MySQL实战四十五讲
最后更新于
最后更新于
大致可以分为server层和存储引擎层
Server层包括：连接器、查询缓存、分析器、优化器、执行器等，以及所有的内置函数，跨存储引擎的功能都是在这里实现，如存储过程，触发器，视图等
存储引擎负责数据的存储与提取，架构是插件式的
不同的存储引擎共用一个Server层
一条查询SQL语句执行的全过程：
连接器：负责和客户端建立连接、获取权限、维持和管理连接
一旦连接成功，连接器就会去权限表里查看拥有的权限，之后都是直接依赖于这里获取到的权限来进行判断
连接时间是由参数wait_timeout控制的
查询缓存
在查询之前会先到查询缓存中判断是否有这条数据，查询缓存就是一组KV对，K是查询的语句，VALUE是结果，如果不在则继续进行查询操作，然后将结果缓存到查询缓存中
但是大多数情况下我会建议你不要使用查询缓存，为什么呢？因为查询缓存往往弊大于利。
主要是缓存失效频繁导致的，每一次对数据表的更新都会导致缓存的失效
MySQL8.0直接删除了查询缓存功能
分析器
先做词法分析，然后再做语法分析
优化器
优化器是在表里面有多个索引，决定使用哪个索引，或者是多表关联的时候决定表的连接顺序
优化器对语句执行方案的选择
执行器
开始执行语句，进行权限判断，调用引擎接口。
MySQL可以恢复到半个月内任意一秒的状态，具体的原因还得从表的更新语句说起
如要将id为1的count加一
UPDATE T SET count=count+1 WHERE id=1
查询语句的那一套流程，更新语句同样也会走一遍
如果表存在查询缓存，那么更新语句会直接将表上的所有查询缓存清空。
更新语句较之于查询语句还涉及到两个重要的日志模块的更新：redo log和binlog
redo log：
如果MySQL每一次更新操作都需要写入到磁盘，然后磁盘也需要找到对应的那条记录，然后再更新，那么IO成本会相当高，为了解决这个办法，MySQL使用了WAL技术
WAL全称为Write Ahead Logging，关键点在先写日志，再写磁盘
具体来说，InnoDB会先将记录写到redo log里面并更新内存，这个时候更新就完成了，InnoDB会在合适的时候将操作记录写到磁盘里面，而这个操作往往是在比较空闲的时候做
redo log是固定大小的，如果占满了redo log上的部分数据就会强制写入磁盘
write pos是当前写的位置，checkpoint是当前要擦除的位置。
write pos和checkpoint之间就是空着的位置，当write pos追上了checkpoint，就无法执行更新操作，需要将checkpoint向前推进一下
InnoDB通过redo log保证即使数据库发生异常重启，之前提交的记录都不会丢失，这个能力被称为crash-safe
binlog：
上面说的MySQL分为Server层和存储引擎层，上面的redo log是InnodB引擎持有的日志（存储引擎层面的日志，InnoDB独有的）。Server层也有自己的日志，也就是binlog（归档日志）
为什么需要设计两份日志呢？
因为最初的MySQL自带的MySIAM没有crash-safe能力，而Server层面的binlog只有归档能力，所以后期加入的InnoDB引入了具有crash-safe能力的redo log日志
区别点：
redo log是InnoDB独有的，binlog是Server层通用的
redo log是物理日志，记录在某个数据页做了什么修改，binlog是逻辑日志，记录某个日志的原始逻辑，比如“给id为1的这行count字段加一”
redo log是循环写的，空间固定会用完，binlog是可追加写的，追加写指的是文件大小到达一定后会切换到下一个，不会覆盖以前的日志
回到执行过程：
执行器找到id为1的这一行、如果id为1的数据页在内存中则直接返回给执行器，否则由存储引擎读入内存
执行器将count字段加一，并调用存储引擎的接口存入数据
存储引擎将数据更新到内存当中，同时将数据记录到redo log当中，此时redo log处于prepare状态，然后告知执行器执行完成，可以进行事务提交
执行器生成这个操作的binlog，并将binlog写入磁盘
执行器调入存储引擎的提交事务接口，将redo log的状态改成commit，完成更新
