5
 6
 7
 8
 9
10
11

-- A
CREATE INDEX idx_user_name ON tb_user(name);

-- B
CREATE UNIQUE INDEX idx_user_phone ON tb_user(phone);

-- C （索引的创建顺序是有讲究的，在后续会介绍）
CREATE INDEX idx_user_pro_age_sta ON tb_user(profession,age,status);

-- D
CREATE INDEX idx_email ON tb_user(email);

完成上述的需求之后，再查看tb_user表的所有的索引数据

SQL性能分析

SQL执行频率

MySQL 客户端连接成功后，通过 show [session|global] status 命令可以提供服务器状态信息。

通过如下指令，可以查看当前数据库的INSERT、UPDATE、DELETE、SELECT的访问频次：

1
2
3

-- session 是查看当前会话 ;
-- global 是查询全局数据 ;
SHOW GLOBAL STATUS LIKE 'Com_______';

主要了解：

• Com_delete：删除次数
• Com_insert：插入次数
• Com_select：查询次数
• Com_update：更新次数

通过上述指令，我们可以查看到当前数据库到底是以查询为主，还是以增删改为主，从而为数据库优化提供参考依据。 如果是以增删改为主，我们可以考虑不对其进行索引的优化。 如果是以查询为主，那么就要考虑对数据库的索引进行优化了。

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，可以使用下面sql语句查询：

1

show variables like 'slow_query_log';

如果要开启慢查询日志，需要在MySQL的配置文件（Ubantu默认位置：/etc/mysql/mysql.conf.d/mysqld.cnf，CentOS默认位置：/etc/my.cnf）中配置如下信息：

1
2
3
4
5

# 开启MySQL慢日志查询开关
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

配置完毕之后，通过以下指令重新启动MySQL服务器：

1

systemctl restart mysql

重启后再次查看，正常会看见慢查询日志已开启：

慢查询日志的默认位置可以通过下面sql语句在MySQL中查询：

1

SHOW VARIABLES LIKE 'slow_query_log_file';

通过慢查询日志，就可以定位出执行效率比较低的SQL，从而有针对性的进行优化。

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：

1

SELECT @@have_profiling;

可以看到，当前MySQL是支持profile操作的，但是profile的开关默认是关闭的。

可以通过set语句在session级别临时开启profiling（关闭会话后需重新开启)：

1

SET profiling = 1;

现在开关已经打开了，接下来，所有执行的SQL语句，都会被MySQL记录，并记录执行时间消耗到哪儿去了。 我们直接执行如下的SQL语句：

1
2
3
4

select * from tb_user;
select * from tb_user where id = 1;
select * from tb_user where name = '白起';
select count(*) from tb_sku;

其中的tb_sku表是用于模拟数据量较大的情况，建表方式和数据可以在资料中查看

执行一系列的业务SQL的操作后，然后通过如下指令查看指令的执行耗时：

1
2
3
4
5
6
7
8

-- 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;

不过从 MySQL 5.7 开始，官方已明确标记 profiling 为弃用功能，现在通过 Performance Schema，可以实现更强大且支持全局配置的性能监控。

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。

语法：

1
2

-- 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:

索引使用

验证索引效率

使用拥有1000w条数据的tb_sku表来测试索引的作用

先来试试有索引的情况：

1

select * from tb_sku where id = 1\G; # \G表示垂直输出

即使有1000w条数据，依旧只需要0.04秒，接下来试试没有索引的情况：

1

SELECT * FROM tb_sku WHERE sn = '100000003145001';

没有索引就需要很久了，查询一条数据近一分钟，比较难以接受。

然后针对于sn字段，建立一个索引，然后再来看一下查询耗时情况。

创建索引：（也需要一定时间）

1

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：

直接快了不只一个数量级

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)。

以 tb_user 表为例：

在 tb_user 表中，有一个联合索引，这个联合索引涉及到三个字段，顺序分别为：profession，age，status。

对于最左前缀法则指的是，查询时，最左边的列，也就是profession必须存在，否则索引全部失效。而且中间不能跳过某一列，否则该列后面的字段索引将失效。

案例演示：

1
2
3
4
5
6
7
8

-- 测试1
explain select * from tb_user where profession = '软件工程' and age = 31 and status = '0';

-- 测试2
explain select * from tb_user where profession = '软件工程' and age = 31;

-- 测试3
explain select * from tb_user where profession = '软件工程';

以上的这三组测试中，可以发现只要联合索引最左边的字段profession存在，索引就会生效，只不过索引的长度不同。也可以推测出profession字段索引长度为47、age字段索引长度为2、status字段索引长度为5。

接下来看看去掉profession或跳过中间的age会怎样：

1
2
3
4
5
6
7
8

-- 测试4
explain select * from tb_user where age = 31 and status = '0';

-- 测试5
explain select * from tb_user where status = '0';

-- 测试6
explain select * from tb_user where profession = '软件工程' and status = '0';

前两个测试可以看到，不使用profession时就没有使用索引，而最后一个测试中可以看出，跳过了age的话，索引长度是47，说明只使用了profession的索引，status的索引并没有生效。

当执行SQL语句: explain select * from tb_user where age = 31 and status = '0' and profession = '软件工程';时，是否满足最左前缀法则，走不走上述的联合索引，索引长度是多少？

可以看到，是完全满足最左前缀法则的，索引长度54，联合索引是生效的。

注意：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。

范围查询

联合索引中，出现范围查询(>,<)时，范围查询右侧的列索引失效。

1

explain select * from tb_user where profession = '软件工程' and age > 30 and status = '0';

当范围查询使用 > 或 < 时，走联合索引了，但是索引的长度为49，就说明范围查询右边的status字段是没有走索引的。那有办法避免吗？

1

explain select * from tb_user where profession = '软件工程' and age >= 30 and status = '0';

可以看到，当范围查询使用>= 或 <= 时，走联合索引了，而且索引的长度为54，就说明所有的字段都是走索引的。

所以，在业务允许的情况下，尽可能的使用类似于 >= 或 <= 这类的范围查询，而避免使用 > 或 <。

索引失效情况

1）索引列运算

不要在索引列上进行运算操作，否则索引将失效。

前面为phone这个字段创建了索引，所以当根据phone字段进行等值匹配查询时, 索引会正常生效，但当根据phone字段进行函数运算操作之后，索引将会失效：

1
2
3
4
5

-- 1
explain select * from tb_user where phone = '17799990015';

-- 2
explain select * from tb_user where substring(phone,10,2) = '15';

2）字符串不加引号

字符串类型字段使用时，不加引号，索引将失效。

接下来，通过两组示例，来看看对于字符串类型的字段，加单引号与不加单引号的区别：

1
2
3
4
5

-- 1
explain select * from tb_user where profession = '软件工程' and age = 31 and status = '0';

-- 2
explain select * from tb_user where profession = '软件工程' and age = 31 and status = 0;

