Mysql

持续更新中

模块 序号 目录 链接
前言介绍 1 前言 地址
2 介绍 地址
基础知识 3 计算机网络 地址
4 操作系统 地址
5 Java基础 地址
6 Java并发 地址
7 Java虚拟机 地址
中间件 8 Mysql 地址
9 Redis 地址
10 Elasticsearch 地址
11 RabbitMQ 地址
12 RocketMQ 地址
框架 13 分布式系统 地址
14 MyBatis 地址
15 Dubbo 地址
16 Spring 地址
17 Spring MVC 地址
18 Spring Boot 地址
19 Spring Cloud 地址
20 Spring Cloud Alibaba Nacos 地址
21 Spring Cloud Alibaba Sentinel 地址
22 Spring Cloud Alibaba Seata 地址
23 Tomcat 地址
24 Netty 地址
容器 25 Docker 地址
26 Kubernetes 地址
架构设计 27 场景架构设计 地址
28 领域驱动设计 地址
29 设计模式 地址
数据结构与算法 30 数据结构与算法 地址
31 LeetCode题解 地址

事务四大特性

Mysql的四大特性,如何保证其特性的,说一下原理

MySQL作为关系型数据库管理系统,支持事务,并通过其四大特性(ACID)来保证数据的可靠性和一致性。ACID代表原子性(Atomicity)、一致性(Consistency)、隔离性(Isolation)、持久性(Durability)。让我们来详细说明这四大特性及其在MySQL中的实现原理。

1. 原子性(Atomicity)

定义 原子性指的是事务要么完全成功,要么完全失败,不会出现中间状态。即,事务中的所有操作要么全部完成,要么全部回滚。
实现原理
  • 使用事务日志 (如InnoDB的redo log和undo log):确保即使在系统崩溃时,也可以回滚未完成的事务或重做已提交的事务。
    • Undo Log(回滚日志):记录每个事务的旧值,用于在发生错误时进行回滚操作。
    • Redo Log(重做日志):记录已提交事务的修改,用于在系统崩溃后重做已提交但尚未持久化的数据。

2. 一致性(Consistency)

定义 一致性指的是事务执行前后,数据库的状态必须保持一致,即事务完成时,所有数据都必须满足数据的完整性约束。
实现原理
  • 约束和触发器:通过外键约束、唯一性约束、检查约束等机制,确保数据在任何时候都符合定义的规则。
  • 事务回滚和触发器:确保在事务过程中,任何违反约束的操作都会被回滚到事务开始前的状态。

3. 隔离性(Isolation)

定义 隔离性指的是每个事务在执行过程中,看到的数据状态与其他事务隔离,避免相互干扰。不同的隔离级别如未提交读、提交读、可重复读、可序列化提供了不同的隔离程度。
实现原理
  • 锁机制:通过行锁、表锁、间隙锁等锁机制来控制并发访问。
  • 多版本并发控制(MVCC):通过多个版本的数据视图,确保读操作不被写操作阻塞,并为不同事务提供一致性视图。

4. 持久性(Durability)

定义 持久性指的是事务一旦提交,其对数据库的修改将永久保存,即使数据库崩溃或系统故障也不会丢失已提交的数据。
实现原理
  • 日志文件:通过写入持久化存储(如InnoDB的redo log)确保数据安全。
  • 写前日志(WAL):先写日志再写数据的技术,确保系统崩溃后可以通过日志恢复已提交的事务。
  • 定期刷盘:定期将内存中的数据刷新到磁盘,确保数据安全。

结论 通过ACID特性,MySQL保证了数据的可靠性和一致性:

  • 原子性(Atomicity):通过事务日志(undo log和redo log)实现,确保事务的操作要么完全成功,要么完全失败。
  • 一致性(Consistency):通过事务、约束和触发器机制保障,确保数据始终满足一致性规则。
  • 隔离性(Isolation):通过不同的隔离级别、锁机制与MVCC实现,确保事务互不干扰。
  • 持久性(Durability):通过日志文件和定期刷盘等机制实现,确保已提交事务的数据永久保存在存储中。

希望这个解释能帮助你理解MySQL的四大特性(ACID)及其实现原理。如果有更多问题,欢迎继续提问!

事务隔离级别

说一下Mysql的事务隔离级别,以及原理,分别会造成什么问题

好的,让我们来讨论一下MySQL的事务隔离级别、它们的原理以及可能导致的问题。

MySQL的四个事务隔离级别

  1. Read Uncommitted(读未提交)
  2. Read Committed(读已提交)
  3. Repeatable Read(可重复读)
  4. Serializable(可串行化)

每个隔离级别的详细描述及其问题

1. Read Uncommitted(读未提交)

原理 :事务可以读取其他事务尚未提交的数据。
问题

  • 脏读(Dirty Read):一个事务读取了另一个事务尚未提交的数据。如果第二个事务回滚,则第一个事务读取到的数据是无效的。


适用场景:一般不推荐使用,因为数据一致性无法保证。

2. Read Committed(读已提交)

原理 :事务只能读取到其他事务已提交的数据。
问题

  • 不可重复读(Non-repeatable Read):在同一个事务中,多次读取同一数据可能会得到不同的结果,因为其他事务可能已经修改并提交了该数据。


适用场景:多数数据库系统(如Oracle)默认采用这个级别,适合大多数读写分离较明确的场景。

3. Repeatable Read(可重复读)

原理 :在同一个事务中,多次读取同一数据时总会返回相同的结果。MySQL通过MVCC(多版本并发控制)机制实现可重复读。
问题

  • 幻读 (Phantom Read):在同一个事务中,如果另一事务插入了一行数据,原事务再次读取数据集合时,会多出这行。MySQL使用间隙锁(Gap
    Lock)来避免幻读。


适用场景:MySQL的InnoDB存储引擎默认采用此级别,并通过间隙锁和MVCC解决幻读问题。

4. Serializable(可串行化)

原理 :事务完全串行化执行,一个事务必须等待其他事务完成后才能开始,完全避免了脏读、不可重复读和幻读。
问题

  • 性能低:因为完全串行化执行事务,可能会导致较低的并发度和较长的等待时间。


适用场景:适用于数据一致性要求极高的场景,但由于性能瓶颈,通常不在高并发环境中使用。

原理与实现

多版本并发控制(MVCC)
  • 工作原理:通过版本号(或时间戳)来保证读取到一致的数据视图。
  • 实现方式:每行数据都有一个创建时间戳和一个删除时间戳。事务只会读取在事务启动之前已创建且未删除的数据。
锁机制
  • 行锁(Row Lock):锁定具体的数据行,以提高并发度。
  • 表锁(Table Lock):锁定整张表,以保证操作的原子性。
  • 间隙锁(Gap Lock):用于防止幻读,通过锁定某范围内不存在的记录。

