存储引擎
MySQL体系结构
连接层 服务层 引擎层 存储层
存储引擎简介
存储引擎就是存储数据、建立索引、更新/查询数据等技术的实现方式。存储引擎是基于表的，而不是基于库的，所以存储引擎也可被称之为表引擎。
1.在创建表时，指定存储引擎
CREATE TABLE 表名（
字段1 字段1类型 [ COMMENT 字段1注释],
...
字段n 字段n类型 [COMMENT 字段n注释]
)ENGINE = INNODB [COMMENT 表注释];
2.查看当前数据库支持的存储引擎
SHOW ENGINES;
存储引擎特点
InnoDB
介绍：InnoDB是一种兼顾高可靠性和高性能的通用存储引擎，在MySQL 5.5之后，InnoDB是默认的MySQL存储引擎
特点：
DML操作遵循ACID模型，支持事务；
行级锁，提高并发访问性能；
支持外键FOREIGN KEY约束，保证数据的完整性和正确性
文件：
xxx.ibd: xxx代表的是表名，InnoDB引擎的每张表都会对应这样一个表空间文件，存储该表的表结构（frm、sdi）、数据和索引。 参数：innodb_file_per_table
MyISAM
介绍：MyISAM是MySQL早期的默认存储引擎
特点：
不支持事务，不支持外键
支持表锁，不支持行锁
访问速度快
文件：
xxx.sdi:存储表结构信息
xxx.MYD:存储数据
xxx.MYI:存储索引
Memory
介绍：Memory引擎的表数据时存储在内存中的，由于受到硬件问题、或断电问题的影响，只能将这些表作为临时表或缓存使用
特点
内存存放、
hash索引（默认)
文件
xxx.sdi:存储表结构信息
存储引擎选择
在选择存储引擎时，应该根据应用系统的特点选择合适的存储引擎。对于复杂的应用系统，还可以根据实际情况选择多种存储引擎进行组合。
InnoDB：是MySQL的默认存储引擎，支持事物、外界。如果应用对事物的完整性有比较高的要求，在并发条件下要求数据的一致性，数据操作除了插入和查询之外，还包含很多的更新、删除操作，那么InnoDB存储引擎是比较合适的选择
MyISAM：如果应用是以读操作和插入操作为主，只有很少的更新和删除操作，并且对事物的完整性、并发性要求不是很高，那么选择这个存储引擎是非常合适的
MEMORY:将所有数据保存在内存中，访问速度快，通常用于临时表及储存。MEMORY的缺陷就是对表的大小有限制，太大的表无法缓存在内存中，而且无法保障数据的安全性
索引
索引概述
介绍：索引是帮助MySQL高校获取数据的数据结构（有序）。在数据之外，数据库系统还维护着满足特定查找算法的数据结构，这些数据结构以某种方式引用（指向）数据，这样就可以在这些数据结构上实现高级查找算法，这种数据结构就是索引。
优缺点：
优势-提高数据检索的效率，降低数据库的IO成本；通过索引列对数据进行排序，降低数据排序的成本，降低CPU的消耗。
劣势-索引列也是要占空间的，索引大大提高了查询效率，同时却也降低更新表的速度，如对表进行INSERT、UPDATE、DELETE,效率降低。
索引结构
MySQL的索引实在存储引擎层实现的，不同的存储引擎有不同的结构，主要包含以下几种：
B-Tree（多路平衡查找树）
以一颗最大读书为5(5阶)的b-tree为例（每个节点最多存储4个key，4个指针）；
B+Tree
以一颗最大度数（max-degree）为4(4阶)的b+tree为例
MySQL索引数据结构对经典的B+Tree进行了优化，在原B+Tree的基础上，增加一个指向相邻叶子节点的链表指针，就形成了带有顺序指针的B+Tree，提高区间访问的性能
Hash
哈希索引就是采用一定的hash算法，将键值换算成新的hash值，映射到对应的槽位上，然后存储到hash表中
Hash索引特点：
1.Hash索引只能针对于对等比较(=,in),不支持范围查询(between，>,<,...)
2.无法利用索引完成排序操作
3.查询效率高，通常只需要一次检索就可以了，效率通常要高于B+Tree索引
存储引擎支持：
在MySQL中，支持Hash索引的是Memory引擎，而InnoDB中具有自适应hash功能，hash索引是存储引擎根据B+Tree索引在指定条件下自动构建的
索引分类
聚集索引选取规则：
如果存在逐渐，主键索引就是聚集索引
如果不存在主键，将使用第一个唯一(UNIQUE)索引作为聚集索引
如果表没有主键，或没有合适的唯一索引，则InnoDB会自动生成一个rowid作为隐藏的聚集索引
索引语法
创建索引
CREATE [UNIQUE | FULLTEXT] INDEX index_name ON table-name(index_col_name,...)