这里redo log的prepare和commit两个状态变换，被称为两阶段提交
两阶段提交：为了让两份日志之间的逻辑保持一致
先回到前面的问题：MySQL可以恢复到半个月内任意一秒的状态
至少需要半个月内的所有binlog，同时需要做整库备份
需要回退时候，找到最近的一个整库备份，恢复到临时库，然后从这个时间点开始取出binlog并执行，即可完成数据恢复。
回到两阶段提交，如果没有两阶段提交，那么要么redo log先记录完，要么binlog先记录完，始终不能保持两个日志文件一致，就会导致恢复文件的时候出问题
这种场景是非常常见的，例如最常见的主从复制，如果这两个日志不一样就会导致主从数据库不一致的情况发生。
那么什么时候完成持久化呢，有两个选项（默认都是开启的）：
innodb_flush_log_at_trx_commit每次事务的redo log都会持久化到磁盘
sync_binlog每次事务的binlog都持久化到磁盘
事务就是要保证一组操作要么全部成功，要么全部失败
MySQL的事务是在存储引擎层面实现的，但是源于MySQL插件式的存储引擎，并不是所有的存储引擎都支持事务，如MySQL原生的MyISAM就不支持事务，这也是InnoDB取代MyISAM的重要原因。
事务的基础特性即为ACID：原子性、一致性、隔离性、持久性
今天来谈谈其中的I，即隔离性
当数据库上有多个事务共同执行的时候，可能出现脏读，不可重复读，幻读等问题，为了解决这些问题，事务的隔离级别就产生了。
隔离级别越高，效率越低
MySQL支持的事务隔离级别有：
读未提交：一个事务还未提交时候，它做的变更就可以被别的事务看到
读提交：一个事务提交以后，它做的变更才会被其他事务看到
可重复读（默认）：一个事务执行过程中看到的数据，与这个事务启动时候看到的数据是一致的
串行化：对同一行记录，写会加写锁，读会加读锁
例子：
隔离级别：
读未提交
K | V |
V1 | 2 |
V2 | 2 |
V3 | 2 |
读提交
K | V |
V1 | 1 |
V2 | 2 |
V3 | 2 |
可重复读
K | V |
V1 | 1 |
V2 | 1 |
V3 | 2 |
串行化
K | V |
V1 | 1 |
V2 | 1 |
V3 | 2 |
说明：在B进行将1改成2的时候会被阻塞住，直到A执行完成才能
读提交和可重复读的实现方式是MySQL在内部实现并维护了一个视图
读未提交直接返回记录上的最新值，没有使用到视图
串行化则直接使用加锁的方式避免并行访问
可以通过查看参数transaction_isolation的值来查看当前的隔离级别
事务隔离级别的具体实现：
每次数据进行更新的时候都会在回滚日志中记录一条回滚操作，可以通过执行回滚操作来完成状态的回滚
这就是将值从1分别改成2,3,4后，回滚日志记录的操作。
同一条记录在数据库中有不同的read_view，也就是有不同的版本（不同事务之间），这就是数据库的多版本并发控制（MVCC）。
read_view仅仅只是起到了标志的作用，想要获取标记的值，需要执行回滚操作到标记处。
只有在事务执行完成之后回滚日志才会被删除，因此不建议使用长事务，不仅会占用大量的存储空间，还可能占用锁资源，非常不建议使用。
事务启动方式：
显式的事务语句，begin或start transaction开启事务，commit提交事务，rollback回滚事务
使用set语句将autocommit设置成0，即SET autocommit=0，因为每一个语句其实是一个事务，通过设置关闭自动提交会导致所有语句事务不会自动提交，也就是执行一个SQL语句即开始了事务，需要显式地使用commit主动提交或者是rollback
因为不建议使用长事务，因此建议总是将autocommit设置成1
可以通过以下语句查询超过60s的事务：
索引就是为了提高数据查询效率，类似于书的目录。
但是实现索引的方式有非常多种，实现高效查询的数据结构有很多，先举例三种简单的数据结构：哈希表、有序数组和搜索数。
哈希表是以KV存储的数据结构，实现非常简单，内部维持一个数组，使用hash函数计算出对应的下标，将Value值存储到这个下标当中去。自然就会出现冲突，这时候的常用解决方法有：拉链法。比较适用于等值查找的场景。
