mysql引擎
参考链接:https://www.cnblogs.com/0201zcr/p/5296843.html
https://www.cnblogs.com/zhengyanqiu/p/4970457.html
https://www.cnblogs.com/roxy/p/7771037.html
一、数据库引擎
数据库引擎是用于存储、处理和保护数据的核心服务。利用数据库引擎可控制访问权限并快速处理事务，从而满足企业内大多数需要处理大量数据的应用程序的要求。 使用数据库引擎创建用于联机事务处理或联机分析处理数据的关系数据库。这包括创建用于存储数据的表和用于查看、管理和保护数据安全的数据库对象（如索引、视图和存储过程）。
二、数据库引擎任务
在数据库引擎文档中，各主题的顺序遵循用于实现使用数据库引擎进行数据存储的系统的任务的主要顺序。
- 设计并创建数据库以保存系统所需的关系或XML文档
- 实现系统以访问和更改数据库中存储的数据。包括实现网站或使用数据的应用程序，还包括生成使用SQL Server工具和实用工具以使用数据的过程。
- 为单位或客户部署实现的系统
- 提供日常管理支持以优化数据库的性能
三、MySQL数据库引擎类别
你能用的数据库引擎取决于mysql在安装的时候是如何被编译的。要添加一个新的引擎，就必须重新编译MYSQL。在缺省情况下，MYSQL支持三个引擎：ISAM、MYISAM和HEAP。另外两种类型INNODB和BERKLEY（BDB），也常常可以使用。
ISAM
MYISAM
HEAP
INNODB和BERKLEYDB
四、mysql数据引擎更换方式
1、查看当前数据库支持的引擎和默认的数据库引擎：
show engines;
我的查询结果如下：
2、更改数据库引擎
2.1、更改方式1：修改配置文件my.ini
将my-small.ini另存为my.ini，在[mysqld]后面添加default-storage-engine=InnoDB，重启服务，数据库默认的引擎修改为InnoDB
2.2、更改方式2:在建表的时候指定
建表时指定：
create table mytbl(
id int primary key,
name varchar(50)
)type=MyISAM;
2.3、更改方式3：建表后更改
alter table mytbl2 type = InnoDB;
3、查看修改结果
方式1：
show table status from mytest;
方式2：
show create table table_name
4、读锁和写锁：
无论何时，只要有多个SQL需要同时修改数据，都会产生并发控制的问题；即在处理并发读或者写时，可以通过实现一个由两种类型的锁组成的锁系统来解决问题，这两种锁就是共享锁和排它锁，也称读锁和写锁
读锁是共享的，即相互不阻塞的，多个用户在同一时刻可以读取同一资源，互不干扰；写锁是排他的，即一个写锁会阻塞其他的写锁和读锁，只有这样，才能保证在给定时间内，只有一个用户能执行写入，防止其他用户读取正在写入的资源；写锁优先级高于读锁
5、行锁和表锁：
实际数据库系统中每时每刻都在发生锁定，锁也是有粒度的，提高共享资源并发的方式就是让锁更具有选择性，尽量只锁定需要修改的部分，而不是所有的资源，因此需要进行精确的锁定；但是由于加锁也需要消耗资源，包括获得锁，检查锁是否解除，释放锁等，都会增加系统开销。所谓的锁策略就是要在锁的开销和数据的安全性之间寻求平衡，这种平衡也影响性能
每个MySQL存储引擎都有自己的锁策略和锁粒度，最常用的两种重要的锁策略分别是行锁和表锁
表锁是开销最小的策略，会锁定整张表，用户在对表做写操作时，要先获得写锁，这会阻塞其他用户对该表的所有读写操作；没有写锁时，其他读取的用户才能获得读锁，读锁之间是不相互阻塞的
行锁是最大程度支持并发处理，但也带来了最大的锁开销，它只对指定的记录加锁，其他进程还是可以对同一张表中的其他记录进行操作
表锁速度快，但冲突多
行锁冲突少，但速度慢
五、MyIASM 和 Innodb引擎详解
Innodb引擎
Innodb引擎提供了对数据库ACID事务的支持，并且实现了SQL标准的四种隔离级别，关于数据库事务与其隔离级别的内容请见数据库事务与其隔离级别这篇文章。该引擎还提供了行级锁和外键约束，它的设计目标是处理大容量数据库系统，它本身其实就是基于MySQL后台的完整数据库系统，MySQL运行时Innodb会在内存中建立缓冲池，用于缓冲数据和索引。但是该引擎不支持FULLTEXT类型的索引，而且它没有保存表的行数，当SELECT COUNT(*) FROM TABLE时需要扫描全表。当需要使用数据库事务时，该引擎当然是首选。由于锁的粒度更小，写操作不会锁定全表，所以在并发较高时，使用Innodb引擎会提升效率。但是使用行级锁也不是绝对的，如果在执行一个SQL语句时MySQL不能确定要扫描的范围，InnoDB表同样会锁全表。
ACID
- A 事务的原子性(Atomicity)：指一个事务要么全部执行,要么不执行.也就是说一个事务不可能只执行了一半就停止了.比如你从取款机取钱,这个事务可以分成两个步骤:1划卡,2出钱.不可能划了卡,而钱却没出来.这两步必须同时完成.要么就不完成.
