MySQL 学习之查漏补缺

1、InnoDB 相关知识点

　　InnoDB 引擎是将数据划分为若干数据页，页大小一般16 KB，16384个字节。

　　插入数据是以记录为单位，这些记录在磁盘的存放方式称之为 行格式/记录格式，有 compact、Redundant、Dynamic和Compressed 四种格式。

　　1）、Compact 行格式

　　一条完整的记录：记录的额外信息（变长字段长度列表、NULL 值列表、记录头信息）、记录的真实数据（列1、列2...的值）。

　　变长字段长度列表：例如varcha()是可以变长的数据类型，变长字段存储多少字节的数据不是不固定的。变长字段例如 varchar() 占用的存储空间：真正的数据内容、占用的字节数。

　　当字段A varchar 记录的字节数大于 255，例如某字段占用300个字节，那么该字段占数据页中空间就是302个字节。1、2个字节是表示真正字符串占用的字节数。

　　NULL 值列表：某些列可能存储 NULL 值，如果把这些 NULL 值都放到记录的真实数据中存储，会很占地方。所以 Compact 行格式统一管理这些 NULL 值。

　　除了我们自己创建的列，还有些默认生成的列，例如：row_id（非必须）、transaction_id（事务ID）、roll_pointer(回滚指针)。

　　2）、Redundant 行格式

　　该格式是MySQL5.0之前用的格式，直接看一下不记笔记了。

　　3）、Dynamic 和 Compressed 行格式

　　和Compact的行格式很像，只是处理行溢出数据有点分歧。

　　一个varchar()类型的列可以存储65532个字节，大于了一个数据页16KB的大小，可能存在一个数据页存放不了一条记录的尴尬情况。

　　那么就把数据分散在其他也，用20个字节存储指向这些页的地址。（行溢出、溢出页）

　　行溢出临界点：不用管临界点是什么，只需要知道一个行中存储了很大的数据，就可能发生行溢出的现象。

2、InnoDB数据页结构

　　InnoDB存放记录的是索引页（FIL_PAGE_INDEX）。

　　一个数据页的存储空间大致被划分为了7个部分。

　　InnoDB 会把页中的记录划分为若干个组，每个组的最后一个记录的地址偏移量作为一个槽，存放在 Page Directory 中。在一个数据页查找指定主键值的记录的过程分两步：

　　第一步是通过二分法确定该记录所在的槽，并找到该槽中主键值最小的那条记录；

　　第二步是通过记录的 next_record 属性遍历该槽所在组中的各个记录。

　　数据页之间是一个双链表，每一页记录了该页的上下页的页码。

　　页之间的记录，又是一个单链表，记录的当前数据字节码的偏移量，关联关系是存在记录的头信息中的 next_record 属性。 

3、B+ 树索引

　　新分配的数据页编号可能并不是连续的，只要他们的关联关系在就行。

　　页分裂：下一个数据页中记录的主键值，必须大于上一个页中记录的最大主键值。这样就发生了页分裂。（因为插入的主键可能是处于中间值位置，而不是最大值位置）

　　索引底层：每个数据页对应一个目录项，包括了：页中用户记录中最小的主键值，用 key 表示；页号，我们用 page_no 表示。所有目录聚集在一起，就成了索引（针对聚簇索引）。

