事务
事务：在多个操作合在一起视为一个整体。要么就不做、要么就做完。
事务应该满足ACID
- A : 原子性。不可分割。
- C : 一致性。追求的目标，在开始到结束没有发生预定外的情况。
- I : 隔离性。不同的事务是独立的。
- D : 持久性。系统崩溃，数据依然要存在。
AID是为了C。
我们之前一直在使用事务
@@autocommit 为1，说明启用了自动提交属性，每个SQL指令都单独看成是一个事务。
在开两个命令窗口对同一个表进行一次操作，不会出现一个进行到一半另一个窗口指令执行的现象，因为每个SQL指令都单独看为一个事务。
让多个SQL指令合成一个事务
begin;/start transaction; 开启事务
写各种指令
commit；事务完成
rollback；事务回滚（放弃该事务前面所作的所有操作）
开启事务后，一定要以事务完成或者事务回滚结束本次事务。用了begin；后面的每单独一条指令不是事务（非原子操作）。
接下来演示事务回滚与事务完成
准备一张表：
事务回滚
开两个窗口，在左窗口begin;后执行更改数据，右窗口此时查看的是旧数据。
随后左窗口执行rollback；事务回滚到begin；现在数据没有进行更改。
事务完成
同样使用两个窗口
在左窗口执行begin;后，执行数据更改，此时右窗口查看到的依然是旧数据。
左窗口随后执行commit；完成事务，这时候右窗口再进行查看，查看到的为更改完成后的数据。
事务的隔离性
不同的事务彼此之间是独立的
多个事务同时执行，有可能会操作同一份数据，会产生竞争条件。若是像进程线程一样采用锁，会导致粒度过大，因为数据库的数据存在磁盘上，对锁的操作时间过长。在数据库领域，访问共享资源（磁盘数据）的时间很长，我们需要对锁机制做更加精细的管理，我们希望尽量让同时运行的时间越长越好。
首先需要做的是对并发带来的问题，按严重程度进行分级。
并发带来的问题
最严重 --> 最不严重问题：脏写 -> 脏读 -> 不可重复读 -> 幻读
脏写
对于t2来说没有实现隔离性，在任何情况下，脏写都是不可接受的。
解决方案：让第二次write操作会阻塞，直到第一次事务结束。
脏读
整个过程顺利完成了，但是在事务进行中某个过程t2读出的数据不满足一致性。 在一致性要求不高的场景下是可以接受的。
解决问题：只能读到已经提交的旧数据，不能读到最新还未提交的数据。
不可重复读
一个事务内部先后两次读取，数据不一致。不会造成严重后果，在t2看起开很奇怪。
解决方案：只要进行读就加锁，不让别人更改。
幻读
在一个事务当中连续读取多次数据，第一次读取到的内容在第二次读取中保持不变，但是会读取到其他数据。
隔离级别
为了实现隔离性，我们需要解决并发带来的问题。
- 读未提交（READ UNCOMMITTED）
- 读已提交（READ COMMITTED）
- 可重复读 （REPEATABLE READ）
- 串行化 （SERIALIZABLE）
查看隔离级别（注：每个窗口的隔离级别是不一样的，若要更改，每个窗口都要单独执行更改隔离级别的指令）@@开头的为系统变量。
读未提交
更改隔离级别为读未提交
当右一方提交新数据时，其他方对该数据的updata会被阻塞。
解决了脏写问题
没有解决脏读问题
读已提交
更改隔离级别为读已提交
解决了脏读问题，没有解决不可重复读问题
可重复读
这是默认的隔离级别
解决了不可重复读问题，第一次和第二次读到的内容一定是一样的。这是一种比较高的隔离级别。
如果一边insert into ，看上去没有幻读，但是紧接着insert into，触发约束，说明幻读依旧存在。
串行化
等价于mutex
解决了幻读问题，但是可能导致效率低。做任何读或者写都可能卡住。
性能
查询条件不一样导致查询时间相差很多倍。
数据在数据库中的存储方式
磁盘IO页大小一般为16KB
可使用select @@innodb_page_size查看
数据在磁盘当中按行存储的，在同一个磁盘页中，数据是有序的，按照主键排序。
特点：
- 数据按行存储
- 多行可以串联成一个链表
- 行是有顺序的，按主键排序的（可以使用二分查找定位，时间复杂度O(logN)）
数据存储在多个磁盘页时，需要再分配磁盘页用来存储其他磁盘页的位置。
左侧称为数据IO页，右侧称为索引IO页。
现在数据量进一步增大，一个索引页不够存储，此时需要新的索引页。同时为这一级的索引页再添加索引页。此时的结构称为B+树。
B+树
- 所有的非叶子节点都是索引页，所有的叶子节点都是数据页
- 数据是有序的
- 查询次数（将数据从磁盘加载到内存中的次数）由树的高度决定
主键自带B+树的索引，查找速度很快，因为B+树按照主键排序。按照其他查找，只能通过遍历树来实现，速度很慢。
索引项的大小一般是固定的，一般一个索引页可以放1600个索引项。一个表中的数据最好不要超过两千万，此时树的高度可能增长到四层，导致所有的查询操作变慢。
索引
额外的数据结构，用来做快速查找，可以由以下几种数据结构考虑：
线性表 O(N)
哈希表 O(1)
- 消耗空间大
- 适合做等值查询，不适合做范围查询
排序树 O(logN)
- 二叉排序树 树的高度容易过高
- 多叉排序树 B(B-)树、B+树
LSM tree
- 是一种专门为写入密集型场景优化的分层存储结构，将随机写入转换为顺序写入，显著提升系统写入效率
查看当前索引
这里的BTREE实际上是B+树。
新建索引
建立一个索引，number_idx是索引名，（number）是索引的依据
引入索引之后速度变快
新建索引 的叶子节点不存放所有数据，里面只存放新索引和主键，消耗的磁盘空间小。根据新索引找到查找内容的主键，再通过主键在旧索引中查找。
- 聚簇索引：主键是聚簇的，把行的值放入索引结构内部
- 非聚簇索引： 新建的索引，把行的地址或主键放入索引结构内部
mysql只有一个聚簇索引。非聚簇索引要经过两次索引查找擦能找到查询的内容，速度比聚簇索引略慢。
移除索引
移除索引后，查找速度显著变慢
组合索引
索引关注多列。
索引时遵循最左优先原则，如在上例中，先看c3、再看c2、最后看c1。
索引的分类
- 按数据结构分类：哈希/B树/B+树
- 聚簇索引：把行的值放入索引结构内部（主键是聚簇的）
- 非聚簇索引：把行的地址或主键放入索引结构内部
- 单列索引：看一个值
- 组合索引：看多个值，遵循最左优先原则
覆盖索引
有下图的表，主键为id，number是非聚簇索引
分析下列三种查找效率
- select id,number from ...... where number = 123;
- select data from ...... where number = 123;
- select * from ...... where number = 123;
非聚簇索引中仅存储了行地址、主键以及number值，而第一次查找仅依赖非聚簇索引即可完成，称之为覆盖索引。
三次查找速度对比：
- 第一次操作速度最快
- 第二次、第三次要多做一次回表（到聚簇中去查询）操作
索引的坏处
- 消耗额外的空间
- 查询速度快，但是插入、修改、删除时间变长
- 随着时间的推移，索引的结构会产生碎片，索引是需要维护的
性能考虑
自动增长的整数作为主键比不会重复的随机数做主键要好。因为自动增长的整数，每次会按序进入B+树，即使需要节点合并、分裂操作也在偏向于叶子节点的位置，对B+树更加友好。