问题总结

使用适当的事务隔离级别需要在性能和数据一致性之间找到平衡点。对于大多数应用程序,Read CommittedRepeatable Read是常用的隔离级别。 希望这个解释能帮你理解MySQL的事务隔离级别及其原理。如果有更多问题,欢迎继续提问!

mysql怎么通过间隙锁解决幻读的 在MySQL中,幻读 (Phantom

Read)是指一个事务在执行两次相同的查询时,在第二次查询中能够看到第一次查询后另一个事务新插入的行。因此,幻读是指在两次相同的查询中,数据集合发生了变化。MySQL通过间隙锁 (Gap

Lock)机制有效预防了幻读问题。

间隙锁(Gap Lock)如何解决幻读 间隙锁的核心思想是在某个范围内锁定"间隙",即锁定的并不是具体的记录,而是记录之间的范围。通过锁住这些间隙,可以防止其他事务在间隙中插入新的行,从而解决幻读问题。

例子说明 假设有一个表 employees,包含以下数据:

现在我们有两个事务,事务A和事务B:

事务A:

返回结果为:

此时,事务A在读取这些数据时,InnoDB存储引擎会对满足条件的记录和记录之间的间隙都设置锁。如:

  • 锁住 (5000, 6000) 之间的间隙。
  • 锁住 (6000, 7000) 之间的间隙。
  • 锁住 (7000, ∞) 之间的间隙。
事务B:

此时,由于事务A对 (6000, 7000) 的间隙已经加锁,事务B会被阻塞,直到事务A结束。

事务A继续:

返回结果仍然为:

因为事务A将事务B的插入操作阻塞,所以在事务A的整个期间,查询结果集没有"幻影"行出现,保证了两次读取是一致的。

锁定机制详细说明

  1. Record Lock(记录锁):锁定具体的行;例如:

锁定了id为2的这一行。

  1. Gap Lock(间隙锁):锁定行与行之间的间隙;例如

锁定了salary在5000到7000之间的所有间隙,不包括5000和7000的具体值。

  1. Next-Key Lock(临键锁):这是记录锁和间隙锁的组合,锁定一个记录以及它前面的间隙;

锁定了满足条件的行和这些行之间的所有间隙。

MySQL中的隔离级别和MVCC 在MySQL中,默认的隔离级别是可重复读(Repeatable Read),InnoDB存储引擎通过间隙锁和MVCC(多版本并发控制)来解决幻读问题:

  • 间隙锁:防止其他事务在范围内插入新行。
  • MVCC:提供一致性读取,即使在联机事务中,也能看到事务开始时的快照。

通过示例,可以看到事务A在读取时会锁定一定范围,并防止其他事务进入该范围从而修改数据,这样就有效地避免了幻读。

小结 间隙锁通过锁定记录之间的范围,有效地防止在该范围内新插入的记录,解决了幻读问题。在高并发的数据库操作中,这种机制能够保障数据一致性,是现代数据库引擎的重要特性之一。

如果你还有其他问题,欢迎继续提问!

Mysql默认隔离级别是可重复读,为什么大多数会改为读已提交 MySQL默认的事务隔离级别是可重复读 (Repeatable

Read),这种隔离级别能保证事务在读取数据时的一致性,并通过间隙锁避免幻读。然而,在实际应用中,许多数据库系统和应用程序更倾向于使用读已提交 (Read

Committed)隔离级别。这种选择背后有几个重要原因:

1. 性能考虑

读已提交 隔离级别相对于可重复读隔离级别,通常能提供更好的性能。

  • 在可重复读(Repeatable Read)隔离级别下,InnoDB需要维持更严格的锁和一致性视图,消耗更多的资源。
  • 读已提交(Read Committed)只需确保读取的是已提交的数据,不需要维护一致性快照,减少了锁的开销,提升了并发性能。

2. 并发控制

读已提交能提供较好的并发控制,适合大多数实际应用场景。

  • 在高并发环境中,读已提交隔离级别可以减少锁等待,提高系统的吞吐量。
  • 可重复读隔离级别在处理间隙锁和保持一致性视图时,可能引起更多的死锁和锁争用,从而影响系统性能。

3. 数据一致性需求不同 大多数应用对读一致性的要求为读已提交数据,而不需要达到可重复读的级别。

  • 读已提交在许多情况下已经能满足数据一致性需求。例如,在大多数Web应用中,对数据的一次性读取操作只需读取到已提交的数据即可。
  • 可重复读级别主要用于金融、银行领域等需要更高一致性的场景,但这些领域的需求并不普遍。

4. 兼容性

读已提交隔离级别是许多其他数据库系统的默认隔离级别,比如Oracle。

  • 使用读已提交隔离级别可以在不同数据库系统之间提供一致的行为,对于跨数据库系统的开发和迁移更为友好。

示例对比

可重复读(Repeatable Read)
读已提交(Read Committed)

在读已提交隔离级别,Session 1在第二次读取时可以看到Session 2提交的最新值。而在可重复读隔离级别,Session

1在整个事务期间看到的一直是事务启动时的一致性快照。

结论 综上所述,大多数选择将隔离级别设为读已提交是基于以下几个原因:

  1. 性能优势:减少锁的开销,提高并发性能。
  2. 并发提升:更适合高并发环境,减少锁等待时间。
  3. 适当的保守性:在多数应用场景下,读已提交已经能满足数据一致性的需求。
  4. 兼容性:与其他主流数据库系统(如Oracle)具备一致的默认行为,便于跨数据库的开发和部署。

尽管MySQL默认隔离级别是可重复读,但应用程序往往会根据自身需求和负载模式,选择最合适的隔离级别。如果业务需求需要更高的一致性(例如金融计算),仍然可以选择可重复读或更高的隔离级别可序列化(Serializable)。

如果你有更多的问题或需要进一步的解释,欢迎继续提问!

