上海营销型网站报价,wordpress房地产插件,查找网站备案,注册公司费用要多少前言周五的早高峰, 各地软件园地铁站里中出现了不少穿着长袖加绒格子衫, 背双肩电脑包的年轻码农, 现在节气正值 [ 小雪 ] , 11月的全国性突然降温 , 让经历过996摧残的猿们一出地铁站就冻的打了个激灵 , 很庆幸的告诉大家距离放年假还剩不到 37 个工作日, 要买火车票的赶紧预约…前言周五的早高峰, 各地软件园地铁站里中出现了不少穿着长袖加绒格子衫, 背双肩电脑包的年轻码农, 现在节气正值 [ 小雪 ] , 11月的全国性突然降温 , 让经历过996摧残的猿们一出地铁站就冻的打了个激灵 , 很庆幸的告诉大家距离放年假还剩不到 37 个工作日, 要买火车票的赶紧预约抢, 要租男朋友的赶紧联系我.---前几天我, 张大胖 , Mason 下班约好一起去吃海X捞火锅, 大家去了都围到到一张小火锅桌子上, 服务员把菜单递给我们.这时张大胖拿着菜单就开口了, 今天不要点绿色的菜, 我最近手里的股票全部绿油油的 太护眼了, 先来个 牛油麻辣锅底! 来3份 草原牛肉片, 来1份牛肉丸子, 来3份牛楠, 剩下的你们点吧.我吸了口气说 你这点全是肉, 合着哥几个今天陪你来长膘了 .Mason 看我俩要掐起来 赶紧接上: 要不来一份西兰花, 一份花菜, 这样看着火锅汤色也不错~.张大胖皱了下眉毛, 叹了口气 我前段时间去面试, 被面试官连环追问, Mysql数据库优化 一路追问到 B树索引底层 ,我恨不得当场GG, 今天你又点树, 想想就头痛 ~ .Mason 笑了笑说 这个Mysql B索引, 你每天都在用但是不知道它原理, 面试官估计心里在犯嘀咕, 这个人其它方面都合格, 但是就怕 新同事来了,数据库变慢了 正确的使用并理解数据库索引就是最好的优化反之张大胖听的一头雾水然后问 到底怎么表述数据库优化给面试官才能抱的Offer归呢 ?Mason 喝了口水说道 那今天我们就边打边炉边聊聊数据库优化, 我以前专门整理过数据库优化相关的知识我急忙打断说 要不先上菜吧, 中午就吃了碗热干面, 我现在太饿了数据库优化主要有3个方面SQL层面 使用 Join 替代子查询 (子程序查询结果会形成临时表) 正确书写SQL 使索引生效 SELECT语句务必指明字段名称 当只需要一条数据的时候使用limit 1 排序字段没有用到索引就尽量少排序 Ps: 平时写SQL 多用 EXPLAIN 检查SQL质量 ...https://zhuanlan.zhihu.com/p/58065348表结构层面 设计表时重中之重就是考虑这张表, 大概有什么操作要上什么索引. 增加冗余字段和中间表 (空间换时间) 确定字段正确存储范围 ....https://www.zhihu.com/question/19719997/answer/154809252物理架构层面 数据库缓存配置 读写分离 当数据库读远大于写查询多的情况就可以考虑主数据负责写操作从数据库负责读操作一主多重从而把数据读写分离最后还可以结合redis等缓存来配合分担数据的读操作大大的降低数据库的压力。 分库分表《阿里巴巴Java开发手册》提出单表行数超过500万行或者单表容量超过2GB才推荐分库分表。性能由综合因素决定抛开业务复杂度影响程度依次是硬件配置、MySQL配置、数据表设计、索引优化。500万这个值仅供参考并非铁律。 对大表进行历史归档, 比如美团外卖订单只能看近一年的订单...https://zhuanlan.zhihu.com/p/88139202MySQL B Tree 索引原理先来看看 这两种树形数据结构模拟自增ID索引场景 Ps: 大家有空也可以玩玩 https://www.cs.usfca.edu/~galles/visualization/Algorithms.html两款经典树形数据结构,左 : 二叉查找树 右 : 平衡二叉树 二叉查找树概述 若任意节点的左子树不空则左子树上所有结点的值均小于它的根结点的值 若任意节点的右子树不空则右子树上所有结点的值均大于它的根结点的值 任意节点的左、右子树也分别为二叉查找树 没有键值相等的节点。 假设用来做索引: 单一子树数据发生变化时无法进行左旋右旋平衡, 会导致二叉树严重不平衡, 恶劣情况查询复杂度由 O(log n) 跌为 O(n) 的链表.平衡二叉树概述 它必须是二叉查找树 . 