明显发现，如果字符串不加单引号，数据库存在隐式类型转换，索引将失效。

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。

由于下面查询语句中，都是根据profession字段查询，符合最左前缀法则，联合索引是可以生效的，主要看一下，模糊查询时，%加在关键字之前，和加在关键字之后的影响。

1
2
3
4
5
6

-- 1
explain select * from tb_user where profession like '软件%';
-- 2
explain select * from tb_user where profession like '%工程';
-- 3
explain select * from tb_user where profession like '%工%';

经过上述的测试，可以发现，在like模糊查询中，在关键字后面加%，索引可以生效。而如果在关键字前面加了%，索引将会失效。

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。

1
2
3
4
5

-- 1
explain select * from tb_user where id = 10 or age = 23;

-- 2
explain select * from tb_user where phone = '17799990017' or age = 23;

可以对age字段建立索引，然后再次执行上述的SQL语句，看看前后执行计划的变化：

1

create index idx_user_age on tb_user(age);

当or作为连接的条件时，左右两侧字段都有索引时，索引才会生效。

5）数据分布影响

如果MySQL评估使用索引比全表更慢，则不使用索引。

1
2
3
4
5

-- 1
explain select * from tb_user where phone >= '17799990005';

-- 2
explain select * from tb_user where phone >= '17799990015';

相同的SQL语句，只是传入的字段值不同，最终的执行计划也完全不一样，这是为什么呢？

就是因为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。

接下来，再来看看 is null 与 is not null 操作是否走索引。

执行如下两条语句：

1
2
3
4
5

-- 3
explain select * from tb_user where profession is null;

-- 4
explain select * from tb_user where profession is not null;

接下来，将profession字段值全部更新为null，然后再次执行上述的两条sql：

1

update tb_user set profession = null;

最终看到，一模一样的SQL语句，先后执行了两次，结果查询计划是不一样的，*为什么会出现这种现象？*这是和数据库的数据分布有关系。查询时MySQL会评估，走索引快，还是全表扫描快，如果全表扫描更快，则放弃索引走全表扫描。 因此，is null 、is not null是否走索引，得具体情况具体分析，并不是固定的。

SQL提示

目前tb_user表的数据和索引情况如下:

把上述的 idx_user_age, idx_email 这两个之前测试使用过的索引直接删除：

1
2
3
4
5

-- 1
drop index idx_user_age on tb_user;

-- 2
drop index idx_email on tb_user;

现在执行explain select * from tb_user where profession = '软件工程';肯定是会走联合索引的，但如果为profession创建一个单列索引后再执行这句呢？

1

create index idx_user_pro on tb_user(profession);

发现，即使有单列索引，MySQL依旧选择了联合索引。

那么能不能在查询的时候，自己来指定使用哪个索引呢？ 答案是肯定的，此时就可以借助于MySQL的SQL提示来完成。

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。

1）use index （建议MySQL使用哪一个索引完成此次查询（仅仅是建议，mysql内部还会再次进行评估））：

1

explain select * from tb_user use index(idx_user_pro) where profession = '软件工程';

2）ignore index （忽略指定的索引）：

1

explain select * from tb_user ignore index(idx_user_pro) where profession = '软件工程';

3）force index （强制使用索引）

1

explain select * from tb_user force index(idx_user_pro) where profession = '软件工程';

覆盖索引

尽量使用覆盖索引，减少使用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 。

如图，查询结果包含了id，而name已经在条件中给出，所以无需再回表查询，这就是覆盖索引。

接下来，通过一组SQL的执行计划，看看执行计划的差别，顺便理解理解什么是覆盖索引，然后再来具体做一个解析。

1
2
3
4
5
6
7
8

-- 1
explain select id,profession from tb_user where profession = '软件工程' and age = 31 and status = '0';
-- 2
explain select id,profession,age,status from tb_user where profession = '软件工程' and age = 31 and status = '0';
-- 3
explain select id,profession,age,status,name from tb_user where profession = '软件工程' and age = 31 and status = '0';
-- 4
explain select * from tb_user where profession = '软件工程' and age = 31 and status = '0';

从上述的执行计划可以看到，这四条SQL语句的执行计划前面所有的指标都是一样的，看不出来差异。但是此时，主要关注的是后面的Extra，前面两条SQL的结果为 Using where; Using Index ; 而后面两条SQL的结果为: Using index condition。而Using where; Using Index的效率更高。

一张表, 共有四个字段(id, username, password, status), 由于数据量大, 需要对以下SQL语句进行优化：select id,username,password from tb_user where username = 'itcast';该如何进行才是最优方案？

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);

前缀索引

当字段类型为字符串（varchar，text，longtext等）时，有时候需要索引很长的字符串，这会让索引变得很大，查询时，浪费大量的磁盘IO，影响查询效率。此时可以只将字符串的一部分前缀，建立索引，这样可以大大节约索引空间，从而提高索引效率。

1）语法

1

create index idx_xxxx on table_name(column(n));

示例：为tb_user表的email字段，建立长度为5的前缀索引

1

create index idx_email_5 on tb_user(email(5));

2）前缀长度

可以根据索引的选择性来决定，而选择性是指不重复的索引值（基数）和数据表的记录总数的比值，索引选择性越高则查询效率越高，唯一索引的选择性是1，这是最好的索引选择性，性能也是最好的。

举个例子，以email字段为例：

1
2
3
4
5
6
7
8

-- 1：查看email的数量
select count(email) from tb_user;

-- 2：查看不同的email的数量
select count(distinct email) from tb_user;

-- 3：查询email的选择性(不同的email的数量 / email的数量)
select count(distinct email) / count(email) as '选择性' from tb_user;

3）前缀索引的查询流程

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。

平时创建索引时应该优先创建单列索引还是联合索引呢？

接下来我将根据下方查询示例来回答：

从图中可见，明明分别有name和phone的单列索引，但MySQL只会使用一个，Extra的null表示进行了回表查询，而回表查询会导致性能下降。

所以在业务场景中，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。如果此时创建name和phone的联合索引，MySQL依旧有可能会使用单列索引，需要手动指定。

因为有最左前缀法则，所以创建联合索引时需要注意顺序。

联合索引结构示意图：

索引设计原则

1. 针对于数据量较大（100w+），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。
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

insert

如果需要一次往数据库插入多条数据，可以从以下三个方面进行优化：

1）批量插入数据

1

Insert into tb_test values(1,'Tom'),(2,'Cat'),(3,'Jerry');

2）手动控制事务

1
2
3
4
5

start transaction;
insert into tb_test values(1,'Tom'),(2,'Cat'),(3,'Jerry');
insert into tb_test values(4,'Tom'),(5,'Cat'),(6,'Jerry');
insert into tb_test values(7,'Tom'),(8,'Cat'),(9,'Jerry');
commit;