MVCC

简要介绍下MVCC,说一下它的原理,解决什么问题的

多版本并发控制(MVCC)简介

多版本并发控制MVCCMulti-Version Concurrency Control)是一种并发控制机制,允许数据库在处理读操作和写操作时不互相阻塞。它通过维护数据的多个版本来实现事务的隔离和一致性,从而提高并发性能。

MVCC的原理 MVCC的核心理念是保持数据的多个版本,每个版本都包含这些额外信息:

  1. 创建时间戳 (创建版本号):
    • 由创建事务的ID或时间戳标识,指示了这个版本是什么时候创建的。
  2. 删除时间戳 (删除版本号):
    • 由删除事务的ID或时间戳标识,指示了这个版本是什么时候被删除的。

通过这两个时间戳,数据库能够在不加锁的情况下,为每个事务提供一致视图。不同事务在不同时间点看到的数据版本可能不一样,但每个事务看到的数据都是一致的。

MVCC的操作原理

读操作
  • 每个读操作只读取满足以下条件的数据版本:
    • 版本的创建时间戳小于等于事务开始时间。
    • 版本的删除时间戳为空或大于事务开始时间。
  • 这样,读操作总能读取到在事务开始之前已存在且未被删除的数据。
写操作
  • 每个写操作会生成一个新的数据版本,新的版本包含新的创建时间戳,并标记旧版本的删除时间戳。

例如:

  • 插入操作创建一个拥有当前事务ID的记录版本。
  • 更新操作创建一个新的版本,并标记旧版本的删除时间戳。
  • 删除操作仅标记现有版本的删除时间戳,而不物理删除数据。
示例: 假设有一个表 employees 以及以下记录:

事务A开始,事务ID为4:

事务B开始,事务ID为5:

MVCC解决的问题

1. 提高读写并发性能 MVCC允许读操作和写操作并行执行,通过版本控制,避免了读写操作之间的锁定等待,提高了系统的并发性能。
2. 提高数据一致性 MVCC使得每个事务读取到的一致性视图,确保了读取的中间状态数据不会随着数据更新而变化。读操作只能看到在事务开始之前已存在且未被删除的数据,这保证了数据在事务内的一致性。
3. 避免读锁 传统的读写锁机制会导致大量的锁冲突和等待,尤其是在高并发的环境下。MVCC通过多版本机制避免了大多数情况下的读锁,从而减少了系统的开销。
4. 防止幻读 MVCC配合间隙锁或Next-Key Lock可以有效防止幻读,从而保证更高的隔离级别(如可重复读)。

MVCC示例(MySQL InnoDB) 在MySQL的InnoDB存储引擎中,MVCC的实现依赖于两个隐藏的列:DB_TRX_IDDB_ROLL_PTR:

  • DB_TRX_ID:每行数据的创建事务ID。
  • DB_ROLL_PTR:用来指向回滚段的指针,回滚段包含数据行在更新前的副本。

例如,下面是一个事务操作示例,展示了MVCC如何维护多版本并发控制:

总结:

通过MVCC机制,MySQL的InnoDB存储引擎能够在保证高并发性能的同时,确保数据的一致性和事务的隔离性。了解MVCC的原理和行为,有助于设计更加高效和稳定的数据库应用系统。

如果有更多问题,欢迎继续提问!

以读已提交和可重复读为例,分别介绍MVCC怎么保证其特性的

多版本并发控制(MVCC)在MySQL的InnoDB存储引擎中,通过维护数据的多个版本来实现事务的隔离性和一致性。让我们分别介绍在读已提交 (Read

Committed)和可重复读(Repeatable Read)隔离级别下,MVCC是如何保证其特性的。

读已提交(Read Committed)

读已提交隔离级别确保每个读取操作只能看到其他事务已经提交的数据。这种隔离级别下,每次读取操作都会看到事务开始时数据库状态的新快照。

MVCC在读已提交中的工作原理
  1. 快照读取:每次SELECT语句都会获取一个新的一致性快照,使得当前事务总是读取到最新提交的数据。
  2. 创建版本与删除版本
    • 每一行都有DB_TRX_ID,标识行最近一次更新时的事务ID。
    • 每行也有DB_ROLL_PTR指针或类似机制指向更新前的版本,从而支持版本链。
示例 假设现在有一个表employees,包含以下记录:

在读已提交隔离级别下,事务A的第二次读取总是能够看到事务B已提交的最新更改,因为每个SELECT操作会重新获取一个最新的提交快照。

可重复读(Repeatable Read)

可重复读隔离级别确保在同一个事务中多次读取相同数据时,读取结果的一致性。即使其他事务更新了数据,本事务中多次读取的数据也不会发生变化。

MVCC在可重复读中的工作原理
  1. 一致性视图:在第一次读取操作时为事务创建一致性视图,事务期间所有的读操作都依赖该视图,保证读取的版本一致。
  2. 避免幻读:通过间隙锁或Next-Key Lock机制锁定一定范围内的数据,防止其他事务在范围内插入或删除数据,从而避免幻读。
示例 假设有一个表employees,包含以下记录:

在可重复读隔离级别下,事务A在第一次读取时创建了一致性视图,之后的所有读操作都基于该视图,因此即使事务B更新并提交,事务A中的后续读取操作也不会受影响。

MVCC的实现机制

创建版本与删除版本
  • 创建版本:每一行的插入或更新操作都会创建一个新的数据版本(用事务ID标识创建时间),而旧版本不会立即删除。
  • 删除版本:当数据被更新或删除时,仅仅标记该版本为"删除",而不会马上物理删除。
一致性视图
  • 读已提交:每次读取获取最新提交版本。
  • 可重复读:维护一个一致性视图,确保事务期间的数据读取一致。
快照读取(Snapshot Read)
  • 读已提交:每次读取操作创建一个新的快照,确保读取到的是最新提交的数据。
  • 可重复读:在第一次读取时创建快照,一致性视图贯穿整个事务,后续读取依赖于该快照。

表示的一致性视图(Read View) InnoDB通过存储"四个重要数据"来表示每个事务的一致性视图(Read View):

  1. 事务ID列表:表示在视图创建时尚未提交的活跃事务。
  2. 最小活动事务ID:活动事务列表中的最小ID。
  3. 最大事务ID:表示当前数据库已分配的最大事务ID。
  4. 自身事务ID:表示创建该视图的事务ID。

通过该四个数据,InnoDB能够判断某一行数据版本是否在一致性视图中可见。

结论 MVCC通过多版本控制,确保在不同的隔离级别下,事务能够读取到符合隔离级别要求的数据:

  • 在读已提交隔离级别下,每次读取操作获取最新提交的数据。
  • 在可重复读隔离级别下,事务期间所有读取操作都基于第一次读取时的一致性视图,确保数据的一致性。

通过这种机制,MySQL在保证数据一致性的同时,也提高了系统的并发性能。如果你有更多问题,欢迎继续提问!