查看索引
SHOW INDEX FROM table_name;
删除索引
DROP INDEX index_name ON table_name;
SQL性能分析
SQL执行频率
MySQL客户端连接成功后，通过 show [sessionlglobal] status 命令可以提供服务器状态信息。通过如下指令，可以产看当前数据库的INSERT、UPDATE、DELETE、SELECT的访问频次：
SHOW GLOBAL STATUS LIKE 'Com___';
慢查询日志
慢查询日志记录了所有执行实践超过指定参数（long_query_time,单位：秒，默认10秒）的所有SQL语句的日志。
MySQL的慢查询日志默认没有开启，需要在MySQL的配置文件(/etc/my.cnf)中配置如下信息：
#开启MySQL慢日志查询开关
slow_query_log=1
#设置慢日志的时间为2秒，SQL语句执行时间超过2秒，就会使为慢查询，记录慢查询日志
long_query_time=2
profile详情
show profiles 能够在做SQL优化时帮助我们了解事件都耗费到哪里去了。通过have_profiling参数，能够看到当前MySQL是否支持profile操作：
SELECT @@have_profiling;
默认profiling时关闭的，可以同过set语句在session/global级别开启profiling：
SET profiling = 1
执行一系列的业务SQL的操作，然后通过如下指令查看指令的执行耗时：
#查看每一条SQL的耗时基本情况
show profiles；
#查看指定query_id的SQL语句各个阶段的耗时情况
show profile for query query_id;
#查看指定query_id的SQL语句CPU的使用情况
show profile cpu query query_id；
explain执行计划
EXPLAIN或者DESC命令获取MySQL如何执行SELECT语句的信息，包括在SELECT语句执行过程中表如何连接和连接的顺序。
语法：
#直接在select语句之前加上关键字explain/desc
EXPLAIN SELECT 字段列表 FROM 表名 WHERE 条件；
EXPLAIN执行计划个字段含义：
Id
select查询的序列号，表示查询中select自居或者是操作表的顺序(id相同，执行顺序从上到下；id不同，值越大，越先执行）
select_type
表示SELECT的类型，常见的取值有SIMPLE（简单表，即不使用表连接或者子查询）、PRIMARY(著查询，即外层的查询）、UNION（UNION中的第二个或者后面的查询语句）、SUBQUERY(SELECT/WHERE之后包含了子查询）等
type
表示链接类型，性能由好到差的连接类型为NULL、system、const、eq_ref、ref、range、index、all
possible_key
显示可能应用在这张表上的索引，一个或多个
Key
实际使用的索引，如果为NULL，则没有使用索引
Key_len
表示索引中使用的字节数，改制为索引字段最大可能长度，并非实际使用长度，再不损失精确性的前提下，长度越短越好
rows
MySQL认为必须要执行查询的行数，在innodb引擎的表中，是一个估计值，可能并不总是准确的
filtered
表示返回结果的行数需读取行数的百分比，filtered的值越大越好
索引使用
验证索引效率
在未建立索引之前，执行如下SQL语句，查看SQL的耗时
SELECT*FROM tb_sku WHERE sn='100000003145001'；
针对字段创建引擎
create index idx_sku_sn on tb_sku(sn)
然后再次执行相同的SQL语句，再次查看SQL的耗时
SELECT*FROM tb_sku WHERE sn='100000003145001'；
最左前缀法则
如果索引了多列（联合索引），要遵守最左前缀法则。最左前缀法则指的是查询从索引的最左列开始，并且不跳过索引中的列。
如果跳跃某一列，索引将部分失效（后面的字段索引失效）
范围查询
联合索引中，出现范围查询（>,<)，范围查询右侧的列索引失效
索引列运算
不要再索引列上进行运算操作，索引将失效
字符串不加引号
字符串类型字段使用时，不加引号，索引将失效
模糊查询
如果仅仅是尾部模糊匹配，索引不会失效。如果是头部模糊匹配，索引失效
or连接的条件
用or分割开的条件，如果or前的条件中的列有索引，而后面的列中没有索引，那么涉及的索引都不会被用到
数据分布影响
如果MySQL评估使用索引比全表更慢，则不使用索引
SQL提示
SQL提示，是优化数据库的一个重要手段，简单来说，就是在SQL语句中加入一些认为的提示来达到优化操作的目的。
use index:
explain select*from tb_user use index(idx_user_pro)where profession = '软件工程'；
ignore index:
explain select*from tb_user ignore index(idx_user_pro)where profession = '软件工程'；
force index:
explain select*from tb_user force index(idx_user_pro)where profession = '软件工程'；