3）主键顺序插入

主键顺序插入，性能要高于乱序插入。

1
2

主键乱序插入 : 8 1 9 21 88 2 4 15 89 5 7 3
主键顺序插入 : 1 2 3 4 5 7 8 9 15 21 88 89

大批量插入数据

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。操作如下：

1
2
3
4
5
6
7
8

-- 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（表需要提前自己创建）
load data local infile '/root/sql1.log' into table tb_user fields terminated by ',' lines terminated by '\n' ;

注意，加载的文件中存放的并不是sql语句，而是一条条数据，每个字段的分隔符和每行的分隔符是可以自己在加载语句中定义的

主键优化

前面提到主键顺序插入的性能是要高于乱序插入的。接下来就来介绍一下原因，并分析应该如何设计主键。

数据组织方式

在InnoDB存储引擎中，表数据都是根据主键顺序组织存放的，这种存储方式的表称为索引组织表(index organized table，简称IOT)。

行数据，都是存储在聚集索引的叶子节点上的。在InnoDB引擎中，数据行是记录在逻辑结构 page 页中的，而每一个页的大小是固定的，默认16K。那也就意味着，一个页中所存储的行也是有限的，如果插入的数据行row在该页存储不下，将会存储到下一个页中，页与页之间会通过指针连接。

页分裂

页可以为空，也可以填充一半，也可以填充100%。每个页包含了2到N行数据(如果一行数据过大，会行溢出)，根据主键排列。

• 主键顺序插入时：

一个个数据依次放入，若当前页中剩余空间不够，则放入新的一页，并建立两页之间的连接

• 主键乱序插入时：

假设当前数据情况如下：

此时希望插入id为50的记录，会如何插入呢？

由于索引结构的叶子节点是有顺序的，id为50的记录并不会直接插入到末尾，而是按顺序放在47之后

但在1#页中，47后面剩余的空间不够放入50，那么此时会新开辟一个3#页，然后将1#页后一半的数据移动到3#页中，然后在47后面插入50

完成上述操作后，页之间的数据顺序又出现问题了，现在1#页的后面应该是3#页，3#页的后面才是2#页，所以此时需要重新设置链表指针

这些操作就称之为“页分裂”，是比较耗费性能的操作。

页合并

假设目前表中已有数据的索引结构(叶子节点)如下：

当已有数据进行删除时，实际上记录并没有被物理删除，只是记录被标记（flaged）为删除并且它的空间变得允许被其他记录声明使用。

当页中删除的记录达到 MERGE_THRESHOLD（默认为页的50%），InnoDB会开始寻找最靠近的页（前或后）看看是否可以将两个页合并以优化空间使用。

MERGE_THRESHOLD：合并页的阈值，可以自己设置，在创建表或者创建索引时指定。

发现2#页的数据已删除过半，开始尝试合并

再次插入新的数据21，则直接插入3#页

这些操作就称之为“页合并”

索引设计原则

• 满足业务需求的情况下，尽量降低主键的长度。（因为每个二级索引的叶子节点都会存储主键，如果主键较长，二级索引较多，将占据大量磁盘空间，且搜索时会耗费大量磁盘IO）

• 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。（因为是无序的，且较长）

• 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sort buffer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，在优化排序操作时，尽量要优化为 Using index。

接下来通过一些列测试来加深理解：

先把之前测试时，为tb_user表所建立的部分索引直接删除掉

1
2
3
4

-- 1
drop index idx_user_phone on tb_user;
-- 2
drop index idx_user_name on tb_user;

现在的索引如下：

然后执行排序sql开始测试：

1
2
3
4

-- 3
explain select id,age,phone from tb_user order by age;
-- 4
explain select id,age,phone from tb_user order by age, phone;

由于 age, phone 都没有索引，所以此时再排序时，出现Using filesort，排序性能较低。

接下来创建age和phone的联合索引继续测试：

1
2

-- 5
create index idx_user_age_phone on tb_user(age,phone);

创建索引后，再根据age，phone进行升序排序：

1
2
3
4

-- 6
explain select id,age,phone from tb_user order by age;
-- 7
explain select id,age,phone from tb_user order by age, phone;

建立索引之后，再次进行排序查询，就由原来的Using filesort，变为了Using index，性能就比较高的了。

前面都是按照默认的升序排序，那换成降序排序呢？

1
2

-- 8
explain select id,age,phone from tb_user order by age desc, phone desc;

也出现 Using index， 但是此时Extra中出现了 Backward index scan，这个代表反向扫描索引，因为在MySQL中创建的索引，默认索引的叶子节点是从小到大排序的，而此时的查询排序，是从大到小，所以，在扫描时，会反向扫描，从而避免了耗费性能的排序操作。 在MySQL8版本中，支持降序索引，我们也可以主动创建降序索引。

继续尝试更多中排序情况：根据phone，age进行升序排序，phone在前，age在后

1
2

-- 9
explain select id,age,phone from tb_user order by phone, age;

排序时，也需要满足最左前缀法则，否则也会出现 filesort。因为在创建索引的时候，age是第一个字段，phone是第二个字段，所以排序时，也就该按照这个顺序来，否则就会出现 Usingfilesort。这次查询就是只用到了age的索引，没用到phone的索引。

继续尝试更多中排序情况：根据age升序, phone降序进行排序

1
2

-- 10
explain select id,age,phone from tb_user order by age asc, phone desc;

因为创建索引时，如果未指定顺序，默认都是按照升序排序的，而查询时，一个升序，一个降序，此时就会出现Using filesort。

为了解决上述的问题，可以创建一个索引，这个联合索引中 age 升序排序，phone 倒序排序：

1
2

-- 11
create index idx_user_age_phone_ad on tb_user(age asc ,phone desc);

然后再次根据age升序, phone降序进行排序

升序/降序联合索引结构图示：

由上述的测试，可以得出order by优化原则：

• 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。

• 尽量使用覆盖索引。

• 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）。

• 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

先把主键索引以外的索引全部删掉

1
2
3
4
5
6
7
8

-- 1
drop index idx_user_pro_age_sta on tb_user;
-- 2
drop index idx_user_age_phone on tb_user;
-- 3
drop index idx_user_age_phone_ad on tb_user;
-- 4
drop index idx_user_pro on tb_user;

接下来，在没有索引的情况下，执行如下SQL，查询执行计划：

1
2

-- 5
explain select profession, count(*) from tb_user group by profession;

然后再针对profession，age，status 创建一个联合索引后再次执行分组查询，查看情况：

1
2

-- 6
create index idx_user_pro_age_sta on tb_user(profession, age, status);

不出意料使用了索引，接下来尝试其他情况：

1
2
3
4
5

-- 7
explain select profession, count(*) from tb_user group by profession, age;

-- 8
explain select age, count(*) from tb_user group by age;

可以看到如果只使用age来进行分组，就会出现Using temporary，因为分组操作也遵循联合索引的最左前缀法则

那为什么没涉及到profession字段，还是出现了Using index呢？

因为在分组查询中，MySQL发现索引树里有age这一列的字段，所以就把age索引当做表来检索，来避免回表查询，此时MySQL是从头到尾检索age的索引，而不是精准定位age索引的某个数据，和最左前缀法则的适用情况是两码事。最左前缀是精准定位时的准则，和我全部扫描有什么关系呢

