网页界面设计概念,无锡网站推广优化费用,网页设计实训总结万能版,网站推广沈阳进阶篇
存储引擎
MySQL体系结构#xff1a; 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。存储引擎是基于表而不是基于库的#xff0c;所以存储引擎也可以被称为表引擎。 默认存储引擎是InnoDB。
相关操作#xff1a;
-- 查询建表语句
show create …进阶篇
存储引擎
MySQL体系结构 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。存储引擎是基于表而不是基于库的所以存储引擎也可以被称为表引擎。 默认存储引擎是InnoDB。
相关操作
-- 查询建表语句
show create table account;
-- 建表时指定存储引擎
CREATE TABLE 表名(...
) ENGINEINNODB;
-- 查看当前数据库支持的存储引擎
show engines;
InnoDB
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 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 支持外键约束保证数据的完整性和正确性
文件 xxx.ibd: xxx代表表名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、sdi、数据和索引。
参数innodb_file_per_table决定多张表共享一个表空间还是每张表对应一个表空间
知识点
查看 Mysql 变量 show variables like innodb_file_per_table;
从idb文件提取表结构数据 在cmd运行 ibd2sdi xxx.ibd
InnoDB 逻辑存储结构 MyISAM
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
Memory
Memory 引擎的表数据是存储在内存中的受硬件问题、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 存放在内存中速度快 hash索引默认
文件 xxx.sdi: 存储表结构信息
存储引擎特点
特点InnoDBMyISAMMemory存储限制64TB有有事务安全支持--锁机制行锁表锁表锁Btree索引支持支持支持Hash索引--支持全文索引支持5.6版本之后支持-空间使用高低N/A内存使用高低中等批量插入速度低高高支持外键支持--
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。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: 如果应用对事物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、删除操作则 InnoDB 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、并发性要求不高那这个存储引擎是非常合适的。 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
电商中的足迹和评论适合使用 MyISAM 引擎缓存适合使用 Memory 引擎。
性能分析
查看执行频次
查看当前数据库的 INSERT, UPDATE, DELETE, SELECT 访问频次 SHOW GLOBAL STATUS LIKE Com_______; 或者 SHOW SESSION STATUS LIKE Com_______; 例show global 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需要在MySQL的配置文件/etc/my.cnf中配置如下信息 # 开启慢查询日志开关 slow_query_log1 # 设置慢查询日志的时间为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_time2 更改后记得重启MySQL服务日志文件位置/var/lib/mysql/localhost-slow.log
查看慢查询日志开关状态 show variables like slow_query_log;
profile
show profile 能在做SQL优化时帮我们了解时间都耗费在哪里。通过 have_profiling 参数能看到当前 MySQL 是否支持 profile 操作 SELECT have_profiling; profiling 默认关闭可以通过set语句在session/global级别开启 profiling SET profiling 1; 查看所有语句的耗时 show profiles; 查看指定query_id的SQL语句各个阶段的耗时 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;
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 # 直接在select语句之前加上关键字 explain / desc EXPLAIN SELECT 字段列表 FROM 表名 HWERE 条件;
EXPLAIN 各字段含义 idselect 查询的序列号表示查询中执行 select 子句或者操作表的顺序id相同执行顺序从上到下id不同值越大越先执行 select_type表示 SELECT 的类型常见取值有 SIMPLE简单表即不适用表连接或者子查询、PRIMARY主查询即外层的查询、UNIONUNION中的第二个或者后面的查询语句、SUBQUERYSELECT/WHERE之后包含了子查询等 type表示连接类型性能由好到差的连接类型为 NULL、system、const、eq_ref、ref、range、index、all possible_key可能应用在这张表上的索引一个或多个 Key实际使用的索引如果为 NULL则没有使用索引 Key_len表示索引中使用的字节数该值为索引字段最大可能长度并非实际使用长度在不损失精确性的前提下长度越短越好 rowsMySQL认为必须要执行的行数在InnoDB引擎的表中是一个估计值可能并不总是准确的 filtered表示返回结果的行数占需读取行数的百分比filtered的值越大越好
索引
索引是帮助 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询算法这种数据结构就是索引。
优缺点
优点 提高数据检索效率降低数据库的IO成本 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
缺点 索引列也是要占用空间的 索引大大提高了查询效率但降低了更新的速度比如 INSERT、UPDATE、DELETE
索引结构
索引结构描述BTree最常见的索引类型大部分引擎都支持B树索引Hash底层数据结构是用哈希表实现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
索引InnoDBMyISAMMemoryBTree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-text5.6版本后支持支持不支持
B-Tree 二叉树的缺点可以用红黑树来解决 红黑树也存在大数据量情况下层级较深检索速度慢的问题。
为了解决上述问题可以使用 B-Tree 结构。 B-Tree (多路平衡查找树) 以一棵最大度数max-degree指一个节点的子节点个数为55阶的 b-tree 为例每个节点最多存储4个key5个指针 B-Tree 的数据插入过程动画参照11. 进阶-索引-结构-Btree_哔哩哔哩_bilibili 演示地址B-Tree Visualization BTree
结构图 演示地址B Tree Visualization 与 B-Tree 的区别 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