　　专门分配了一个数据页，用来存储 目录项记录，多个这样的数据页，就组成了索引树的层。

　　所以一层一层的数据页，最终就叫做 B+ 树索引。

　　真正存放数据的数据页，一般叫做叶节点。存放目录项的叫内节点，最上层的叫根节点。一般的 B+ 树不会超过4层。这样的索引，也叫聚簇索引/聚集索引/主键索引。

　　根据二级索引查询数据，还的回表（先查二级索引，再查聚簇索引）。

　　联合索引：多个列字段联合做索引，先根据列A排序，列A值相同再根据列B排序。

　　注意事项：

　　　　聚簇索引是默认创建，并且为该索引创建一个根节点页面。当有页分裂为2个数据页时，就产生了树状。

　　　　内节点中目录项记录的唯一性，聚簇索引的目录项，是索引列的值+页号。而二级索引的目录项，是索引列的值+主键值+页号。

　　　　一个数据页，最少存储2条记录。

　　　　key 和 index 是同义词，都是创建索引。

4、B+ 树的使用

　　1）、索引的代价

　　空间上的代价：一个数据页16K，一个索引可能就占很大的内存空间。

　　时间上的代价：当对表中的数据进行增删改操作，都要去修改各个 B+ 树索引。增删改都可能对节点和记录的排序，造成破坏，InnoDB引擎可能需要额外的时间进行一些记录的移动、页面分裂、合并等操作来维护节点和记录的排序。

　　2）、B+ 树索引适用的条件

　　全值匹配：联合索引时，每个查询条件都是精确匹配了的。

　　匹配左边的列（最左前缀原则）：查询条件，只包含了索引左边的字段。

　　匹配列前缀：like 语句就可以匹配列前缀的原则，Like 'name%'。

　　匹配范围值：当有多个条件对多个列进行范围查询，只有对索引最左边的那个列进行范围查询才用得到 B+ 树索引。

　　精确匹配某一列并范围匹配另外一列：此时两个查询都可以用到 B+ 树。

　　索引还可以用来排序：但是联合索引也只能按照索引的列顺序来排序。当 ASC、DESC 混用的时候，就不可以使用索引进行排序。

　　当where 条件的字段出现了非排序索引使用到的索引列，还是只有重新再内存中排序。

　　用于分组：分组的顺序和索引列的顺序一致，就可以使用索引列左边的列进行分组。

　　3）、回表的代价

　　一般回表会用到二级索引和聚簇索引，并且访问二级索引使用了顺序I/O，访问聚簇索引使用了随机I/O。需要回表的记录越多，使用二级索引的性能就越低。

　　所以就用到了覆盖索引。

　　4）、如何挑选索引

　　是为用于搜索、排序或分组的列创建索引。

　　考虑列的基数，就是该列不同的值越多，基数越大，越适合做索引。如果一列的值都差不多或者相同的太多，那就没必要建立索引。

　　索引列的类型尽量小：能用 Int 的就不使用 bigint 。数据类型越小，查询的操作比较快。索引占的存储空间也越少，在一个数据页可以放更多的记录，减少磁盘I/O带来的性能损耗，就可以把更多的数据页缓存在内存中，加快读写效率。

　　索引列字符串的值太长，我们可以取短的长度，例如字段的长度是100，我们可以把索引的长度设置为10。

　　让主键具有自增的属性，就可以减少聚簇索引的数据页分裂。

5、InnoDB 的表空间

　　1）、独立表空间

　　一个页16KB，一个区连续64页占1M空间，256个区为一组。第一组的前三个页面的类型是固定的（FSP_HDR、IBUF_BITMAP、INODE三个类型）。后面的各组前2个页面的类型是固定的（XDES、IBUF_BITMAP）。

　　为什么引入区的概念，是因为我们尽量要让链表中相邻的数据页在物理上也相邻，这样在范围查询的时候才可以顺序I/O，不然容易随机I/O。

　　当表中数据量大的时候，为某个索引分配空间的时候就直接按区分配内存，不需要按数据页来分配了。主要是为了消除随机I/O。

　　并且，存放数据页的叶节点的区的集合算一个段，存放内节点的区的集合算一个段。

　　区的分类：空闲的区、有剩余空间的碎片区、没有剩余空间的碎片区、附属某个段的区。

　　2）、系统表空间

　　系统表空间和独立表空间结构差不多，只是额外记录一些有关整个系统信息的页面。

　　3）、InnoDB 数据字典

　　元数据：在我们对数据库表插入一条数据时，让我们能准备找到我们要插入数据的表，以及一些相关的校验，这些额外的数据，就叫元数据。

　　记录元数据的系统表，也叫做数据字典。

6、连接Join

　　外连接时，凡不符合 where 条件的都不加入结果集。on 条件时，被驱动表无法找到匹配 on 子句的过滤条件，该记录还是会被加入到结果集中，对应的字段用 NULL 填充。