存储引擎

https://blog.csdn.net/qq_38826019/article/details/116539223
https://blog.csdn.net/weixin_46781683/article/details/130992651

说一下Mysql存储引擎,底层什么数据结构,及特点

:::tips

MySQL支持多种存储引擎,每种存储引擎在数据存储、索引方式、事务支持等方面各具特点和优劣。主要的存储引擎包括InnoDB、MyISAM、Memory、CSV、Archive等。让我们详细了解它们的底层数据结构和特点。

1. InnoDB 存储引擎

底层数据结构
  • B+树索引 :InnoDB的默认索引结构是B+树,这种结构对范围查询和排序非常高效。
    • 聚簇索引(Clustered Index):表的数据按主键顺序存储,主键自带聚簇索引。叶子节点存储了实际的数据行。
    • 辅助索引(Secondary Index):辅助索引用到的叶子节点存储的是主键值,而不是直接指向数据行的指针。
  • MVCC (多版本并发控制):通过维护数据的多个版本来实现事务隔离。使用隐藏列(如DB_TRX_IDDB_ROLL_PTR)来实现。
特点
  • 支持事务:InnoDB完全支持ACID事务特性,使用redo log和undo log来保证数据完整性。
  • 外键支持:可以定义外键,强制数据的引用完整性。
  • 行级锁定:采用行级锁而非表级锁,提高了并发性能。
  • 崩溃恢复:通过undo log和redo log实现数据恢复。
  • 高并发处理:通过行级锁和MVCC实现高效并发。

2. MyISAM 存储引擎

底层数据结构
  • B+树索引 :与InnoDB类似,MyISAM也使用B+树作为默认的索引结构。
    • 索引文件:索引文件(.MYI)和数据文件(.MYD)分开存储。
  • 压缩表:使用myisampack工具对表进行压缩,提高读性能。
特点
  • 不支持事务:MyISAM不支持ACID特性。
  • 表级锁定:对整个表进行锁定,适合以读操作为主的应用。
  • 全文索引:支持全文索引(Fulltext Index),非常适合全文搜索。
  • 快速读操作:结构简单,不需要维护事务日志,读操作速度快。
  • 数据压缩:支持将表数据压缩,节约存储空间。

选用存储引擎的考虑因素

  • 事务支持:需要事务支持和数据一致性的应用应选择InnoDB。
  • 读写模式:以读操作为主且不需要事务支持的应用可以选择MyISAM。
  • 数据持久性:对数据持久性要求不高且需要高读写性能的可以选择Memory引擎。
  • 数据交换:需要高可移植性的应用可以选择CSV引擎。
  • 数据归档:需要存储大量历史数据且不需要频繁读写的应用可以选择Archive引擎。

小结

不同存储引擎在MySQL中各有其强项和适用的场景,InnoDB是最常用的存储引擎,支持事务和高并发,而MyISAM则适合读操作密集的应用。Memory引擎提供了高速的内存存储,适合临时数据;CSV引擎和Archive引擎分别适合数据交换和数据归档。

希望这个解释能帮助你理解MySQL的存储引擎及其底层数据结构和特点。如果有更多问题,欢迎继续提问!

说一下B+树的特点,Innodb引擎如何基于B+树做索引的,给出图示

B+树的特点

B+树(B-Plus Tree)是一种自平衡的树数据结构,是B-树的变体,广泛用于数据库和文件系统的索引。B+树有以下几个显著特点:

  1. 多路平衡查找树:与二叉树不同,B+树是m阶(m-ary)树,表示每个节点最多可以有m个子节点。
  2. 所有关键字存储在叶子节点:所有实际数据(键值对)都存储在叶子节点中,内部节点只存储键值用于指导搜索路径。
  3. 叶子节点顺序链表:所有叶子节点通过指针链接,形成一个链表。这样可以高效地实现范围查询和顺序遍历。
  4. 所有叶子节点在同一层:B+树是一种平衡树,保证所有叶子节点在同一层。
  5. 范围查询高效:叶子节点的顺序链表提供了良好的范围查询性能。

InnoDB引擎如何基于B+树做索引

InnoDB存储引擎使用B+树来构建其索引结构,有两种主要的索引类型:聚簇索引 (Clustered Index)和辅助索引(Secondary Index)。

1. 聚簇索引(Clustered Index)

在InnoDB存储引擎中,表的数据存储与主键聚簇索引是紧密结合在一起的。即,InnoDB根据主键顺序存储数据行,完整的数据行存储在叶子节点中。

聚簇索引的特点
  • 数据按主键排序:表的数据按主键顺序存储。
  • 叶子节点存储实际数据行:叶子节点不仅包含键值对,还包含实际的数据行。
2. 辅助索引(Secondary Index)

在InnoDB中,辅助索引是指在非主键列(或其他候选键列)上创建的索引。与聚簇索引不同,辅助索引的叶子节点中存储的是主键值以及索引列值(而不是实际的数据行)。

辅助索引的特点
  • 叶子节点包含主键指针:辅助索引的叶子节点存储主键指针,通过主键能够定位到实际数据行。
  • 需要回表操作:通过辅助索引查找到的主键,再通过聚簇索引定位到实际数据行,称为回表操作。



优点和总结

  • 高效的查找:B+树通过多路搜索和高度平衡性保证了查找操作的高效性。
  • 顺序访问:叶子节点的链表使得范围查询和顺序扫描非常高效。
  • 空间利用率高:平衡性和多路搜索的特性使得B+树的节点占用更少的空间,提高了存储和访问效率。

InnoDB存储引擎利用B+树构建高效的聚簇索引和辅助索引,通过MVCC实现高并发的事务处理,充分发挥B+树在数据库索引中的优势。

如果你需要进一步的解释,欢迎继续提问!

