MySQL

MySQL官网：https://www.mysql.com (opens new window)

一、数据库

SQL语言

SQL Structured Query Language 结构化查询语言

DDL 数据定义语言

DML 数据操作语言

DCL 数据控制语言

DQL 数据查询语言

结构化查询语言（Structured Query Language）简称SQL，是一种数据库查询语言。

作用：用于存储数据、查询、更新和管理关系数据库系统。

SQL语言包括数据定义(DDL)、数据操纵(DML),数据控制(DCL)和数据查询（DQL）四个部分。

• DDL 数据定义语言 针对表

  包括CREATE ALTER DROP

• DML 数据操作语言 针对数据

  包括INSERT UPDATE DELETE

数据库三大范式

• 第一范式：列不可分，每列都是不可再分的最小数据单元 ；

• 第二范式：不存在部分依赖，（只有一个业务主键）行可以唯一区分，主键约束 ；

  首先满足第一范式，并且表中非主键列不存在对主键的部分依赖。 第二范式要求每个表只描述一件事情。

• 第三范式：不存在传递依赖，（确保其他列和主键直接相关）表的非主键属性不能依赖与其他表的非主键属性 外键约束 ；

  第三范式定义是，满足第二范式，并且表中的列不存在对非主键列的传递依赖。

三大范式是一级一级依赖的，第二范式建立在第一范式上，第三范式建立第一第二范式上 。

JDBC

JDBC，Java数据库连接，是一种用于执行SQL语句的Java API。

JDBC访问数据库步骤：

1、注册驱动；

2、建立数据库连接Connection；

3、获取SQL命令发布器Statement；

4、创建SQL语句；

5、发布SQL命令，返回结果ResultSet；

6、便利显示结果，关闭连接。

事务

事务是一组原子性的SQL查询，或者是一个独立的工作单元。

ACID

A Atomicity 原子性

C Consistency 一致性

I Isolation 隔离性

D Durability 持久性

• A——原子性，操作要么一起提交，要么一起回滚；

• C——一致性，数据状态的一致性；一旦事务完成（不管成功还是失败），系统必须确保它所建模的业

  务处于一致的状态；

• I——隔离性，事务之间互不影响。一个事务所做的修改，在提交前，对其他事务不可见；（MVCC保证事务的隔离性）

• D——持久性，事务提交后，修改记录永久保存到数据库。（redo日志保证事务的持久性）

ACID靠什么保证

• A: 原子性由undo log日志来保证；在undo log日志中，记录了用于回滚的行记录，用于事务的回滚，从而保证了事务的原子性。

• C：一致性是由其他三大特性来保证；满足了其他三大特性，也就保证了业务的一致性。

• I：隔离性由MVCC来保证；

• D：持久性由内存 + redo log日志 + binlog日志来保证；

  mysql在写入数据时，会在内存BufferPoll缓存池、redo log日志、binlog日志 中都进行记录。

  先将行记录更新至BufferPool进行缓存，再写入redo日志，再把记录写入binlog日志后，将redo日志中记录进行commit标记，而后提交事务；而缓存池BufferPool中的数据，会以Page为单位，随机写入磁盘持久化。

MySQL事务的隔离级别

READ UNCOMMITTED 未提交读

READ COMMITTED 读已提交

REPEATABLE READ（RR ） 可重复读

SERIALIZABLE 串行化

Oirty Read 脏读

在SQL标准中，定义了四种个隔离级别。

• 未提交读

  事务可以读取未提交的数据。——可能出现脏读

• 读已提交

  一个事务只能看见已提交事务所做的修改。——解决了脏读，可能出现不可重复读

• 可重复读 RR（默认）

  是MySQL默认的隔离级别。

  保证了在同一个事务中，多次读取同样记录的结果是一致的。——解决了不可重复读，可能出现幻读

  InnoDB存储引擎通过MVCC来解决幻读问题。

• 串行化

  强制事务串行执行，会在读取的每一行数据都加锁。

查看事务隔离级别

MySQL 5.x 使用如下命令查看 MySQL 隔离级别：

SELECT @@GLOBAL.tx_isolation, @@tx_isolation;

全局隔离级别和当前会话隔离级别皆是如此。

MySQL 8 开始，通过如下命令查看 MySQL 默认隔离级别：

SELECT @@GLOBAL.transaction_isolation, @@transaction_isolation;

修改隔离级别

通过如下命令可以修改隔离级别（建议开发者在修改时修改当前 session 隔离级别即可，不用修改全局的隔离级别）：

SET SESSION TRANSACTION ISOLATION LEVEL READ UNCOMMITTED

上面这条 SQL 表示将当前 session 的数据库隔离级别设置为 READ UNCOMMITTED，设置成功后，再次查询隔离级别，发现当前 session 的隔离级别已经变了。

注意，如果只是修改了当前 session 的隔离级别，则换一个 session 之后，隔离级别又会恢复到默认的隔离级别，所以我们测试时，修改当前 session 的隔离级别即可。

视图

视图是一种虚拟的表，具有和物理表相同的功能。可以对视图进行增，改，查，操作。

视图通常是有一个表或者多个表的行或列的子集。对视图的修改不影响基本表，它使得我们获取数据更容易。

内联接

内联接（Inner Join）：匹配2张表中相关联的记录。

外联接

左外联接（Left Outer Join）：除了匹配2张表中相关联的记录外，还会匹配左表中剩余的记录，右表中未匹配到的字段用NULL表示。

右外联接（Right Outer Join）：除了匹配2张表中相关联的记录外，还会匹配右表中剩余的记录，左表中未匹配到的字段用NULL表示。

在判定左表和右表时，要根据表名出现在Outer Join的左右位置关系。

锁

当数据库有并发事务的时候，可能会产生数据的不一致，这时候需要一些机制来保证访问的次序，锁机制就是这样的一个机制。

锁分类

按分类

• 乐观锁

• 悲观锁

按锁的类别

• 共享锁（读锁）
• 排他锁（写锁）

按锁的粒度分类

• 行级锁
• 表级锁
• 页级锁

乐观锁

乐观锁认为一个用户读数据的时候，别人不会去写自己所读的数据；悲观锁就刚好相反，觉得自己读数据库的时候，别人可能刚好在写自己刚读的数据，其实就是持一种比较保守的态度；时间戳就是不加锁，通过时间戳来控制并发出现的问题。

悲观锁

悲观锁就是在读取数据的时候，为了不让别人修改自己读取的数据，就会先对自己读取的数据加锁，只有自己把数据读完了，才允许别人修改那部分数据，或者反过来说，就是自己修改某条数据的时候，不允许别人读取该数据，只有等自己的整个事务提交了，才释放自己加上的锁，才允许其他用户访问那部分数据。

共享锁（读锁）和排它锁（写锁）是悲观锁的不同的实现

共享锁

共享锁又叫做读锁，所有的事务只能对其进行读操作不能写操作，加上共享锁后在事务结束之前 其他事务只能再加共享锁，除此之外其他任何类型的锁都不能再加了。

当用户要进行数据的读取时，对数据加上共享锁。共享锁可以同时加上多个。

排他锁

排他锁又叫做写锁。 当用户要进行数据的写入时，对数据加上排他锁。排他锁只可以加一个，他和其他的排他锁，共享锁都相斥。

行级锁

行级锁 行级锁是Mysql中锁定粒度最细的一种锁，表示只针对当前操作的行进行加锁。行级锁能大大减少数据库操作的冲突。其加锁粒度最小，但加锁的开销也最大。行级锁分为共享锁 和 排他锁。

特点：开销大，加锁慢；会出现死锁；锁定粒度最小，发生锁冲突的概率最低，并发度也最高。

InnoDB 的行锁是在有索引的情况下，没有索引的表会升级为表锁，是锁定全表的。

表级锁

表级锁 表级锁是MySQL中锁定粒度最大的一种锁，表示对当前操作的整张表加锁，它实现简单，资源消耗较少，被大部分MySQL引擎支持。最常使用的MYISAM与INNODB都支持表级锁定。表级锁定分为表共享读锁（共享锁）与表独占写锁（排他锁）。