总结一下，这里的Using index表示MySQL在age的索引树里找出了所有的age数据，Using temporary表示排序时将刚刚从索引中查到的age数据放到临时表中，然后再对这个临时表进行排序

limit优化

在数据量比较大时，如果进行limit分页查询，在查询时，越往后，分页查询效率越低。

1
2
3
4
5

-- 1 从第0条数据开始查2条数据
select * from tb_sku limit 0,2;

-- 2 从第1000000条数据开始查询2条数据
select * from tb_sku limit 1000000,2;

可以看到查询耗时相差非常大

因为，当在进行分页查询时，如果执行 limit 2000000,10 ，此时需要MySQL排序前2000010记录，仅仅返回 2000000 - 2000010 的记录，其他记录丢弃，查询排序的代价非常大。

优化思路: 一般分页查询时，可以使用范围查询加limit的方案优化。

示例：

1
2
3
4
5

-- 3 优化前
select * from tb_sku order by id limit 9000000,2;

-- 4 优化后
select * from tb_sku where id > 9000000 order by id limit 2;

可以看到，优化后快了不只一个数量级

count优化

概述

如果数据量很大，在执行count操作时，是非常耗时的。

• 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。

如果说要大幅度提升 InnoDB 表的 count 效率，主要的优化思路：没招了，只能自己计数，插入数据时+1，删除数据时-1（可以借助于 redis 这样的数据库进行，但是如果是带条件的 count 又比较麻烦了）。

count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）

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(*)

update优化

使用update更新数据时，尽量根据索引字段来更新。

比如：

1

update course set name = 'javaEE' where id = 1;

当执行上面的SQL语句时，会锁定id为1这一行的数据，然后事务提交之后，行锁释放

但是当执行如下SQL时，会发现行锁升级为了表锁导致该update语句的性能大大降低

1

update course set name = 'SpringBoot' where name = 'PHP';

因为没有给course表的name字段建立索引，所以更新时会锁住整张表，而不是name为PHP的那一行

感兴趣可以自己开两个会话，用begin和commit来尝试

InnoDB的行锁是针对索引加的锁，不是针对记录加的锁 ,并且该索引不能失效，否则会从行锁升级为表锁

锁

概述

锁是计算机协调多个进程或线程并发访问某一资源的机制。在数据库中，除传统的计算资源（CPU、RAM、I/O）的争用以外，数据也是一种供许多用户共享的资源。如何保证数据并发访问的一致性、有效性是所有数据库必须解决的一个问题，锁冲突也是影响数据库并发访问性能的一个重要因素。从这个角度来说，锁对数据库而言显得尤其重要，也更加复杂。

MySQL中的锁，按照锁的粒度分，分为以下三类：

• 全局锁：锁定数据库中的所有表。
• 表级锁：每次操作锁住整张表。
• 行级锁：每次操作锁住对应的行数据。

全局锁

介绍

全局锁就是对整个数据库实例加锁，加锁后整个实例就处于只读状态，后续的DML（增删改）的写语句，DDL（操作表）语句，以及更新操作的事务提交语句都将被阻塞。

其典型的使用场景是做全库的逻辑备份，对所有的表进行锁定，从而获取一致性视图，保证数据的完整性。

为什么全库逻辑备份，就需要加全就锁呢？

举个例子，假设在数据库中存在这样三张表: tb_stock 库存表，tb_order 订单表，tb_orderlog 订单日志表，现在在不加全局锁的情况下备份它们：

• 在进行数据备份时，先备份了tb_stock库存表。
• 然后接下来，在业务系统中，执行了下单操作，扣减库存，生成订单（更新tb_stock表，插入tb_order表）。
• 然后再执行备份 tb_order表的逻辑。
• 业务中执行插入订单日志操作。
• 最后，又备份了tb_orderlog表。

此时备份出来的数据，是存在问题的。因为备份出来的数据，tb_stock表与tb_order表的数据不一致（有最新操作的订单信息，但是库存数没减）。

加了全局锁后：

对数据库进行进行逻辑备份之前，先对整个数据库加上全局锁，一旦加了全局锁之后，其他的DDL、DML全部都处于阻塞状态，但是可以执行DQL（查询）语句，也就是处于只读状态，而数据备份就是查询操作。那么数据在进行逻辑备份的过程中，数据库中的数据就是不会发生变化的，这样就保证了数据的一致性和完整性。

语法

• 加全局锁

1

 flush tables with read lock;

• 数据备份mysqldump -u用户名 -p密码 数据库 > 导出的名字.sql

1

mysqldump -uroot -p1234 itcast > itcast.sql

可见成功备份了数据库，注意，这条命令是在mysql外执行的

数据备份的相关指令, 会在后面MySQL管理部分详细介绍

• 释放锁

1

unlock tables;

特点

数据库中加全局锁，是一个比较重的操作，存在以下问题：

• 如果在主库上备份，那么在备份期间都不能执行更新，业务基本上就得停摆。
• 如果在从库上备份，那么在备份期间从库不能执行主库同步过来的二进制日志（binlog），会导致主从延迟。

在InnoDB引擎中，可以在备份时加上参数 --single-transaction 来完成不加锁的一致性数据备份，其原理是通过MVCC的快照机制实现的。

1

mysqldump --single-transaction -uroot -p123456 itcast > itcast.sql

表级锁

介绍

表级锁，每次操作锁住整张表。锁定粒度大，发生锁冲突的概率最高，并发度最低。应用在MyISAM、InnoDB、BDB等存储引擎中。

对于表级锁，主要分为以下三类：

• 表锁
• 元数据锁（meta data lock，MDL）
• 意向锁

表锁

对于表锁，分为两类：

• 表共享读锁（read lock）
• 表独占写锁（write lock）

语法：

• 加锁：lock tables 表名… read/write;
• 释放锁：unlock tables; / 客户端断开连接

特点：

1）读锁：

左侧为客户端一，对指定表加了读锁，不会影响其他客户端的读，但是会阻塞所有（包括自己）客户端的写。

2）写锁

左侧为客户端一，对指定表加了写锁，不会影响自己的操作，但会阻塞其他客户端的读和写。

结论: 读锁不会阻塞其他客户端的读，但是会阻塞写。写锁既会阻塞其他客户端的读，又会阻塞其他客户端的写。

元数据锁

meta data lock，元数据锁，简写MDL。

MDL加锁过程是系统自动控制，无需显式使用，在访问一张表的时候会自动加上。MDL锁主要作用是维护表元数据的数据一致性，在表上有活动事务的时候，不可以对元数据进行写入操作。为了避免DML与DDL冲突，保证读写的正确性。

