数据库整理

用户449688706972025-03-14 10:57

一. 数据库基础

1. 概念

  1. 数据库本质：一个文件系统，对数据的操作就是对文件的操作【IO操作】

  2. 数据库是什么：用于存储和操作数据的文件系统

  3. MySQL：MySQL是关系型数据库，基于二维表来存储的

    • 支持主键（Primary Key）和外键（Foreign Key）约束，确保数据的完整性和一致性。
    • 主键用于唯一标识表中的每条记录，外键用于建立表与表之间的关系。

2. 库表结构操作

1.一般图形化工具
  • MySQL：SQLyog，Navicat，DataGrail
  • Oracle：Navicat，DataGrail，PL Store...
2.SQL语句
  • 库操作: create database
sql 复制代码 
#1.创建一个简单的数据库：
CREATE DATABASE mydatabase;

#2.创建数据库并指定字符集和校对规则：
CREATE DATABASE mydatabase
CHARACTER SET utf8mb4
COLLATE utf8mb4_unicode_ci;

#3.创建数据库并避免重复创建：
CREATE DATABASE IF NOT EXISTS mydatabase;

#4.创建数据库并指定字符集和校对规则（完整示例）：
CREATE DATABASE IF NOT EXISTS mydatabase
CHARACTER SET utf8mb4
COLLATE utf8mb4_unicode_ci;
  • 表操作: create table,alter table,drop table,truncate table
sql 复制代码 
#1.CREATE TABLE 用于创建一个新的表，并定义表的结构，包括列名、数据类型、约束等。
CREATE TABLE 表名 (
    列名1 数据类型 [约束],
    列名2 数据类型 [约束],
    ...
    [表级约束]
);
#示例
CREATE TABLE employees (
    id INT AUTO_INCREMENT PRIMARY KEY,  -- 主键，自动递增
    first_name VARCHAR(50) NOT NULL,    -- 非空约束
    last_name VARCHAR(50) NOT NULL,
    email VARCHAR(100) UNIQUE,          -- 唯一约束
    age INT CHECK (age >= 18),          -- 检查约束
    hire_date DATE
);

#2.TRUNCATE TABLE 用于清空表中的所有数据，但保留表的结构。
TRUNCATE TABLE 表名;

#常见语法
#1.添加列
ALTER TABLE 表名 ADD COLUMN 列名 数据类型 [约束];

#2.删除列
ALTER TABLE 表名 DROP COLUMN 列名;

#3.修改列
ALTER TABLE 表名 MODIFY COLUMN 列名 新数据类型 [约束];

#4.重命名列
ALTER TABLE 表名 CHANGE COLUMN 旧列名 新列名 新数据类型 [约束];

#5.添加约束
ALTER TABLE 表名 ADD CONSTRAINT 约束名 约束类型;

#6.删除约束
ALTER TABLE 表名 DROP CONSTRAINT 约束名;
  • PD(PowerDesingner)
    • 数据库建模: CDM(概念数据模型),PDM(物理数据模型),LDM(逻辑数据模型)
  • 表数据操作
    • DQL(Select):
      • 基础查询、条件查询、连接查询、分组与聚合、排序、分页查询、高级查询
    • DML
sql 复制代码 
#1.INSERT 语句用于向表中插入新的数据行。
INSERT INTO 表名 (列1, 列2, ...) VALUES (值1, 值2, ...);

#2.UPDATE 语句用于修改表中已存在的数据行。
UPDATE 表名
SET 列1 = 值1, 列2 = 值2, ...
WHERE 条件;

#3.DELETE 语句用于删除表中的数据行。
DELETE FROM 表名
WHERE 条件;
3. 实际开发
  • 先建模
    • PowerDesigner
      1. 创建CDM
        • 概念数据模型
      2. 由CDM生成PDM
        • 物理数据模型
      3. 由 PDM 生成 SQL
        • SQL就可以直接导入到数据库
  • 步骤
    • 通过静态原型，分析实体及属性，再通过CDM建出实体模型以及模型之间的关系，构建CDM，再通过CDM构建PDM，再通过PDM生成SQL文件
  • 作用
    • 方便我们去构建数据模型
  • 再导库
  • 微调