特点：开销小，加锁快；不会出现死锁；锁定粒度大，发出锁冲突的概率最高，并发度最低。

页级锁

页级锁 页级锁是MySQL中锁定粒度介于行级锁和表级锁中间的一种锁。表级锁速度快，但冲突多，行级冲突少，但速度慢。所以取了折衷的页级，一次锁定相邻的一组记录。

特点：开销和加锁时间界于表锁和行锁之间；会出现死锁；锁定粒度界于表锁和行锁之间，并发度一般。

总结：InnoDB实现了行级锁，页级锁，表级锁。他们的加锁开销从大到小，并发能力也是从大到小。

死锁

两个或两个以上事务在同一资源上相互占用，导致都等待对方释放锁。

产生原因：

1、真正的数据冲突；

2、存储引擎的实现方式导致；

解决：

InnoDB解决死锁的方法——死锁回滚法，将最少行级排他锁的事务进行回滚。

大多数情况MySQL可以自动检测死锁并回滚产生死锁的那个事务，但是有些情况MySQL没法自动检测死锁 。

测试死锁：

set tx_isolation='repeatable-read'; 
Session_1执行：select * from account where id=1 for update; 
Session_2执行：select * from account where id=2 for update; 
Session_1执行：select * from account where id=2 for update; 
Session_2执行：select * from account where id=1 for update; 

查看近期死锁日志信息：

show engine innodb status\G;

查看INFORMATION_SCHEMA系统库锁相关数据表：

‐‐ 查看事务
select * from INFORMATION_SCHEMA.INNODB_TRX;
‐‐ 查看锁
select * from INFORMATION_SCHEMA.INNODB_LOCKS;
‐‐ 查看锁等待
select * from INFORMATION_SCHEMA.INNODB_LOCK_WAITS;

‐‐ 释放锁，trx_mysql_thread_id可以从INNODB_TRX表里查看到
kill trx_mysql_thread_id

‐‐ 查看锁等待详细信息
show engine innodb status\G;

锁优化建议

1. 尽可能让所有数据检索都通过索引来完成，避免无索引使得行锁升级为表锁；
2. 合理设计索引，尽量缩小锁的范围；
3. 尽可能减少检索条件范围，避免间隙锁；
4. 尽量控制事务大小，减少锁定资源量和时间长度，涉及事务加锁的SQL尽量放在事务最后执行；
5. 尽可能低级别事务隔离。

二、MySQL逻辑架构

三层架构

• 第一层：客户端——授权认证
• 第二层：服务器层——查询解析、分析、优化、缓存、存储过程、视图、触发器、表的定义。
• 第三层：存储引擎层——数据的存储和提取、索引、事务、行级锁

三、数据结构

Data Structure Visualizations 数据结构可视化

数据结构可视化网址 (opens new window)

• 二叉树
• 红黑树（二叉平衡树）
• B Tree
• B + Tree
• Hash

二叉树

Binary Search Tree

二叉树线上可视化网址 (opens new window)

特点

• 只有一个根节点；
• 每个节点只有2个子节点；
• 左边的节点比它小，称为左子树；右边的节点比它大，称为右子树。
• 最后一层节点称为叶子节点。

不足

对于单边递增的列，用二叉树存储即相当于链表，不可取。

红黑树

Red/Black Tree

红黑树，又称二叉平衡树。是在二叉树的基础上，通过特定操作，保持二叉树的平衡。

红黑树线上可视化网址 (opens new window)

特点

• 根节点是黑色，子节点是红色或黑色。
• 每个红色节点上的2个子节点都是黑色。
• 从根节点到叶子不能有2个连接的红色节点。
• 所有最长的路径都有相同数据的黑色节点。

不足

对于大数据，红黑树的高度不可控，不可取。

B Tree

B balance 平衡

多路搜索树

B Tree树线上可视化网址 (opens new window)

特点

• 所有索引元素不重复；
• 节点中的数据索引从左到右递增排列；
• 叶子节点具有相同的深度，且指针为空；
• 每个节点下存储对应的data。

不足

当data数据过大，将导致每一页的节点数变小，则导致树的深度增大。

B + Tree

B + Tree树线上可视化网址 (opens new window)

特点

• 所有索引元素可重复（冗余）；

• 非叶子节点不存储data；

• 所有data或者key都存储在叶子节点；

  • 聚簇索引：叶子节点保存所有索引字段；
  • 非聚簇索引：只存储了当前key的值；

• 叶子节点之间用指针连接，提高区间访问性能；

• B+Tree的高度一般在2~4层；

• 所有值都按顺序存储；

• 每一个叶子到根节点的距离相等。

Hash结构

对索引的KEY进行HASH计算，从而定位出数据存储的位置。

不足

• 不支持范围查询：仅能满足等于（=）、包含（IN）这些等值查询，不支持范围查询。
• 不支持排序：不支持使用索引进行排序。
• 回表查询：Hash索引必须进行回表查询数据。

四、存储引擎

主要存储引擎：

• MyISAM
• InnoDB

存储引擎最终作用于表上，针对表进行区分。

MyISAM

在MySQL5.1之前，MyISAM是默认的存储引擎。

特性

• 全文索引，支持BLOB和TEXT的前500个字符索引，支持全文索引；
• 压缩表，对于不会进行修改的表，支持压缩表，极大减少磁盘空间占用；
• 支持延迟更新索引，极大提升写入性能；
• 在表有读取查询的同时，支持往表中插入新纪录；

缺点

• 不支持事务；
• 不支持行级锁，读取时对需要读到的所有表加锁，写入时则对表加排它锁；
• 不支持外键；
• 崩溃后无法安全恢复，

存储

将表存储在3个文件：

1. 数据表结构（定义）文件—— .frm文件
2. 数据文件—— .MYD文件
3. 索引文件—— .MYI文件

MyISAM索引结构

非聚簇索引（主键索引和非主键索引都是该结构）

叶子节点只包含了主键对应数据的地址，索引和数据分开存储。

InnoDB

MySQL（5.1+），InnoDB是默认的事务型引擎。

特性

四大特性：

• 插入缓冲 insert buffer
• 二次写 double write
• 自适应哈希索引 ahi
• 预读 read ahead

其他特性：

事务、行级锁、自动崩溃恢复、基于聚簇索引、用MVCC来支持高并发。

存储

每个表有2个文件：

• 表结构文件—— .frm
• 数据索引文件—— .ibd

数据文件是按B+Tree组织的一个索引结构文件。

每建一个索引，在.ibd文件中就加一个B+Tree组织的结构数据。

InnoDB索引结构

• 聚簇索引结构（主键索引）

  一张表最多只有一个聚簇索引。

  叶子节点包含了完整的数据记录。

  

• 二级索引机构（非主键索引）

  InnoDB的二级索引的叶子节点存储的是聚簇索引的KEY。目的是为了数据一致性和节省存储空间。

  

InnoDB-页(Page)

InnoDB存储引擎中有页（Page）的概念，页是其磁盘管理的最小单位。InnoDB默认每一个页的大小为16KB（16384字节），可通过参数查看show global status like 'Innodb_page_size';

五、索引

索引，是帮助MySQL高效获取数据的一种排好序的数据结构。

索引是在存储引擎层。

索引设计的原则

索引，是为了查询更快，占用空间更小。设计时，要遵循代码先行，索引后上。

索引设计原则：

1. 索引很好，但不可无限制使用；
2. 适合索引的列是出现在where子句、join子句、group by子句、order by子句；
3. 较频繁查询条件的字段才去创建索引；
4. 频繁修改的字段不去创建索引；
5. 最左前缀匹配原则；
6. 数量小的表不必建索引；
7. 小基数字段不建索引；
8. 长字符串采用前缀索引，大文本字段不建索引；
9. 尽量使用联合索引，一张表可建立2~3个联合索引（读多写少）；
10. 要根据实际业务，读多写也多，则需考虑DML操作时的性能；

