MySQL的varchar水真的太深了——InnoDB记录存储结构

◆ 1. InnoDB是干嘛的？

  InnoDB是一个将表中的数据存储到磁盘上的存储引擎。

◆ 2. InnoDB是如何读写数据的？

  InnoDB处理数据的过程是发生在内存中的，需要把磁盘中的数据加载到内存中，如果是处理写入或修改请求的话，还需要把内存中的内容刷新到磁盘上。

  读写磁盘的速度非常慢，和内存读写差了几个数量级，所以当我们想从表中获取某些记录时，InnoDB存储引擎将数据划分为若干个页，以页作为磁盘和内存之间交互的基本单位，InnoDB中页的大小默认为 16 KB。也就是在一般情况下，一次最少从磁盘中读取16KB的内容到内存中，或者一次最少把内存中的16KB内容刷新到磁盘中。

注意：innodb_page_size变量在服务器运行过程中不可以更改，只能在第一次初始化MySQL数据目录时指定。所以页在运行时的大小不可更改。

◆ 3. varchar疑问千千万——InnoDB行格式

  我们平时是以记录为单位来向表中插入数据的，这些记录在磁盘上的存放方式也被称为行格式或者记录格式。行格式有4种，分别是Dynamic、Compact、Redundant和Compressed

MySQL 5+默认行格式都是Dynamic， 在MySQL 5 和 MySQL 8经过验证确实是的。

  大家在业务中和平时使用中都几乎没有修改过或者注意过InnoDB行格式，那么我就只重点讲默认行格式dynamic，让大家更深层次理解平时开发中的varchar。

请记住这个表结构，后面会围绕这个来讲

现在业务数据库字符集都是utf8mb4，我就以这个来讲，把理解难度降到最低。

现在，表中的记录就是这样

3.1 dynamic——innodb默认行格式

  关于记录的额外信息这部分，是服务器为了描述这条记录而不得不额外添加的一些信息，这些额外信息分为3类，分别是变长字段长度列表、NULL值列表和记录头信息。

  在这里我只讲变长字段长度列表、NULL值列表。因为记录头信息非常的绕和本篇没多大关系。

3.2 innodb怎么知道varchar真正有多长？——变长字段长度列表

  一些变长的数据类型，比如VARCHAR(M)、各种TEXT类型，各种BLOB类型，变长数据类型的字段中存储多少字节的数据是不固定的，在存储真实数据的时候需要把这些数据占用的字节数也存起来。

  就像设计String类型，不仅仅是存放真实数据的char数组，还有length变量去记录字符串长度。又比如input输入框最大限制500字，但是你还得有一个变量去统计真实在输入框内有多少字符。同理，varchar也有记录真实数据长度的变量（假设为L，后文沿用方便描述），L表示varchar真实占用的字节数，innodb最多分配2个字节去表示这个L，就像unsigned short类型，2个字节，寄存器最多只有16位来让你存这个长度，所以L记录范围是2^16 - 1 = 65535。

  我们拿test表中的第一条记录来举个例子。因为test表的c1、c2、c4列都是VARCHAR(10)类型的，说明最大10个字符，所以这三个列的值的长度都需要保存在记录开头处，因为test表中的各个列都使用的是utf8mb4字符集，每个字符最大需要4个字节来进行编码（不使用utf8而是utf8mb4是因为可能存储emoji表情，如果只是文字，utf8就足够），来看一下第一条记录各变长字段内容的长度：

怎么确定这些字段有多少字节？

比如这里c2的"你好啊"，使用如下sql可以确定

各变长字段数据占用的字节数按照列的顺序逆序存放！！

  由于第一行记录中c1、c2、c4列中的字符串都比较短，也就是说varchar真实占用的字节数比较小，L用1个字节(8个bit位) 就可以表示，但是如果varchar真实占用的字节数比较多，L可能就需要用2个字节(16个bit位) 来表示。到底varchar能存多少字节呢？继续往下看。

3.3 varchar(M) 能存多少个字符，为什么提示最大16383？

首先要理解varchar(M)的M是说字符个数，而不是字节。

为什么不能varchar(20000)之类的，是20000个字符放不下吗？

为什么提示只能最大16383个字符呢？这个数字是怎么算出来的？

这个我就得和你好好唠嗑了！

  varchar是变长的，varchar(64) 能存放0~64个字符不等，并不一定是存了最大64个字符，谁知道这个类型到底存了几个字符呢？innodb设计的时候，就已经考虑到了，不过是用字节作为单位，后续我们可以根据对应字符集转变为字符来理解，innodb必须记录变长字段varchar真实占用的字节数L。前面说过了，innodb最多分配2个字节(16个bit位)的空间去记录这个L。