每个节点的左子树和右子树的高度差至多为1。 每次数据发生变换会进行 对应的 左旋 或 右旋 来平衡树的结构. 有效保证了 查询复杂度为 O(log n).假设用来做索引: 1.在平衡二叉树中, 一颗层级为 100 树 找到最末端的节点, 需要IO 100 次. IO效率很低., 2. 预加载关联节点数据少, 每次加载IO只加载一个节点, 每次IO操作一页 (4KB数据) 。https://blog.csdn.net/qq_37934101/article/details/81160254---**综上所述: 这两种经典树形数据结构都不是最理想的数据库索引树, 当当当 !!!大名鼎鼎的 B树就横空出世了**B 树定义 B树包含2种类型的结点内部结点(也称索引结点)和叶子结点。根结点本身即可以是内部结点也可以是叶子结点。根结点的关键字个数最少可以只有1个。 B树与B树最大的不同是内部结点不保存数据只用于索引所有数据(或者说记录)都保存在叶子结点中。 m阶B树表示了内部结点最多有m-1个关键字(或者说内部结点最多有m个子树)阶数m同时限制了叶子结点最多存储m-1个记录。 内部结点中的key都按照从小到大的顺序排列对于内部结点中的一个key左树中的所有key都小于它右子树中的key都大于等于它。叶子结点中的记录也按照key的大小排列。 每个叶子结点都存有相邻叶子结点的指针叶子结点本身依关键字的大小自小而大顺序链接。https://www.cnblogs.com/nullzx/p/8729425.htmlB 树的特点 非叶子节点不存储 data, 只存储索引 (冗余) 可放更多的索引. 叶子节点包括所有索引字段. 叶子节点用指针有序连接, 提高区间访问的性能. 常见的 B树 为三层, 每个节点磁盘存储默认大小 16KB, 索引节点存有多个索引和多个指针(一个索引为 bigint类型约 8KB ,一个指针约 6 KB, 最多可存 1170个索引指针组合). 一次加载一个索引节点有效利于IO资源, 读取任意叶子节点都只需 3次 IO操作.**B 树在 MySQL 的应用综上所述: 矮胖的B 树 恰好弥补了 瘦高平衡二叉树的两点不足. 层级少, IO预加载数据多.**那在MySQL数据库中是如何使用 B Tree 构建自己的索引呢?InnoDB 索引方式 (部分内容来自官网)InnoDB是一种兼顾了高可靠性和高性能的通用存储引擎。在MySQL 5.7中InnoDB是默认的MySQL存储引擎。除非您配置了其他默认存储引擎否则发出CREATE TABLE不带ENGINE 子句的语句将创建一个InnoDB表。InnoDB 的主要优势它的DML操作遵循 ACID模型并 具有具有 提交回滚和 崩溃恢复 功能的事务 以保护用户数据。有关更多信息请参见 第14.2节“ InnoDB和ACID模型”。行级锁定和Oracle风格的一致读取可提高多用户并发性和性能。有关更多信息请参见第14.7节“ InnoDB锁定和事务模型”。InnoDB表格将您的数据排列在磁盘上以基于主键优化查询 。每个 InnoDB表都有一个称为聚集索引的主键索引该索引 组织数据以最小化主键查找的I / O。有关更多信息请参见第14.6.2.1节“聚集索引和二级索引”。维护数据 完整性 InnoDB支持 FOREIGN KEY约束。使用外键检查插入更新和删除操作以确保它们不会导致不同表之间的不一致。有关更多信息请参见 第13.1.18.6节“外键约束”。 在 test_innodb表中执行此SQL 会如何使用 InnoDB 索引 ?select * from test_innodb where name to% InnoDB 的缺点 5.7 以前不支持 全文检索, 最常用索引, 除了它 其他MySQL 索引都被官方称作替代存储引擎, 地位接近封神.物理层面 (一张 test_innodb表默认有 2个存储文件组成) test_innodb.frm : 表结构定义 testinnodb.ibd : 存放 testinnodb 表的数据和索引的文件使用InnoDB表时的最佳做法 。 使用查询频率最高的一个或多个列为每个表 指定一个主键 如果没有明显的主键则指定一个 自动增量值。 使用联接时无论是基于多个表中相同的ID值还是从多个表中提取数据。为了提高连接性能请在连接列上定义 外键并在每个表中使用相同的数据类型声明这些列。