索引优点

• 索引将随机I/O变为顺序I/O；
• 索引大大减少了服务器需要扫描的数据量；
• 索引可以帮助服务器避免文件排序（file sort）和临时表；

索引影响

索引不是万能的，不要过度依赖索引。

索引需要额外的磁盘空间，并且会降低写操作的性能。

在DML操作时，索引会进行更新甚至重构；索引列越多，这个时间将越长。DML操作将多付出4~5次磁盘I/O。

​

索引类型

按数据结构分

• 聚簇索引

  一张表只有一个聚簇索引。

  聚簇索引是只将索引和数据存储在一起，找到索引也就找到了数据。

• 非聚簇索引

  非聚簇索引是将索引和数据分开存储。索引结构的叶子节点指向数据的对应行，若要找到全部数据，需要进行二次查找（回表）。

按字段分

• 主键索引

  由主键字段构建的索引结构。

• 辅助索引

  由非主键字段构建的索引结构。

• 二级索引

  由非主键字段构建的索引结构（单字段）。

• 联合索引、多列索引

  由多个字段联合构建的索引结构。若要命中联合索引，需按照构建索引时的顺序挨个检索。

• 前缀索引

  使用字段值的前几个字符建立的索引。可以使用left(col, n)/ count(*)来计算选出最合适的长度，进行前缀截取。

最左前缀原则

最左优先，在创建多列索引时，将使用最频繁的一列放在左边。

最左前缀匹配原则：

• 从左至右一直匹配，直到遇到范围查询停止匹配。

当只有等值查询时，建立多列索引顺序可任意。因为MySQL查询优化器会帮你优化成索引建立的顺序。

覆盖索引

一般指在联合索引中，是指一种现象。

当使用select查询的字段，在联合索引就全部包含了，不需要再回表查询其他字段了。这种情况称之为覆盖索引。

覆盖索引一般针对的是辅助索引，整个查询结果只通过辅助索引就能拿到结果，不需要通过辅助索引树找到主键，再通过主键去主键索引树里获取其它字段值 。

trace工具

trace可用于查看cost成本，选择cost值较小的建立索引。

• 局部会话开启trace

  ‐‐开启trace
  set session optimizer_trace="enabled=on",end_markers_in_json=on; 
  

• 在每次查询时查看trace

  select * from employees where name > 'a' order by position;
  SELECT * FROM information_schema.OPTIMIZER_TRACE;
  

索引优化实践

ICP Index Condition Pushdown 索引下推

1. 全值匹配，对索引中所有列都指定具体值；

2. 最左前缀原则；

3. 不要在索引列上进行函数等运算操作，会导致索引失效，从而转向全表扫描；

4. 尽量使用覆盖索引，减少使用select * from 的情况；

5. 使用不等于条件时（!= 或者 <>）可能不使用索引，从而转向全表扫描；

6. is null、is not null一般无法使用索引；

7. like语句以通配符（%abc..）开头时，无法使用索引；

8. 字段类型为数值，则查询值类型也设置为数值，若为字符串，则加单引号；

   where age = 20 and name = 'ccc';
   

9. 少用or或者in，因为不一定使用索引，MySQL内部会用cost成本计算评估是否使用索引。

10. 范围查询，数据量太大，可拆分为多个小范围的查询条件进行优化；

11. 索引下推（ICP）：联合索引中，对所包含的所有字段先判断，再回表，将有效减少回表次数。

12. where与order by，优先考虑wehere条件使用索引；

13. 先整合业务，再设计索引，多用联合索引，尽可能使用2~3个联合索引，抗下90%的查询，确保大多数SQL都可利用二级索引；

索引使用案例

Mysql表索引类型

索引类型	描述
FULLTEXT	全文搜索索引
MORMAL	普通索引
SPATIAL	空间索引
UNIQUE	唯一索引

索引命名规范：

• 主键索引名为pk_字段名；
• 唯一索引名为uk_字段名；
• 普通索引名为idx_字段名；

六、explain工具

使用explain关键字可以模拟优化器执行SQL语句，分析你的查询语句、结构的性能瓶颈，返回该SQL执行计划的信息。

在 select 语句之前增加 explain 关键字，MySQL 会在查询上设置一个标记，执行查询会返回执行计划的信息，而不是执行这条SQL。

Explain分析示例：参考官方文档 (opens new window)

explain使用

explain select * from sys_user;

explain 两个变种：explain extended、explain partitions

• explain extended

 explain extended select * from sys_user where id = 1;
 show warnings;

会在 explain 的基础上额外提供一些查询优化的信息。

紧随其后通过 show warnings 命令可以得到优化后的查询语句，从而看出优化器优化了什么。

额外还有 filtered 列，是一个半分比的值，rows *filtered/100 可以估算出将要和 explain 中前一个表进行连接的行数（前一个表指 explain 中的id值比当前表id值小的表）。

• explain partitions

explain partitions select * from sys_user where id = 1;

相比 explain 多了个 partitions 关键字，如果查询是基于分区表的话，会显示查询将访问的分区。

explain说明

以下为explain 展示列的信息。

1、id列

id列的编号是 select 的序列号，有几个 select 就有几个id，并且id的顺序是按 select 出现的顺序增长的。

id列越大执行优先级越高，id相同则从上往下执行，id为NULL最后执行。

2、select_type列

select_type 表示对应行是简单还是复杂的查询。

• simple：简单查询，查询不包含子查询和union
• primary：复杂查询中最外层的 select
• subquery：包含在 select 中的子查询
• derived：包含在 from 子句中的子查询。MySQL会将结果存放在一个临时表中，也称为派生表（derived的英文含义）
• union：在 union 中的第二个和随后的 select。

3、table列

这一列表示 explain 的一行正在访问哪个表。

• 当 from 子句中有子查询时，table列是 （derivenN） 格式，表示当前查询依赖 id=N 的查询，于是先执行 id=N 的查询。
• 当有 union 时，UNION RESULT 的 table 列的值为（union1,2），1和2表示参与 union 的 select 行id。

4、type列

这一列表示关联类型或访问类型。即MySQL决定如何查找表中的行，查找数据行记录的大概范围。

依次从最优到最差分别为：

system > const > eq_ref > ref > range > index > ALL

一般来说，得保证查询达到range级别，最好达到ref。

1. NULL：mysql能够在优化阶段分解查询语句，在执行阶段用不着再访问表或索引。

   例如：在索引列中选取最小值，可以单独查找索引来完成，不需要在执行时访问表。

    explain select min(id) from sys_user;
   

2. const：mysql能对查询的某部分进行优化并将其转化成一个常量（可以看show warnings 的结果）。

   用于primary key 或 unique key 的列与常数比较时，匹配结果只有一行数据；读取1次，速度比较快。

   select * from sys_user where id = 1;
   

3. system：system是const的特例，表里只有一行数据，type为system 。

4. eq_ref：唯一索引（primary key 或 unique key ）索引的字段被联接使用（on）。

   explain select * from rel_user_role left join sys_user on rel_user_role.user_id = sys_user.id;
   

5. ref：相比 eq_ref，不使用唯一索引，而是使用普通索引或者唯一索引的部分前缀，索引要和某个值相比较，可能会找到多个符合条件的行。

   • 简单 select 查询，real_name是普通索引（非唯一索引）

   explain select * from sys_user where real_name = '超级管理员';
   

   • 关联表查询，idx_film_actor_id是film_id和actor_id的联合索引，这里使用到了film_actor的左边前缀film_id部分。

    explain select film_id from film left join film_actor on film.id = film_actor.fi
   lm_id;
   