这里的元数据，可以简单理解为就是一张表的表结构。也就是说，某一张表涉及到未提交的事务时，是不能够修改这张表的表结构的。

在MySQL5.5中引入了MDL，当对一张表进行增删改查的时候，加MDL读锁（共享）；当对表结构进行变更操作的时候，加MDL写锁（排他）。

常见的SQL操作时，所添加的元数据锁：

可以通过下面的SQL，来查看数据库中的元数据锁的情况：

1

select object_type,object_schema,object_name,lock_type,lock_duration from performance_schema.metadata_locks;

意向锁

1）介绍

为了避免DML在执行时，加的行锁与表锁的冲突，在InnoDB中引入了意向锁，使得表锁不用检查每行数据是否加锁，使用意向锁来减少表锁的检查。

• 假如没有意向锁，客户端一对表加了行锁后，客户端二如何给表加表锁呢，来通过示意图简单分析一下：

首先客户端一，开启一个事务，然后执行DML操作，在执行DML语句时，会对涉及到的行加行锁。

当客户端二，想对这张表加表锁时，会检查当前表是否有对应的行锁，如果没有，则添加表锁，此时就会从第一行数据，检查到最后一行数据，效率较低。

• 有了意向锁之后:

客户端一，在执行DML操作时，会对涉及的行加行锁，同时也会对该表加上意向锁。

而其他客户端，在对这张表加表锁的时候，会根据该表上所加的意向锁来判定是否可以成功加表锁，而不用逐行判断行锁情况了。

2）分类

• 意向共享锁(IS)：由语句select … lock in share mode添加。与表锁共享锁(read)兼容，与表锁排他锁(write)互斥。
• 意向排他锁(IX)：由insert、update、delete、select…for update添加。与表锁共享锁(read)及排他锁(write)都互斥，意向锁之间不会互斥。

一旦事务提交了，意向共享锁、意向排他锁，都会自动释放。

可以通过以下SQL，查看意向锁及行锁的加锁情况：

1

select object_schema,object_name,index_name,lock_type,lock_mode,lock_data from performance_schema.data_locks;

行级锁

介绍

行级锁，每次操作锁住对应的行数据。锁定粒度最小，发生锁冲突的概率最低，并发度最高。应用在InnoDB存储引擎中。

InnoDB的数据是基于索引组织的，行锁是通过对索引上的索引项加锁来实现的，而不是对记录加的锁。对于行级锁，主要分为以下三类：

• 行锁（Record Lock）：锁定单个行记录的锁，防止其他事务对此行进行update和delete。在RC（Read Committed，读已提交）、RR（Repeatable Read，可重复读）隔离级别下都支持。

• 间隙锁（Gap Lock）：锁定索引记录间隙（不含该记录），确保索引记录间隙不变，防止其他事务在这个间隙进行insert，产生幻读（前后两次执行相同的范围查询，却发现结果集的行数不一致）。在RR隔离级别下都支持。

• 临键锁（Next-Key Lock）：行锁和间隙锁组合，同时锁住数据，并锁住数据前面的间隙Gap。在RR隔离级别下支持。

行锁

InnoDB实现了以下两种类型的行锁：

• 共享锁（S）：允许一个事务去读一行，阻止其他事务获得相同数据集的排它锁。
• 排他锁（X）：允许获取排他锁的事务更新数据，阻止其他事务获得相同数据集的共享锁和排他锁。

两种行锁的兼容情况如下：

常见的SQL语句，在执行时，所加的行锁如下：

默认情况下，InnoDB在 REPEATABLE READ事务隔离级别运行，InnoDB使用 next-key 锁进行搜索和索引扫描，以防止幻读。

• 针对唯一索引进行检索时，对已存在的记录进行等值匹配时，将会自动优化为行锁。
• InnoDB的行锁是针对于索引加的锁，若不通过索引条件检索数据，那么InnoDB将对表中的所有记录加锁，此时就会升级为表锁。

间隙锁&临键锁

间隙锁锁的是当前数据记录之前的间隙，不包含对应的数据记录。临键锁既锁当前数据记录之前的间隙也锁对应的数据记录。

• 索引上的等值查询（唯一索引），给不存在的记录加锁时，优化为间隙锁。

锁住的是8之前到上一个索引之后，此时插入id=2的数据是可以正常插入的。

• 索引上的等值查询（非唯一普通索引），向右遍历时最后一个值不满足查询需求时，next-key lock 退化为间隙锁。

InnoDB的B+树索引中，叶子节点是有序的双向链表。 假如，要根据这个二级索引查询值为18的数据，并加上共享锁，是只锁定18这一行就可以了吗？ 并不是，因为是非唯一索引，这个结构中可能有多个18的存在，所以，在加锁时会继续往后找，找到一个不满足条件的值（当前案例中也就是29）。此时会对18加临键锁，并对29之前的间隙加锁。

• 索引上的范围查询（唯一索引）会访问到不满足条件的第一个值为止。

查询的条件为id>=19，并添加共享锁。 此时我们可以根据数据库表中现有的数据，将数据分为三个部分：[19]、(19,25]、(25,+∞]，所以数据库数据在加锁是，就是将19加了行锁，25的临键锁（包含25及25之前的间隙），正无穷的临键锁(正无穷及之前的间隙)。

注意：间隙锁唯一目的是防止其他事务插入间隙。间隙锁可以共存，一个事务采用的间隙锁不会阻止另一个事务在同一间隙上采用间隙锁。

InnoDB引擎

逻辑存储结构

InnoDB的逻辑存储结构如下图所示：

1）表空间

表空间是InnoDB存储引擎逻辑结构的最高层，如果用户启用了参数 innodb_file_per_table（在8.0版本中默认开启），则每张表都会有一个表空间（xxx.ibd），一个mysql实例可以对应多个表空间，用于存储记录、索引等数据。

2）段

段，分为数据段（Leaf node segment）、索引段（Non-leaf node segment）、回滚段（Rollback segment），InnoDB是索引组织表，数据段就是B+树的叶子节点，索引段即为B+树的非叶子节点。段用来管理多个Extent（区）。

3）区

区，表空间的单元结构，每个区的大小为1M。默认情况下，InnoDB存储引擎页大小为16K，即一个区中一共有64个连续的页。

4）页

页，是InnoDB存储引擎磁盘管理的最小单元，每个页的大小默认为16KB。为了保证页的连续性，InnoDB存储引擎每次从磁盘申请4-5个区。

5）行

行，InnoDB存储引擎数据是按行进行存放的。在行中，默认有两个隐藏字段：

• Trx_id：每次对某条记录进行改动时，都会把对应的事务id赋值给trx_id隐藏列。
• Roll_pointer：每次对某条引记录进行改动时，都会把旧的版本写入到undo日志中，然后这个隐藏列就相当于一个指针，可以通过它来找到该记录修改前的信息。

架构

概述

MySQL5.5版本开始，默认使用InnoDB存储引擎，它擅长事务处理，具有崩溃恢复特性，在日常开发中使用非常广泛。下面是InnoDB架构图，左侧为内存结构，右侧为磁盘结构。