有序数组在等值查询和范围查询都相当优秀，但是这里的效率是由插入数据换来的，插入成本相当高，因此仅仅适用于静态存储引擎，如要保存的数据是省份信息这类不需要修改的数据。
二叉搜索树，保证查询和插入数据的时间复杂度都为O(log(N))。二叉树是搜索效率最高的，但是大多数数据库并没有使用二叉树，主要是数据要存储到硬盘上去，而硬盘的随机寻址效率是极其低的，无法接收这种代价。为了使得查询尽量少地读磁盘，应该使用尽量少地数据块，可以通过使用N叉数来解决访问数据块过多这个问题，这里的N取决于数据块大小。且树根往往可以直接存储于内存当中。
N叉数由于性能优点和适配磁盘访问模式，广泛使用于数据库存储引擎当中了。
InnoDB的索引模型：
每一个索引在InnoDB中对应一颗B+树
建立数据表（id、k）字段，并在k上建立索引
设其中R1~R5的值分别为(100,1)、(200,2)、(300,3)、(500,5) 和 (600,6)，此时两个索引树的示意图如下：
根据叶子结点不难看出：
主键索引的叶子结点存放的是整行数据，因此在InnoDB中主键索引也被称为聚镞索引
非主键索引的叶子结点存放的是主键的值，因此在InnoDB中非主键索引也被称为二级索引
因此基于普通索引的查询会进行回表操作，因为会先得到ID再通过对id进行查询，因此应该尽量使用主键查询。
往往推荐使用自增主键，因为自增主键可以让数据顺序插入，不涉及到挪动其他的记录，这也就不会造成页分裂
页分裂：根据 B+ 树的算法，这时候需要申请一个新的数据页，然后挪动部分数据过去。这个过程称为页分裂。在这种情况下，性能自然会受影响。
除了性能外，页分裂操作还影响数据页的利用率。原本放在一个页的数据，现在分到两个页中，整体空间利用率降低大约 50%。
即使存在有如身份证号这种唯一的数据，也不应该拿来做主键，而是建议使用自增主键避免乱序
就如上一个例子，执行以下SQL语句：
SELECT * FROM T WHERE k BETWEEN 3 AND 5;
的执行过程为：
在 k 索引树上找到 k=3 的记录，取得 ID = 300；
再到 ID 索引树查到 ID=300 对应的 R3；
在 k 索引树取下一个值 k=5，取得 ID=500；
再回到 ID 索引树查到 ID=500 对应的 R4；
在 k 索引树取下一个值 k=6，不满足条件，循环结束。
在这个过程中回到主键索引搜索数的过程，我们称之为回表。这个例子读了k索引树的三条记录，回表了两次，如何避免回表呢？
使用覆盖索引，也就是以下的SQL语句：
SELECT id FROM T WHERE k BETWEEN 3 AND 5
这里就不会发生回表操作。
可以使用联合索引来保证查询的高效性，如使用(k,name)索引，这里借由B+树的性质，可以利用到最左前缀，也就是在单独查询k的时候可以利用到。
MySQL5.6提出了索引下推这个概念来直接减少了MySQL的回表次数
如进行以下查询：SELECT * FROM T WHERE name LIKE '张%' AND age = 10;
存在索引（name，age），默认只有name存在于搜索树当中，但由于下推索引的存在，age也会存在于搜索树中，这就减少了回表的次数
数据锁的设计初衷是处理并发问题
根据加锁的范围，MySQL里面的锁大致可以分为全局锁、表级锁和行锁三类
顾名思义，全局锁就是怼整个数据库实现加锁，MySQL提供了一种加全局读锁的方法：FLUSH TABLES WITH READ LOCK;，当需要使得整个数据库处于只读状态的时候可以使用这个命令
典型使用场景：全局数据备份，防止其他线程对数据进行更新
如果不加锁的化，备份得到的库不是一个逻辑时间点，这个视图是逻辑不一致的
但是获取到逻辑视图并不一定需要给数据库加全局锁，因为在可重复读这个隔离级别下，MySQL内部会在事务开始的时候就进行了数据到逻辑视图的备份工作了。MySQL官方提供的mysqldump工具正是使用了这一特性，加上参数–single-transaction，可以保证逻辑视图的一致性
那么全局锁存在的意义何在呢？因为有些引擎如MyISAM不支持事务，任何写操作都会直接写入到数据表当中去，这时候就需要使用全局锁了。
因此只有所有数据表均使用了支持事务的存储引擎才可以使用mysqldump
为什么不使用：SET GLOBAL read_only = true;这种方式呢？
read_only可能被用作业务逻辑判断如该库是主库还是备库