  来看极限边界情况，innodb为了记录一下varchar真实存储多少个字节，最多分配2个字节的空间去记录，2个字节16个比特位，全部为1，最大能记录的数字是2^16-1是65535个，innodb最大能记录varchar占用的字节数就是65535个，utf8mb4字符集一个字符是最大是4个字节，65535 / 4 = 16383.75，只要varchar字符数不超过16383个，innodb就可以记录真实占用的长度L，再多就记录不了了！所以就能解释刚刚的图了，varchar(20000)不行，最大也就16383个字符

但是！这里强调是有但是的！

行最大长度是65535字节，行里面有很多东西，包括变长字段列表、NULL值列表、记录头信息。你得考虑该字段如果允许为NULL，NULL值列表会占用一个字节(只要没超过8个字段)，每一列字段的变长字段实际长度会花费1~2个字节，如果该字段的数据太大，会变成溢出列，该字段的数据会分成很多行存储（后面会讲，你可以看完NULL值列表和溢出列后再回来看这个例子）。所以即便提示16383个字符，你也绝对不可能存到16383。

我做了个测试

不断往这个字段添加字符保存测试，最后发现，这些字符总长度到极限也就是48545字节。

如果超过就会报错

  这里48545个字节，再多一个字符就会报错，远不到65535字节，差了1W多字节。主要是因为溢出列的原因，数据分散在不同的行中，所以，很长的数据，建议往text类型考虑。这个现象可以看出，varchar(M)的M很大，实际是达不到M这个边界值的。

下面说明一下规则(讲解中字符集用utf8mb4，W=4)

  规则一：如果允许存储的最大字节数M × W <= 255，varchar占用的真实字节数L只分配1个字节来表示。

  规则二：如果允许存储的最大字节数M × W > 255，则分为两种情况：

  如果实际存储字节L <= 127，varchar占用的真实字节数L仅分配1个字节就能表示。(⌊ … ⌋表示向下取整)

 如果实际存储字节L > 127，varchar占用的真实字节数L需要分配2个字节才能表示。

另外需要注意的是，变长字段列表只存储非NULL的列的长度。

表记录是这样的

对于第二条记录，c4列值为NULL，所以只存储c1和c2列即可。

第一条记录的变长字段长度列表部分占用3字节空间，因为有c1、c2、c4列，且内容都很少，每列真实占用字节数用1个字节可以表示，加起来就是3个字节，第二条记录变长字段长度列表部分占用2字节。

  当然，并不是所有记录都有这个变长字段长度列表部分，比方说表中所有的列都不是变长的数据类型或者 所有列的值都是NULL 的话，这一部分就不需要有。实际业务开发中，几乎没有不使用varchar的，所以实际开发中的记录都会有变长字段长度列表部分

3.4 记录为NULL，innodb如何处理？——NULL值列表

  能仔细看到这里，你肯定是个高手了。如果你和我一样开发规范中不推荐NULL，一般都写NOT NULL，其实记录中就不存在NULL值列表了，也节省了空间。

  如果表中的某些列可能存储NULL值，把这些NULL值都放到记录的真实数据中存储会很占地方，所以dynamic行格式把这些值为NULL的列统一管理起来，存储到NULL值列表中，它的处理过程是这样的：

统计表中允许存储NULL的列有哪些。

主键列、被NOT NULL修饰的列都是不可以存储NULL值的，所以在统计的时候不会把这些列算进去。比方说表test的3个列c1、c3、c4都是允许存储NULL值的，而c2列是被NOT NULL修饰，不允许存储NULL值。

如果表中没有允许存储 NULL 的列，则 NULL值列表也不存在了，否则将每个允许存储NULL的列对应一个二进制位，二进制位按照列的顺序逆序排列。二进制位的值为1时，代表该列的值为NULL，为0时，代表该列的值不为NULL。因为表test的c1、c3、c4都是允许存储NULL值的允许为NULL的列，所以这3个列和二进制位的对应关系就是这样：

NULL值列表必须用整数个字节的位表示，如果使用的二进制位个数不是整数个字节，则在字节的高位补0。

以此类推，如果表中有9个字段都允许为NULL，那么这个记录的NULL值列表就需要2个字节来表示。

对于第一条记录，c1、c3、c4都不为NULL，对应的为进制位为0，十六进制表示就是0x00

对于第二条记录，c3、c4都是NULL，对应的二进制位为1，十六进制表示就是0x06

这两条记录在填充了NULL值列表后示意图如下：

3.5 某个列数据占用的字节数非常多怎么办？——dynamic行格式的溢出列

  如果某个列中存储的数据占用的字节数非常多，该列就可能称为溢出列。

  对于占用存储空间非常多的列，在记录真实数据时，该列只会用20字节空间，而这20字节的空间不存储数据，因为数据都分散存储在其他几行中了。这20字节的空间存储的是分散行的地址和占用的字节数。分散行记录是单链表连接的结构。

来源：

https://blog.csdn.net/qq_34115899/article/details/117524328

“IT大咖说”欢迎广大技术人员投稿，投稿邮箱：aliang@itdks.com