覆盖索引
尽量使用覆盖索引(查询使用了索引，并且需要返回的列，在该索引中已经全部能够找到），减少select*。
tips：using index condition:查找使用了索引，但是需要回表查询数据
using where;using index:查找使用了索引，但是需要的数据都在索引列中能找到，所以不需要回表查询数据
前缀索引
当字段类型为字符串（varchar，text等）时，有时候需要索引很长的字符转，这会让索引变得很大，查询时，浪费大量的磁盘IO，影响查询效率。此时可以只将字符串的一部分前缀，建立索引，这样可以大大节约索引空间，从而提高索引效率。
语法：
create index idx_xxxx on table_name(column(n));
前缀长度：
可以根据索引的选择性来决定，而选择性是指不重复的索引值(基数）和数据表的记录总数的壁纸，索引选择性越高则查询效率越高，唯一索引的选择性是1，这是最好的索引选择性，性能也是最好的
select count(distinct email / count(* ) from tb_user;
select count(distinct substring(email,1,5)) / count(*) from tb_user;
单列索引与联合索引
单列索引：即一个索引只包含单个列
联合索引：即一个索引包含了多个列
在业务场景中，如果存在多个查询条件，考虑针对于查询字段建立索引时，建议建立联合索引
多条件联合查询时，MySQL优化器会评估哪个字段的索引效率更高，会选择索引完成本次查询
联合索引情况：
索引设计原则
1.针对于数据量较大，且查询比较频繁的表建立索引
2.针对于常作为查询条件(where)、排序(oeder by)、分组(group by)操作的字段建立索引
3.尽量选择区分度高的列作为索引，尽量建立唯一索引，区分度越高，使用索引的效率越高
4.如果是字符串类型的字段，字段的长度较长，可以针对于字段的特点，建立前缀索引
5.尽量使用联合索引，减少单列索引，查询时，联合索引很多时候可以覆盖索引，节省存储空间，避免回表，提高查询效率
6.要控制索引的数量，索引并不是多多益善，索引越多，维护索引结构的代价也就越大，会影响增删改的效率
7.如果索引列不能存储NULL值，请在创建表时使用NOT NULL约束它。当优化器知道每列是否包含NULL值时，它可以更好的确定那个索引最有效的用于查询
SQL优化
插入语句
insert优化
批量插入
insert into tb_test values(1,'Ton'),(2,'Cat'),(3,'Jerry');
手动提交事务
start transcation;
insert into tb_test values(1,'Ton'),(2,'Cat'),(3,'Jerry');
insert into tb_test values(4,'Ton'),(5,'Cat'),(6,'Jerry');
insert into tb_test values(7,'Ton'),(8,'Cat'),(9,'Jerry');
commit;
主键顺序插入
主键乱序插入 主键顺序插入
大批量插入数据
如果一次性需要插入大批量数据，使用insert语句插入性能较低，此时可以使用MySQL数据库提供的load指令进行插入。操作如下：
#客户端连接服务端，加上参数--local-infinite
mysql--local-infile -u root -p
#设置全局参数local_infile为1，开启从本地加载文件导入数据的开关
set global local_infile = 1;
#执行load指令将准备好的数据，加载到表结构中
load data local infile '/root/sql1.log' into table 'tb_user' fields terminates by ',' lines terminated by '\n';
主键顺序插入性能高于乱序插入
主键优化
数据组织方式
在InnoDB存储引擎中，表数据都是根据主键顺序组织存放的，这种存储方式的表称为索引组织表
页分裂
页可以为空，也可以填充一半，也可以填充100%。每个页包含了2-N行数据（如果一行数据过大，会行溢出），根据主键排列
页合并
当删除一行记录时，实际上记录并没有被物理删除，只是记录被标记(flaged)为删除并且它的空间变得允许被其他记录声明使用。
当页中删除的记录达到MERGE_THRESHOLD(默认为页的50%),InnoDB会开始寻找最靠近的页*前或后）看看是否可以将两个页合并以优化空间使用。
tips：
MERGE_THRESHOLD：合并页的阈值，可以自己设置，在创建表或者创建索引时指定
主键设计原则
满足业务需求的情况下，尽量降低主键的长度
插入数据时，尽量选择顺序插入，选择使用AUTO_INCREMENT自增主键
尽量不要使用UUIO做主键或者是其他自然主键，如身份证号
业务操作时，避免对主键的修改
order by优化
①Using filesort：通过表的索引或全表扫描，读取满足条件的数据行，然后在排序缓冲区sort buffer中完成排序操作，所有不是通过索引直接返回排序结果的排序都叫FileSort排序
②Using index：通过有序索引顺序扫描直接返回有序数据，这种情况即为using index，不需要额外排序，操作效率高