异常处理机制上的差别：如果使用全局锁，客户端发生异常断开，那么这时候MySQL就会自动释放这些全局锁（会话级别的），但是read only方式会一直持续，会导致整个库长期处于不可写状态
表级别的锁有两种：表锁和元数据锁
表锁的语法为：LOCK TABLES [表名] READ/WRITE;
如：LOCK TABLES t1 READ,t2 WRITE;
，与全局锁一样使用：UNLOCK TABLES主动释放锁
MDL（metadata lock）：元数据锁，不需要显式使用，在访问一个表的时候会被自动加上，保证读写的正确性。5.5引入。主要是保证表结构的完整性，对一个表进行CRUD的时候加MDL读锁，对一个表进行表结构变更的时候加MDL死锁
MySQL行锁是在存储引擎层由各个存储引擎自己实现的
并不是所有存储引擎（如MyISAM）都支持行锁，不支持行锁的存储引擎对于并发控制只能使用表锁，影响并发度。InnoDB支持行锁
两阶段锁：
行锁是在需要的时候才加上的，但并不是不需要了就立刻释放了，而是要等待事务结束时候才会释放，这就是两阶段协议。
因此需要将最可能出现冲突的锁往后放，就最大程度减少了事务间的锁等待，提升了并发度
MySQL很有可能出现死锁，只要出现了资源相互依赖的情况，如下面行锁这个例子：
出现死锁之后可以有两种策略：
直接等待直到超时，可以通过设置参数innodb_lock_wait_timeout来改变，默认值50s
发起死锁检测，通过设置参数innodb_deadlock_detect来决定是否开启（默认开启），出现死锁后主动回滚其中某一个事务
不要想着将innodb_lock_wait_timeout设置太短如1s来解决锁等待问题，虽然可以很快解开死锁，但有可能误伤情况如只有简单的锁等待。
因此还是推荐第二种 ，但是有额外负担。
判断死锁的思路：要看当前锁依赖的线程有没有被别人锁住，如此循环，最后看是否出现了循环等待。但是当并发量上来以后如1000个并发事务，且100个并发事务访问到了同一行，因为时间复杂度为O（n），每个事务都会进行判断，那么就会判断100w次，因此你就会看到CPU利用率很高，却执行不了几个事务。
解决方法：
如果确保不会出现死锁，临时关掉死锁检测，但是风险非常高
做并发控制避免同一行出现太多线程来竞争，对MySQL服务端做并发控制，但是这涉及到了修改MySQL源代码的工作的
可能的解决方法：将一行分作多行，减少每一行的冲突，如要解决总金额问题，则事先先将金额分成多个行，然后每次只添加上其中一行，最后再求总和即可
第三种方案虽然看似无损，但是MySQL处理事务逻辑会变得更加复杂。
主要源于InnoDB的MVCC多版本并发控制，在更新数据的时候会保留undo log来保证可以按照原路访问到以前的数据
InnoDB 利用了“所有数据都有多个版本”的这个特性，实现了“秒级创建快照”的能力。
一个数据版本，对于一个事务视图来说，除了自己的更新总是可见以外，有三种情况：
版本未提交，不可见；
版本已提交，但是是在视图创建后提交的，不可见；
版本已提交，而且是在视图创建前提交的，可见。
还有一条规则：更新数据都是先读后写的，而这个读，只能读当前的值，称为“当前读”（current read）。主要是防止已经提交的事务被覆盖
InnoDB 的行数据有多个版本，每个数据版本有自己的 row trx_id，每个事务或者语句有自己的一致性视图。普通查询语句是一致性读，一致性读会根据 row trx_id 和一致性视图确定数据版本的可见性。
对于可重复读，查询只承认在事务启动前就已经提交完成的数据；
对于读提交，查询只承认在语句启动前就已经提交完成的数据；
而当前读，总是读取已经提交完成的最新版本。
问题引入：维护市民系统，需要根据身份证号进行查询，所以，为了查询的高效性，需要给身份证号加索引。
由于身份证号比较大，不建议将身份证号当做主键（这里感觉很奇怪，去网上搜索了一下）：
InnoDB引擎主键不宜过长，否则会对性能有较严重的影响，而对MyISAM存储引擎则影响不是很大。
InnoDB会在内存中维护一个聚镞索引，且会进行聚镞索引的返回查询，如果主键太长，那么聚镞索引所占空间就会更大，可能需要存储到磁盘上进行频繁的IO操作，降低了性能。
最常见的做法是创建一个与业务逻辑无关的自增id字段作为主键。