3.内容

1. 数据类型

  • 常用

    1. int

      • tinyint：一般用于枚举值（如 性别 0女 1男 2保密）
      • bigint：一般用于主键，雪花算法

    2. varchar

      • 变长字符串
      • 实际长度是真正存储数据的长度

    3. char

      • 定长字符串
      • 实际长度是设定的长度

    4. date

      • 一般用于出生年月日等字段

    5. datetime

      • 一般用于创建时间等

  • 少用

    1. text：长文本
    2. double
    3. float
    4. decimal
2.CRUD
  • insert
sql 复制代码 
insert into 表名 (字段列表) values (值列表)
insert into 表名 (字段列表) values (值列表),(值列表),(值列表)....
  • delete
sql 复制代码 
delete from 表名 where 条件
# 逻辑删除：使用一个标记字段表示当前记录是否删除 is_delete【本质上是更新】
  • update
sql 复制代码 
update 表名 set 字段1=值1, ... where 条件
  • select

  1. 避免使用 SELECT *

    • SELECT * 会检索表中的所有列，可能导致性能问题，尤其是当表中包含大量列或数据时。此外，它会增加网络传输的负担。

  2. 统计聚合

    • count(*)

  3. 单表（SQL执行顺序）

    • from --> where ---> group by ---> 聚合函数 ---> having ---> select ---> distinct ---> order by ---> limit

  4. 连表

    • SQL执行顺序：

      from --> join...on ---> where ---> group by ---> 聚合函数 ---> having ---> select ---> distinct ---> order by ---> limit

    • 内连接(交集)

      inner join ---> 显示内连接

      where A.id = B.aid ---> 隐式内连接，等值连接

      得到结果，是满足条件的两个表的交集

    • 左外连接

      left [outer] join

      跟内连接有什么区别？

      • 内连接：显示两个表符合条件的数据
      • 左外连接：左表显示全部，右表匹配条件则显示，不匹配以NULL值填充

    • 子查询

      • 能够使用连接查询的情况，尽量不要使用子查询

      • 如果子查询能够减少数据量查询（减少笛卡尔积情况），建议使用

      • 结果

        一个值：聚合函数，使用 =

        多个值：使用in

        一个表：使用from

5.视图

  • 伪表：数据来源于原表，本身不存储数据

  • 对视图的增删改操作都是在操作原表数据

    1. 视图最大的目的是为了辅助查询，所以一般不对视图做增删改操作。设置为只读视图
    2. create view 视图名称 as select 语句

  • 作用

    1. 辅助查询，提升查询性能

    2. 屏蔽敏感数据

    3. 主分同步

      • 主：修改数据
      • 分：查【数据会实时同步】
4.存储过程
  • 是一组为了完成特定功能的SQL语句集合。例如：转账
  • 阿里开发说：禁止使用存储过程，银行系统可能会用
5.触发器（了解）
  • 一种特殊的存储过程
  • 作用：在对表中数据做增删改操作之前或者之后的时机，触发一些事件【如：记录日志、数据校验等】

二.存储引擎

1.查看存储引擎

SHOW ENGINES

2.InnoDB - 默认的存储引擎

  • 支持事务、支持物理外键【一般不用】 ---> 物理外键是在早先数据库设计三范式中必须遵循的。

  • 天生支持行锁、手动支持表锁

  • 使用聚簇(集)索引

    1. 索引跟数据在同一个文件(表名.ibd)
    2. 只有主键索引是聚簇索引，其他索引是非聚簇索引

3.MyISAM

  • 不支持事务、不支持外键
  • 只支持表锁，不支持行锁

  • 使用非聚簇索引

    1. 索引跟数据不在一个文件
    2. 数据 ---> (表名.myd)
    3. 索引 ---> (表名.myi)