B+树与B树的区别

B+树B树(B-Tree)都是平衡树结构,广泛应用于数据库和文件系统的索引。它们虽然类似,但在一些关键点上有明显的区别。这种区别使得B+树在许多场景下更为高效。下面详细说明两者的区别:

1. 结构上的区别

B树(B-Tree)
  • 节点包含数据和键:B树的每个节点既包含键(用于导航查找路径),也包含数据(实际值)。
  • 叶子节点和内部节点:数据同时存在于叶子节点和内部节点中,即数据可以存储在任何层次的节点中,不仅仅是叶子节点。
  • 无顺序链表:叶子节点之间没有额外的指针连接。
B+树(B-Plus Tree)
  • 节点只包含键:B+树的内部节点只存储键值,不存储实际数据。所有实际数据都存储在叶子节点。
  • 数据只在叶子节点:实际的数据(值)只存储在叶子节点中,内部节点仅作为索引使用。
  • 顺序链表:所有叶子节点通过链表指针连接在一起,以便于范围查询和顺序扫描。

2. 查找效率的区别

B树
  • 查找路径较短:可以在任意节点(包括非叶子节点)命中目标数据,但每次查找结束时可能需要检索较多的实际数据。
  • 复杂性较高:因为数据可以出现在任何一级节点中,查找路径较为复杂。
B+树
  • 查找路径一致:所有查找最终都会到达叶子节点,路径长度恒定。
  • 范围查询和顺序扫描高效:叶子节点的链表结构使得在特定范围内的查找和顺序扫面非常高效。

3. 插入和删除操作的区别

B树
  • 插入与删除影响较大:因为数据可以存储在任何节点上,插入或删除操作可能会导致更多的节点调整和树的重新平衡。
  • 复杂性较高:插入和删除操作都可能需要调整除叶子节点以外的所有节点。
B+树
  • 叶子节点操作简化:插入和删除操作多在叶子节点进行,内部节点只需调整键值,操作更为简便。
  • 稳定性较好:因为所有数据都存储在叶子节点,插入和删除不需要频繁调整非叶子节点的实际数据,只需调整键值。

4. 空间利用率和访问效率

B树
  • 空间利用率较低:由于每个节点存储数据和键值,其空间利用率较低。
  • 访问效率中等:数据、索引混合存储,部分查找路径较短,但访问复杂路径导致性能受限。
B+树
  • 空间利用率较高:内部节点只存储键值,更多的节点携带索引指针,更高效地使用空间。

为什么Innodb存储引擎使用B+树,而不使用其他AVL树

InnoDB存储引擎选择使用B+树而不使用其他自平衡二叉树(如AVL树)作为其索引结构,有多个重要原因。以下是详细的原因和考虑:

1. 磁盘I/O效率

磁盘页访问

  • B+树的设计目标之一是尽量减少磁盘I/O,这一点在处理大规模数据时尤为关键。由于B+树每个节点包含多个子节点,因此它的高度较低,数据分布更加平展,这意味着查找、插入和删除操作需要的磁盘I/O次数更少。

节点大小和填充

  • B+树的每个节点可以包含多个键(以及相应的指针),这非常契合磁盘页的大小(通常是4KB或8KB)。一次读写会带来较多的键和指针信息,使得每次I/O操作更加高效。

2. 范围查询和顺序遍历

顺序访问

  • B+树的所有叶子节点通过链表连接,在进行范围查询或顺序扫描时,只需顺序访问叶子节点即可,不需要回到内存节点。这大大提升了范围查询和顺序遍历的性能。

范围查询的效率

  • 在B+树中,一旦定位到范围查询的起始节点,就可以顺着链表快读遍历完所有符合条件的数据行。这种特点使得B+树特别适合处理区间查找和排序操作。

3. 内存使用效率

节点结构

  • B+树的内存节点和叶子节点结构有所不同。内存节点只存储键和子节点指针,因此占用空间较少。这种设计使得内存可以缓存更多的内部节点,提高命中率,有效减少磁盘访问。

缓存友好性

  • 由于B+树每次操作(查找、插入、删除)所访问的内存节点较少,节点结构较紧凑,更有利于在L1/L2缓存中缓存较多节点,提升了内存访问效率。

4. 键值更新和插入删除的效率

插入和删除

  • B+树的插入和删除操作,不会导致对非叶子节点的数据移动,只需更新键值和指针即可。这种机制使得插入和删除操作相对简单,减少了树的调整(如旋转等操作)的需要。

节点分裂和合并

  • 由于B+树的节点包含多个键,插入时,即使某个节点满了也只需要进行节点分裂,分裂后的两个节点依然会有充足的空间容纳将来的插入操作。
  • B+树能够高效地进行节点分裂和合并操作,这在频繁的插入删除场景下,能够维持较好的稳定性。

5. 多版本并发控制(MVCC)

数据版本控制

  • B+树支持多版本并发控制(MVCC),不同事务通过不同的一致性视图进行并发操作。而B+树的结构允许高效地管理和维护多个版本的数据,使得MVCC机制能够高效实现。

相较其他树(如AVL树)的优势

AVL树 (Adelson-Velsky and Landis Tree)是一种高度平衡的二叉树,确保在插入或删除节点时,树的高度保持在倍数log级别。虽然AVL树在维护平衡性方面非常有效,但在数据库应用场景下,相较于B+树有明显劣势:

  • I/O性能:AVL树为二叉平衡树,每个内存节点只包含两个子节点(及其指针),导致树的高度较高,查找、插入、删除需要较多的磁盘I/O操作。
  • 顺序访问:没有类似叶子节点链表这样的辅助数据结构,导致范围查询效率较低。范围查询需要在树的结构中按照中序遍历来寻找数据,效率较低。
  • 内存消耗:由于节点数较多,内存存储的指针和键值数量也较多,对于大规模数据的索引管理,AVL树会占用更多内存。
  • 复杂性:插入和删除操作会频繁导致树的旋转和调整,这不仅增加了操作的复杂性,也通常意味着更高的计算和内存开销。


结论

通过上述对比可以看出,B+树在处理大规模数据和高并发环境中具有显著的优势,特别适合数据库的索引管理。这些优势包括更少的磁盘I/O、更高效的范围查询、更好的内存利用率,以及更简单高效的插入和删除操作,因此InnoDB引擎在设计时选择了B+树作为其索引结构。

如果你还有其他问题或需要进一步解释,欢迎继续提问!

