mysql笔记01 MySQL架构与历史、Schema与数据类型优化

MySQL架构与历史

1. MySQL架构推荐参考：http://www.cnblogs.com/baochuan/archive/2012/03/15/2397536.html

2. MySQL会解析查询，并创建内部数据结构(解析树)，然后对其进行各种优化，包括重写查询、决定表的读取顺序，以及选择合适的索引等。用户可以通过特殊的关键字提示(hint)优化器，影响它的决策过程。

也可以请求优化器解释(explain)优化过程的各个因素，使用户可以知道服务器如何进行优化决策的，并提供一个参考基准，便于用户重构查询和schema、修改相关配置，使应用尽可能高效运行。

3. 对于SELECT语句，在解析查询之前，服务器先检查查询缓存(Query Cache)，如果能够在其中找到对应的查询，服务器就不会再执行查询解析、优化和执行的整个过程，而是直接返回查询缓存中的结果集。

4. 读锁(共享锁)是共享的，或者说是互相不阻塞的。多个客户在同一时刻可以同时读取同一个资源，而互不干扰。

写锁(排他锁)则是排他的，也就是说一个写锁会阻塞其他的写锁和读锁，这是出于安全策略的考虑，只有这样才能确保在给定的时间里，只有一个用户能执行写入，并防止其他用户读取正在写入的同一资源。

5. 锁粒度：锁的各种操作，包括获得锁、检查锁是否已经解除、释放锁等，都会增加系统的开销。如果系统花费大量的时间来管理锁，而不是存储数据，那么系统性能可能会受到影响。

锁策略：就是在锁的开销和数据安全性之间寻求平衡。

表锁(table lock)：表锁是MySQL中最基本的锁策略，并且是开销最小的锁策略。写锁比读锁有更高的优先级，因此一个写锁请求可能会被插入到读锁队列的前面(写锁可以插入到锁队列中读锁的前面，反之

读锁则不能插入到写锁的前面)。

行级锁(row lock)：行级锁可以最大程度地支持并发处理(同时也会带来最大化的锁开销)。

6. 事务：事务就是一组原子性的SQL查询，或者说一个独立的工作单元。事务内的语句，要么全部执行成功，要么全部执行失败。

1). ACID：

原子性(atomicity)：一个事务必须视为一个不可分割的最小工作单元，整个事务中所有操作要么全部提交成功，要么全部失败回滚，对于一个事务来说，不可能只执行其中的一部分操作，这就是事务的原子性。

一致性(consistency): 数据库总是从一个一致性状态转换到另一个一致性状态。

隔离性(isolation)：通常来说，一个事务所做的修改在最终提交以前，对其他事务总是不可见的。

持久性(durability)：一旦事务提交，则其所做的修改就会永久保存到数据库中。此时，即使系统崩溃，修改的数据也不会丢失。

2). 事务处理过程中额外的安全性，也会需要数据库系统做更多的额外工作，影响运行效率。

3). 隔离级别：

READ UNCOMMITTED(未提交读)：事务可以读取未提交的数据，这也被称为脏读(Dirty Read)

READ COMMITTED(提交读)：大多数数据库的默认隔离级别，但MySQL不是。这个级别有时候也叫不可重复读，因为两次执行同样的查询，可能会得到不一样的结果。

是指在一个事务内，多次读同一数据。在这个事务还没有结束时，另外一个事务也访问该同一数据。那么，在第一个事务中的两次读数据之间，由于第二个事务的修改，

那么第一个事务两次读到的的数据可能是不一样的。这样就发生了在一个事务内两次读到的数据是不一样的，因此称为是不可重复读。

REPEATABLE READ(可重复读)：解决了脏读问题。该级别保证了同一个事务中多次读取同样记录的结果是一致的。MySQL的默认隔离级别。

SERIALIZABLE(可串行化)：最高隔离级别，通过强制事务串行执行，避免了前面说的幻读问题。只有在数据非常中的时候才使用。

4). 死锁：指两个或多个事务在同一资源上相互占用，并请求锁定对方占用的资源，从而导致恶性循环的现象。当多个事务试图以不同的顺序锁定资源时，就可能会产生死锁。

InnoDB目前处理死锁的方法是，将持有最少行级排他锁的事务进行回滚。

5). 使用事务日志，存储引擎在修改表的数据时，只需要修改其内存拷贝，再把修改行为记录到持久在硬盘的事务日志中，而不用每次都将修改的数据本身持久到硬盘。事务采用的是追加的方式。事务日志持久化

