MySQL 相关

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。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。

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。

辅助索引存储的也是索引的值，而不是地址，再根据主键索引查找相应的值。

B+树，聚集索引

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。

B+树，非聚集索引

基础概念

B树

B树，其实就是平衡树。不平衡的二叉查找树是灾难。如果有更多的分支，那么就有更少的高度。31个节点的理想二叉树有5层，而31个节点的5叉树只有3层。原则上B树保证只有少数的磁盘访问。

用阶定义的B树

一棵m阶的B树 -- 5阶的B树

1 树中每个节点最多有5个孩子

2 除根结点和叶子结点外，其他每个结点至少有3个孩子。

3 若根结点不是叶子结点，则至少有2个孩子。

模拟下查找文件29的过程。

1 根据根节点指针找到根磁盘块1，将信息倒入内存【磁盘IO操作1次】。

2 内存中有17、35和3个其他磁盘分页的地址。17<29<35,找到指针P2。

3 找到磁盘块3，将信息倒入内存【磁盘IO操作2次】。

4 26<29<30,我们找到指针P2。

5 找到磁盘块8【磁盘IO操作3次】。

6 这个时候，我们找到了29。

B+树

B+树内部结点没有指向具体信息的指针，因此内部结构比B树更小。

查询效率更加的稳定。

B+树只需要遍历叶子结点就可以实现整棵树的遍历，有利于数据库的范围查询。

下面的图不是100%完全正确，但是当个示意图应该没有问题。

InnoDB的逻辑存储结构

表空间

启动了innodb_file_per_table参数，则每张表独立一个文件。

段

表空间由段组成

区

一般区大小正好为1M

页

InnoDB磁盘管理的最小单位，固定大小为16K

行

InnoDB表中数据按行存储。

数据库自增主键的问题：

1 主外键关系表的并发性能问题。

2 分布式系统的唯一性问题。

3 数字类型的溢出问题。

4 扩展性问题，不可拆库。

5 每次请求全局id，读写库压力过大。

Redis相关

Redis也有事务的功能，但是这个事务可能跟MySQL之类的RDBMS不同。官网上的Transactions介绍了Redis中的事务。Redis中使用multi和exec命令设定事务边界，discard在multi命令提交后可丢弃事务。另外watch命令可以实现CAS操作。

Redis为什么不支持回滚，因为Redis命令失败最大可能是因为命令输错了。

因为Redis是单线程程序，所以只要存储事务操作最后一起执行就实现了原子性操作，如果增加回滚会影响Redis性能。

使用方式

> MULTI
OK
> INCR foo
QUEUED
> INCR bar
QUEUED
> EXEC
1) (integer) 1
2) (integer) 1

使用CAS

单机的话，下面的做法没有问题。

val = GET mykey
val = val + 1
SET mykey $val

但是在多客户端的情况下，这个会导致经典的条件竞争。

watch stringA
stringA_r = stringA + “abcd”
multi
set stringA string_r
exec

监视变量，当执行操作之前，检查变量是否已经改变。Redis本身就是单线程的，事务实现相当的简单。但是客户端的交互却不是单线程的。当监视的变量变化之后，redis会放弃当前的操作，客户端这个时候需要做一些异常处理。