内存结构

在左侧的内存结构中，主要分为四大块： Buffer Pool、Change Buffer、Adaptive Hash Index、Log Buffer。 接下来介绍一下这四个部分。

1）Buffer Pool

InnoDB存储引擎基于磁盘文件存储，访问物理硬盘和在内存中进行访问，速度相差很大，为了尽可能弥补这两者之间的I/O效率的差值，就需要把经常使用的数据加载到缓冲池中，避免每次访问都进行磁盘I/O。

在InnoDB的缓冲池中不仅缓存了索引页和数据页，还包含了undo页、插入缓存、自适应哈希索引以及InnoDB的锁信息等等。

缓冲池 Buffer Pool，是主内存中的一个区域，里面可以缓存磁盘上经常操作的真实数据，在执行增删改查操作时，先操作缓冲池中的数据（若缓冲池没有数据，则从磁盘加载并缓存），然后再以一定频率刷新到磁盘，从而减少磁盘IO，加快处理速度。

缓冲池以Page页为单位，底层采用链表数据结构管理Page。根据状态，将Page分为三种类型：

• free page：空闲page，未被使用。
• clean page：被使用page，数据没有被修改过。
• dirty page：脏页，被使用page，数据被修改过，也中数据与磁盘的数据产生了不一致。

在专用服务器上，通常将多达80%的物理内存分配给缓冲池。

参数查看： show variables like 'innodb_buffer_pool_size';

2）Change Buffer

Change Buffer，更改缓冲区（针对于非唯一二级索引页），在执行DML语句时，如果这些数据Page没有在Buffer Pool中，不会直接操作磁盘，而会将数据变更存在更改缓冲区Change Buffer中，在未来数据被读取时，再将数据合并恢复到Buffer Pool中，再将合并后的数据刷新到磁盘中。

Change Buffer的意义是什么呢？

与聚集索引不同，二级索引通常是非唯一的，并且以相对随机的顺序插入二级索引。同样，删除和更新可能会影响索引树中不相邻的二级索引页，如果每一次都操作磁盘，会造成大量的磁盘IO。有了Change Buffer之后，可以在缓冲池中进行合并处理，减少磁盘IO。

3）Adaptive Hash Index

自适应hash索引，用于优化对Buffer Pool数据的查询。MySQL的innodb引擎中虽然没有直接支持hash索引，但是提供了一个功能就是这个自适应hash索引。前面提到过，hash索引在进行等值匹配时，一般性能是要高于B+树的，因为hash索引一般只需要一次IO即可，而B+树，可能需要几次匹配，所以hash索引的效率要高，但是hash索引又不适合做范围查询、模糊匹配等。

InnoDB存储引擎会监控对表上各索引页的查询，如果观察到在特定的条件下hash索引可以提升速度，则建立hash索引，称之为自适应hash索引。

自适应哈希索引，无需人工干预，是系统根据情况自动完成。

参数： innodb_adaptive_hash_index

4）Log Buffer

Log Buffer：日志缓冲区，用来保存要写入到磁盘中的log日志数据（redo log、undo log），默认大小为 16MB，日志缓冲区的日志会定期刷新到磁盘中。如果需要更新、插入或删除许多行的事务，增加日志缓冲区的大小可以节省磁盘 I/O。

参数：

innodb_log_buffer_size：缓冲区大小

innodb_flush_log_at_trx_commit：日志刷新到磁盘时机，取值主要包含以下三个：

1：日志在每次事务提交时写入并刷新到磁盘，默认值。

0：每秒将日志写入并刷新到磁盘一次。

2：日志在每次事务提交后写入，并每秒刷新到磁盘一次。

磁盘结构

接下来，再来看看InnoDB体系结构的右边部分，也就是磁盘结构：

1）System Tablespace

系统表空间是更改缓冲区的存储区域。如果表是在系统表空间而不是每个表文件或通用表空间中创建的，它也可能包含表和索引数据。(在MySQL5.x版本中还包含InnoDB数据字典、undolog等)

参数：innodb_data_file_path

系统表空间，默认的文件名叫 ibdata1。

2）File-Per-Table Tablespaces

如果开启了innodb_file_per_table开关 ，则每个表的文件表空间包含单个InnoDB表的数据和索引，并存储在文件系统上的单个数据文件中。

开关参数：innodb_file_per_table ，该参数默认开启。

也就是说，每创建一个表，都会产生一个表空间文件，如图：

3）General Tablespaces

通用表空间，需要通过 CREATE TABLESPACE 语法创建通用表空间，在创建表时，可以指定该表空间。

1
2
3
4

-- 创建表空间
CREATE TABLESPACE ts_name ADD DATAFILE 'file_name' ENGINE = engine_name;
-- 创建表时指定表空间
CREATE TABLE xxx ... TABLESPACE ts_name;

4）Undo Tablespaces

撤销表空间，MySQL实例在初始化时会自动创建两个默认的undo表空间（初始大小16M），用于存储undo log日志。

5）Temporary Tablespaces

InnoDB 使用会话临时表空间和全局临时表空间。存储用户创建的临时表等数据。

6）Doublewrite Buffer Files

双写缓冲区，innoDB引擎将数据页从Buffer Pool刷新到磁盘前，先将数据页写入双写缓冲区文件中，便于系统异常时恢复数据。

7）Redo Log

重做日志，是用来实现事务的持久性。该日志文件由两部分组成：重做日志缓冲（redo log buffer）以及重做日志文件（redo log），前者是在内存中，后者在磁盘中。当事务提交之后会把所有修改信息都会存到该日志中, 用于在刷新脏页到磁盘发生错误时, 进行数据恢复使用。

以循环方式写入重做日志文件，涉及两个文件：

那么内存中更新的数据，又是如何到磁盘中的呢？ 此时，就涉及到一组后台线程，接下来，就来介绍一些InnoDB中涉及到的后台线程。

后台线程

在InnoDB的后台线程中，分为4类，分别是：Master Thread 、IO Thread、Purge Thread、 Page Cleaner Thread。

1）Master Thread

核心后台线程，负责调度其他线程，还负责将缓冲池中的数据异步刷新到磁盘中, 保持数据的一致性，还包括脏页的刷新、合并插入缓存、undo页的回收。

2）IO Thread

在InnoDB存储引擎中大量使用了AIO（异步IO）来处理IO请求, 这样可以极大地提高数据库的性能，而IO Thread主要负责这些异步IO请求的回调。

可以通过以下的这条指令，查看到InnoDB的状态信息，其中就包含IO Thread信息。

1

show engine innodb status \G;