　　最好是在 on 条件后的字段上加索引，一般是主键和外键。

　　join buffer，执行查询前申请一块固定大小内存，把若干驱动表结果集放在这个 buffer 里。然后扫描被驱动表，每一条被驱动表和 join buffer 的多条驱动表记录匹配。内存中操作，所以减少了被驱动表的 I/O 代价。（Block Nested-Loop Join 算法，也可以叫做块嵌套）

　　可以用 join_buffer_size 调大佬做查询优化。

　　一般性项目中，最好是用被驱动表的 on 后的字段加索引，其次才是块嵌套。

　　MySQL 成本消耗

　　I/O 成本：顺序读、随机读、少读，顺序写、随机写。

　　CPU 成本：对结果集进行排序等操作。

　　执行计划：优化器找出查询成本最低的方案，就是执行计划。

　　Rows：预估的行数。Data_length：聚簇索引的页面数量 * 每个页面的大小(默认16K)

　　全盘扫描：I/O 成本：Data_length * 1.0。 CPU 成本：Rows * 0.2。 总成本就是两个值相加。

7、Explain 的 type 字段

　　const：主键/唯一索引，与常数进行等值匹配时，查询到的数据唯一，并且针对单表。因为只读一次，所以查询非常快。

　　range：使用索引获取某些 范围区间 的记录，就可能用到 range 访问方法。

　　index：不用回表，直接覆盖索引。（可能会全盘扫描二级索引树）

　　eq_ref：连接查询，被驱动表是主键/唯一索引，等值匹配(该主键/唯一索引是联合索引的话，所有的索引列都必须进行等值比较)，则对被驱动表的访问方法就是 eq_ref。

　　ref：普通的二级索引列，与常量进行等值匹配查询一个表。当回表代价很低的时候，对该表的访问方法就可能是 ref。

　　ref_or_null：普通索引，进行等值匹配，该索引列的值也可以是 null 值时，则访问方法就可能是 ref_or_null。

　　index_merge：索引合并来对单表进行查询。一个 sql 语句用到多个索引。

　　unique_subquery：优化器觉得将 IN 子查询转换为 EXISTS 子查询，并且子查询可以使用到主键进行等值匹配，则该子查询就是用到的 unique_subquery。

　　index_subquery：和上面的 type 类似，只是子查询中的表使用的是普通索引。

　　all：全盘扫描。

　　一个使用到索引的搜索条件和没有使用该索引的搜索条件，用 OR 连接起来后是无法使用该索引的。

　　简化查询条件：当有等值查询和范围查询（字段不一样，但是都有索引），优化器会选择先等值查询，然后回表，然后匹配范围查询的条件。

　　如果有多个查询条件，且有的条件用不到索引，那就把该搜索条件替换为 true，因为不管索引记录满足该条件与否，都要取出所有数据，回表的时候才能比较。（用一个索引，其他条件都替换为 true）

8、Explain 的 Extra 字段

　　Using index：覆盖索引，不用回表。

　　Using index condition：索引下推（多个查询条件，有用不到索引的列。先根据普通索引查询到数据时，不回表，先过滤其他查询条件。符合所有查询条件的列，再回表查所有数据）。

　　Using where：全表扫描。或者 where 后有多个查询条件，并且有查询条件没有用到索引。此时会先匹配索引上的等值，先查出对应值，再比较其他无索引的条件值。

　　Using join buffer(Block Nested Loop)：Join 语句中 被驱动表不能有效利用索引，使用 Join buffer 来减少对去被驱动的访问。

　　Not exists：join 查询被驱动表主键不可以为null，但是驱动表查询条件，包含了该关联字段= null。

　　Using temporary：临时表。

　　回表是一个随机IO，相对于来说还是比较耗时。

9、InnoDB Buffer Pool

　　连续的内存：Buffer Pool - 缓冲池，默认大小128M ，设置参数：innodb_buffer_pool_size = X，X 的单位是字节。

　　一个空闲控制块链表（free 链表），对应着所有空白缓存页（控制块和缓存页一一对应）。当需要从磁盘加载一个页面到缓存的时候，就从链表拿一个空闲缓存页，并且把控制块填上信息（表空间、页号等），然后从链表移除该数据页。

