Mysql笔记（二）

SQL优化

原因：性能低、执行时间太长了、等待时间太长、SQL语句欠佳（连接查询）、索引失效、服务器参数设置不合理（缓冲）

查询执行流程

　　下面再向前走一些，容我根据自己的认识说一下查询执行的流程是怎样的：

1.连接

　　1.1客户端发起一条Query请求，监听客户端的‘连接管理模块’接收请求

　　1.2将请求转发到‘连接进/线程模块’

　　1.3调用‘用户模块’来进行授权检查

　　1.4通过检查后，‘连接进/线程模块’从‘线程连接池’中取出空闲的被缓存的连接线程和客户端请求对接，如果失败则创建一个新的连接请求

2.处理

　　2.1先查询缓存，检查Query语句是否完全匹配，接着再检查是否具有权限，都成功则直接取数据返回

　　2.2上一步有失败则转交给‘命令解析器’，经过词法分析，语法分析后生成解析树

　　2.3接下来是预处理阶段，处理解析器无法解决的语义，检查权限等，生成新的解析树

　　2.4再转交给对应的模块处理

　　2.5如果是SELECT查询还会经由‘查询优化器’做大量的优化，生成执行计划

　　2.6模块收到请求后，通过‘访问控制模块’检查所连接的用户是否有访问目标表和目标字段的权限

　　2.7有则调用‘表管理模块’，先是查看table cache中是否存在，有则直接对应的表和获取锁，否则重新打开表文件

　　2.8根据表的meta数据，获取表的存储引擎类型等信息，通过接口调用对应的存储引擎处理

　　2.9上述过程中产生数据变化的时候，若打开日志功能，则会记录到相应二进制日志文件中

3.结果

　　3.1Query请求完成后，将结果集返回给‘连接进/线程模块’

　　3.2返回的也可以是相应的状态标识，如成功或失败等

　　3.3‘连接进/线程模块’进行后续的清理工作，并继续等待请求或断开与客户端的连接

一图小总结

SQL编写过程

SELECT DISTINCT
    < select_list >
FROM
    < left_table > < join_type >
JOIN < right_table > ON < join_condition >
WHERE
    < where_condition >
GROUP BY
    < group_by_list >
HAVING
    < having_condition >
ORDER BY
    < order_by_condition >
LIMIT < limit_number >

SQL解析过程

FROM <left_table>
ON <join_condition>
<join_type> JOIN <right_table>
WHERE <where_condition>
GROUP BY <group_by_list>
HAVING <having_condition>
SELECT
DISTINCT <select_list>
ORDER BY <order_by_condition>
LIMIT <limit_number>

示例代码

SELECT
    a.uid,
    count(b.oid) AS total
FROM
    table1 AS a
LEFT JOIN table2 AS b ON a.uid = b.uid
WHERE
    a. NAME = 'mike'
GROUP BY
    a.uid
HAVING
    count(b.oid) < 2
ORDER BY
    total DESC
LIMIT 1;

优化重点

SQL优化的重点就是索引（index，相当于书的目录），索引是帮助MYSQL高效获取数据的数据结构。所以可以说索引是数据结构（树：B树也是Mysql的默认使用、Hash树...）

B树索引（一般指B+树）

B+树中查询任意的数据次数：n次，n为B+树的高度，B+树的数据一般全都放在叶子节点

实际示例（该实例是二叉树演示　　）

索引弊端

索引本身很大，可以存放在内存/硬盘（通常是硬盘）
索引不是所有情况都需要用：少量数据、频繁更新的字段、很少用的字段
索引确实可以提高查询效率，但是降低了增删改的效率

索引优势

提高查询效率，降低I/O使用率
降低CPU使用率，例如索引本身就是排好序的树，所以排序的时候不需要再次计算，可以直接查询

索引分类

单值索引：单列索引；一个表可以有多个单值索引
唯一索引：不能重复，一般用ID
复合索引：多个列构成的索引，例如有name和age两列，建复合索引（name,age），那么就先匹配name，然后从name集合中找age，如果找name就一条就直接结束了