走进mysql基础

摘要：持久性一旦事务提交成功，产生的数据变更将永久保存在数据库中。不可重复读执行两次相同的查询，可能得到不同的结果。可串行化严格的串行阻塞，并发能力不好。数据时记录删除时间为当前事务版本号。非聚簇索引树的叶子节点存放实际数据的地址。

作为后端猿的我们，不出意外每天都会和mysql打交道。除了每天写不腻的CURD语句，关于mysql我们应该要了解它的那些基础知识呢？

       接 入 层
-----------------------
     ⬆          ⬆      
     ⬇          ⬇    
    缓 存      解 析 器
                 ⬆      
                 ⬇
              优 化 器 
-----------------------

        引 擎

InnoDB

支持事务

行锁

聚簇索引

辅助索引(二级索引)索引存放的是主键

MyISAM

不支持事务

表锁

崩溃无法安全恢复

非聚簇索引

辅助索引(二级索引)索引存放的还是实际数据的地址

Memory

基于内存

表锁

字段长度固定，不支持blob,text, 即使指定vachar实际储存也会转为char

Archive

只支持insert/select操作

适合日志等

...

A: Atomicity, 原子性,　一个事务的所有操作视为一个整体，要不全部成功，要不全部失败。

C: Consistency, 一致性,　一个事务下的所有的数据状态变更，只有事务提交成功才全部变更。

D: Durability, 持久性,　一旦事务提交成功，产生的数据变更将永久保存在数据库中。

I: Isolation, 隔离性,　一个事务在提交之前对其他事务不可见。

脏读：读取未提交事务的数据，数据可能被回滚，不符合隔离性的定义。

幻读：一个事务批量读取了一批数据时，另一个事务提交了新的数据，当之前的事务再次读取时，会产生幻影行。

不可重复读：执行两次相同的查询，可能得到不同的结果。

未提交读：一个事务还未提交，另一个事务就可以读取，这样导致的后果，脏读。

提交读(又叫，不可重复读)：一个事务未提交对其他事务不可见，但是会产生幻读和不可重复读。

可重复读(mysql默认隔离级别)：保证同一个事务下多次读取的结果一致，但是会产生幻读。

可串行化：严格的串行阻塞，并发能力不好。

MVCC：Multi Version Concurrency Control,　多版本并发控制，mysql防止幻读的一种技术手段。每行数据存在间隙行，间隙行存放该行数据的创建时间，删除时间，这里的时间实际是事务的版本号。当，

select数据时：只查询创建时间小于等于当前事务版本号 -> 当前事务或当前事务之前插入的行，删除时间大于当前版本号的行 -> 当前事务版本前未被删除的行。

update数据时：在原有行a的基础上复制行a",行a的删除时间设置为当前的事务版本号，行a"的创建时间设置为当前的事务版本号。

insert数据时：记录创建时间为当前事务版本号。

delete数据时：记录删除时间为当前事务版本号。

死锁产生的原因是两个事务互相等待对方释放，产生了循环依赖，mysql采用了死锁检测(检测到循环依赖返回错误)和死锁超时(超时回滚持有行锁最少的事务)的方式尽可能去避免死锁。例如：

行锁：

UPDATE `table_demo` SET `a` = "test" WHERE `b` = "lalala";
UPDATE `table_demo` SET `b` = "test" WHERE `a` = "lalala";

UPDATE `table_demo` SET `b` = "test" WHERE `a` = "lalala";
UPDATE `table_demo` SET `a` = "test" WHERE `b` = "lalala";

聚簇索引：InnoDB, B+树的叶子节点存放实际数据。

非聚簇索引：MyISAM, B+树的叶子节点存放实际数据的地址。

覆盖索引：要查询的行被索引覆盖，从索引中可以直接读取，不需要回表查询。例如：

CREATE TABLE `demo_table`(
    `id` int(11) unsigned NOT NULL AUTO_INCREMENT COMMENT "自增ID",
    `username` char(32) NOT NULL DEFAULT "" COMMENT "用户名",
    `password` char(32) NOT NULL DEFAULT "" COMMENT "密码",
    PRIMARY KEY (`id`),
    KEY `idx_username` (`username`)
)ENGINE=InnoDB DEFAULT CHARSET=UTF8;

explain select `username` from `demo_table` where `username` = "demo";
+----+-------------+------------+------+---------------+--------------+---------+-------+------+--------------------------+
| id | select_type | table      | type | possible_keys | key          | key_len | ref   | rows | Extra                    |
+----+-------------+------------+------+---------------+--------------+---------+-------+------+--------------------------+
|  1 | SIMPLE      | demo_table | ref  | idx_username  | idx_username | 96      | const |    1 | Using where; Using index |
+----+-------------+------------+------+---------------+--------------+---------+-------+------+--------------------------+

Extra里的Using index就是使用了覆盖索引的意思。

个人目前理解：例如使用联合索引，从左向右依次匹配，未匹配到索引字段或第一个范围查找(between、like、大于、小于)为止，及该部分索引有效。

红黑树本质是二叉树，每个节点最多拥有两个子节点，所以红黑树的深度较深。

B树每个节点最多可以有n个子节点，根节点常驻内存且每个节点刚好申请１个页的大小，假如每个节点拥有100个子节点，那百万级的数据我们基本上只需要深度是3就可以存下 => 100^3，这样就减少的io次数(一个节点的大小通常为磁盘一个页的大小)。

又有“局部性原理”(一旦一个数据被查询，那么它附近的数据可能也会需要被查询)，其次B+树的叶子节点构成一个链表，这样我们就可以很容易的查询出一段范围的数据，其次B+树的根节点和内部节点只存放该索引下一个子节点的位置的指针，数据只存放在叶子节点里，这样非叶子节点就可以有更多的空间存放索引的位置，索引的范围就可以尽可能的大，从而树的深度就可能的小。

后续持续修正和补充，如果有什么写的不对的地方欢迎大家积极指正，谢谢大家。

扫面下方二维码关注我的技术公众号，及时为大家推送我的原创技术分享