面试题：InnoDB 和 MyISAM 的区别？

  1. 事务支持

    1. MyISAM：不支持事务，强调的是性能。
    2. InnoDB：支持事务：支持4个事务隔离级别

  2. 表锁差异

    1. MyISAM：表级锁定形式，数据在更新时锁定整个表
    2. InnoDB：行级锁定，但是全表扫描仍然会是表级锁定

  3. 读写过程

    1. MyISAM：数据库在读写过程中相互阻塞

      • 会在数据写入的过程阻塞用户数据的读取
      • 也会在数据读取的过程中阻塞用户的数据写入

    2. InnoDB：读写阻塞与事务隔离级别相关

  4. 缓存特性

    1. MyISAM：可通过key_buffer_size来设置缓存索引，提高访问性能，减少磁盘I/O的压力

      • 但缓存只会缓存索引文件，不会缓存数据

    2. InnoDB：具有非常高效的缓存特性：能缓存索引，也能缓存数据

  5. 存储方式

    1. MyISAM：釆用 MyISAM存储引擎数据单独写入或读取，速度过程较快且占用资源相对少
    2. InnoDB：表与主键以簇的方式存储

  6. 外键支持

    1. MyISAM：MyISAM存储引擎它不支持外键约束
    2. InnoDB：支持外键约束

  7. 全文索引

    1. MyISAM：只支持全文索引
    2. InnoDB：5.5以前不支持全文索引，5.5版本以后支持全文索引

  8. 在磁盘上的存储类型

    1. MyISAM：每个 MyISAM在磁盘上存储成三个文件，每一个文件的名字以表的名字开始，扩展名指出文件类型

      • MyISAM在磁盘上存储的文件
      • .frm文件存储表定义
      • 数据文件的扩展名为.MYD（ MYData）
      • 索引文件的扩展名是.MYI（ MYIndex）

    2. InnoDB：所有的表都保存在同一个数据文件中（也可能是多个文件，或者是独立的表空间文件），InnoDB表的大小只受限于操作系统文件的大小，一般为2GB

  9. 存储空间

    1. MyISAM：支持三种不同的存储格式：

      • 静态表(默认，但是注意数据末尾不能有空格，会被去掉)
      • 动态表
      • 压缩表
      • 当表在创建之后并导入数据之后，不会再进行修改操作，可以使用压缩表，极大的减少磁盘的空间占用

    2. InnoDB：需要更多的内存和存储，它会在主内存中建立其专用的缓冲池用于高速缓冲数据和索引

  10. 表主键

    • MyISAM：允许没有任何索引和主键的表存在，索引都是保存行的地址
    • InnoDB：如果没有设定主键或者非空唯一索引，就会自动生成一个6字节的主键(用户不可见)，数据是主索引的一部分，附加索引保存的是主索引的值

  11. 表的具体行数

    1. MyISAM：保存有表的总行数，如果select count() from table;会直接取出出该值
    2. InnoDB：没有保存表的总行数，如果使用select count(*) from table；就会遍历整个表，消耗相当大，但是在加了wehre条件后，myisam和innodb处理的方式都一样

  12. 读写性能

    1. MyISAM：读取性能优越，但是写入性能差

      • 如果执行大量的select，MyISAM是更好的选择 InnoDB：写入性能较强

    2. 如果执行大量的insert或者update，InnoDB是更好的选择

http 复制代码 
原文链接：https://blog.csdn.net/CN_TangZheng/article/details/103858444

三. 索引

1.概念

  1. 一种排好序，能够提升查询性能的数据结构

2.为什么使用索引

  1. 优点：
    • 加快了数据的查询效率
    • 将随机IO变成顺序IO，降低数据库的IO成本（降低CPU消耗，因为B+树的叶子是连在一起的）
    • 加速表与表之间的连接
  2. 缺点：
    • 从空间角度考虑，建立索引需要占用物理空间
    • 从时间角度考虑，创建和维护索引都需要花费时间（例如：降低了insert、update、delete的效率。）

