MySQL数据库笔记——进阶篇

news/2024/11/17 3:55:12/

文章目录

  • 存储引擎
    • MySQL体系结构
    • 存储引擎简介
      • InnoDB介绍
      • MyISAM
      • Memory
    • 存储引擎的选择
    • 小结
  • 索引
    • 概述
    • 索引结构
      • 概述
      • Btree
      • B+Tree
      • Hash

存储引擎

MySQL体系结构

连接层:
最上层是一些客户端和链接服务,主要完成一些类似于连接处理、授权认证、及相关的安全方案。服务器也会为安全接入的每个客户端验证它所具有的操作权限。
服务层:
第二层结构主要是完成大多数的核心服务功能,如SQL接口,并完成缓存的查询,SQL的分析和优化,部分内置函数的执行。所有跨存储引擎的功能也在这一层实现,如过程、函数等。
引擎层
存储引擎真正的负责了MySQL中数据的存储和提取,服务器通过API和存储引擎进行通信。不同的存储引擎具有不同的功能,这样我们可以根据自己的需要,来选取合适的存储引擎。
存储层:
主要是讲数据存储在文件系统之上,并完成与存储引擎的交互。
在这里插入图片描述

注意:索引是在存储引擎层实现的,也就意味着不同的存储引擎,索引的结构是不一样的
存储引擎控制的是数据库的数据该如何来存,如何来取,如何来组织,而具体的数据库数据最终是存储在磁盘当中的

存储引擎简介

what is 存储引擎?
do not know?
what is 引擎?
引擎就是发动机,发动机是一个机器的核心部分
而不同的引擎实际上是有不同的应用场景的(就像火箭的引擎不能放在汽车上)
引擎没有好坏,只要在合适的场景使用合适的引擎就可以了

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,所有存储引擎也可被称为表类型

没有指定的存储引擎,那就是默认的InnoDB

1、在创建表时,指定存储引擎

CREATE TABLE 表名(...
)ENGINE = INNODB [ COMMIT 表注释];

2、查看当前数据库支持的存储引擎

SHOW ENGINES;

在这里插入图片描述
memory:存储在内存当中的,通常用来做临时表及缓存

create table my_myisam(id int,name varchar(10)
)engine = MyISAM;
create table my_memory(id int,name varchar(10)
)engine = Memory;

在这里插入图片描述

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MySQL5.5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

在这里插入图片描述

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,只能将这些作为临时表或缓存使用。

特点:
内存存放
能使用hash索引(默认)

文件:
xxx.sdi:存储表结构信息
为什么只有一个,因为其他的在内存里

存储引擎的选择

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,支持事务、外键。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是比较适合的选择

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适合的。

MEMORY:将所有的数据保存在内存中,访问速度快,通常用于临时表及缓存。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。

小结

1、体系结构
连接层、服务层、引擎层、存储层
2、存储引擎简介

SHOW ENGINES;
CREATE TABLE XXXX(.....) ENGINE = INNODB;

3、存储引擎特点
INNODB与MyISAM:事务、外键、行级锁
4、存储引擎应用
INNODB:存储业务系统中对于事务、数据完整性要求较高的核心数据
MyISAM:存储业务系统的非核心事务

索引

概述

索引是帮助MySQL高效获取数据的数据结构(有序)。在数据之外,数据库系统还维护者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。

普通的查找就是顺序查找,并且找到以后不会停止,会一直往下找,直到把表全找全了

索引的优缺点
优势:1、提高数据检索的效率,降低数据库的IO成本。2、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:1、索引列也要占用空间的。2、索引大大提高了查询效率,同时却也降低更新表的速度,如对标进行INSERT、UPDATE、DELETE时,效率降低

索引结构

概述

MySQL的索引是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

索引结构:描述
B+Tree索引:最常见的索引类型,大部分引擎都支持B+树索引
Hash索引:底层数据结构使用哈希表实现的,只有精确匹配索引列的查询才有效,不支持范围查询
R-tree(空间索引):空间索引是MyISAM引擎的一个特殊索引类型,主要用于地理空间数据类型,通常使用较少
Full-text(全文索引):是一种通过建立倒排索引,快速匹配文档的方式。类似于Lucene,Solr,ES

在这里插入图片描述
”错综复杂的关系“

我们平常所说的索引,如果没有特别指明,都是B+树结构组织的索引

Btree

在这里插入图片描述

二叉树的缺点:顺序插入时,会形成一个链表,查询性能大大降低。大数据量情况下,层级越深,检索速度慢。
可以通过红黑树解决单向链表的问题。但是大数据量情况下,层级较深,检索速度慢