MySQL 索引数据结构对经典的 BTree 进行了优化。在原 BTree 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 BTree提高区间访问的性能。 Hash
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。 特点 Hash索引只能用于对等比较、in不支持范围查询betwwn、、、... 无法利用索引完成排序操作 查询效率高通常只需要一次检索就可以了效率通常要高于 BTree 索引
存储引擎支持 Memory InnoDB: 具有自适应hash功能hash索引是存储引擎根据 BTree 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 BTree 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也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 相对于 Hash 索引BTree 支持范围匹配及排序操作
索引分类
分类含义特点关键字主键索引针对于表中主键创建的索引默认自动创建只能有一个PRIMARY唯一索引避免同一个表中某数据列中的值重复可以有多个UNIQUE常规索引快速定位特定数据可以有多个全文索引全文索引查找的是文本中的关键词而不是比较索引中的值可以有多个FULLTEXT
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
分类含义特点聚集索引(Clustered Index)将数据存储与索引放一块索引结构的叶子节点保存了行数据必须有而且只有一个二级索引(Secondary Index)将数据与索引分开存储索引结构的叶子节点关联的是对应的主键可以存在多个
演示图 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
思考题
1. 以下 SQL 语句哪个执行效率高为什么
select * from user where id 10;
select * from user where name Arm;
-- 备注id为主键name字段创建的有索引
答第一条语句因为第二条需要回表查询相当于两个步骤。
2. InnoDB 主键索引的 BTree 高度为多少
答假设一行数据大小为1k一页中可以存储16行这样的数据。InnoDB 的指针占用6个字节的空间主键假设为bigint占用字节数为8. 可得公式n * 8 (n 1) * 6 16 * 1024其中 8 表示 bigint 占用的字节数n 表示当前节点存储的key的数量(n 1) 表示指针数量比key多一个。算出n约为1170。
如果树的高度为2那么他能存储的数据量大概为1171 * 16 18736 如果树的高度为3那么他能存储的数据量大概为1171 * 1171 * 16 21939856。
另外如果有成千上万的数据那么就要考虑分表涉及运维篇知识。
语法
创建索引 CREATE [ UNIQUE | FULLTEXT ] INDEX index_name ON table_name (index_col_name, ...); 如果不加 CREATE 后面不加索引类型参数则创建的是常规索引
查看索引 SHOW INDEX FROM table_name;
删除索引 DROP INDEX index_name ON table_name;
案例
-- 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手机号字段的值非空且唯一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_pro_age_stat 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);
-- 删除索引
drop index idx_user_email on tb_user;
使用规则
最左前缀法则
如果索引关联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部分失效后面的字段索引失效。
联合索引中出现范围查询, 范围查询右侧的列索引失效。可以用或者来规避索引失效问题。
索引失效情况 在索引列上进行运算操作索引将失效。如explain select * from tb_user where substring(phone, 10, 2) 15; 字符串类型字段使用时不加引号索引将失效。如explain select * from tb_user where phone 17799990015;此处phone的值没有加引号 模糊查询中如果仅仅是尾部模糊匹配索引不会是失效如果是头部模糊匹配索引失效。如explain select * from tb_user where profession like %工程;前后都有 % 也会失效。 用 or 分割开的条件如果 or 其中一个条件的列没有索引那么涉及的索引都不会被用到。 如果 MySQL 评估使用索引比全表更慢则不使用索引。
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。
例如使用索引 explain select * from tb_user use index(idx_user_pro) where profession软件工程; 不使用哪个索引 explain select * from tb_user ignore index(idx_user_pro) where profession软件工程; 必须使用哪个索引 explain select * from tb_user force index(idx_user_pro) where profession软件工程;
use 是建议实际使用哪个索引 MySQL 还会自己权衡运行速度去更改force就是无论如何都强制使用该索引。
覆盖索引回表查询
尽量使用覆盖索引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找到减少 select *。
explain 中 extra 字段含义 using index condition查找使用了索引但是需要回表查询数据 using where; using index;查找使用了索引但是需要的数据都在索引列中能找到所以不需要回表查询
如果在聚集索引中直接能找到对应的行则直接返回行数据只需要一次查询哪怕是select *如果在辅助索引中找聚集索引如select id, name from xxx where namexxx;也只需要通过辅助索引(name)查找到对应的id返回name和name索引对应的id即可只需要一次查询如果是通过辅助索引查找其他字段则需要回表查询如select id, name, gender from xxx where namexxx;
所以尽量不要用select *容易出现回表查询降低效率除非有联合索引包含了所有字段
面试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 usernameitcast;
解给username和password字段建立联合索引则不需要回表查询直接覆盖索引
前缀索引
当字段类型为字符串varchar, text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降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。
语法create index idx_xxxx on table_name(columnn(n)); 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。 求选择性公式
select count(distinct email) / count(*) from tb_user;