树高和磁盘IO什么关系,怎么加载的

树的高度与磁盘I/O之间的关系在于访问树节点时的路径长度。树越高,访问某个叶子节点数据时,需要访问的中间节点越多,因此需要的磁盘I/O次数也就越多。

下面是详细解释树高和磁盘I/O之间关系的过程以及如何加载的。

1. 树的高度与访问路径长度

当读取存储在硬盘上的数据时,系统会将硬盘上的数据分块读取到内存中,每块数据称为一个(Page)。数据库采用树状结构(如B+树和AVL树)来组织索引,查找某个数据时会从根节点开始,一层层逐级遍历到叶子节点。

树的高度定义

树高是从根节点到叶子节点的最长路径的边数。树高直接影响查找过程中访问路径的长度。

访问路径
  • B+树:
    • 较矮(即树高低),一次查找需要访问较少的节点。
    • 每个中间节点和叶子节点可以存储多个指针和键值对,提供了更平坦的结构。
  • AVL树:
    • 较高(即树高高),一次查找需要访问更多的节点。
    • 每个节点只能存储一个键和两个指针,因此树结构较深。

2. 磁盘I/O的操作机制

磁盘I/O指的是从磁盘读取数据到内存或写数据到磁盘的操作。由于磁盘访问速度远低于内存,磁盘I/O是数据库性能的重要瓶颈。

磁盘页和块

数据库系统将磁盘上的数据按页或块进行存储和管理,每页的大小通常为4KB或8KB。一次磁盘I/O通常涉及加载一个或多个页。

节点加载机制
  • B+树节点
    • 每个节点包含多个键和指针,一次磁盘I/O可以加载更多的键和指针。
    • 访问路径短,尤其在大数据量下,减少了由于路径长度导致的I/O次数。
  • AVL树节点
    • 每个节点只包含一个键和两个指针,在相同数据量情况下,节点多、树高。
    • 访问路径长,需要更多磁盘I/O才能遍历到叶子节点。

3. 示例对比:B+树 vs AVL树

假设场景
  • 数据量:100 万条记录
  • 每个数据节点大小:实际大小差异影响不大
B+树情况
  • 假设每个节点包含100个键和指针。
  • 树高估算
    • 100万条记录,每个节点100个子节点。
    • 树高度约为log_100(1000000) ≈ 3
AVL树情况
  • 每个节点包含1个键和2个指针。
  • 树高估算
    • 100万条记录,每个节点2个子节点。
    • 树高度约为log_2(1000000) ≈ 20

4. 磁盘I/O频次举例

B+树

  • 较矮的树高(3层),每次查找最多需要3次磁盘I/O操作,因此查找效率较高。

AVL树

  • 较高的树高(20层),每次查找最多需要20次磁盘/I/O操作,增加了查找的时间成本。

5. 小结

  • 访问路径和树高的关系:树高与查找路径长度直接相关,较矮的树需要访问的节点数少,较高的树需要访问的节点数多。
  • 磁盘I/O的影响:每次查找操作从父节点开始,逐层访问直到叶子节点,树越高需要的磁盘I/O次数越多,性能受影响越大。
  • B+树优势:由于每个节点包含更多的键和子节点指针,树高度较低,查找路径短,减少了磁盘I/O次数,提升了查找性能。与AVL树的"瘦高"结构相比,B+树更加适用于大规模数据存储和高效查找。

因此,B+树的矮胖结构能够减少磁盘I/O操作,从而提升数据库系统的整体性能,这是为什么InnoDB选择使用B+树而不是AVL树的一个重要原因。

如果有更多问题或需要进一步解释,欢迎继续提问!
https://blog.csdn.net/qq_38826019/article/details/116539223

:::

聚簇索引&非聚簇索引

mysql聚簇索引和非聚簇索引,什么叫回表
https://blog.csdn.net/weixin_46781683/article/details/130992651

:::tips

好的,让我们解答这两个问题。

1. 聚簇索引和非聚簇索引

聚簇索引(Clustered Index)
  • 定义:在聚簇索引中,数据记录按索引顺序存储,索引的叶子节点存储了实际的数据行。
  • 特点
    • 每个表只能有一个聚簇索引(因为数据存储不能同时按多种方式排序)。
    • 数据按索引顺序物理存储在数据页中。
    • 会影响插入速度(因为新数据可能会导致页分裂)。
    • 主键通常默认创建在聚簇索引上。
非聚簇索引(Non-Clustered Index)
  • 定义:在非聚簇索引中,索引的叶子节点存储索引键和指向实际数据行的指针,数据记录不像聚簇索引一样按索引顺序存储。
  • 特点
    • 一个表可以有多个非聚簇索引。
    • 索引和数据分开存储。
    • 查找速度通常比聚簇索引慢(因为可能需要多次访问磁盘)。
    • 较适合随机读或查询。

2. 回表

回表(Table-Back)
  • 定义:在使用非聚簇索引查询数据时,如果查询的列不包含在索引中,数据库引擎需要回到表中根据索引指针找到实际的数据行读取所需的列,这个过程叫做回表。
  • 例子
    • 假设有一个表users,包含列idnameemailid是主键(聚簇索引),在email上创建了非聚簇索引。
    • 现在有一个查询:SELECT name FROM users WHERE email = 'example@example.com';
    • MySQL通过非聚簇索引找到email = 'example@example.com'的行指针,然后需要回到表中根据指针找到该行,读取name列,因为name列不在非聚簇索引里面。
  • 回表的过程
    1. 根据非聚簇索引idx_email找到email = 'example@example.com'的记录。
    2. 获取指向实际数据行的行指针。
    3. 根据行指针回到表中定位对应数据行。
    4. 读取并返回name列的值。

希望这个解释能帮你理解聚簇索引、非聚簇索引,以及回表的概念。继续向我提问其他问题吧,随时准备回答!

:::

三大范式

Mysql三大范式是什么,简要说明

:::tips

数据库设计中的范式(Normalization)是一系列规则,目的是通过规范化表结构来减少数据冗余和提高数据一致性。MySQL 通常遵循的三大范式是 第一范式 (1NF)、第二范式 (2NF)和 第三范式(3NF)。下面简要说明每个范式的定义和特点。

1. 第一范式(1NF)

定义

第一范式要求表中的每一列都是不可分割的原子值。也就是说,表中的每个字段只能存储一种数据,不允许存储列表、集合或嵌套记录。

特点
  • 原子性:所有列的值必须是原子的(不可再分)。
  • 唯一性:没有重复的列,并且每个列都必须是唯一的。

2. 第二范式(2NF)

定义

第二范式在满足第一范式的基础上,还要求表中的每一非主键列都必须完全依赖于主键,即表中不存在部分依赖关系(Any non-prime attribute is fully functionally dependent on the primary key)。