添加外键可确保对引用的列进行索引从而可以提高性能。外键还将删除或更新传播到所有受影响的表并且如果父表中不存在相应的ID则可以防止在子表中插入数据。 关闭自动提交。每秒提交数百次会限制性能(受存储设备的写入速度限制)。 分组组相关的DML 操作成 交易通过包围他们START TRANSACTION和 COMMIT报表。虽然你不想过于频繁地提交你也不想发出的巨大的批次 INSERT UPDATE或 DELETE陈述不提交运行小时。 不使用LOCK TABLES 语句。InnoDB可以一次处理多个会话一次读写同一张表而无需牺牲可靠性或高性能。要获得对一组行的排他性写访问权限请使用 SELECT ... FOR UPDATE语法仅锁定要更新的行。 启用该 innodbfileper_table选项或使用常规表空间将表的数据和索引放入单独的文件中而不是 系统表空间中。innodbfileper_table 默认情况下启用 该选项。 评估您的数据和访问模式是否受益于InnoDB表或页面 压缩功能。您可以在InnoDB不牺牲读/写能力的情况下压缩表。MyISAM 索引方式创建的表占用的空间很小。表级锁定限制了读/写工作负载中的性能因此它通常用于Web和数据仓库配置中的只读或只读工作负载中。MyISAM 的主要优势所有数据值均以低字节开头存储。这使数据机和操作系统独立。二进制可移植性的唯一要求是机器使用二进制补码带符号整数和IEEE浮点格式。这些要求已在主流机器中广泛使用。二进制兼容性可能不适用于有时具有特殊处理器的嵌入式系统。先存储低字节数据没有明显的速度损失表行中的字节通常是未对齐的按顺序读取未对齐的字节所需的处理要多于反向的顺序。而且与其他代码相比服务器中获取列值的代码不是时间紧迫的。所有数字键值都先存储高字节以实现更好的索引压缩。在支持大文件的文件系统和操作系统上支持大文件。 在 test_myisam 表中执行此SQL 会如何使用 MyISAM 索引 ?select * from test_myisam where id 20 MyISAM 的缺点 不支持事务, 仅支持 表级锁,系统奔溃后MyISAM恢复起来比较困难.物理层面 (一张 test_myisam 表默认有 3个存储文件组成) test_myisam.frm : 表结构定义 test_myisam.MYD : 表数据 (文件后缀名全称 Mysql Data) test_myisam.MYI : 表索引 (文件后缀名全称 Mysql Index , 各字段索引之间独立)Innodb VS Myisam 本质上的区别经典数据库优化面试问题为什么索引结构默认使用B Tree而不是hash桶二叉查找树平衡二叉树hash虽然可以快速定位但是没有顺序IO复杂度高。二叉树树的高度不均匀不能自平衡查找效率跟数据有关(树的高度)并且IO代价高。平衡二叉树树的高度随着数据量增加而增加IO代价高。B-Tree: 常见的 B树 为三层, 每个节点磁盘存储默认大小 16KB, 索引节点存有多个索引和多个指针(一个索引为 bigint类型约 8KB ,一个指针约 6 KB, 最多可存 1170个索引指针组合). 一次加载一个索引(16KB)节点有效利于IO资源, 读取当前索引任意叶子节点都只需 3次 IO操作.下列这行SQL 不使用索引的原因 ?select * from test_innodb where name %to% 先问是不是再问为什么, 我们先建一张表测试一波, 全模糊匹配是否使用索引 !-- auto-generated definitioncreate table test_fuzzytext_index( id int auto_increment primary key, context text not null, context_fulltext text not null, context_index varchar(100) not null);给 testfuzzytextindex 的 文本类型的一些字段 加上索引形成和不加索引的对照组 ! -- 0. context 字段不添加索引 -- 1. context_index 字段 添加INDEX(普通索引) ALTER TABLE test_fuzzytext_index ADD INDEX index_name (context_index); -- 