左边即是主键索引，如果太大，那么内存维护空间费用确实要增加
这里即使创建了id字段，也不会优化关于身份证的查询信息，因此需要考虑在收费站上建立唯一索引或者是普通索引，那么可以保证身份证号唯一，那么此时建立哪个索引呢？从性能方面考虑
对查询过程和更新过程进行分析：
查询过程来看：
如果查询身份证号为x的用户，即以下的SQL语句：
这里如果是唯一索引，则只需要查找一次即可，但是即使对于普通索引来说，InnoDB存储引擎每次会读取一页（16KB）的数据（因为该字段为索引，必是排序好的），只需要查看下一个记录是否等于x即可，因此性能的影响微乎其微（存在极低的概率，刚好查询的数据是该页的最后一条记录，那么就需要读取下一页，但是概率极低，基本可以忽略），因此两者就查询效率来说性能差距微乎其微
更新过程来看：
主要是change_buffer的影响
如果需要更新的数据页在内存当中，那么直接更新内存的数据。
但是如果数据不在内存当中，就会使用到change buffer
change buffer会记录近期的数据更新，而不是直接进行数据的IO操作，在下次读取数据页的时候进行merge操作，或者是在mysql关闭的时候进行merge操作。
但是就唯一索引的数据插入，需要判断是否会产生冲突，因此无论如何都需要将数据页读取到内存中来，change buffer就显得没有用了。
change buffer中使用的是buffer_pool之间的内存，可以通过innodb_change_buffer_max_size来动态设置。
那么就以上问题来说，还是应该选用普通索引，但是如果是以下情况：每次更新数据之后都会立马执行查找操作，那么使用唯一索引，或者是使用普通索引，禁用change_buffer。因为更新操作就会将数据页读取到内存当中来，为下一次的查找做了铺垫。
那么change buffer和redo log之间的关系是怎么样的，概念非常相似，刚开始还没想到，后来看来是如此。
redo log是只在写时候生效，将数据的写入变成串行的方式，而change buffer是在数据读时候生效。但是redo log会记录下所有的操作过程。
如根据普通索引插入两条数据到内存当中，数据1所在的数据页Page1在内存中，Page2不在内存，此时的插入操作为：
page1在内存中，直接更新
Page2不在内存中，在change buffer记录下需要在Page2中插入一行这个信息
将1、2记录到redo log中去（这里并没有进行数据的磁盘写入）
在读取数据的时候：
Page1在内存中，直接读取
Page2不在内存当中，从磁盘中读取，然后根据change buffer内容对数据进行更新并返回
问题：如果在写入内存之后断电了，由于内存没有持久化的属性，change buffer是否会丢失呢？
答案：不会，因为change buffer的操作已经记录到redo log里面了，且并未处于commit状态，即处于未提交状态，下次MySQL启动恢复时候可以根据redo log恢复过来。
如果查询语句中的查询条件没有加索引，那么MySQL只能进行全表扫描
MySQl是支持前缀索引的，默认的，如果创建索引时候没有指定索引的长度，那么索引就会直接包含整个字符串。
创建索引的语句：
这里的第二条语句就指定了长度为六的前缀索引。
前缀索引和普通索引互有利弊，前者可以节省空间，但是查询次数难免增加，而后者正好相反。
当然，当数据固定下来之后，我们可以来分析现有的数据来决定前缀索引的索引长度从而达到即节省空间，扫描范围又可接收的这种情况，步骤如下：
1、算出这个列上有多少不同的值
SELECT COUNT(distinct email) FROM User;
2、依次选取不同长度的前缀来看这个值，当然会损失数据，直到达到一个可接受的范围为止，如：查询出来的数据达到原来的95%，SQL语句如下：
SELECT COUNT(DISTINCT LEFT(email,x)) FROM User;
如果有些数据的区分度比较低，比如一个市的身份证前几位都是一样的，这时候就需要增加索引长度。但是索引越长，索引占用的磁盘空间就会越大，相同数据页存储的数据越少，索引的效率也会更低。
解决方法（前提是这里面大量使用了等值查询）：
1、倒序存储
2、新增使用哈希字段做身份证的校验码，然后在校验码上创建索引用来查找数据