         以后，内存中被修改的数据在后台可以慢慢地刷回到磁盘。如果数据的日志已经记录到事务日志并持久化，但数据本身还没有回写磁盘，此时系统崩溃，存储引擎在重启时能够自动恢复这部分修改的数据。

 6). MySQL中的事务：

a. 自动提交(AUTOMCOMMIT)：MySQL默认采用自动提交的模式。也就是说如果不是显示地开始一个事务，则每个查询都会被当做一个事务执行提交操作。可以通过设置AUTOCOMMIT变量来启用或禁用

自动提交模式。另外，有一些命令执行之前会强制执行COMMIT提交当前的活动事务。

b. 隐式和显示锁定：事务执行过程中，随时都可以执行锁定，所只有在执行COMMIT或者ROLLBACK的时候才会释放，并且所有的锁是在同一时刻被释放。这些都是隐式锁。

7. MySQL的大多数事务型存储引擎实现的都不是简单的行级锁。基于提升并发性能的考虑，它们一般都同时实现了多个版本并发控制(MVCC)。可以认为MVCC是行级锁的一个变种，但是它在很多情况下避免了

    加锁操作，因此开销更低。MVCC的实现，通过保存数据在某个时间点的快照来实现的。

8. 在文件系统中，MySQL将每个数据库(也可以称为schema)保存为数据目录下的一个子目录。创建表时，MySQL会在数据库子目录下创建一个和表同名的.frm文件保存表的定义。例如：MyTable表，对应

MyTable.frm文件。

9. MySQL在5.5以后才彻底使用InnoDB plugin替代旧版本的InnoDB。作为事务型存储引擎，InnoDB通过一些机制和工具支持真正的热备份，Oracle提供的MySQL Enterpries Backup 、Percona提供开源的

XtraBackup都可以做到这一点。MySQL的其他存储引擎不支持热备份，要获取一致性视图需要停止对所有表的写入，而在读写混合场景中，停止写入可能也意味着停止读取。

Schema与数据类型优化

1. 选择优化的数据类型

1). 更小的通常更好：更小的数据类型通常更快，因为他们占用更少的磁盘、内存和CPU缓存，并且处理需要的CPU周期也更少。

2). 简单就好：简单的数据类型的操作通常需要更少的CPU周期。例如：整型比字符串操作的代价更低，因为字符集和校对规则(排序规则)是字符串比较比整型比较更复杂。这里有两个例子：

一个是应该使用MySQL内建的类型而不是字符串来存储日期和时间，另外一个是应该使用整型存储IP地址。

3). 避免使用null：通常情况下最好指定列为not null，除非真的需要存储null。因为null列使得索引、索引统计和值比较都更复杂。可为null的列会使用更多的存储空间，在MySQL中也需要特殊处理。

2. MySQL兼容性支持很多别名，例如INTEGER、BOOL等。他们都是别名，这些别名可能令人不解，但不会影响性能。如果建表时采用数据烈性的别名，然后用show create table检查，会发现MySQL

    报告的是基本类型，而不是别名。

3. 整数类型：TINYINT、SMALLINT、MEDIUMINT、INT、BIGINT，分别使用8，16,24,32,64位存储空间。它们的存储值的范围从-2的n-1次幂，到2的n-1次幂减一。

1). 整数类型有可选的UNSIGNED属性，表示不允许负值，这大致可以使正数的上限提高一倍。

2). 有符号和无符号类型使用相同的存储空间，并且有相同的性能，因此可以根据实际情况选择合适的类型。

3). MySQL可以为正数类型指定宽度，例如INT(11)，但大多数应用这是没有意义的。对于存储和计算来说，INT(1)和INT(20)是相同的。

4. 实数类型：实数是带有小数部分的数字。然而，它们不只是为了存储小数部分；也可以使用DECIMAL存储比BIGINT还大的整数。

1). FLOAT和DOUBLE类型支持使用标准的浮点运算进行近视计算。DECIMAL类型用于存储精确的小数。

2). 浮点类型在存储同样类型的范围的值时，通常比DECIMAL使用更少的空间。FLOAT使用4个字节存储.DOUBLE占用8个字节，相比FLOAT有更高的精度和更大的范围。