而B-tree(多路平衡查找树)
以一颗最大度数(max-degree)为5(5阶)的B-tree为例(每个节点最多存储4个key,五个指针

具体动态变化的过程可以参考网站:
https://www.cs.usfca.edu/~galles/visualization/BTree.html

B+Tree

以一颗最大度数(max-degree)为4(4阶)的B+tree为例:
在这里插入图片描述
相对于B-Tree区别
1、所有的数据都会出现在叶子节点
2、叶子节点形成一个单向链表

B+Tree
MySQL索引数据结构对经典的B+Tree进行了优化。在原先B+TRee的基础上,增加了一个指向相邻节点的链表指针,就形成了带有顺序指针的B+Tree,提高区间访问的性能。
在这里插入图片描述

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,映射到对印的槽位上,然后存储在hash表中。
如果两个(或多个)键值,映射到一个相同的槽位上,他们就产生了hash冲突(也叫做hash碰撞),可以通过链表来解决

Hash索引特点
1、Hash索引只能用于对等比较(=,in),不支持范围查询(between,>,<,…)
2、无法利用索引完成排序操作
3、查询效率搞,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。


http://www.ppmy.cn/news/73404.html

相关文章

KVM虚拟化(二)

文章目录 4.7 kvm虚拟机克隆4.7.1 完整克隆4.7.2 链接克隆 4.8 kvm虚拟机的桥接网络4.8.1 创建桥接网卡4.8.2 新虚拟机使用桥接模式4.8.3 将已有虚拟机网络修改为桥接模式 4.9 热添加技术4.9.1 kvm热添加硬盘4.9.2 kvm虚拟机在线热添加网卡4.9.3 kvm虚拟机在线热添加内存4.9.4 …

FFmpeg命令实战(中)

标题 1.ffplay命令播放2.ffplay简单过滤器3 .ffmpeg命令参数1.主要参数2. 音频参数3.视频参数 4.ffmpeg命令提取音视频数据1.保留封装格式2.提取视频3.提取音频 5.ffmpeg提取像素格式1.提取YUV2.提取RGB3.提取PCM 5.ffmpeg命令转封装格式1.保持编码格式2.改变编码格式3.修改帧率…

【密码学复习】第八讲 数字签名

数字签名&#xff08;Digital Signature&#xff09;&#xff0c;也称电子签名&#xff0c;是指附加在某一电子文档中的一组特定的符号或代码&#xff0c;它是利用数学方法对该电子文档进行关键信息提取并与用户私有信息进行混合运算而形成的&#xff0c;用于标识签发者的身份以…

基于MATLAB的车牌识别系统+GUI界面的毕业设计(完整源码+课题报告+说明文档+数据)

文章目录 1. 前言2. 实现步骤1&#xff09;颜色信息提取2&#xff09;倾斜校正3&#xff09;字符分割4&#xff09;字体识别5&#xff09;语音播报6&#xff09;存储数据 3. 总结4. 完整源码下载 1. 前言 近年来,随着交通现代化的发展要求,汽车牌照自动识别技术已经越来越受到…

Python学习29:存款买房(B)

描述‪‬‪‬‪‬‪‬‪‬‮‬‪‬‫‬‪‬‪‬‪‬‪‬‪‬‮‬‪‬‭‬‪‬‪‬‪‬‪‬‪‬‮‬‫‬‮‬‪‬‪‬‪‬‪‬‪‬‮‬‭‬‫‬‪‬‪‬‪‬‪‬‪‬‮‬‫‬‪‬‪‬‪‬‪‬‪‬‪‬‮‬‭‬‫‬‪‬‪‬‪‬‪‬‪‬‮‬‫‬‪‬ 你刚刚大学毕业&#xff0c;…

看模型、做技术交底、做项目汇报,图新说数字化汇报平台引领交互式汇报新模式

现场汇报效果不好&#xff0c;导致丢了一个项目&#xff01; 项目汇报平淡无奇&#xff0c;方案屡次被毙&#xff01; 面对专家质疑&#xff0c;回答苍白无力&#xff01; 估计大家都有过这种经历和感受。 详细分析一下&#xff0c;基本上有以下几个方面的原因&#xff1a; …

AI加持的必应,为什么还赢不了谷歌?

“少年屠龙”的故事&#xff0c;似乎还有些遥远。 即使有新必应的加成&#xff0c;微软浏览器Edge在全球市场的占有率依然不高。据Statcounter数据显示&#xff0c;2023年4月&#xff0c;Edge的市场占有率仅为4.97%。提升的速度似乎也不太理想&#xff0c;4月份的数据只比一年…

Ceres简介及示例(9)On Derivatives(Numeric derivatives)

使用analytic derivatives的另一个极端是使用numeric derivatives。关键是&#xff0c;对函数f(x)关于x的求导过程可以写成极限形式: Forward Differences前向差分 当然&#xff0c;在计算机中&#xff0c;我们不能执行数值求极限操作&#xff0c;所以我们要做的是&#xff0…