3.MySQL索引-结构

1. 二叉树

二叉查找树：左边的子节点比父节点小，右边的子节点比父节点大

  • 当我们向二叉查找树保存数据时，是按照从大到小(或从小到大)的顺序保存的，此时就会形成一个单向链表，搜索性能会打折扣。
2.平衡二叉树
  • 平衡二叉树是采用二分法思维，平衡二叉查找树除了具备二叉树的特点，最主要的特征是树的左右两个子树的层级最多相差1。在插入删除数据时通过左旋/右旋操作保持二叉树的平衡，不会出现左子树很高、右子树很矮的情况。（红黑树也是一棵平衡的二叉树）
  • 平衡二叉树的问题
    1. 时间复杂度和树高相关。树有多高就需要检索多少次，每个节点的读取，都对应一次磁盘 IO 操作。树的高度就等于每次查询数据时磁盘 IO 操作的次数。在表数据量大时，查询性能就会很差。
    2. 平衡二叉树不支持范围查询快速查找，范围查询时需要从根节点多次遍历，查询效率不高。
B树

  1. B树是一种多叉平衡查找树

  2. B树的节点中存储着多个元素，每个内节点有多个分叉。

    • 非叶子节点：父节点
    • 叶子节点：没有子节点的节点

  3. 节点中的元素包含键值（索引值）和数据（行数据），节点中的键值从大到小排列。也就是说，在所有的节点都储存数据。

    • 索引：8B
    • 行数据：1K
    • 总共1032B

  4. 父节点当中的元素不会出现在子节点中。

  5. 所有的叶子结点都位于同一层，叶节点具有相同的深度，叶节点之间没有指针连接。

  6. 在MySQL中

    1. 以页来存储数据，一页大小为 16K，而索引大小约8B，数据大小约1K，所以一页 【16 * 1024 / (8+1024)B = 1024B】，得到 15。

      • 第一层：存 15个数据
      • 第二层：存 15 * 15个数据
      • 第三层：存 15 * 15 * 15个数据
      • 以此类推

    2. 要想存储大量数据，树的高度会越来越高，那么在查询的时候，走的路径就越长，查询效率就越慢

4.B+树

  1. B+树和B树最主要的区别在于非叶子节点是否存储数据的问题

  2. 非叶子节点：

    1. 存储的是索引值 和 指向下个索引值的指针

      • 索引值：8B
      • 指针：6B
      • 总共 14B

    2. 一个节点可以存储 【16*1024B / 14B】= 1170

      • 一层存储 1170

      • 二层存储 1170*1170

      • 三层如果存储是叶子节点

        • 16*1024B / 1032B = 15个
        • 存储的总数据量为 1170117015 = 2000W+的数据

  3. 叶子节点：

    • 存储索引值和数据【8B + 1024B】
    • 会冗余存储非叶子节点的索引值
    • 节点之间有指针【双向链表】，提升区间访问效率

  4. 区别：

    1. B树：非叶子节点和叶子节点都会存储数据。
    2. B+树：只有叶子节点才会存储数据，非叶子节点至存储键值。叶子节点之间使用双向指针连接，最底层的叶子节点形成了一个双向有序链表。
为什么不选择 hash？
  • Hash表在等值查询时效率很高 ，时间复杂度为O(1)；但是不支持范围快速查找，范围查找时还是只能通过扫描全表方式。当哈希冲突很多的时候，效率会降低。

四.索引底层为什么采用B+树而不是B树

  • B树适用于随机检索，而B+树适用于随机检索和顺序检索
  • B+树的空间利用率更高，因为B树每个节点要存储键和值，而B+树的内部节点只存储键，这样B+树的一个节点就可以存储更多的索引，从而使树的高度变低，减少了I/O次数，使得数据检索速度更快。
  • B+树的叶子节点都是连接在一起的，所以范围查找，顺序查找更加方便
  • B+树的性能更加稳定，因为在B+树中，每次查询都是从根节点到叶子节点，而在B树中，要查询的值可能不在叶子节点，在内部节点就已经找到。