3). 因为需要额外的空间和计算开销，所以应该尽量只在对小数进行精确计算时才使用DECIMAL。在数据量比较大的时候，可以考虑使用BIGINT代替DECIMAL，将对应的值扩大N倍。

5. 字符串类型：

1). VARCHAR:它比定长类型更节省空间，因为它仅使用必要的空间。VARCHAR节省了空间，所以对性能也有帮助。但是由于行是变长的，在UPDATE时可能使行变得比原来更长，这就导致需要做额外的工作。

 下面的情况使用VARCHAR是合适的：字符串最大长度比平均长度大很多；列的更新少，所以碎片不是问题；使用了像UTF-8这样复杂的字符集，每个字符使用不同的字节数。

在5.0或更高的版本中，MySQL在存储和检索时会保留末尾空格。InnoDB则更灵活，它可以把长的VARCHAR存储为BLOB。

2). CHAR: 定长，当存储CHAR值时，MySQL会删除所有的末尾空格。定长的CHAR类型不容易产生碎片，对于非常短的列，CHAR比VARCHAR在存储空间上也更有效率，VACHAR还有一个记录长度的额外字节。

3). 记住字符串的长度定义不是字节数，是字符数。多字节字符集会需要更多的空间存储单个字符。

4). 与CHAR和VARCHAR类似的类型还有BINARY和VARBINARY，它们存储的是二进制字符串。二进制字符串中存储的是字节码而不是字符。

二进制比较的优势并不仅仅体现在大小写敏感上。MySQL比较BINARY字符串是，每次按一个字节，并且根据该字节的数值进行比较。因此，二进制比字符比较简单的多，所以也就更快。

5). BLOB和TEXT类型：BLOB和TEXT都是为了存储很大的数据而设计的字符串数据类型，分别采用二进制和字符方式存储。当BLOB和TEXT值太大时，InnoDB会使用专门的"外部"存储区域来进行存储。原表字段

          存储指针指向外部存储区域。

6. 日期和时间类型：MySQL能存储的最小时间粒度为秒。

1). DATETIME : 这个类型能保存大范围的值，从1001年到9999年，精度为秒。它把日期和时间封装到格式为YYYYMMDDHHMMSS的整数中。默认显示格式为"2008-02-16 22:37:08"

2). TIMESTAMP：保存从1970年1月1日午夜依赖的秒数，它和UNIX时间戳相同。只能表示从1970年到2038年。TIMESTAMP因为空间占用小，所以效率更高。

3). 可以使用BIGINT类型存储微秒级别的时间戳。

7. 位运算：BIT , SET

8. 选择标识符(identifier，主键) 

1). 当选择标识列的类型时，不仅仅需要考虑存储类型，还需要考虑MySQL这种类型怎么执行计算和比较

2). 一旦选择了一种类型，要确保在所有关联表中都使用同样的类型。会用不同数据类型可能导致性能问题，即使没有性能影响，在比较操作时隐式类型转换也可能导致很难发现错误。

3). 在可以满足值的范围要求，并且预留未来增长空间的前提下，应该选择最小的数据类型。

4). 整数类型通常是标识列最好的选择，因为它们很快并且可以使用AUTO_INCREMENT

5). 如果可能，应该避免使用字符串类型作为标识列，因为它们很消耗空间，并且通常比数字类型慢。

6). 对于完全"随机"的字符串也需要多加注意。例如：MD5(),SHAI()或者UUID()产生的字符串。这些函数生成的新值也任意分布在很大空间内，这会导致INSERT和一些SELECT语句很缓慢

7).如果存储UUID值，则应该移除"-"符号，或者更好的做法是，用UNHEX()函数转换UUID值为16字节的数字，并存储在一个BINARY(16)的列中。检索时再转换回来。

9. 当心利用框架自动生成的schema(表)

10. 人们通常使用VARCHAR(15)来存储IP地址。然而，它们实际是32位无符号整数，不是字符串。用小数点将字段分割成四段是为了阅读方便。所以应该用无符号整数存储IP地址。MySQL提供INET_ATON()