　　怎么确定，需要访问的数据页，是否已经在 Buffer Pool 中。主要是根据 表空间号 + 页号 来定位一个页的，将 表空间号 + 页号 作为 key，缓存页作为 value 值，存为一个 hash 表。查询就根据 hash 查询。如果 hash 表中没有查到该 key ，就从空闲控制块链表中选择一个空闲的缓存页。

　　创建一个存储脏页的链表，脏页对应的控制块都会作为一个节点存入到链表中，该链表可以叫 flush 链表。

　　LRU 链表，根绝 LUR 算法来淘汰掉一些数据页。优化后，将 LRU 链表分区，分为热数据（young 区域）和冷数据区（old 区域）。old 区域大概占 LRU 链表的3/8（可设置）。

　　LRU 链表算法/原理：

　　1）、磁盘上的某个页面，初始加载到 Buffer Pool 中的某个缓存页时，该缓存页对应的控制块会被放到 old 区域的头部。这样针对预读到 Buffer Pool 却不进行后续访问的数据页，就会被逐渐从 old 区域逐出，而不会影响 young 区域中被使用的很频繁的缓存页。

　　2）、针对全盘扫描，短时间内访问大量使用频率很低的页面的情况的优化：对处于 old 区域的缓存页第一次访问时存一个时间，后续访问与第一次访问的时间，在某个时间内，就不从 old 区域移动到 young 区域的头部。如果超过了该时间，就移动到 young 区域的头部。

该时间由 innodb_old_blocks_time 的值控制，默认1S。

　　注：全盘扫描，一个数据页有多条数据，扫描某一个数据页的第一条数据页时，访问了一次该数据页。如果再次访问该数据页的其他数据，又会访问该数据页。其实只是经历的一次全盘扫描，但是每一个数据页都会被多次扫描到。 所以才有了上面的第二条优化。并且在很多全盘扫描中，第一次访问一个数据页和第二次访问该数据页，时间肯定不会多于1S。

　　3）、继续优化 LRU 链表：只有访问到缓存页位于 young 区域的 1/4 的后边，再移动到 LRU 链表的头部。就可以降低 LRU 链表的调整频率。

　　刷脏页：

　　1）、从 LRU 链表的冷数据中刷新一部分页面到磁盘；

　　2）、从 flush 链表中刷新一部分页面到磁盘；

　　都是后台线程定时刷新页面到磁盘。

　　可以在 Buffer Pool 大小等于1G的时候设置多个 Buffer Pool 实例。

　　可以用 show engine innodb status 查询 Buffer Pool 的一些信息。

10、undo log （回滚日志）

　　undo log：也叫快照数据，是 MVCC 的核心组成部分。并发访问的时候，读取的是 undo log，可以读取到当前修改完的数据，而不用加锁那种对并发不友好的操作。

　　事务 id：当事务执行过程中，对一个表进行了增、删、改操作，InnoDB 引擎就会给它分配一个独一无二的 事务 id。

　　MySQL 维护一个全局变量，每当需要为某个事务分配一个事务 id 时，就把该变量值赋予事务id，并且把该值自增1。

　　聚簇索引的记录里除了数据以外，还有有一个 trx_id 的隐藏列。存的就是事务 id。

　　undo no 在一个事务中是从 0 开始递增的，只要事务没提交，每生成一条 undo 日志，那么该条日志的 undo no 就增1。（undo no 是一个事务中，操作多条记录，对应多条 undo log 的编号）

　　一个数据页中的两个链表，分别记录了正常的数据已经被删除的垃圾数据。当一个事务删除数据时，先将正常链表中的数据标记为中间状态记录。当事务提交时，才把数据标记为已删除。