2. context_fulltext 字段 添加FULLTEXT(全文索引) ALTER TABLE test_fuzzytext_index ADD FULLTEXT (context_fulltext);最终表结构Explain - Type 指标访问类型SQL查询优化中一个重要指标查询性能从好到坏依次是system const eqref ref fulltext refornull indexmerge uniquesubquery indexsubquery range index ALL一般来说好的SQL查询至少达到range级别最好能达到ref。systemconst连接类型的特例表只有一行记录(等于系统表平时不会出现可以忽略不计)const表中有且只有一个匹配行时使用对主键或唯一索引的查询效率最高将主键置于WHERE列表中MySQL就能将该查询转换为一个consteq_ref唯一性索引或主键查找对于每个索引键表中只有一条记录与之匹配ref非唯一性索引查找返回匹配某个单独值的所有行(多行)ref_null类似ref类型附加对NULL值列的查询index_merge索引合并优化方法(MySQL 5.6以后)range索引范围扫描常见于bettween、、in查询这种索引列上的范围扫描比全索引扫描要好。只需要开始于某个点结束于另一个点不用扫描全部索引index全表索引扫描使用索引而非数据行扫描ALL全表扫描index与ALL区别index类型只遍历索引树索引文件通常比数据文件小(Index与ALL虽然都是读全表但index是从索引中读取而ALL是从硬盘读取)。Explain - Extra 指标distinct优化distinct操作在找到第一个匹配的元组后即停止找同样值的动作Not exists使用not exists优化查询Using filesort使用额外操作进行排序而不是按照索引进行排序通常出现在order by或group by查询Using index使用覆盖索引进行查询效率高Using temporary使用临时表处理查询常用于排序、子查询、分组查询Using whereMySQL服务器层使用WHERE条件过滤数据select tables optimized away直接通过索引获得数据不用访问表预先随机插入一些文本数据到表中. 使用查询语句.explain select * from test_fuzzytext_index tfi where tfi.context like %索引%explain select * from test_fuzzytext_index tfi where tfi.context like 索引%分析结果:%索引% type ALL Extra Using where , 结果集 50 耗时平均 130ms索引% **type ALL Extra Using where , 结果集 50 耗时平均 130ms综上所述: 没有索引的字段默认全表扫描**explain select * from test_fuzzytext_index tfi where tfi.context_index like %索引%select * from test_fuzzytext_index tfi where tfi.context_index like 索引%;分析结果:%索引% type ALL Extra Using where , 结果集 50 耗时平均 130ms索引% type renge Extra Using where , 结果集 50 耗时平均 125ms综上所述: %匹配词% 全模糊 没有使用索引, 右模糊type 为 renge ,select * from test_fuzzytext_index where MATCH(context_fulltext) AGAINST (索引 in boolean mode); 分析结果:使用了全文索引后 type fulltext Extra Using where; Fthints: noranking, 结果集 50 耗时平均 59ms综上所述: 全文检索type为 fulltext, 注意目前 MySQL 全文索引只支持根据空格分词, 意思是 中文分词要提前用空格分词存入, 仅适合数据量小的场景. 