第二范式的前提是表必须有主键,且没有部分依赖于该主键的非主属性。

特点
  • 完全依赖:每个非主键列必须完全依赖于主键,不能只依赖于主键的一部分(这适用于复合主键)。
  • 主键和所有非主键列之间不存在部分依赖关系。

3. 第三范式(3NF)

定义

第三范式在满足第二范式的基础上,还要求表中的每一非主键列必须直接依赖于主键,而不能依赖于其他非主键列(消除传递依赖)。即,表中不存在传递依赖(Transitive Dependency)。

特点
  • 消除传递依赖:非主键列不能依赖于其他非主键列。所有非主键列必须直接依赖于主键。

总结

  • 第一范式(1NF):确保表中每个字段的值都是原子的(不可再分)。
  • 第二范式(2NF):在满足1NF的基础上,确保非主键列完全依赖于主键,消除部分依赖。
  • 第三范式(3NF):在满足2NF的基础上,确保非主键列直接依赖于主键,消除传递依赖。

通过遵循这些范式,数据库表结构可以更加规范化,减少数据冗余,提高数据一致性和完整性。如果你有其他问题或者需要详细解释,欢迎继续提问!

:::

SQL优化

平时有做过sql优化相关的工作吗,如何进行sql优化

:::tips






结论

SQL优化是一个综合性的工作,包括索引优化、查询优化、数据库配置优化、数据模型优化等多个方面。通过分析查询的执行计划、监控数据库性能、优化查询语句和物理设计,可以显著提升数据库的查询性能。

如果你有更多问题或者需要具体的优化建议,欢迎继续提问!

哪些情况会导致索引失效,如何避免sql索引失效







总结

避免索引失效的方法包括但不限于:

  1. 避免在索引列上使用函数或表达式:将函数或表达式应用于常量或参数。
  2. 确保数据类型一致:避免隐式类型转换。
  3. 避免不等操作符:尽量使用等于操作符。
  4. 避免 **IS NULL** **IS NOT NULL**:改用默认值替代NULL。
  5. 避免前缀通配符的 **LIKE**查询:改用其他方法进行模式匹配。
  6. 复合索引的列顺序:确保查询包含复合索引的前缀列。
  7. 定期维护索引:重建或优化表,可减少索引碎片。
  8. 避免 **OR**操作符 :可用UNION替代。

通过这些优化方法,可以有效避免索引失效,提升查询性能。如果你有更多具体问题或需要深入解答,欢迎继续提问!

关联查询时需要注意些什么提高查询效率



关联查询为什么需要小表在前,大表在后

在数据库设计和查询优化中,关联查询(JOIN查询)通常建议将小表放在前(驱动表),而大表放在后(被驱动表),这是因为这样可以利用小表来减少操作中的数据量,从而提升查询效率。这一优化策略对于嵌套循环连接(Nested Loop Join)和哈希连接(Hash Join)尤其有效。

小表在前,大表在后的原因




如何查看索引是否生效,explain重点关注哪些字段

在MySQL中使用EXPLAIN语句可以查看查询的执行计划,以分析查询是否有效使用了索引。通过EXPLAIN的结果,我们可以了解查询是如何执行的,并重点关注哪些字段对查询性能有影响。

使用EXPLAIN查看查询计划

基本用法

你可以在任何SELECT查询的前面添加EXPLAIN关键字来查看执行计划:

EXPLAIN的输出字段及其含义

EXPLAIN 的执行计划输出包含多个字段,每个字段提供了查询执行的不同维度的信息。以下是这些字段及其重点关注点:

  1. id :查询的序列号,表示查询中每个独立子查询的顺序。查询中的每一个SELECT操作都会有一个唯一的id。
    • 应用:一般情况下,id相同的表示可以一起执行,不同的id表示要按顺序执行。id较大的会优先执行。
  2. select_type :表示SELECT查询类型,可以帮助诊断查询的类型和复杂度。
    • 常见类型
      • SIMPLE:简单查询,不包含子查询或联合查询。
      • PRIMARY:表示主查询(最外层的查询)。
      • SUBQUERY:表示子查询。
      • DERIVED:表示派生表(来自子查询的临时表)。
      • UNION:表示UNION查询中的第二个或以后的SELECT语句。
      • DEPENDENT UNION:和UNION类似,但依赖外部查询。
      • UNION RESULT:UNION操作的结果集。
  3. table :表示正在访问的表名或别名。
    • 应用:可以帮助辨别查询中每一步操作视频的表。
  4. type :访问类型,即MySQL决定如何查找表中的行。
    • 常见类型 (按优劣排序):
      • system:表仅有一行(等于系统表)。
      • const:通过索引一次性查找到。
      • eq_ref:唯一索引扫描,针对每一个主键或唯一索引键,最多返回一条记录。
      • ref:非唯一索引扫描,返回匹配某个值的所有行。
      • range:索引范围扫描,常见于BETWEEN<>等操作。
      • index:全索引扫描,全表扫描,但按索引顺序读取表,速度较快。
      • all:全表扫描,效率最低。若看到all应考虑查询优化。
  5. possible_keys :列出查询中可能使用的索引,但不一定实际用到。
    • 应用:可以看出哪些索引可以用于优化某个查询。
  6. key :实际使用的索引。如果没有使用索引,则该字段为NULL。
    • 应用 :用于确认哪个索引生效。若通过 possible_keys 可以列出多个索引,但仅一个被使用。
  7. key_len :所使用索引的长度,表示MySQL决定实际使用索引的字节数。
    • 应用:反映索引字段的利用率,可以帮助判断索引是否高效。通常情况下,key_len越短越好,但也必须包含完整的查询条件。
  8. ref :显示索引的哪一列被用来查找索引记录,通常显示被比较的列。
    • 应用:帮助理解索引的使用情况及效率。
  9. rows :估计需要读取的行数,是查询优化器估算的一个取值,可能不是非常精确。
    • 应用:用于估算查询的开销及优化效果。
  10. filtered :显示符合查询条件的行比例,范围0到100,表示估计满足WHERE子句过滤条件的行相对行数比例百分比。
  • 应用:尽量提高过滤率,减少不必要的数据处理量。
  1. Extra:额外的信息,描述查询中其他能够优化的信息。
  • 常见值
    • Using filesort:发生文件排序,性能较差,需要优化排序。
    • Using index:仅通过索引返回列数据,性能良好。
    • Using temporary:使用临时表,多见于排序或分组查询,需优化。
    • Using where:索引被使用进行过滤。
    • Using index condition:索引条件下推(ICP),部分条件在索引中筛选,剩余条件在表中过滤。