6. range：范围扫描通常出现在 in(), between ,> ,<, >= 等操作中。使用一个索引来检索给定范围的行。

   explain select * from sys_user where id > 1;
   

7. index：扫描全索引就能拿到结果。

   一般是扫描某个二级索引，这种扫描不会从索引树根节点开始快速查找，而是直接对二级索引的叶子节点遍历和扫描，速度还是比较慢的，这种查询一般为使用覆盖索引，二级索引一般比较小，所以这种通常比ALL快一些。

   explain select id, username from sys_user;
   

8. ALL：即全表扫描，扫描聚簇索引的所有叶子节点。通常情况下这需要增加索引来进行优化了。

   explain select * from sys_user;
   

5、possible_keys列

这一列显示查询可能使用哪些索引来查找。

• 可能出现 possible_keys 有列，而 key 显示 NULL 的情况。这种情况是因为表中数据不多，mysql认为索引对此查询帮助不大，选择了全表查询。
• 如果该列是NULL，则没有相关的索引。在这种情况下，可以通过检查 where 子句看是否可以创造一个适当的索引来提高查询性能，然后用 explain 查看效果。

6、key列

这一列显示mysql实际采用哪个索引来优化对该表的访问。

如果没有使用索引，则该列是 NULL。如果想强制mysql使用或忽视possible_keys列中的索引，在查询中使用 force index或者ignore index。

7、key_len列

这一列显示了MySQL在索引里使用的字节数，通过这个值可以算出具体使用了索引中的哪些列。

举例来说，表sys_user的联合索引 idx_type_id 由 user_id 和 type_id 两个int列组成，并且每个int是4字节。通过结果中的key_len=4可推断出查询使用了第一个列：user_id列来执行索引查找。

key_len计算规则如下：

• 字符串，char(n)和varchar(n)

  5.0.3以后版本中，n均代表字符数，而不是字节数。

  • char(n)、varchar(n)：长度n就表示可以存n个字符（字母/汉字）。

  计算字节：若是utf-8，一个数字或字母占1个字节，一个汉字占3个字节。

  • char(n)：如果存汉字，长度就是 3n 字节

  • varchar(n)：如果存汉字，则长度是 3n + 2 字节，加的2字节用来存储字符串长度，因为varchar是变长字符串

• 数值类型

  • tinyint：1字节

  • smallint：2字节

  • int：4字节

  • bigint：8字节

• 时间类型

  • date：3字节

  • timestamp：4字节

  • datetime：8字节

• 如果字段允许为 NULL，额外需要1字节记录是否为 NULL

索引最大长度是768字节，当字符串过长时，MySQL会做一个类似左前缀索引的处理，将前半部分的字符提取出来做索引。

8、ref列

这一列显示了在key列记录的索引中，表查找值所用到的列或常量。常见的有：

• const（常量）；
• 字段名（例：film.id）。

9、rows列

这一列是mysql估计要读取并检测的行数，注意这个不是结果集里的行数。

10、Extra列

这一列展示的是额外信息。常见的重要值如下：

1. Using index：

   • 当where查询中，表示使用覆盖索引 ；
   • 使用order by子句，表示使用索引本身完成排序；

2. Using where：使用 where 语句来处理结果，并且查询的列未被索引覆盖。

3. Using index condition：查询的列不完全被索引覆盖，where条件中是一个前导列的范围。

4. Using temporary：mysql需要创建一张临时表来处理查询。

   出现这种情况一般是要进行优化的，首先是想到用索引来优化。

5. Using filesort：文件排序

   将用外部排序而不是索引排序，数据较小时在内存排序，否则在磁盘排序。

   这种情况下一般也是要考虑使用索引来优化的。

   可通过trace工具查看sort_code的值。

   • 单路排序：一次性取出所有字段，在sort buffer中排序；

     <sort_key, additional_fields>
     

   • 双路排序（回表排序）：先根据order by取出ID和排序字段，在sort buffer中排序，之后再回表去除其他所有字段。

     <sort_key, rowid>
     

七、SQL命令

SQL 基础教程中文文档 (opens new window)

SELECT执行顺序

FROM > JOIN > ON > WHERE > GROUP BY > HAVING > SELECT > DISTINCT > ORDER BY > LIMIT

mysql8修改root密码

-- mysql8.0 修改root密码；
-- 1. 进入容器内部
docker exec -it 容器ID /bin/bash

-- 2. 进入mysql服务
mysql -uroot -p

-- 3. 使用mysql库，进行修改
use mysql; 
-- 将字段置为空
update user set authentication_string='' where user='root';
-- 修改密码为root
ALTER user 'root'@'%' IDENTIFIED BY '123456';
flush privileges;

创建库

CREATE DATABASE 'kim_db' CHARACTER SET utf8mb4 COLLATE utf8mb4_general_ci;

创建用户

create user 'kim'@'%' identified by 'kim';
-- 授予PROESS权限
GRANT PROCESS ON *.* TO 'nacos'@'%';
FLUSH PRIVILEGES;

授权

grant all on kim_db.* to kim;
FLUSH PRIVILEGES;

取消授权

-- 1. 撤销用户对某个数据库的全部权限
REVOKE ALL PRIVILEGES ON kim_db.* FROM 'kim'@'%';
-- 2. 撤销用户对某个数据库的部分权限
REVOKE INSERT, UPDATE, DELETE ON database_name.* FROM 'user_name'@'%';
-- 3. 撤销用户对某个数据库的某张表的部分权限
REVOKE INSERT, UPDATE, DELETE ON database_name.table_name FROM 'user_name'@'%';

FLUSH PRIVILEGES;

八、函数

SQL 函数中文文档 (opens new window)

为空

查询字段为空或者为null

(name IS NULL or name = '')

-- 或者
(ISNULL(name) or name = '')

不为空

查询字段不为空并且不为null

name IS NOT NULL and LENGTH(TRIM(name))>0

GROUP_CONCAT

多行数据用逗号拼接返回一行

SELECT GROUP_CONCAT( `name` SEPARATOR ',' ) FROM sys_user 

REPLACE

将某个字段的部分字符串替换为指定字符

UPDATE sys_user set name = REPLACE(name,'aaa','bbb');

INSTR

格式：instr(源字符串, 目标字符串)

作用：用于返回子串substr在字符串str中第一次出现的索引位置，没有找到子串时返回0。并且检索不区分大小写。

SELECT (INSTR("abc",'b') > 0)

DATE_FORMAT

作用：用于格式化数据库日期。

示例：筛选申请时间为指定日期的数据

<if test="data.requestDate != null">
    AND DATE_FORMAT(request_date,'%y%m%d') = DATE_FORMAT(#{data.requestDate},'%y%m%d')
</if>

九、MySQL高级

查询性能优化

衡量查询开销的三个指标：

1. 响应时间；
2. 扫描的行数（存储引擎检索）；
3. 返回的行数（服务器处理、分析）。

查询性能优化包括：

• 查询SQL优化
• 索引优化
• 库表结构优化

查询性能看响应时间。我们把查询看作一个任务，由一系列子任务组成。每个子任务都会消耗一定时间。

优化查询，实际上要优化其子任务。要么消除一些子任务，要么减少子任务的执行次数，要么让子任务执行更快。

优化的目的就是减少和消除某些额外操作所花费的时间。

查询的生命周期：

从客户端 ——> 到服务端上解析、优化、生成执行计划 ——> 调用执行引擎进行读取 ——> 将结果返回给客户端。

优化数据访问

查询性能低，最基本的原因是访问的数据太多。那么通过减少访问的数据量进行优化。

1. 存储引擎层：确认是否检索了大量超过需要的行或列；
2. 服务器层：确认是否分析了大量超过需要的行。

多余的数据可带来额外的负担，增加网络开销，消耗CPU和内存资源。

MySQL生命周期

• 客户端：发送SQL；
• 连接器：管理连接、权限校验；
• 解析器：SQL解析，包括语法解析、词法解析；
• 预处理器：生成语法树；
• 查询优化器：生成执行计划，选择索引；
• 查询执行器：API接口调用存储引擎；
• 存储引擎：读写磁盘数据。