那在什么情况适合使用B树呢，因为B树的内部节点也可以存储值，所以可以把一些频繁访问的值放在距离根节点比较近的地方，这样就可以提高查询效率。综上所述，B+树的性能更加适合作为数据库的索引。

http 复制代码 
原文链接：https://blog.csdn.net/qq_35190492/article/details/109257302

五.主键索引

  1. InnoDB引擎的表一定需要主键，如果不创建，数据库会自动创建并维护一个主键索引。创建主键的列建议是没有业务意义的列

  1. 非叶子节点：存储主键值

  2. 叶子节点：存储行数据

  3. 所以通过主键可以直接在索引树上找到数据，不需要查表，速度非常快

  4. 推荐使用主键自增

    • 因为插入的数据始终会放在最后面，可以快速的找到插入的位置，无需做额外的开销，如移动数据的位置，旋转树等
    • 如果不是自增，那么就无法判断要插入的数据具体是插入到索引树的哪个一位置，所以也无法判断树中数据的变化与树的旋转。那么就会带来不必要的开销

六.非主键索引

  1. 普通索引
  • 在普通字段上建立索引

  • 非叶子节点：存储索引列值

  • 叶子节点：

    1. 存储的数据是主键值

    2. 为什么非主键索引的叶子节点数据存储的是主键值？

      • 因为如果不存主键值，那么就只能存储数据。
      • 如果数据发生了变化，不仅要维护主键索引，同时还需要维护其他索引。表示修改了一个索引的数据，会同时修改其他索引的数据，这需要带来额外的开销

  1. 唯一索引

    • 给唯一列创建索引(unique)

  2. 联合索引

    • 给主键以外的多个列创建索引，也叫联合索引【组合索引】
    • 表：id，name，age，phone
    • 索引：name，age，phone

  3. 全文索引

    • 因为Elasticsearch
    • Elasticsearch 是一个功能强大的分布式搜索引擎，适用于需要高效搜索和数据分析的场景。

七.创建索引的要求？

  1. 单表索引不超过5个
  2. 联合索引的字段不超过5个
  3. 经常增删改的字段不适合创建索引
  4. 枚举值字段不适合创建索引
  5. 不经常修改，经常查询的字段适合创建索引
  6. 大长度的字段，可以设置前缀索引（为字段的前几个字符建立索引）
sql 复制代码 
CREATE TABLE users (
    user_id INT AUTO_INCREMENT PRIMARY KEY,
    username VARCHAR(255),
    email VARCHAR(255)
);

-- 创建前缀索引
CREATE INDEX idx_username_prefix
ON users (username(10));

八.创建索引语法

  1. 主键索引

    • 命名要求：pk_列名
    sql 复制代码 
    #建表时，主键默认为索引
create table user(
    id varchar(11) primary key,
    name varchar(20),
    age int
)

#查看user表中的索引
show index from user;
  1. 普通索引
  • create index 索引名称 on 表名(具体的列名)
  • 命名要求：idx_列名
sql 复制代码 
#创建普通索引，只能包含一个字段
create index name_index on user(name);
  1. 唯一索引
  • create unique index 索引名称 on 表名(列名)
  • 命名要求：uk_列名
sql 复制代码 
#创建唯一索引，只能有一个列
create unique index age_index on user(age);
  1. 联合索引
  • create index 索引名称 on 表名(列1,列2)
  • 命名要求：idx列1列2
sql 复制代码 
#复合索引（联合索引）
create index name_age_index on user(name,age);
http 复制代码 
原文链接：https://developer.aliyun.com/article/831250

二.数据库优化

1. 合理设计表结构（参考58军规版）

  • 字符类型：utf8、utf8mb3
  • mtf8mb4：有特殊符号，用这个，如微信中的笑脸
  • 字段的名称、数据类型、长度、是否为空、有无默认值

2.查询SQL的执行原理

3. 查询SQL优化

  1. 最终原则：

    • 尽量让SQL命中索引，提升查询性能
    • 但是MySQL会判断，如果不走索引比走索引还要快。他就不走索引了

  2. 最左前缀法则【模糊搜索和联合索引】

    • 联合索引由多个列组成

    • 在使用联合索引时，必须满足从左边开始匹配索引列

      1. 如 联合索引为 name, age, phone

        • name有索引
        • age有索引
        • phone有索引

      2. where name = 'aa' and age = 10 and phone = '13512341234'

