# Mysql 实战45讲 ## 一条SQL查询语句执行过程 ### MYSQL 基本架构 ![image-20211101161431695](E:\YWJL\任务总览\之后要看的东西\mysql\mysql实战45讲.assets\image-20211101161431695.png) 存储引擎的选择，默认，innodb 连接器，长连接，短连接，爆内存，权限认证（拍照机制） 查询缓存，key-value映射。key是语句，value是查询结果 分析器，提取字段，比如把select后面跟着的东西提取出来。参数提取完成后，执行语法分析，看看sql语句是否满足。 优化器，选择最后的查询语句。比如在表里面有多个索引的时候，决定使用哪个索引 执行器，先判断权限是否满足，然后执行语句 ## 日志系统，sql更新语句执行过程 **查询语句的那一套流程，更新语句也是同样会走一遍。** **更新语句会涉及两个重要的日志模块：redo log 和binlog** **redo log 和 binlog 区别** **更新语句执行流程** **两阶段提交机制** ### redo log 引擎层，是InnoDB引擎特有的日志。 参考酒店老板，账本，粉笔板，赊欠事件。 当赊欠的人少（更新操作较少），酒店老板就对账本完成赊欠的记录操作（即数据更新），而当赊欠的人很多，老板忙不过来的时候，会先把操作记录在粉笔板上，等闲下来再针对粉笔板上的记录，进行账本的更新。 这里把赊账记录在粉笔板上，就相当于服务器将更新操作，记录在redo log 中。redo log 是物理日志，记录的是“在某个数据页上做了什么修改”。 而当老板持续一段时间都特别忙，粉笔板上写满了赊欠的人，写不下后，老板会停止“把赊欠记录写在粉笔板”这一行为，会把粉笔板上的记录与账本中核对，进行更新操作。然后后粉笔版清除，这样就能继续记了。 所以，当一段时间mysql更新语句的操作量都非常大的话，后面会有一段时间，mysql的吞吐量急剧减小（执行redo log 的日志更新），这就涉及到一个问题：更新不实时，会有影响的吧！ ### binlog Server层的日志，binlog(归档日志) binlog 是逻辑日志，记录的是这个语句的原始逻辑，比如“给 ID=2 这一行的 c 字段加 1 ” 因为最开始 MySQL 里并没有 InnoDB 引擎。MySQL 自带的引擎是 MyISAM，但是 MyISAM 没有 crash-safe 的能力，binlog 日志只能用于归档。而 InnoDB 是另一个公司以插件形式引入 MySQL 的，既然只依靠 binlog 是没有 crash-safe 能力的，所以 InnoDB 使用另外一套日志系统——也就是 redo log 来实现 crash-safe 能力。 ### redo log 与 binlog的区别 这两种日志有以下三点不同。 1. redo log 是 InnoDB 引擎特有的；binlog 是 MySQL 的 Server 层实现的，所有引擎都可以使用。 2. redo log 是物理日志，记录的是“在某个数据页上做了什么修改”；binlog 是逻辑日志，记录的是这个语句的原始逻辑，比如“给 ID=2 这一行的 c 字段加 1 ”。 3. redo log 是循环写的，空间固定会用完；binlog 是可以追加写入的。“追加写”是指 binlog 文件写到一定大小后会切换到下一个，并不会覆盖以前的日志。 ### *redo log 两阶段提交机制* ## 事务隔离 **事务一致性** **ACID（Atomicity、Consistency、Isolation、Durability，即原子性、一致性、隔离性、持久性）** ## 索引 ### mysql B+ 树 MySQL的存储结构 表存储结构 单位：表>段>区>页>行 在数据库中， 不论读一行，还是读多行，都是将这些行所在的页进行加载。也就是说存储空间的基本单位是页。 一个页就是一棵树B+树的节点，数据库I/O操作的最小单位是页，与数据库相关的内容都会存储在页的结构里。 B+树索引结构 在一棵B+树中，每个节点为都是一个页，每次新建节点的时候，就会申请一个页空间 同一层的节点为之间，通过页的结构构成了一个双向链表 非叶子节点为，包括了多个索引行，每个索引行里存储索引键和指向下一层页面的指针 叶子节点为，存储了关键字和行记录，在节点内部(也就是页结构的内部)记录之间是一个单向的表 B+树页节点结构 有以下几个特点 将所有的记录分成几个组， 每组会存储多条记录， 页目录存储的是槽(slot)，槽相当于分组记录的索引，每个槽指针指向了不同组的最后一个记录 我们通过槽定位到组，再查看组中的记录 页的主要作用是存储记录，在页中记录以单链表的形式进行存储。 单链表优点是插入、删除方便，缺点是检索效率不高，最坏的情况要遍历链表所有的节点。因此页目录中提供了二分查找的方式，来提高记录的检索效率。 B+树的检索过程 我们再来看下B+树的检索过程 从B+树的根开始，逐层找到叶子节点。 找到叶子节点为对应的数据页，将数据叶加载到内存中，通过页目录的槽采用二分查找的方式先找到一个粗略的记录分组。 在分组中通过链表遍历的方式进行记录的查找。 为什么要用B+树索引 数据库访问数据要通过页，一个页就是一个B+树节点，访问一个节点相当于一次I/O操作，所以越快能找到节点，查找性能越好。 B+树的特点就是够矮够胖，能有效地减少访问节点次数从而提高性能。 下面，我们来对比一个二叉树、多叉树、B树和B+树。 二叉树 二叉树是一种二分查找树，有很好的查找性能，相当于二分查找。 但是当N比较大的时候，树的深度比较高。数据查询的时间主要依赖于磁盘IO的次数，二叉树深度越大，查找的次数越多，性能越差。 最坏的情况是退化成了链表，如下图 为了让二叉树不至于退化成链表，人们发明了AVL树(平衡二叉搜索树)：任何结点的左子树和右子树高度最多相差1 多叉树 多叉树就是节点可以是M个，能有效地减少高度，高度变小后，节点变少I/O自然少，性能比二叉树好了 B树 B树简单地说就是多叉树，每个叶子会存储数据，和指向下一个节点的指针。 例如要查找9，步骤如下 我们与根节点的关键字 (17，35)进行比较，9 小于 17 那么得到指针 P1； 按照指针 P1 找到磁盘块 2，关键字为(8，12)，因为 9 在 8 和 12 之间，所以我们得到指针 P2； 按照指针 P2 找到磁盘块 6，关键字为(9，10)，然后我们找到了关键字 9。 B+树 B+树是B树的改进，简单地说是：只有叶子节点才存数据，非叶子节点是存储的指针；所有叶子节点构成一个有序链表 例如要查找关键字16，步骤如下 与根节点的关键字 (1，18，35) 进行比较，16 在 1 和 18 之间，得到指针 P1(指向磁盘块 2) 找到磁盘块 2，关键字为(1，8，14)，因为 16 大于 14，所以得到指针 P3(指向磁盘块 7) 找到磁盘块 7，关键字为(14，16，17)，然后我们找到了关键字 16，所以可以找到关键字 16 所对应的数据。 B+树与B树的不同： B+树非叶子节点不存在数据只存索引，B树非叶子节点存储数据 B+树使用双向链表串连所有叶子节点，区间查询效率更高，因为所有数据都在B+树的叶子节点，但是B树则需要通过中序遍历才能完成查询范围的查找。 B+树每次都必须查询到叶子节点才能找到数据，而B树查询的数据可能不在叶子节点，也可能在，这样就会造成查询的效率的不稳定 B+树查询效率更高，因为B+树矮更胖，高度小，查询产生的I/O最少。 这就是MySQL使用B+树的原因，就是这么简单！