MySQL|面试必问MySQL：执行流程、树、索引、优化、数据结构一网打尽数据库

文章图片

文章图片

文章图片

文章图片

文章图片

文章图片

\">SQL优化背景
开发项目上线初期，由于业务数据量相对较少，一些SQL的执行效率对程序运行效率的影响不太明显，而开发和运维人员也无法判断SQL对程序的运行效率有多大，故很少针对SQL进行专门的优化，而随着时间的积累，业务数据量的增多， SQL的执行效率对程序的运行效率的影响逐渐增大，此时对SQL的优化就很有必要。
SQL优化发生在业务量达到一定规模的时候目的是优化SQL的执行效率

除了这些之外， sql的优化也是一个可以引申出来其他相当多的内容，不信，来看看
MySQL 优化优化范围

硬件资源
操作系统参数，数据库参数配置
SQL语句，索引优化

SQL优化

数据库设计优化【规范，前期设计】
【MySQL|面试必问MySQL：执行流程、树、索引、优化、数据结构一网打尽】SQL语句优化
索引优化
读写分离，分库分表

慢查询语句慢查询：10s无返回结果，定义为慢查询
SHOW STATUS LIKE \"slow_queries\";

SHOW VARIABLES LIKE \"long_query_time\";//可以显示当前慢查询时间

set long_query_time=1 ;//可以修改慢查询时间

常用优化方法查询优化

避免全表扫描（考虑在 where 及 order by 涉及的列上建立索引）
尽量避免在 where 子句中对字段进行 null 值判断，否则将导致引擎放弃使用索引而进行全表扫描select id from t where num is null 可以在num上设置默认值0 ，确保表中num列没有null值，然后这样查询： select id from t where num=0
应尽量避免在 where 子句中使用!=或<>操作符，否则将引擎放弃使用索引而进行全表扫描
应尽量避免在 where 子句中使用 or 来连接条件，否则将导致引擎放弃使用索引而进行全表扫描select id from t where num=10 or num=20 可以这样查询： select id from t where num=10 union all select id from t where num=20
in 和 not in 也要慎用，否则会导致全表扫描select id from t where num in(123) 对于连续的数值，能用 between 就不要用 in 了： select id from t where num between 1 and 3
应尽量避免在 where 子句中对字段进行表达式操作，这将导致引擎放弃使用索引而进行全表扫描select id from t where num/2=100 应改为: select id from t where num=100*2
应尽量避免在where子句中对字段进行函数操作，这将导致引擎放弃使用索引而进行全表扫描select id from t where substring(name13)='abc'--name以abc开头的id 应改为: select id from t where name like 'abc%'
很多时候用 exists 代替 in 是一个好的选择select num from a where num in(select num from b) 用下面的语句替换： select num from a where exists(select 1 from b where num=a.num)
索引并不是越多越好，索引固然可以提高相应的 select 的效率，但同时也降低了 insert 及 update 的效率(5)
尽量使用数字型字段，若只含数值信息的字段尽量不要设计为字符型，这会降低查询和连接的性能，并会增加存储开销
尽可能的使用 varchar 代替 char，因为首先变长字段存储空间小，可以节省存储空间
任何地方都不要使用 select * from t，用具体的字段列表代替“*” ，不要返回用不到的任何字段
尽量避免使用游标，因为游标的效率较差，如果游标操作的数据超过1万行，那么就应该考虑改写