#没有创建索引时，根据age，phone进行排序
explain select id,phone from tb_user order by age,phone;
#创建索引
create index idx_user _age_phone_aa on tb_user(age,phone);
#创建索引，根据age，phone进行升序排序
explain selsct id，age,phone from tb_user order by age,phone;
#创建索引后，根据age，phone进行降序排序
explain selsct id，age,phone from tb_user order by age desc ,phone desc;
#根据age，phone进行降序一个升序，一个降序
explain select id,age,phone from tb_user order by age asc,phone desc;
#创建索引
create index idx_user_age_phone_ad on tb_user(age asc,phone desc);
#根据age,phone进行降序一个升序，一个降序
explain select id,age,phone from tb_user order by age asc,pgone desc;
根据排序字段建立合适的索引，多字段排顺序时，也遵循最左前缀法则
尽量使用覆盖索引
多字段排序，一个升序一个江苏，此时需要注意联合索引在创建时的归责(ASC/DESC)
如果不避免的出现filesort，大数据量排序时，可以适当增大排序缓冲区大小 sort_buffer_size
group by优化
#删除掉目前的联合索引idx_user_pro_age_sta
drop index idx_user_pro_age_sta on tb_user;
#执行分组操作，根据profession字段分组
explain select profession,count(*)from tb_user group by profession;
#创建索引
Create index idx_user_pro_age_sta on tb_user(profession,age,status);
#执行分组操作，根据profession字段分组
explain select profession,count(*) from tb_user group by profession;
#执行分组操作,根据profession字段分组
explain select profession ，count(*)from tb_user group by profession;
#执行分组操作，根据profession字段分组
explain select profession ,count(*) from tb_user group by profession,age;
在分组操作时，可以通过索引来提高效率
分组操作时，索引的使用也是满足最前缀法则的
limit优化
一个常见又非常头疼的问题就是limit 2000000，10，此时需要MySQL排序前2000010记录，仅仅返回2000000-2000010的记录，其他记录丢弃，查询排序的代价非常大
优化思路：一般分压查询时，通过创建 覆盖引擎 能够比较好地提高性能，可以通过覆盖索引加子查询形式进行优化
explain select * from tb_sku t ,(select id from tb-sku order by id limit 2000000,10)a where t,id = a.id;
count优化
explain select count（*）from tb_user;
MyISAM引擎把一个表的总行数存在了磁盘时，因此执行count（*）的时候会直接返回这个数，效率很高；
InnoDB引擎就麻烦了，它执行count（*）的时候，需要把数据一行一行地从引擎里面读出来，然后积累计数
优化思路：自己计数
count的几种用法
count（）是一个聚合函数，对于返回的结果集，一行行地判断，如果count函数的参数不是NULL，累计值就加1，否则不加，最后返回累计值
用法：count（*）、count（主键）、count（字段）、count（1）
count（主键）
InnoDB引擎会遍历整张表，把每一行的主键id值都取出来，返回给服务层。服务层拿到逐渐后，直接按行进行累加（主键不可能为null）
count（字段）
没有not null约束：InnoDB引擎会遍历整张表把每一行字段值都取出来，返回给服务层，服务层判断是否为null，不为null，计数累加。
有notnull约束：InnoDB引擎会遍历整张表把每一行字段值都取出来，返回给服务层，直接按行进行累加
count（1）
InnoDB引擎遍历整张表，但不取值。服务层对于返回的每一行，放一个数字"1"进去，直接按行进行累加
count（*）
InnoDB不会吧全部字段取出来，二十专门做了优化，不取值，服务层直接按行进行累加
按照效率排序的话，count(字段)<count(主键 id)<count(1)≈count(*),所以尽量使用count(*)
update优化
InnoDB的行锁是针对索引加的锁，不是针对记录加的锁，并且该索引不能失效，否则会从行锁升级为表锁