11、事务隔离级别和 MVCC

　　脏写：一个事务修改了另一个未提交事务修改过的数据。不允许出现在任何一个事务隔离级别。

　　脏读：一个事务读取到另一个事务未提交的数据，出现在 读未提交 隔离级别。

　　不可重复度：一个事务读取到另一个事务已经提交的数据，并且其他事务每对该数据进行一次修改并提交后，第一个事务都能查询到最新值，出现在 读提交(RC) + 读未提交（RU）。（前后读到其他事务已提交的数据，在修改前后，不重复）

　　幻读：一个事务（查总数等）读取到其他事务（新增）的记录（前一个事务，相同条件多次读取数据，后面一次读取到之前没有读取到的记录。第二个事务如果是删除操作，不叫幻读），出现在 可重复读（RR）+ 读提交(RC) + 读未提交（RU）。可重复读用 临键锁（行锁 + 间隙锁）来解决。

　　MVCC （多版本并发控制）原理

　　先复习2个在聚簇索引记录中的两个必要的隐藏列：

　　trx_id：每次一个事务，对某条聚餐索引记录进行改动时，都会把该事务的 事务id 赋值给 trx_id 隐藏列。

　　roll_pointer：每次对某条聚簇索引记录进行改动时，都会把旧的版本写入到 undo 日志中，然后这个隐藏列就相当于一个指针，可以通过它来找到该记录修改前的信息。

　　ReadView

　　RC 和 RR 隔离级别，核心问题是：需要判断这个版本链中的哪个版本，是对当前事务可见

　　所以提出了一个 ReadView 的概念，主要包含了4个重要内容：

　　　　m_ids：生成 ReadView 时，当前系统中活跃的读写事务的 事务id 列表；

　　　　min_trx_id：生成 ReadView 时，当前系统活跃的读写事务中的最小 事务id。也就是 m_ids 中的最小值；

　　　　max_trx_id：生成 ReadView 时系统中应该分配给下一个事务的 id 值。

　　　　creator_trx_id：生成该 ReadView 的事务的 事务id。

　　RC 级别：一个事务多条查询语句，每条语句读取数据前，都生成一个自己的 ReadView。

　　RR 级别：一个事务多条查询语句，一个事务只生成一个 ReadView。

　　总结：

　　多个版本的 undo log 日志，提供给并发查询的读取。每个事务都按照 ReadView 的规则来实际读取 undo log（快照） 不同版本的数据。

　　insert undo 在事务提交之后就可以被释放，因为是第一次提交，没有回滚的可能了。update undo 还需要指出 MVCC，所以不能在事务结束后立即删除。

　　为了指出 MVCC，对于 delete mark 操作来说，仅仅是在记录上打一个删除标记，而没有真正删除掉数据。

12、锁

　　并发事务会带来一个问题，在 写-写的时候，会发生脏写。所以就需要 锁 来解决该问题。

　　锁结构主要的两个信息：

　　trx信息：事务id，表示是哪个事务生成的。

　　is_waiting：代表当前事务是否在等待。false 表示当前事务获取到锁，true 表示当前事务等待锁。

　　当一个事务提交，释放当前事务的锁结构。查询其他事务是否还在等待获取当前数据的锁，如果是，就把该事务的 is_waiting 值改为 false，获取到锁。

　　一致性读

　　事务利用 MVCC 进行的读取操作被称之为 一致性读，一致性无锁读，快照读。不会对表的任何记录做 加锁 操作。

　　锁定读

　　共享锁（读锁）、独占锁（写锁）。

　　加读锁：select ... LOCK IN SHARE MODE，不影响其他事务获取读锁，但是其他事务要获取到写锁，就会阻塞，等到当前事务提交后（释放读锁），其他事务才能开始操作数据。

　　加写锁：select ... FOR UPDATE，其他事务获取读锁、写锁都会阻塞，等待该事务提交释放写锁，才能继续操作数据。

　　临键锁 = 行锁 + 间隙锁。

 

特别声明

　　该篇文章是我从掘金app上小孩子作者写的 MySQL 的文章的总结。并且只是我之前学习遗漏的知识点。所以里面的知识点不全。

　　所有有想看详细内容的朋友，可以转下面链接

　　https://juejin.im/book/5bffcbc9f265da614b11b731/section/5c0374a06fb9a049d37ed783