后记——了解MySQL索引什么是索引？索引是一种数据结构，具体表现在查找算法上。
索引分为主键索引和辅助索引，辅助索引又分为唯一性索引，普通索引，复合索引，覆盖索引。
索引的本质：以空间换时间。
索引目的提高查询效率
【类比字典和借书】
如果要查“mysql”这个单词，我们肯定需要定位到m字母，然后从下往下找到y字母，再找到剩下的sql 。如果没有索引，那么你可能需要把所有单词看一遍才能找到你想要的。
去图书馆借书也是一样，如果你要借某一本书，一定是先找到对应的分类科目，再找到对应的编号，这是生活中活生生的例子，通用索引，可以加快查询速度，快速定位。
二叉树每个节点最多含有两个子树的树称为二叉树。
二叉查找树ADT Tree左子树的键值小于根的键值，右子树的键值大于根的键值。
平衡二叉树AVL Tree在符合二叉查找树的条件下，还满足任何节点的两个子树的高度最大差为1 。
BTreeBTree也称为平衡多路查找树
B-Tree是为磁盘等外存储设备设计的一种平衡查找树。

B+TreeB+Tree是在B-Tree基础上的一种优化

非叶子结点只存储键值信息，不存储数据
所有的叶子结点都有一个链指针
数据记录都存放在叶子结点中

MySQL默认使用B+Tree索引索引本身也很大，所以存储在磁盘中需要加载到内存中执行。
故：索引结构优劣标准：磁盘I/O次数
BTree是为了充分利用磁盘预读功能而创建出来的一种数据结构。
局部性原理和磁盘阅读

局部性原理：当一个数据被用到，其附近的数据很可能会马上用到
磁盘阅读：由于存储介质的特性，磁盘本身存取就比主存慢很多，再加上机械运动耗费，磁盘的存取速度往往是主存的几百分分之一，因此为了提高效率，要尽量减少磁盘I/O 。为了达到这个目的，磁盘往往不是严格按需读取，而是每次都会预读，即使只需要一个字节，磁盘也会从这个位置开始，顺序向后读取一定长度的数据放入主存。

为什么平衡二叉树无法利用磁盘预读功能而BTree可以？平衡二叉树也称为红黑数，在逻辑上是平衡二叉树，但是在物理存储上使用的是数组，逻辑上相近的节点可能在物理上相差很远。
BTree如何利用磁盘预读功能？将节点大小设为等于一个页， BTree新建节点时，也是按照页为单位申请，同时计算机存储分配也是按页对齐，那么一个节点只需一次IO就可以读取全部节点数据。
【如果节点大小和BTree大小不对齐，那么同一页节点可能需要两次IO读取】
综上所述，用B-Tree作为索引结构效率是非常高的。
为什么B+Tree比BTree更适合作为索引结构?BTree解决了磁盘IO的问题但没有解决元素遍历复杂的问题。
B+Tree的叶子节点用链指针相连，极大提高区间访问速度。【比如查询50到100的记录，查出50后，顺着指针遍历即可】
为什么不使用Hash索引而使用B+Tree索引？Hash索引本质上是Hash表，是一种KV键值对的存储结构。
无法提高区间访问速度。
B+Tree的叶子结点可以存哪些东西？可能是整行数据，也可能是主键的值。
前者被称为聚簇索引，后者称为非聚簇索引。
聚簇索引更快！！！
为什么？？？聚簇索引已经查到整行数据了，而非聚簇索引还可能根据主键值再进行查询一次。
例外：覆盖索引——数据直接从索引中取得。
而像上面说的，其实，想要更好的对数据库进行相应的性能优化，最重要的就是能够对数据库的内部结构有更好的了解，然后在了解的基础上才能找到性能出现问题的方面，进行相应的优化，那上面的这些内容其实就是简单的进行了一些介绍，具体的内容，来看这张知识图
mysql执行流程
哈希表：哈希冲突
数据库所涉及树的概念基础知识

红黑树

B+树删除和添加图解

插入数据

删除数据

数据库的数据结构其中有Hash、二叉树以及B树三种索引方式

mysql索引系统
怎么样，这些问题有没有想明白，没想明白没关系，我这里还有一张数据库总结的思维

当然了，有些朋友可能单纯这么看看的不是特别明白，没关系，和图配套的视频也已经给大家准备好了，同样的获取方式，关注+转发后私信“资料”即可