3）Purge Thread

主要用于回收事务已经提交了的undo log，在事务提交之后，undo log可能不用了，就用它来回收。

4）Page Cleaner Thread

协助 Master Thread 刷新脏页到磁盘的线程，它可以减轻 Master Thread 的工作压力，减少阻塞。

事务原理

事务基础

1）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。

2）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。

对于这四大特性，实际上分为两个部分。其中的原子性、一致性、持久化，实际上是由InnoDB中的两份日志来保证的，一份是redo log日志，一份是undo log日志。 而持久性是通过数据库的锁，加上MVCC来保证的。

redo log

重做日志，记录的是事务提交时数据页的物理修改，是用来实现事务的持久性。

该日志文件由两部分组成：重做日志缓冲（redo log buffer）以及重做日志文件（redo log file），前者是在内存中，后者在磁盘中。当事务提交之后会把所有修改信息都存到该日志文件中，用于在刷新脏页到磁盘，发生错误时，进行数据恢复使用。

如果没有redo log，可能会存在什么问题的？

在InnoDB引擎中的内存结构中，主要的内存区域就是缓冲池，在缓冲池中缓存了很多的数据页。当我们在一个事务中，执行多个增删改的操作时，InnoDB引擎会先操作缓冲池中的数据，如果缓冲区没有对应的数据，会通过后台线程将磁盘中的数据加载出来，存放在缓冲区中，然后将缓冲池中的数据修改，修改后的数据页称为脏页。而脏页则会在一定的时机，通过后台线程刷新到磁盘中，从而保证缓冲区与磁盘的数据一致。而缓冲区的脏页数据并不是实时刷新的，而是一段时间之后将缓冲区的数据刷新到磁盘中，假如刷新到磁盘的过程出错了，而提示给用户事务提交成功，而数据却没有持久化下来，这就出现问题了，没有保证事务的持久性。

那么，如何解决上述的问题呢？ 在InnoDB中提供了一份日志 redo log，通过redo log解决这个问题。

有了redo log之后，当对缓冲区的数据进行增删改之后，会首先将操作的数据页的变化，记录在redo log buffer中。在事务提交时，会将redo log buffer中的数据刷新到redo log磁盘文件中。

过一段时间之后，如果刷新缓冲区的脏页到磁盘时，发生错误，此时就可以借助于redo log进行数据恢复，这样就保证了事务的持久性。而如果脏页成功刷新到磁盘或或者涉及到的数据已经落盘，此时redo log就没有作用了，就可以删除了，所以存在的两个redolog文件是循环写的。

那为什么每一次提交事务，要刷新redo log到磁盘中呢，而不是直接将buffer pool中的脏页刷新到磁盘呢 ？

因为在业务操作中，操作数据一般都是随机读写磁盘的，而不是顺序读写磁盘。如果直接将buffer pool中的脏页刷新到磁盘，会耗费大量磁盘IO，比较消耗性能。而由于redo log是日志文件，在往磁盘文件中写入数据时都是顺序写的。顺序写的效率，要远大于随机写。这种先写日志的方式，称之为 WAL (Write-Ahead Logging) 。

undo log

回滚日志，用于记录数据被修改前的信息，作用包含两个：提供回滚（保证事务的原子性）和MVCC（多版本并发控制）。

undo log和redo log记录物理日志不一样，它是逻辑日志。可以认为当delete一条记录时，undo log中会记录一条对应的insert记录，反之亦然，当update一条记录时，它记录一条对应相反的update记录。当执行rollback时，就可以从undo log中的逻辑记录读取到相应的内容并进行回滚。

Undo log销毁：undo log在事务执行时产生，事务提交时，并不会立即删除undo log，因为这些日志可能还用于MVCC。

Undo log存储：undo log采用段的方式进行管理和记录，存放在前面介绍的 rollback segment 回滚段中，内部包含1024个undo log segment。

MVCC

基本概念

1）当前读

当前读读取的是记录的最新版本，读取时还要保证其他并发事务不能修改当前记录，会对读取的记录进行加锁。我们日常的操作，如：select … lock in share mode(共享锁)，select … for update、update、insert、delete(排他锁)都是一种当前读。

2）快照读

简单的select（不加锁）就是快照读，快照读，读取的是记录数据的可见版本，有可能是历史数据，不加锁，是非阻塞读。前面的图中的正常查询就是快照读。

不同隔离级别的情况：

• Read Committed：每次select，都生成一个快照读。
• Repeatable Read：开启事务后第一个select语句才是快照读的地方，后面再次查询一样的内容会直接使用第一次查询的结果。
• Serializable：快照读会退化为当前读。

3）MVCC

全称 Multi-Version Concurrency Control，多版本并发控制。指维护一个数据的多个版本，使得读写操作没有冲突，快照读为MySQL实现MVCC提供了一个非阻塞读功能。MVCC的具体实现，还需要依赖于数据库记录中的三个隐式字段、undo log日志、readView（下面介绍）。

隐藏字段

假设创建了这样一张表：

当我们创建了上面的这张表，我们在查看表结构的时候，就可以显式的看到这三个字段。 实际上除了这三个字段以外，InnoDB还会自动添加两个或三个隐藏字段及其含义分别是：

而上述的前两个字段是肯定会添加的，是否添加最后一个字段DB_ROW_ID，得看当前表有没有主键，如果有主键，则不会添加该隐藏字段。

undo log

1）介绍

undo log是回滚日志，在insert、update、delete的时候产生的便于数据回滚的日志。

当insert的时候，产生的undo log日志只在回滚时需要，在事务提交后，可被立即删除。而update、delete的时候，产生的undo log日志不仅在回滚时需要，在快照读时也需要，不会立即被删除。

2）版本链

假设现在有一张表：

• DB_TRX_ID ：代表最近修改事务ID，记录插入这条记录或最后一次修改该记录的事务ID，是自增的。
• DB_ROLL_PTR ：由于这条数据是才插入的，没有被更新过，所以该字段值为null。

然后，假设现在有四个并发事务同时在访问这张表。

首先执行事务2：

当事务2执行第一条修改语句时，会记录undo log日志，记录数据变更之前的样子; 然后更新记录，并且记录本次操作的事务ID，回滚指针，回滚指针用来指定如果发生回滚，回滚到哪一个版本。

然后执行事务3：

当事务3执行第一条修改语句时，也会记录undo log日志，记录数据变更之前的样子; 然后更新记录，并且记录本次操作的事务ID，回滚指针，回滚指针用来指定如果发生回滚，回滚到哪一个版本。

后面同理。

最终发现，不同事务或相同事务对同一条记录进行修改，会导致该记录的undo log生成一条记录版本链表，链表的头部是最新的旧记录，链表尾部是最早的旧记录。

readview

ReadView（读视图）是 快照读 SQL执行时MVCC提取数据的依据，也就是说ReadView决定了快照读时读取的版本，记录并维护系统当前活跃的事务（未提交的）id。

ReadView中包含了四个核心字段：

而在readview中就规定了版本链数据的访问规则：

trx_id 代表当前undo log版本链对应事务ID。（这部分不太理解可以结合下面原理分析部分的案例来理解）

不同的隔离级别，生成ReadView的时机不同：

• READ COMMITTED ：在事务中每一次执行快照读时生成ReadView。
• REPEATABLE READ：仅在事务中第一次执行快照读时生成ReadView，后续复用该ReadView。