        • 命中全部索引

      3. where name = 'aa' and age = 10

        • 命中name和age索引

      4. where name = 'aa' and phone = '13512341234'

        • 只命中name索引

      5. where name = 'aa' and phone = '13512341234' and age = 10

        • 内部查询优化器会对该SQL进行优化
        • 命中全部索引

      6. where name = 'aa' and age = 10 or phone = '13512341234'

        • 不走

        • or会让索引失效

        • 修改一下，命中索引

          1. select * from 表 where name = 'aa' and age = 10 union select * from 表 where phone = '13512341234'
          2. union：合并去重
          3. union all：合并不去重
  • 在写查询条件时，应该从联合索引的最左列开始依次编写
    • 查询时，查询条件的列必须跟创建索引时的列顺序一致

  1. 索引失效的情况【8种】

    • 使用 !=

    • 使用 or

    • 使用 is null 或者 is not null：null 做判断

    • 条件索引列做运算，使用函数

      1. where age+1=20（索引失效）
      2. where age = 20-1（索引生效）

    • 左%

      1. 如 name like '%a'
      2. 违反了最左匹配法则

    • 字符串比较丢失引号

      1. 如 a = '1' 不能写成 a = 1

    • 分页查询

      1. 数据量太大

        • limit 99900, 100（先查出100000，再去掉前面的99900）
        • 可以加上限制条件，譬如查第1000页数据，每页显示100条，那么可以加上 id > 98999 的条件

      2. 如果要用in

        • 里面的元素个数不要超过1000

      3. varchar类型，字符编码不一致

4.如何判断是否命中索引【Explain】

  • explain SQL

    1. SQL【查询、更新、删除】
    2. mysql 自带的SQL优化器
    3. 查看SQL的执行计划【通过返回的列去分析是否命中了索引】

  • explain 各列意思

  • const：主键跟常量去进行等值比较

  • ref

    1. 简单查询: 在简单查询中，使用了非主键索引做等值匹配
    2. 复杂查询：被关联查询的表使用了非主键索引作为关联条件

  • range：使用索引列作范围查询【数据量不能太小】

  • index：覆盖索引就会出现index

  • ALL：全盘扫描

  • key_len 计算规则
    1. mysql5 -
    2. mysql8
    3. rows
      • 可能需要查询的行数
  • Using index：使用了覆盖索引

5.优化规则

  1. 尽量命中索引

  2. 使用联合索引时遵循最左前缀法则

  3. 避免索引失效的情况

  4. 分页查询优化

    • select id, name from tb_user where id > 99899 limit 100【索引生效】
    • select id,name from tb_user limit 99900, 100【索引失效】

  5. 避免回表

    1. 回表

      1. 查询时，先通过非主键索引，找到主键值，再通过主键值找到其他数据【回表】。

        • 先走了普通索引，再走了主键索引

      2. 如：

        1. 表结构：id,name,age,phone
        2. 索引
        3. id列：主键索引
        4. name列：普通索引

      3. 查询语句

        • select name, age from tb_user where name = 'aa'【出现回表】
        • 先根据 name索引列找到 id列，再通过id列找到 age列，走了两次索引

    2. 使用覆盖索引

      • 覆盖索引：查询的字段是索引列

      • 解决上面SQL出现的回表现象

        1. 给 name,age 创建联合索引
        2. select name, age from tb_user where name='aa'