- C 事务的一致性(Consistency)：指事务的运行并不改变数据库中数据的一致性.例如,完整性约束了a+b=10,一个事务改变了a,那么b也应该随之改变.
- I 独立性(Isolation）:事务的独立性也有称作隔离性,是指两个以上的事务不会出现交错执行的状态.因为这样可能会导致数据不一致.
- D 持久性(Durability）:事务的持久性是指事务执行成功以后,该事务所对数据库所作的更改便是持久的保存在数据库之中，不会无缘无故的回滚.
MyIASM引擎
MyIASM是MySQL默认的引擎，但是它没有提供对数据库事务的支持，也不支持行级锁和外键，因此当INSERT(插入)或UPDATE(更新)数据时即写操作需要锁定整个表，效率便会低一些。不过和Innodb不同，MyIASM中存储了表的行数，于是SELECT COUNT(*) FROM TABLE时只需要直接读取已经保存好的值而不需要进行全表扫描。如果表的读操作远远多于写操作且不需要数据库事务的支持，那么MyIASM也是很好的选择。
两种引擎的选择
大尺寸的数据集趋向于选择InnoDB引擎，因为它支持事务处理和故障恢复。数据库的大小决定了故障恢复的时间长短，InnoDB可以利用事务日志进行数据恢复，这会比较快。主键查询在InnoDB引擎下也会相当快，不过需要注意的是如果主键太长也会导致性能问题，关于这个问题我会在下文中讲到。大批的INSERT语句(在每个INSERT语句中写入多行，批量插入)在MyISAM下会快一些，但是UPDATE语句在InnoDB下则会更快一些，尤其是在并发量大的时候。
对于如何选择存储引擎，可以简答的归纳为一句话：“除非需要用到某些INNODB 不具备的特性，并且没有其他办法可以替代，否则都应该选择INNODB 引擎”。例如：如果要用到全文索引，建议优先考虑INNODB加上Sphinx的组合，而不是使用支持全文索引的myisam。当然，如果不需要用到InnoDB的特性，同时其他引擎的特性能够更好的满足需求，也可以考虑一下其他存储引擎。举个例子，如果不在乎可扩展能力和并发能力，也不在乎崩溃后的数据丢失问题，却对InnoDB的空间占用比较敏感，这种场合下选择MyISAM就比较合适。
除非万不得已，否则建议不要混合使用多种存储引擎，否则可能带来一系列负责的问题，以及一些潜在的bug和边界问题。存储引擎层和服务器层的交互已经比较复杂，更不用说混合多个存储引擎了。至少，混合存储引擎对一致性备份和服务器参数配置都带来了一定的困难。
Index——索引
索引（Index）是帮助MySQL高效获取数据的数据结构。MyIASM和Innodb都使用了树这种数据结构做为索引。下面我接着讲这两种引擎使用的索引结构，讲到这里，首先应该谈一下B-Tree和B+Tree。
MyIASM引擎的索引结构
MyISAM引擎的索引结构为B+Tree，其中B+Tree的数据域存储的内容为实际数据的地址，也就是说它的索引和实际的数据是分开的，只不过是用索引指向了实际的数据，这种索引就是所谓的非聚集索引。如下图所示：
这里设表一共有三列，假设我们以Col1为主键，则上图是一个MyISAM表的主索引（Primary key）示意。可以看出MyISAM的索引文件仅仅保存数据记录的地址。在MyISAM中，主索引和辅助索引（Secondary key）在结构上没有任何区别，只是主索引要求key是唯一的，而辅助索引的key可以重复。如果我们在Col2上建立一个辅助索引，则此索引的结构如下图所示：
同样也是一颗B+Tree，data域保存数据记录的地址。因此，MyISAM中索引检索的算法为首先按照B+Tree搜索算法搜索索引，如果指定的Key存在，则取出其data域的值，然后以data域的值为地址，读取相应数据记录。
Innodb引擎的索引结构
与MyISAM引擎的索引结构同样也是B+Tree，但是Innodb的索引文件本身就是数据文件，即B+Tree的数据域存储的就是实际的数据，这种索引就是聚集索引。这个索引的key就是数据表的主键，因此InnoDB表数据文件本身就是主索引。
并且和MyISAM不同，InnoDB的辅助索引数据域存储的也是相应记录主键的值而不是地址，所以当以辅助索引查找时，会先根据辅助索引找到主键，再根据主键索引找到实际的数据。所以Innodb不建议使用过长的主键，否则会使辅助索引变得过大。建议使用自增的字段作为主键，这样B+Tree的每一个结点都会被顺序的填满，而不会频繁的分裂调整，会有效的提升插入数据的效率。
