Mysql梳理

1 索引简介

数据都是存放在 /usr/local/mysql 文件夹中的

Innodb 索引和数据是存放再一个文件内的

MyISAM 是存放在2个文件中的 MYI 索引 MYD 数据

2 索引分类

主键自带索引。

创建普通索引：

create index idx_name on tableA(name)

唯一索引：唯一列，列中的数据是唯一的，比普通索引性能好

create unique index idx_name on tableA(name)

联合索引：一次性为表中的多个字段创建索引 （最好不要超过5个字段)

create unique index idx_name_age on tableA(name,age)

最左前缀法则：

全文索引;

MyISAM 支持。

线性表

1. 线性顺序表：

   2个相邻的数据物理位置相邻

2. 线性链式表：

   相邻2个数据有先后的逻辑关系，和物理没有关系

\>链式

单向链表：

结点的结构 ===>> 数据内容，下一个数据的指针

双向链表：

通过当前节点找到上一个或下一个节点的位置。

结构： 上一个数据的指针+ 数据内容 +下一个数据的指针

顺序表和链式表的区别

1. 数组：数据的查询性能 O(1) ,

   增删 性能较差 。 增删一个 会造成整个数组的位置的改变。

   查找快： 数组的每个元素占用空间相同，根据索引，索引*字节数，就能得到内存中的位置。

2. 链表：查询性能 较差，时间复杂度 O (n)

   增删性能较好。

栈，队列，串，广义表

1. 栈： 先进先出，有顺序栈，链式栈
2. 队列：先进先出，有顺序队列，链式队列
3. 串： String 定长串，StringBuilder ，Buffer 动态串
4. 广义表： 更加灵活的多维数组

树

1. 多叉树 / 非二叉树

2. 二叉树： 一个节点最多2个子节点，可以是 0，1，2 个子节点

3. 二叉查找树： 根节点的数值，比所有左子树的节点的数值大，比右子树的节点的数值小

   ​ 性能和树的高度有关。

   

4. 平衡二叉树： 所有树及子树都应满足 => 左子树和右子树的深度差不能超过 1，如果不满足，那么平衡二叉树自己旋转。

5. 红黑树
6. B 树 ： 允许一个节点存放多个数据，但是一个节点中到底呢个存放多少数据，决定 了树的深度

7. B+ 树

非叶子节点 冗余了叶子节点中的键。

1. 叶子节点是从小到大，从左到右排列的
2. 叶子节点之间提供了指针，提高了区间访问的性能
3. 只有叶子节点存放数据，非叶子节点不存放数据，只存放键。

哈希

使用哈希来存取数据是最快的，O(1) ,但是不支持范围查找（散列分布）

3 InnoDB 和 MyISAM 的区别

都是数据库引擎，但是在追求性能的情况下，一般使用 InnoDB。

InnoDB

将索引和数据放在一个文件中，通过找到索引后就能直接在索引树上的叶子节点中 获得完整的数据 。 ----聚集索引

可以实现行锁和表锁

MyISAM

索引和数据存放在2个文件中，查找到索引后还要去另一个文件中找数据，性能会慢一点 ---- 非聚集索引

除此之外，MyISAM 天然支持表锁。而且支持全文索引

问题：

1. 为什么非主键索引的叶子节点存放的数据是 主键值？

   

   如果不存放主键，而存放完整的数据那么就会数据冗余，维护麻烦

2. 为什么 InnoDB 必要要创建主键？

   如果没有主键，MySQL 会给一个虚拟的主键，普通索引会使用这个虚拟的索引 ----也会造成性能开销

3. 为什么使用主键时推荐使用整型的自增主键？

   整型？

   主键索引树-树里的叶子节点和非叶子节点的键存放的是主键的值，而且这棵树是 二叉查找树，数据的存放是有大小顺序的。

   整型： 大小顺序是很好比较的。

   字符串： 字符串的自然顺序的比较要进行一次编码成为数值后在进行比较的。

   uuid随机字符串

   自增？

   不用自增： 10 1 6 200 18 19，使用不规律的整数作为主键，那么主键索引树，会使用更多的自旋次数来保障索引的树的叶子节点从小到大，--从左到右排列。

4 联合索引和最左前缀法则

1. 联合索引的特点：

最左前缀法则：

表示一条sql 有没有命中索引。

从mysql 8 后，全部都走索引。

5 Explain 分析SQL

id： sql 执行顺序。

type： 扫描方式 （索引，扫描全表）

possible—keys (可能用的索引)

key （真正用的索引）

ref (具体的索引)

filter 过滤的百分比

extra 会不会文件排序 （或临时表） ---- order by ，dsc ，对索引排序更高效，因为索引已经排序 了。

6 分库分表

垂直拆分：专库专用

一个数据库由很多表的构成，每个表对应着不同的业务，垂直切分是指按照业务将表进行分类，分布到不同的数据库上面，这样也就将数据或者说压力分担到不同的库上面

水平拆分：

垂直拆分后遇到单机瓶颈，可以使用水平拆分。

相对于垂直拆分的区别是：垂直拆分是把不同的表拆到不同的数据库中，而水平拆分是把同一个表拆到不同的数据库中。

相对于垂直拆分，水平拆分不是将表的数据做分类，而是按照某个字段的某种规则来分散到多个库之中，每个表中包含一部分数据。

简单来说，我们可以将数据的水平切分理解为是按照数据行的切分，就是将表中 的某些行切分到一个数据库，而另外的某些行又切分到其他的数据库中，主要有分表，分库两种模式。

7 主从复制