SQL执行过程

TODO

慢查询日志

MySQL慢查询日志种，记录了查询的响应时间、扫描行数、返回的行数。检查慢查询日志，是找出扫描行数过多的查询的好方法。

可以根据监控后台的一些慢SQL，针对这些慢SQL查询做特定的索引优化。

关于慢SQL查询，可以参考这篇文章：https://blog.csdn.net/qq_40884473/article/details/89455740 (opens new window)

分析慢查询：

1、在存储引擎层，是否检索了大量超过需要的行或列（扫描的行数，存储层检索）。

2、在服务层是否解析大量非必须数据（返回的行数，服务层分析处理）。

解决慢查询：

• 合理用limit；
• 多表联查只取所需列；
• 不用*；
• 加缓存Redis；

开启慢查询日志

在my.ini中进行设置。

1. slow_query_log=1，1为开启，默认0为关闭；
2. slow_query_file=“”，文件位置；
3. long_query_time=10，阈值，秒；

注意：开启慢查询，会影响性能。一般只在调优的时候开启，可在从库中开启进行调优，优化之后再关闭。

日志分析工具

MySQL提供了一个工具——mysqldumpslow，用于分析日志、查找、分析SQL。

bin-log归档日志

Binlog日志：是Server层，用于恢复磁盘数据。

Undo回滚日志

Undo日志： 是InnoDB提供，用于回滚行记录到某一个版本，随机I/O；

Redo恢复日志

Redo日志：是InnoDB提供，用于恢复BufferPool中某一Page数据，顺序写；

MVCC

BufferPool缓存机制

十、MySQL安装

Windows安装

MySQL(5.6版本)安装(Windows环境) (opens new window)

Linux安装

MySQL5.7的安装与配置(centos7环境) (opens new window)

Docker安装

MySQL 5.7安装

docker-compose.yml（5.7）

mkdir -p /usr/local/docker/mysql
cd /usr/local/docker/mysql
vi docker-compose.yml

version: '3.3'
services:
    db:
        image: mysql:5.7
        restart: always
        environment:
            MYSQL_ROOT_PASSWORD: 123456
        command:
            --default-authentication-plugin=mysql_native_password
            --character-set-server=utf8mb4
            --collation-server=utf8mb4_general_ci
            --explicit_defaults_for_timestamp=true
            --lower_case_table_names=1
        ports: 
            - 3306:3306
        volumes: 
            - ./data:/var/lib/mysql

MySQL 8.x安装

docker-compose.yml（8.x）

mkdir -p /usr/local/docker/mysql8
cd /usr/local/docker/mysql8
vi docker-compose.yml

version: '3.3'
services:
    db:
        image: mysql:8.0
        restart: always
        environment:
            TZ: Asia/Shanghai
            MYSQL_ROOT_PASSWORD: 123456
        command:
            --default-authentication-plugin=mysql_native_password
            --character-set-server=utf8mb4
            --collation-server=utf8mb4_general_ci
            --explicit_defaults_for_timestamp=true
            --lower_case_table_names=1
            --slow_query_log=ON
            --slow_query_log_file=/var/lib/mysql/mysql-slow.log
            --long_query_time=2
            --log-bin=mysql-bin
            --server-id=1
            --expire_logs_days=7
            --max_binlog_size=100m
        ports: 
            - 3306:3306
        volumes: 
            - ./data/mysql/data/:/var/lib/mysql/
            - ./data/mysql/logs/:/var/lib/logs/
            - ./data/mysql/conf/:/etc/mysql/conf.d/

参数配置

1、开启慢查询

            --slow_query_log=on
            --slow_query_log_file=/var/lib/mysql/mysql-slow.log
            --long_query_time=2

1. 打开慢查询日志开关的时候，会影响所有正在访问当前MySQL server的客户端。
2. 慢查询日志存储位置。
3. 慢查询时间的单位秒，默认时间为10s。

2、开启慢查询

            --log-bin=mysql-bin
            --server-id=1
            --expire_logs_days=7
            --max_binlog_size=100m

1. log-bin：开启二进制日志功能，名字可以随便取。
2. server-id：同一局域网内注意要唯一同一局域网内注意要唯一。
3. expire_logs_days：配置定时清理，自动清理7天前的log文件。
4. max_binlog_size：binlog每个日志文件大小。
5. binlog_format：binlog日志格式，MySQL默认采用的是STATEMENT，建议使用MIXED。
   • STATEMENT模式（SBR）：基于SQL语句的复制（statement-based replication），每一条会修改数据的sql语句都会记录到binlog中。
   • ROW模式（RBR）：基于行的复制（row-based replication），不记录每条sql语句的上下文信息，仅记录哪条数据被修改了，修改成什么样。
   • MIXED模式：上面两种模式的混合使用，一般的复制使用STATEMENT模式保存binlog，对于STATEMENT模式无法复制的操作使用ROW模式保存binlog，MySQL会根据执行的SQL语句选择日志保存方式。

十一、连接池

常用的数据库连接池有c3p0、dbcp、druid、HikariCP等。

Druid (opens new window)

Druid是阿里巴巴开源项目，Java语言中最好的数据库连接池。

Druid大部分属性都是参考DBCP的，不仅提供了强悍的数据源实现，还内置了一个比较靠谱的监控组件。

Druid能够提供强大的监控和扩展功能。

Spring Boot配置Druid

Druid Spring Boot Starter (opens new window) 用于帮助你在Spring Boot项目中轻松集成Druid数据库连接池和监控。

使用

1. 在 Spring Boot 项目中加入druid-spring-boot-starter依赖 (点击查询最新版本 (opens new window))

   <dependency>
      <groupId>com.alibaba</groupId>
      <artifactId>druid-spring-boot-starter</artifactId>
      <version>1.1.17</version>
   </dependency>
   

2. 添加配置

   spring.datasource.url= 
   spring.datasource.username=
   spring.datasource.password=
   spring.datasource.druid.initial-size=
   # ...
   

Druid参数配置表

spring.datasource.druid

• JDBC配置

参数	说明
name	配置这个属性的意义在于，如果存在多个数据源，监控的时候可以通过名字来区分开来。 如果没有配置，将会生成一个名字，格式是："DataSource-" + System.identityHashCode(this)。
url	连接数据库的 url
username	连接数据库的用户名
password	连接数据库的密码。如果你不希望密码直接写在配置文件中，可以使用ConfigFilter
driver-class-name	如果不配置 Druid 会根据 url 自动识别 dbType，然后选择相应的 driverClassName

• 连接池基础配置

参数	缺省值	说明
initial-size	0	初始化时建立物理连接的个数。初始化发生在显示调用 init 方法，或者第一次getConnection时。
min-idle		最小连接池数量
max-active	8	最大连接池数量
max-wait	8	获取连接时最大等待时间，单位毫秒。配置了 maxWait 之后，缺省启用公平锁，并发效率会有所下降。 如果需要可以通过配置useUnfairLock 属性为 true 使用非公平锁。
min-evictable-idle-time-millis		一个连接在池中最小生存的时间（保持空闲而不被驱逐），单位是毫秒。
max-evictable-idle-time-millis		一个连接在池中最大生存的时间，单位是毫秒。
keep-alive	false（1.0.28）	对连接进行保活处理，缺省关闭。 连接池中的在minIdle数量以内的连接，空闲时间超过minEvictableIdleTimeMillis，则会执行 keepAlive操作。 使用keepAlive功能后： 1）初始化连接池时会填充到minIdle数量。 2）连接池中的minIdle数量以内的连接，空闲时间超过minEvictableIdleTimeMillis，则会执行keepAlive操作。 3）当网络断开等原因产生的由ExceptionSorter检测出来的死连接被清除后，自动补充连接到minIdle数量。