    3. 索引下推

      • MySQL5.6之后有的一个特征，自动会用【减少回表】

      • select name, age from tb_user where name='a%' and age>10

        1. 没有索引下推

          • 先找到a开头的name值 --> 找到ID，回表查询

        2. 有索引下推

          • 判断name,age是否都是索引列，如果是，就表示触发了覆盖索引，直接查询索引，不回表，返回数据

      • 查看Extra中的值是 Using index condition，就表示触发了索引下推

6.线上慢SQL定位

  1. 发现问题 ：一般项目部署上线以后，会有监控系统，专门监控SQL 。druid，监控发出告警信息

    • 系统上可以设置SQL的执行时间来判断是否是一个慢SQL。如果出现了，则会发送告警信息

  2. 定位分析问题

    1. 慢SQL日志定位

      • 启用慢查询日志：在MySQL配置中启用慢查询日志，这样可以记录执行时间超过阈值的查询语句。通过分析慢查询日志，可以找到执行时间较长的SQL语句。

      • 使用EXPLAIN分析执行计划：对于慢查询的SQL语句，使用EXPLAIN命令来查看其执行计划。通过分析执行计划，确定查询是否有效利用了索引以及是否存在性能瓶颈。

      • 检查索引使用情况：确保查询中涉及的列都有适当的索引，并且查询条件能够充分利用索引。可以使用SHOW INDEX命令或查询表的索引信息来检查索引情况。

      • 分析查询语句：仔细分析查询语句本身，检查是否存在冗余的操作、重复的子查询、不必要的排序、大量的JOIN操作等。

    2. 查看执行计划

      • 通过Explain查看SQL的执行计划

  3. 优化SQL

    • 使用 explain 去分析

      1. 会得到一个结果

      2. 然后就根据这里面的字段进行分析

        • type

          索引类型

          • 遵循一个原则，尽量触发前面的
          • 常用值：system > const > eq_ref > ref > range > index > ALL > * 尽量让这个值往前，如果可以的话，至少保证到 range

        • key

          1. 实际命中的索引

        • key_len

          1. 命中索引的字段的计算规则

          2. key_len 计算规则

            • 如果允许为NULL，则需要多加一个字节

            • mysql5.7

            • mysql8

              1. 加个1

                • 如 int 4个字节【4 + 1】
                • 如 varchar(20)【20 * 3 + 2 + 1】

        • rows

          • 可能需要查询的行数

        • extra

          • 可能需要查询的行数

    • 根据规则去优化

  4. 关于项目中使用Druid数据库监控的配置

//TODO

相关推荐
uhakadotcom9 分钟前
Python 缓存利器：`cachetools`
后端·面试·github
tan180°25 分钟前
版本控制器Git(4)
linux·c++·git·后端·vim
龙雨LongYu1241 分钟前
Go执行当前package下的所有方法
开发语言·后端·golang
程序员小刚1 小时前
基于springboot + vue 的实验室(预约)管理系统
vue.js·spring boot·后端
程序员小刚1 小时前
基于SpringBoot + Vue 的校园论坛系统
vue.js·spring boot·后端
Hamm1 小时前
MCP 很火，来看看我们直接给后台管理系统上一个 MCP？
后端·llm·mcp
bobz9651 小时前
软件 ipsec 对接 h3c 防火墙 ipsec 对上了一半
后端
Asthenia04122 小时前
Java线程：如何防止虚假唤醒？从简单到复杂的探索之旅
后端
Asthenia04122 小时前
@Transactional 之TransactionAspectSupport与TransactionManager：如何在不抛出异常的情况下实现事务回滚
后端
marzdata_lily2 小时前
从零到上线！7天搭建高并发体育比分网站全记录（附Java+Vue开源代码）
前端·后端
热门推荐
01DeepSeek各版本说明与优缺点分析02如何在WPS和Word/Excel中直接使用DeepSeek功能03本地部署DeepSeek教程（Mac版本）04从零安装 LLaMA-Factory 微调 Qwen 大模型成功及所有的坑05DeepSeek RAGFlow构建本地知识库系统06本地化部署AI知识库：基于Ollama+DeepSeek+AnythingLLM保姆级教程07如何本地部署AI智能体平台，带你手搓一个AI Agent08苍穹外卖面试总结09DeepSeek R1本地化部署 Ollama + Chatbox 打造最强 AI 工具10Windows 11 安装 Dify 完整指南 非docker环境