原理分析

1）RC（READ COMMITTED）隔离级别

RC隔离级别下，在事务中每一次执行快照读时生成ReadView。

接下来就分析，在RC隔离级别下，前面案例中的事务5是如何获取两次快照读的数据：

在事务5中，查询了两次id为30的记录，由于隔离级别为Read Committed，所以每一次进行快照读都会生成一个ReadView，那么两次生成的ReadView如下

那么这两次快照读在获取数据时，就需要根据所生成的ReadView以及ReadView的版本链访问规则，到undo log版本链中匹配数据，最终决定此次快照读返回的数据。

先来看第一次快照读具体的读取过程：

在进行匹配时，会从undo log的版本链，从上到下进行挨个匹配：

• 先匹配DB_TRX_ID=4这条，也就是最上面这条记录，这里记录对应的trx_id为4，将其代入右边的匹配规则中，发现①②③④均不满足，则继续匹配undo log版本链的下一条
• 匹配第二条，也就是DB_TRX_ID=3这条，这里记录对应的trx_id为3，将其代入右边的匹配规则中，发现①②③④均不满足，则继续匹配undo log版本链的下一条
• 匹配第三条，也就是DB_TRX_ID=2这条，这里记录对应的trx_id为2，将其代入右边的匹配规则中，发现②匹配上了，则此次快照读的就是DB_TRX_ID=2这个版本的数据

再来看第二次快照读具体的读取过程：

在进行匹配时，会从undo log的版本链，从上到下进行挨个匹配：

• 先匹配DB_TRX_ID=4这条，也就是最上面这条记录，这里记录对应的trx_id为4，将其代入右边的匹配规则中，发现①②③④均不满足，则继续匹配undo log版本链的下一条
• 匹配第二条，也就是DB_TRX_ID=3这条，这里记录对应的trx_id为3，将其代入右边的匹配规则中，发现②匹配上了，则此次快照读的就是DB_TRX_ID=3这个版本的数据

2）RR（REPEATABLE READ）隔离级别

RR隔离级别下，仅在事务中第一次执行快照读时生成ReadView，后续复用该ReadView。RR是可重复读，在一个事务中，执行两次相同的select语句，查询到的结果是一样的。

在RR隔离级别下，后续都是复用第一次快照读时的ReadView，那么既然ReadView都一样，ReadView的版本链匹配规则也一样，那么最终快照读返回的结果也是一样的。

所以，MVCC的实现原理就是通过InnoDB表的隐藏字段、Undo Log 版本链、ReadView来实现的。MVCC + 锁，则实现了事务的隔离性。而一致性则是由redo log 与undo log保证。

MySQL管理

系统数据库

Mysql数据库安装完成后，自带了一下四个数据库，大致作用如下（以8.0版本为例）：

常用工具

下面简单提及一些常用工具，并不详细介绍

mysql

该mysql不是指mysql服务，而是指mysql的客户端工具。

1
2
3
4
5
6
7
8

语法：
    mysql  [options]  [database]
部分选项：
    -u, --user=name           #指定用户名
    -p, --password[=name]     #指定密码
    -h, --host=name           #指定服务器IP或域名
    -P, --port=port           #指定连接端口
    -e, --execute=name        #执行SQL语句并退出

-e选项可以在Mysql客户端执行SQL语句，而不用连接到MySQL数据库再执行，对于一些批处理脚本，这种方式尤其方便。

示例：

1

mysql -uroot -p123456 db_demo -e "select * from stu"

mysqladmin

mysqladmin 是一个执行管理操作的客户端程序。可以用它来检查服务器的配置和当前状态、创建并删除数据库等。

1
2
3
4
5
6
7

语法：
    mysqladmin [options] command ...
部分选项：
    -u, --user=name           #指定用户名
    -p, --password[=name]     #指定密码
    -h, --host=name           #指定服务器IP或域名
    -P, --port=port           #指定连接端口

mysqlbinlog

由于服务器生成的二进制日志文件以二进制格式保存，所以如果想要检查这些文本的文本格式，就会使用到mysqlbinlog 日志管理工具。

1
2
3
4
5
6
7
8
9

语法：
    mysqlbinlog [options] log-files1 log-files2 ...
选项：
    -d, --database=name                 指定数据库名称，只列出指定的数据库相关操作。
    -o, --offset=#                      忽略掉日志中的前n行命令。
    -r, --result-file=name              将输出的文本格式日志输出到指定文件。
    -s, --short-form                    显示简单格式，省略掉一些信息。
    --start-datatime=date1  --stop-datetime=date2   指定日期间隔内的所有日志。
    --start-position=pos1 --stop-position=pos2      指定位置间隔内的所有日志。

mysqlshow

mysqlshow 客户端对象查找工具，用来很快地查找存在哪些数据库、数据库中的表、表中的列或者索引。

 1
 2
 3
 4
 5
 6
 7
 8
 9
10
11

语法：
    mysqlshow [options] [db_name [table_name [col_name]]]
选项：
    --count      显示数据库及表的统计信息（数据库，表均可以不指定）
    -i           显示指定数据库或者指定表的状态信息
示例：
    #查询test库中每个表中的字段书，及行数
    mysqlshow -uroot -p2143 test --count

    #查询test库中book表的详细情况
    mysqlshow -uroot -p2143 test book --count

mysqldump

mysqldump 客户端工具用来备份数据库或在不同数据库之间进行数据迁移。备份内容包含创建表，及插入表的SQL语句。

 1
 2
 3
 4
 5
 6
 7
 8
 9
10
11
12
13
14
15
16

语法：
    mysqldump [options] db_name [tables]
    mysqldump [options] --database/-B db1 [db2 db3...]
    mysqldump [options] --all-databases/-A
连接选项：
    -u, --user=name           指定用户名
    -p, --password[=name]     指定密码
    -h, --host=name           指定服务器ip或域名
    -P, --port=#              指定连接端口
输出选项：
    --add-drop-database       在每个数据库创建语句前加上 drop database 语句
    --add-drop-table          在每个表创建语句前加上 drop table 语句，默认开启；不开启 (--skip-add-drop-table)
    -n, --no-create-db        不包含数据库的创建语句
    -t, --no-create-info      不包含数据表的创建语句
    -d --no-data              不包含数据
    -T, --tab=name            自动生成两个文件：一个.sql文件，创建表结构的语句；一个.txt文件，数据文件

mysqlimport

mysqlimport 是客户端数据导入工具，用来导入mysqldump 加 -T 参数后导出的文本文件。

1
2
3
4

语法：
	mysqlimport [options] db_name textfile1 [textfile2...]
示例：
	mysqlimport -uroot -p2143 test /tmp/city.txt

source

source 指令可以导入sql文件。

1
2

语法：
	source /root/xxxxx.sql