• PSCache配置

参数	缺省值	说明
pool-prepared-statements	false	是否缓存preparedStatement，也就是PSCache。 PSCache对支持游标的数据库性能提升巨大，比如说 Oracle。在 MySQL下建议关闭。
max-open-prepared-statements	-1	指定每个连接上PSCache的大小。 要启用PSCache，必须配置大于0，当大于0时，poolPreparedStatements自动触发修改为true。 在 Druid中，不会存在Oracle下PSCache占用内存过多的问题，可以把这个数值配置大一些，比如说100。

• 检测连接相关配置

参数	缺省值	说明
validation-query		用来检测连接是否有效的SQL，要求是一个查询语句，常用select 'x'。 如果validationQuery为null，testOnBorrow、testOnReturn、testWhileIdle都不会起作用。
validation-query-timeout		检测连接是否有效的超时时间，单位：秒。
test-on-borrow	true	设置从连接池获取连接时，是否检查连接有效性（即执行validationQuery检测连接是否有效）。 做了这个配置会降低性能，建议关闭。
test-on-return	false	设置给连接池归还连接时，执行validationQuery检测连接是否有效。 做了这个配置会降低性能。
test-while-idle	false	用来保证连接的有效性。 申请连接的时候检测，如果空闲时间大于timeBetweenEvictionRunsMillis，执行validationQuery 检测连接是否有效。 建议配置为 true，不影响性能，并且保证安全性。
time-between-eviction-runs-millis	1分钟（1.0.14）	间隔多久才进行一次检测，检测需要关闭的空闲连接，单位是毫秒。 有两个含义： 1）Destroy线程会检测连接的间隔时间，如果连接空闲时间大于等于minEvictableIdleTimeMillis 则关闭物理连接。 2）testWhileIdle的判断依据，详细看testWhileIdle属性的说明。

• 监控相关配置

配置WebStatFilter

spring.datasource.druid.web-stat-filter

参数	缺省值	说明
enabled	false	是否启用StatFilter

配置StatViewServlet

spring.datasource.druid.stat-view-servlet

用于展示Druid的统计信息，官方StatViewServlet配置说明 (opens new window)。

作用：

1. 提供监控信息展示的HTML页面；
2. 提供监控信息的JSON API。

参数	缺省值	说明
enabled	false	是否启用StatViewServlet（监控页面） 考虑到安全问题默认并未启动，如需启用建议设置密码或白名单以保障安全
url-pattern	/druid/*	监控页面的首页访问路径
reset-enable		允许清空统计数据开关，在StatViewSerlvet输出的html页面中，有一个功能是Reset All，执行这个操作之后，会导致所有计数器清零，重新计数。你可以通过配置参数关闭它。
login-username		用户名
login-password		密码
allow		白名单。如果allow没有配置或者为空，则允许所有访问。 IP配置规则如下：不支持IPV6；可以配置为128.242.127.1/24,128.242.128.1；也可以为128.242.127.1/24
deny		黑名单。deny优先于allow，如果在deny列表中，就算在allow列表中，也会被拒绝。

查看控制台的监控信息

http://localhost:8080/druid/login.html (opens new window)

• 内置Filter

你可以通过 spring.datasource.druid.filters=stat,wall,log4j ... 的方式来启用相应的内置Filter，不过这些Filter都是默认配置。

参数	缺省值	说明
filters		通过别名的方式配置扩展插件，属性类型是字符串，多个用逗号相隔。常用的插件有： 1）监控统计用的stat 2）日志用的log4j 3）防御SQL注入的wall

目前为以下 Filter 提供了配置支持，请参考文档或者根据IDE提示（spring.datasource.druid.filter.*）进行配置。

1. StatFilter
2. WallFilter
3. ConfigFilter
4. EncodingConvertFilter
5. Slf4jLogFilter
6. Log4jFilter
7. Log4j2Filter
8. CommonsLogFilter

如果默认配置不能满足你的需求，你可以放弃上述这种方式，也通过配置文件来配置Filter。

配置StatFilter

spring.datasource.druid.filter.stat

用于统计监控信息，官方StatFilter配置说明 (opens new window)

参数	缺省值	说明
enabled	false	是否启用，Druid-Spring-Boot-Starter默认禁用StatFilter
log-slow-sql		慢SQL记录
slow-sql-millis	3000	配置SQL慢的标准，执行时间超过slowSqlMillis的就是慢，单位是毫秒。缺省值为3000，也就是3秒
merge-sql		SQL合并配置

配置WallFilter

spring.datasource.druid.filter.wall

用于配置防御SQL注入攻击，官方WallFilter配置说明 (opens new window)

参数	缺省值	说明
enabled	false	是否启用
multi-statement-allow	false	是否允许一次执行多条语句

配置ConfigFilter

spring.datasource.druid.filter.config

官方ConfigFilter配置说明 (opens new window)，ConfigFilter的作用包括：

1. 从配置文件中读取配置；
2. 从远程http文件中读取配置；
3. 为数据库密码提供加密功能；

数据库密码加密 (opens new window)

1. 获取加密后的数据。

   Maven仓库中找到druid的包，在命令行中执行如下命令：

   java -cp druid-1.0.16.jar com.alibaba.druid.filter.config.ConfigTools you_password
   

   输出：

   privateKey:
   publicKey:
   password:
   

2. 配置数据源。

   publickey: MFwwDQYJKoZIhvcNAQEBBQADSwAwSAJBAJX0QGFbKReek0aoC2fP7z/z808L/rvfvBV+c/3hU56TjGGAR+Ezsa9afZ1+BBZ52H0SQdVuir4GWNEHGLDwZZMCAwEAAQ==
   spring:
     datasource:
       druid:
         driver-class-name: com.mysql.cj.jdbc.Driver
         url: jdbc:mysql://127.0.0.1:3306/demo?useUnicode=true&allowPublicKeyRetrieval=true&characterEncoding=utf8&useSSL=false&serverTimezone=GMT%2B8
         username: root
         # 数据库登录密码（加密）
         password: LWOFVDVOKzdH+PV/salzQTdpxApa7cXLNs07fvW/W7I4n1yZDndQz1FYQByzfr080tihAWRfY1bzy92EkvhxJg==
         # 配置connection-properties，启用加密，配置公钥。
         connection-properties: config.decrypt=true;config.decrypt.key=${publickey}
         filter:
         	# 启动ConfigFilter
           config:
             enabled: true
   