select count(distinct substring(email, 1, 5)) / count(*) from tb_user;
show index 里面的sub_part可以看到接取的长度
单列索引联合索引
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。
单列索引情况 explain select id, phone, name from tb_user where phone 17799990010 and name 韩信; 这句只会用到phone索引字段
注意事项 多条件联合查询时MySQL优化器会评估哪个字段的索引效率更高会选择该索引完成本次查询
设计原则 针对于数据量较大且查询比较频繁的表建立索引 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 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 如果是字符串类型的字段字段长度较长可以针对于字段的特点建立前缀索引 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 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就越大会影响增删改的效率 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
普通插入 采用批量插入一次插入的数据不建议超过1000条 手动提交事务 主键顺序插入
大批量插入 如果一次性需要插入大批量数据使用insert语句插入性能较低此时可以使用MySQL数据库提供的load指令插入。
# 客户端连接服务端时加上参数 --local-infile这一行在bash/cmd界面输入
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;
select local_infile;
# 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;
主键优化
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, IOT
页分裂页可以为空也可以填充一般也可以填充100%每个页包含了2-N行数据如果一行数据过大会行溢出根据主键排列。 页合并当删除一行记录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。当页中删除的记录到达 MERGE_THRESHOLD默认为页的50%InnoDB会开始寻找最靠近的页前后看看是否可以将这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创建索引时指定 文字说明不够清晰明了具体可以看视频里的PPT演示过程33. 进阶-SQL优化-主键优化_哔哩哔哩_bilibili 主键设计原则 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 做主键或者是其他的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 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
如果order by字段全部使用升序排序或者降序排序则都会走索引但是如果一个字段升序排序另一个字段降序排序则不会走索引explain的extra信息显示的是Using index, Using filesort如果要优化掉Using filesort则需要另外再创建一个索引如create index idx_user_age_phone_ad on tb_user(age asc, phone desc);此时使用select id, age, phone from tb_user order by age asc, phone desc;会全部走索引
总结 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 在分组操作时可以通过索引来提高效率 分组操作时索引的使用也是满足最左前缀法则的
如索引为idx_user_pro_age_stat则句式可以是select ... where profession order by age这样也符合最左前缀法则
limit优化
常见的问题如limit 2000000, 10此时需要 MySQL 排序前2000000条记录但仅仅返回2000000 - 2000010的记录其他记录丢弃查询排序的代价非常大。 优化方案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
例如
-- 此语句耗时很长
select * from tb_sku limit 9000000, 10;
-- 通过覆盖索引加快速度直接通过主键索引进行排序及查询
select id from tb_sku order by id limit 9000000, 10;
-- 下面的语句是错误的因为 MySQL 不支持 in 里面使用 limit
-- select * from tb_sku where id in (select id from tb_sku order by id limit 9000000, 10);
-- 通过连表查询即可实现第一句的效果并且能达到第二句的速度
select * from tb_sku as s, (select id from tb_sku order by id limit 9000000, 10) as a where s.id a.id;
count优化
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前提是不适用where InnoDB 在执行 count(*) 时需要把数据一行一行地从引擎里面读出来然后累计计数。 优化方案自己计数如创建key-value表存储在内存或硬盘或者是用redis
count的几种用法 如果count函数的参数count里面写的那个字段不是NULL字段值不为NULL累计值就加一最后返回累计值 用法count(*)、count(主键)、count(字段)、count(1) count(主键)跟count(*)一样因为主键不能为空count(字段)只计算字段值不为NULL的行count(1)引擎会为每行添加一个1然后就count这个1返回结果也跟count(*)一样count(null)返回0
各种用法的性能 count(主键)InnoDB引擎会遍历整张表把每行的主键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空 count(字段)没有not null约束的话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约束的话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(1)InnoDB 引擎遍历整张表但不取值。服务层对于返回的每一层放一个数字 1 进去直接按行进行累加 count(*)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进行累加
按效率排序count(字段) count(主键) count(1) count(*)所以尽量使用 count(*)
update优化避免行锁升级为表锁
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。
如以下两条语句 update student set no 123 where id 1;这句由于id有主键索引所以只会锁这一行 update student set no 123 where name test;这句由于name没有索引所以会把整张表都锁住进行数据更新解决方法是给name字段添加索引