:::

主从复制

简要介绍下mysql主从复制原理

:::tips

MySQL 主从复制(Master-Slave Replication)是MySQL数据库的一种数据复制机制,它允许一个数据库实例(主库)将其数据复制到一个或多个数据库实例(从库)。这种机制常用于数据备份、读写分离、高可用架构等情况下。下面简要介绍MySQL主从复制的原理及其工作流程。

MySQL 主从复制原理

1. 主库(Master)

主库的主要职责是处理数据库的写操作(INSERT、UPDATE、DELETE等),并将这些操作记录在二进制日志(binlog)中。二进制日志记录了所有更改数据库内容的SQL语句及其结果。

2. 从库(Slave)

从库通过读取和重放主库的二进制日志,来达到与主库同步的目的。这样,当主库发生数据变化时,从库能够通过持续应用这些变化保持数据一致。

主从复制的详细步骤

  1. 主库记录更改到二进制日志
    • 主库的写操作被记录在二进制日志(binlog)文件中。
    • 日志包含了修改数据库的数据变化(SQL语句等)。
  2. 从库 IO 线程读取二进制日志
    • 从库在启动时,会启动一个IO线程来连接主库。
    • IO线程请求主库的二进制日志数据,并将其写入从库的中继日志(relay log)文件中。
  3. 从库 SQL 线程应用中继日志中的更改
    • 从库的SQL线程持续读取中继日志(relay log)中的日志记录,并将其应用到从库的数据库中,达到数据同步的目的。
    • 通过这种机制,从库能够保持数据与主库一致。

结论:

MySQL 主从复制通过以下步骤实现数据同步:

  • 主库将数据更改记录到二进制日志。
  • 从库的IO线程读取主库的二进制日志并保存到中继日志中。
  • 从库的SQL线程读取中继日志并将更改应用到从库。

通过这种机制,主从复制实现了数据的一致性和高可用性,并在实际应用中广泛用于负载均衡、数据备份和高可用的解决方案中。

如果你有更多问题或需要进一步解释,欢迎继续提问!

binlog redo log undo log区别都是什么

在MySQL中,binlog(Binary Log)、redo log和undo log是实现数据一致性、持久性和高效恢复的关键日志机制。它们各自具有不同的用途和特点,下面简要介绍它们的区别和作用。

Binlog(Binary Log)

作用和特点
  • 主要作用:用于记录所有对数据库进行修改的SQL语句,是实现数据复制和数据恢复的关键。
  • 日志内容:记录了所有对数据库的数据更改操作(如INSERT、UPDATE、DELETE)以及语句执行的结果。
  • 文件形式:以二进制形式存储,能保存很长时间。
  • 读取工具 :可以使用mysqlbinlog工具查看其内容。
  • 持久性:长期保存,不会覆盖之前的数据。
应用场景
  • 数据恢复:通过replay binlog日志可以实现时间点恢复(PITR,Point-in-Time Recovery)。
  • 主从复制:主库将binlog发送给从库,从库根据binlog重放SQL语句来实现数据同步。




总结

在MySQL中,binlog、redo log和undo log各自有其重要作用和特点,三者合力保障了数据库的高效性、持久性和一致性:

  • binlog(Binary Log):记录所有对数据库进行修改的SQL语句和结果,用于数据恢复和主从复制。
  • redo log:记录数据页的物理变化,保障事务的持久性和崩溃恢复。
  • undo log:记录数据的逻辑变化,用于事务回滚和实现多版本并发控制(MVCC)。

这种组合机制确保了MySQL在高并发、大数据量环境下的可靠性和高性能。如果有更多问题或需要更详细的解释,欢迎继续提问!

binlog redo log undo log记录的格式都是什么样的,举例说明什么是物理变化,逻辑变化

在MySQL数据库存储引擎中,binlog(Binary Log)、redo log和undo log分别记录了数据库操作的不同方面,并具有各自特定的记录格式。它们之间的记录格式和内容差异显著,下面详细解释它们的记录格式,并通过示例说明什么是物理变化和逻辑变化。







binglog 三种日志记录类型解释

MySQL中的Binlog(Binary Log)主要有三种日志记录类型:基于语句的复制(Statement-Based Replication, SBR)基于行的复制(Row-Based Replication, RBR)和混合模式复制(Mixed-Based Replication, MBR) 。这些日志记录类型各有其特点和适用场景,下面详细解释这三种记录类型。


总结

在MySQL的Binlog中有三种主要的日志记录类型:

  1. 基于语句的复制(SBR)
    • 记录内容:每次执行的SQL语句。
    • 优点:日志体积小,便于理解。
    • 缺点:存在不一致性风险,复杂SQL在从库上执行开销大。
  2. 基于行的复制(RBR)
    • 记录内容:每条数据的具体变化。
    • 优点:减少不一致性风险,适用于复杂操作场景。
    • 缺点:日志体积大,可读性差。
  3. 混合模式复制(MBR)
    • 记录内容:自动选择语句或行模式记录。
    • 优点:结合了两者优点,高灵活性。
    • 缺点:复杂度高,管理和调试较复杂。

在实际应用中,可以根据具体需求选择合适的Binlog记录模式,以实现最佳的性能和一致性。如果有更多问题或需要深入解释,欢迎继续提问!

:::

相关推荐
恒辉信达2 分钟前
hhdb客户端介绍(53)
数据库·mysql·hhdb·数据库可视化界面客户端
Hello.Reader1 小时前
Redis热点数据管理全解析:从MySQL同步到高效缓存的完整解决方案
redis·mysql·缓存
是程序喵呀2 小时前
MySQL备份
android·mysql·adb
指尖上跳动的旋律2 小时前
shell脚本定义特殊字符导致执行mysql文件错误的问题
数据库·mysql
一勺菠萝丶2 小时前
MongoDB 常用操作指南(Docker 环境下)
数据库·mongodb·docker
m0_748244833 小时前
StarRocks 排查单副本表
大数据·数据库·python
C++忠实粉丝3 小时前
Redis 介绍和安装
数据库·redis·缓存
wmd131643067123 小时前
将微信配置信息存到数据库并进行调用
数据库·微信
是阿建吖!3 小时前
【Linux】基础IO(磁盘文件)
linux·服务器·数据库
凡人的AI工具箱4 小时前
每天40分玩转Django:Django国际化
数据库·人工智能·后端·python·django·sqlite