我的Druid配置

连接阿里云数据库可以进行如下配置，参考阿里官方提供的配置参考：官方提供的配置参考 (opens new window)。

spring:
  datasource:
    driver-class-name: com.mysql.cj.jdbc.Driver
    url: jdbc:mysql://${base.config.mysql.hostname}:${base.config.mysql.port}/${base.config.mysql.database}?useUnicode=true&characterEncoding=utf-8&serverTimezone=Hongkong&useSSL=false&tinyInt1isBit=false
    username: ${base.config.mysql.username}
    password: ${base.config.mysql.password}
    type: com.alibaba.druid.pool.DruidDataSource
    # 连接池的设置，应用到上面所有数据源中。官方参考配置：https://github.com/alibaba/druid/wiki/DruidDataSource%E9%85%8D%E7%BD%AE
    druid:
      # >>> 基础配置 <<<
      # 初始化大小，最小，最大线程数
      initial-size: 5
      min-idle: 10
      # CPU核数+1，也可以大些但不要超过20，数据库加锁时连接过多性能下降
      max-active: 20
      # 获取连接等待超时的时间
      max-wait: 6000
      # 一个连接在池中最小生存的时间，单位是毫秒
      min-evictable-idle-time-millis: 600000
      max-evictable-idle-time-millis: 900000
      # 对连接进行保活处理，缺省关闭。使用keepAlive功能后：
      # 1. 初始化连接池时会填充到minIdle数量。
      # 2. 连接池中的minIdle数量以内的连接，空闲时间超过minEvictableIdleTimeMillis，则会执行keepAlive操作。
      # 3. 当网络断开等原因产生的由ExceptionSorter检测出来的死连接被清除后，自动补充连接到minIdle数量。
      keep-alive: true
      phyMaxUseCount: 1000
      # >>> 检测连接相关配置 <<<
      validation-query: SELECT 1
      # 设置从连接池获取连接时，是否检查连接有效性（即执行validationQuery检测连接是否有效）。
      test-on-borrow: false
      # 设置给连接池归还连接时，执行validationQuery检测连接是否有效。
      test-on-return: false
      # 使用TestWhileIdle来保证连接的有效性
      test-while-idle: true
      # 间隔多久才进行一次检测，检测需要关闭的空闲连接，单位是毫秒
      time-between-eviction-runs-millis: 2000
      # 打开PSCache（提升写入、查询效率），并且指定每个连接上PSCache的大小
#      pool-prepared-statements: true
#      max-open-prepared-statements: 20
      # 1.1.4中新增加的配置，如果有initialSize数量较多时，打开会加快应用启动时间
#      asyncInit: true
      # >>> 监控相关配置 <<<
      # Web关联监控配置
      web-stat-filter:
        # 默认值false
        enabled: true
      # 用于展示Druid的统计信息，官方配置说明：https://github.com/alibaba/druid/wiki/%E9%85%8D%E7%BD%AE_StatViewServlet%E9%85%8D%E7%BD%AE
      # 作用：1. 提供监控信息展示的HTML页面；2. 提供监控信息的JSON API
      stat-view-servlet:
        # 是否启用StatViewServlet（监控页面）默认值为false（考虑到安全问题默认并未启动，如需启用建议设置密码或白名单以保障安全）
        enabled: true
        url-pattern: /druid/*
        # 允许清空统计数据开关，在StatViewSerlvet输出的html页面中，有一个功能是Reset All，执行这个操作之后，会导致所有计数器清零，重新计数。你可以通过配置参数关闭它。
        reset-enable: false
        login-username: ${base.config.mysql.username}
        login-password: ${base.config.mysql.password}
        # 白名单。如果allow没有配置或者为空，则允许所有访问.
        # IP配置规则如下：不支持IPV6；可以配置为128.242.127.1/24,128.242.128.1；也可以为128.242.127.1/24
        allow:
        # 黑名单。deny优先于allow，如果在deny列表中，就算在allow列表中，也会被拒绝。
        deny:
      # 通过配置文件来配置内置Filter（StatFilter:监控统计、Log4jFilter：日志记录、WallFilter：防御sql注入）
      filter:
        # 用于统计监控信息，官方配置说明：https://github.com/alibaba/druid/wiki/%E9%85%8D%E7%BD%AE_StatFilter
        stat:
          # Druid-Spring-Boot-Starter默认禁用StatFilter
          enabled: true
          # 慢SQL记录
          log-slow-sql: true
          # 配置SQL慢的标准，执行时间超过slowSqlMillis的就是慢。缺省值为3000，也就是3秒
          slow-sql-millis: 3000
          # SQL合并配置
          merge-sql: true
        # 配置防御SQL注入攻击，官方配置说明：https://github.com/alibaba/druid/wiki/%E9%85%8D%E7%BD%AE-wallfilter
        wall:
          config:
            # 是否允许一次执行多条语句
            multi-statement-allow: true

十二、分库分表

当一张表的数据过大时，查询效率将非常低，为了提高查询操作效率，就需要对数据进行分区（分片）。

其目的将数据拆分为不同的存储单元。

拆分包括垂直分片（分库、分表）、水平分片（分库、分表）。

• 垂直分片主要用于区分数据来源；
• 水平分片主要用于扩展、负载。

Q：什么时候需要用到分片？

W：预计3年后，单表超过500万行或容量超过2GB。

水平分库

将一个库的数据拆分到多个库中，每个库的结构一致，数据不一致，所有库的并集为全部数据。

作用是为了从而成倍地降低IO和CPU压力。

垂直分库

按照业务不同，将不同的表拆分至不同的库中，每个库的结构不一致，数据也不一致。

可对标微服务模式。

水平分表

将一张表的数据，平摊到多张表中，每张表的结构一致，数据不一致，所有表的并集为全部数据。

作用是为了降低单表数据量，提高单次SQL执行效率。

垂直分表

将一张表的字段，拆分到不同的表中，每张表的结构不一致，数据也不一致。

作用是为了将热点数据和非热点数据进行分离。

水平分片方式

• 主键取模
• 日期区分
• 按数据范围分片
• 按枚举项字段分片

预计3年后，单表超过500万行或容量超过2GB，在创建时就进行设计。

逻辑库、逻辑表

在查询时，由中间件指定逻辑库、逻辑表，根据配置规则，解析SQL、生成SQL语法树，找到对应的实际库表获取数据。

分库分表中间件

• 客户端架构：ShardingJDBC
• 代理架构：MyCat或者Atlas

ShardingSphere

ShardingSphere Github官方地址：https://github.com/apache/shardingsphere (opens new window)

ShardingSphere概览 (opens new window)

Apache（当当） ShardingSphere

• ShardingSphere-JDBC java
• ShardingSphere-Proxy Docker
• ShardingSphere-Sidecar K8S

MyCat

Mycat Github官方地址：https://github.com/MyCATApache (opens new window)

MyCat启蒙 (opens new window)

Apache（Alibaba ） MyCat

兼容MySQL且可水平扩展的数据库

目前也有一些开源数据库兼容MySQL协议，如：

• TiDB (opens new window)
• Cubrid (opens new window)

但其工业品质和MySQL尚有差距，且需要较大的运维投入，如果想将原始的MySQL迁移到可水平扩展的新数据库中，可以考虑一些云数据库：

• 阿里云PetaData (opens new window)
• 阿里云OceanBase (opens new window)
• 腾讯云DCDB (opens new window)

数据迁移至NoSQL

在MySQL上做Sharding是一种戴着镣铐的跳舞，事实上很多大表本身对MySQL这种RDBMS的需求并不大，并不要求ACID，可以考虑将这些表迁移到NoSQL，彻底解决水平扩展问题，例如：

• 日志类、监控类、统计类数据
• 非结构化或弱结构化数据
• 对事务要求不强，且无太多关联操作的数据

十三、FAQ

FAQ frequently asked questions 常问问题

B树和B+树的区别

B树：多路搜索树

所有的元素不重复，节点中的数据索引从左往右递增排列；每个节点下存储该key对应的全部数据。

B+树：

是基于B树的变种，所有索引元素可重复，非叶子节点不存储数据，而叶子节点从左往右按顺序递增排列；

若为聚簇索引，叶子节点存储的数据为所有的数据；

若为非聚簇索引，叶子节点存储当前key的值；

叶子节点之间用指针连接，用于提高区间（页）之间的访问性能；

为什么MySQL选B+Tree数据结构

Q：为什么MySQL选择B+Tree数据结构，而非选择B Tree数据结构？

W：

由于B Tree的每个节点中不仅有其索引值还有data值，而MySQL是以页为单元进行存储数据，每一页的存储空间是有限的（默认16KB、16384字节）。若data数据较大，将导致每一页存储的节点数变小，则将导致树的深度增大，从而导致查询磁盘I/O此数据增多。

而在B+Tree数据结构中，非叶子节点只存储KEY值，且所有数据都在叶子节点排好序。那么树的高度是一定的，每页存储的KEY数据也多。所以查询某一KEY时，最多只需1~3次I/O操作。