和INET_NTOA()函数在这两种表示方法之间转换。

11. MySQL schema 设计中的陷阱：

1). 太多的列

2). 太多的关联

3). 全能的枚举

4). 变相的枚举

5). 非此发明的NULL：不要因为不适用NULL值，而走极端，根据实际情况也可以使用NULL

12. 范式的优点和缺点

      优点：

      1). 范式化的更新操作通常比反范式化要快

      2). 修改更少的数据

      3). 范式化的表通常表更小，可以更好地放在内存中，所以执行操作会更快

      缺点：通常需要关联查询，不仅代价昂贵，也可能使一些索引策略无效

13. 反范式的优点和缺点：

      优点：很好的避免关联，更有效的使用索引策略

      缺点：范式的优点，就是反范式的缺点

14. 缓存表和汇总表：

     1). 缓存表：存储那些可以比较容易的从schema其他表获取(但每次获取速度缓慢)数据的表

     2). 汇总表：保存的是使用GROUP BY语句聚合数据的表。实时计算统计值是很昂贵的操作。

     4). 在使用缓存表和汇总表时，必须决定是实时维护数据还是定期重建。哪个更好依赖于应用程序，但是定期重建并不只是节省资源，可以保持表不会有很多碎片，以及完全顺序组织的索引。

15. 影子表：指的是在一张真实表"背后" 创建的表。当完成了建表操作后，可以通过一个原子的重命名操作切换影子表和原表。原表尽量保留备份，防止新表出问题。

16. 物化视图：物化视图实际上是预先计算并且存储在磁盘上的表，可以通过各种各样的策略刷新和更新。MySQL并不原声支持物化视图，可以使用开源工具Flexviews。

对比传统的维护汇总表和缓存表的方法，Flexviews通过提起对源表的更改，可以增量地重新计算物化视图的内容。

 17. 计数器表：创建一张独立的表存储计数器通常是一个好主意。使用计数器表的一些技巧

       1). 为了防止互斥锁影响效率，可以添加多条记录，随机更新一条记录。统计总数时，将所有数据相加。

       2). 对于需要根据时间更新计数器，也可以用上述方法，不过多加一步操作。每天定时将前一天的总数合计起来，插入到计数器表，删除那些零散的统计记录。

18. 加快ALTER TABLE操作的速度：MySQL的ALTER TABLE操作的性能对大表来说是一个问题。MySQL执行大部分修改表结构的方法是用新的结构创建一个空表，从旧表中查出所有数据插入新表，然后删除旧表。

      可以通过ALTER COLUMN操作来改变列的默认值。这个语句会直接修改.frm文件而不涉及表数据。所以，这个操作非常快。

1. 更小的通常更好：更小的数据类型通常更快，因为他们占用更少的磁盘、内存和CPU缓存，并且处理需要的CPU周期也更少。

2. 简单就好：简单的数据类型的操作通常需要更少的CPU周期。例如：整型比字符串操作的代价更低，因为字符集和校对规则(排序规则)是字符串比较比整型比较更复杂。这里有两个例子：

一个是应该使用MySQL内建的类型而不是字符串来存储日期和时间，另外一个是应该使用整型存储IP地址。

3. 避免使用null：通常情况下最好指定列为not null，除非真的需要存储null。因为null列使得索引、索引统计和值比较都更复杂。可为null的列会使用更多的存储空间，在MySQL中也需要特殊处理。

4. 因为需要额外的空间和计算开销，所以应该尽量只在对小数进行精确计算时才使用DECIMAL。在数据量比较大的时候，可以考虑使用BIGINT代替DECIMAL，将对应的值扩大N倍。

5. 二进制比较的优势并不仅仅体现在大小写敏感上。MySQL比较BINARY字符串是，每次按一个字节，并且根据该字节的数值进行比较。因此，二进制比字符比较简单的多，所以也就更快。

6. 可以使用BIGINT类型存储微秒级别的时间戳。

7. 一旦选择了一种类型，要确保在所有关联表中都使用同样的类型。会用不同数据类型可能导致性能问题，即使没有性能影响，在比较操作时隐式类型转换也可能导致很难发现错误。

8. 如果可能，应该避免使用字符串类型作为标识列，因为它们很消耗空间，并且通常比数字类型慢。

9. 范式(修改多，关联查询少)和反范式(查询多，修改少)的选择

10. 缓存表和汇总表