随着数据增加检索速度也会和普通索引拉开差距.select * from test_fuzzytext_index where MATCH(context_fulltext) AGAINST (索引 in boolean mode); 总结一下 %代表一个或多个字符的通配符, %关键字% 场景不使用索引, 只会进行全表扫描. 如果有搜索检索文章内容的需求, 可以使用 fulltext 索引 满足大多数 搜索场景. MySQL 5.7 支持.那为什么 %关键字% 不使用索引呢?在where条件后对索引字段加了函数转换或者运算逻辑(、-、*、/、、、%、like%_(%放在前面)、or、in (疑问、可能存在成本问题)、exist等)的处理比如对时间戳字段进行日期格式化函数都会引起索引失效。被优化器分析后, 发现走索引还不如不走索引, 效率更高.为什么常见的 B 树是三层, 可以更多吗?B 树 初始化时只有一层, 会随着数据扩大进行树的层级扩容, 那么MySQL生产环境是怎么样的呢 ?索引节点: 一个索引为 bigint类型约 8 KB ,一个指针约 6 KB, 最多可存 1170个索引指针组合 数据节点: 大约 16KB , 索引节点不存储数据 , Mysql 一页 为 16 KB.MySQL B Tree 三层树的最大行数为 : 1170 * 1170 * 16 21,902,400 Mysql 数据库索引的常用种类有几种,每种场景是什么 ?主要有两种, 一种是 InnoDB 索引, 一种是 替代索引方案.InnoDB 是 Mysql 5.7 的默认索引, 支持现代数据库理念的一切操作, 比如 事务, 行级锁, 数据库可恢复性好,默认顺序索引等...替代索引方案中, 在一定的特定场景可用, 比如 MyISAM 可以在大量查询场景使用. CSV 可以用来做 数据分析, 使用场景有限.InnoDB索引方式 与 MyISAM索引方式 的不同点 ?三个外键关联表, 怎么写 SQL 会使用索引 ?使用多列索引并根据最左匹配原则, 保证表结构设计阶段主表与关联表之间的关联字段的数据类型、数据长度、字段的编码格式以及字段的排序规则需要保持一致 .在Mysql建立多列索引(联合索引)有最左前缀的原则即最左优先。如果我们建立了一个2列的联合索引(col1,col2),实际上已经建立了两个联合索引(col1)、(col1,col2);如果有一个3列索引(col1,col2,col3)实际上已经建立了三个联合索引(col1)、(col1,col2)、(col1,col2,col3)。1、b树的数据项是复合的数据结构比如(name,age,sex)的时候b树是按照从左到右的顺序来建立搜索树的比如当(张三,20,F)这样的数据来检索的时候b树会优先比较name来确定下一步的所搜方向如果name相同再依次比较age和sex最后得到检索的数据但当(20,F)这样的没有name的数据来的时候b树就不知道第一步该查哪个节点因为建立搜索树的时候name就是第一个比较因子必须要先根据name来搜索才能知道下一步去哪里查询。2、比如当(张三,F)这样的数据来检索时b树可以用name来指定搜索方向但下一个字段age的缺失所以只能把名字等于张三的数据都找到然后再匹配性别是F的数据了 这个是非常重要的性质即索引的最左匹配特性。(这种情况无法用到联合索引)使用多列索引时,怎么写 SQL 会使用索引?当一张表的查询方式比较固定这时候可以尝试创建多列索引查询时应当遵从组合索引的规则最左原则查询时使用最频繁的一列放在最左边例index(user_id,user_name,user_type)这是一个组合索引当查询时如果想走索引则 sqlselect * from userInfo where user_id001 and user_name小张 and user_type1-- 这个时候是走了索引的但是select * from userInfo where user_name小张 and user_type1-- 这时user_id没有在where条件内将不走索引-- 此例user_id字段必须出现在where后面不然索引将不会生效。看完不妨问问自己如何回答这些问题, 也可写上在评论区留言回答, 温故知新 ..关注我的公众号 20K深入浅出分享 Java 干货 , 找回对代码的 Passion , 助力月入 20K