为什么不建议使用UUID作为主键

UUID

UUID，长度是16字节。

有32个十六进制数值，每个十六进制数转4个二进制，32 * 4 = 128位(bit)。

通常按照8-4-4-12的顺序进行分隔，加上中间的分隔符（-），UUID有36个字符。是由32个16进制数值加4个分隔符（-）组成。例如：3F1504E0-6F89-11D3-9A0C-0905E82C3306

编码规则

• 1~8位：采用系统时间，精确到毫秒。（时间唯一性）
• 9~16位：采用底层IP地址。（服务集群唯一性）
• 17~24位：当前对象HashCode值。（内部对象唯一性）
• 25~32位：随机数。（一个对象内毫秒级唯一性）

原因

• 索引比较是按照ASCII码逐位进行比较；
• UUID无序，需要重新置位，可能造成页的分裂，且触发树平衡机制。

为什么建议InnoDB表必须建主键

Q：为什么建议InnoDB表必须建主键，且推荐使用整形的自增主键？

W：

• 主键

  InnoDB是根据主键来组织数据的。

  首先，若一张表没有设置主键PK，则InnoDB底层会从第一列开始，依次选择，选出所有数据都不相等的一列，作为索引的KEY。

  若没有选到，则会创建一个隐藏列（rowid）来组织整张表的数据。

• 整形

  • 在根据主键索引时，需要进行数据对比，字符串需要转换为ASCII码再逐位进行比较。固建议使用整形ID作为主键。
  • 并且整形存储空间比字符串小。int类型占4字节；long类型占8字节；string类型（UUID）占16字节。

• 自增

  • 若KEY为自增，那么InnoDB存储单页——页（Page），将按顺序依次填充即可；
  • 而若KEY不是按照自增设定，则可能会导致页的分裂，且树可能还需要做平衡。

MySQL大小写问题

MySQL的大小写敏感性取决于具体的操作系统平台（Windows、Linux、Mac）。

因为MySQL使用文件系统的目录和文件进行保存数据库和表的定义。

• 而在Windows中，大小写是不敏感的；
• 在类Unix中，则对大小写敏感。

BLOB 和 TEXT 的区别

• BLOB 是一个二进制对象，可以容纳可变数量的数据。
• TEXT 是一个不区分大小写的 BLOB。

BLOB 和 TEXT 类型之间的唯一区别在于对 BLOB 值进行排序和比较时会区分大小写，对 TEXT 值不区分大小写。

MySQL 里记录货币

NUMERIC 和 DECIMAL 类型被 MySQL 实现为同样的类型，这在 SQL92 标准允许。他们被用于保存值，该值的准确精度是极其重要的值，例如与金钱有关的数据。

例：

salary DECIMAL(9,2)

在这个例子中，9(precision)代表将被用于存储值的总的小数位数，而 2(scale)代表将被用于存储小数点后的位数。因此，在这种情况下，能被存储在 salary 列中的值的范围是从-9999999.99 到 9999999.99。

大表查最后的数据

Q：如何在上千万条数据中，获取最后一条？

W：

第一种：数据主键整数且自增，先查出最大主键ID，再由主键索引查询。

select * from table_1 where id = (select max(id) from table_1);

千万级别的表分页查询

Q：MySQL如对千万级别的表进行分页查询？

W：

利用覆盖索引，先利用索引将ID单独查出分页数据，然后再用分页的ID集合，关联大表获取所需数据。

select * from big_table a 
join (
select id from big_table 
where ... -- 查询条件
limit m, n
) b on a.id=b.id

MySQL如何选择合适的索引

可使用EXPLAIN关键字，进行查询优化查询，选出合适的索引。

MySQL行转列

建表语句：

CREATE TABLE `test_tb_grade` (
`ID` int(10) NOT NULL AUTO_INCREMENT,
`USER_NAME` varchar(20) DEFAULT NULL,
`COURSE` varchar(20) DEFAULT NULL,
`SCORE` float DEFAULT '0',
PRIMARY KEY (`ID`)
) ENGINE=InnoDB AUTO_INCREMENT=1 DEFAULT CHARSET=utf8;
insert into test_tb_grade(USER_NAME, COURSE, SCORE) values
("张三", "数学", 34),
("张三", "语文", 58),
("张三", "英语", 58),
("李四", "数学", 45),
("李四", "语文", 87),
("李四", "英语", 45),
("王五", "数学", 76),
("王五", "语文", 34),
("王五", "英语", 89);

行转列查询语句

使用CASE WHEN 语句。

SELECT user_name ,
MAX(CASE course WHEN '数学' THEN score ELSE 0 END ) 数学,
MAX(CASE course WHEN '语文' THEN score ELSE 0 END ) 语文,
MAX(CASE course WHEN '英语' THEN score ELSE 0 END ) 英语
FROM test_tb_grade
GROUP BY USER_NAME;

此处之所以用MAX函数，是为了将无数据的点设为0，防止出现NULL。

MySQL列转行

建表语句：

CREATE TABLE `test_tb_grade2` (
`ID` int(10) NOT NULL AUTO_INCREMENT,
`USER_NAME` varchar(20) DEFAULT NULL,
`CN_SCORE` float DEFAULT NULL,
`MATH_SCORE` float DEFAULT NULL,
`EN_SCORE` float DEFAULT '0',
PRIMARY KEY (`ID`)
) ENGINE=InnoDB AUTO_INCREMENT=1 DEFAULT CHARSET=utf8;
insert into test_tb_grade2(USER_NAME, CN_SCORE, MATH_SCORE, EN_SCORE) values
("张三", 34, 58, 58),
("李四", 45, 87, 45),
("王五", 76, 34, 89);

列转行查询语句

使用union语句进行拼接。

select user_name, '语文' COURSE , CN_SCORE as SCORE from test_tb_grade2
union select user_name, '数学' COURSE, MATH_SCORE as SCORE from test_tb_grade2
union select user_name, '英语' COURSE, EN_SCORE as SCORE from test_tb_grade2
order by user_name,COURSE;

docker安装mysql8报错1045

问题描述

docker新安装mysql8.0版本，使用navicat、idea连接，密码正确，但是提示权限被拒绝。

1045 - Access denied for user ‘root’@‘127.0.0.1’ (using password:Yes）

原因

该报错是由于目前已有的Navicat客户端连接软件还不支持Mysql8新增加的加密方式caching_sha2_password，所以我们需要修改用户的加密方式，将其改为老的加密验证方式，如mysql_native_password。

解决方案

1.修改密码为纯数字

可能在创建mysql时，密码使用了英文加数字和特殊字符，导致加密后无法通过验证。

2.修改mysql加密方式为mysql_native_password。

新建mysql配置文件mysqld.cnf

# 修改mysql加密插件，mysql8.0.11 默认值为caching_sha2_password，密码复杂可能验证不过
default_authentication_plugin=mysql_native_password

然后再启动docker，mysql容器时进行挂载。

docker run -itd -p 3306:3306 --name mysql-test  -v /home/docker/mysql/mysqld.cnf:/etc/mysql/conf.d/mysqld.cnf   -e MYSQL_ROOT_PASSWORD=123456 mysql

十四、MySQL相关资料

MySQL官网：https://www.mysql.com (opens new window)

数据结构可视化网址 (opens new window)

MySQL(5.6版本)安装(Windows环境) (opens new window)

MySQL5.7的安装与配置(centos7环境) (opens new window)

SQL 基础教程中文文档 (opens new window)

SQL 函数中文文档 (opens new window)

ShardingSphere Github官方地址：https://github.com/apache/shardingsphere (opens new window)

ShardingSphere概览 (opens new window)

Mycat Github官方地址：https://github.com/MyCATApache (opens new window)

MyCat启蒙 (opens new window)