pymysql是python3.x版本用来操作mysql数据库的一个模块，其实和python2.7中的MySQLdb模块的作用和操作语法都是一模一样的。
在上篇博客，我们知道了undo log，继续上篇博客，学习另外一种重要的InnoDB事务日志redo log
某业务 MySQL 实例（MySQL 5.7.20 社区版）发生 Crash，现需要对其具体原因进行分析。
周末没啥计划，把大佬的<MySQL是怎样运行的>又翻了出来，重新学习一下页的概念。
在MySQL中如果每次更新操作后都写要磁盘，即首先在磁盘中找到该条记录，再更新，整个过程I/O成本，查找成本都很高并发度很高的情况下对效率影响较大。为了解决该问题，MySQL中使用到了WAL(Write-Ahead logging )写磁盘前先写日志。当一条记录需要更新的时候，InnoDB会先把记录写入redo log，等系统空闲时再写入磁盘。
在 MySQL 官方提到，改善操作性能的最佳方法 SELECT 在查询中测试的一个或多个列上创建索引。索引条目的作用类似于指向表行的指针，从而使查询可以快速确定哪些行与WHERE子句中的条件匹配，并检索这些行的其他列值。所有MySQL数据类型都可以建立索引。
MyISAM和InnoDB是MySQL最常用的两个存储引擎，本文将进行详尽的介绍和对比。对于MySQL其余几种存储引擎，请读者自行搜索学习。
之前写了一些关于 MySQL 的 InnoDB 存储引擎的文章，里面好几次都提到了页（Pages）这个概念，但是都只是简要的提了一下。例如之前在聊 InnoDB内存结构 时提到过，但当时的重点是内存架构，就没有展开深入。
以社交平台的用户表为例，随着业务的快速增长，用户表user单表数据量越来越大，此时，如果我们想给user表添加索引，数据规模对添加过程的影响势必要考虑在内，但是，单表数据规模对添加索引会产生什么样的影响呢，我们在什么样的数据库请求状态下给大表添加索引比较好呢？
InnoDB一棵B+树可以存放多少行数据？这个问题的简单回答是：约2千万。为什么是这么多呢？因为这是可以算出来的，要搞清楚这个问题，我们先从InnoDB索引数据结构、数据组织方式说起。
innodb数据逻辑存储形式为表空间,而每一个独立表空间都会有一个.ibd数据文件,ibd文件从大到小组成：
JDBC 的全称是 Java Database Connectivity，即 Java 数据库连接，它是一种可以执行 SQL 语句的 Java API。程序可通过 JDBC API 连接到关系数据库，并使用结构化查询语言(SQL，数据库标准的查询语言)来完成对数据库的查询、更新。 与其他数据库编程环境相比，JDBC 为数据库开发提供了标准的 API，所以使用 JDBC 开发的数据库应用可以跨平台运行，而且可以跨数据库(如果全部使用标准的 SQL)。也就是说，如果使用 JDBC 开发一个数据库应用，则该应用既可以在 Windows 平台上运行，也可以在 UNIX 等其他平台上运行；既可以使用 MySQL 数据库，也可以使用 Oracle 等数据库，而程序无须进行任何修改。 最早的时候，Sun 公司希望自己开发一组 Java API，程序员通过这组 Java API 即可操作所有的数据库系统，但后来 Sun 发现这个目标具有不可实现性，因为数据库系统太多了，而且各数据库系统的内部特性又各不相同。后来 Sun 就制定了一组标准的 API，它们只是接口，没有提供实现类(这些实现类由各数据库厂商提供实现)，这些实现类就是驱动程序。而程序员使用 JDBC 时只要面向标准的 JDBC API 编程即可，当需要在数据库之间切换时，只要更换不同的实现类(即更换数据库驱动程序)就行，这是面向接口编程
01 索引 以MySQL中的索引为例子总结。 数据库查询是数据库的最主要功能之一，实现高效的查询速度一定是MySQL非常关心的事情。 索引（Index）正是帮助MySQL高效获取数据的数据结构。 目前大部分数据库系统及文件系统都采用B-Tree或其变种B+Tree作为索引结构，因此先看下这两种树的基本概念，至于B-Tree/B+Tree涉及的主要操作比如，裂变等，大家可以进一步参阅其他书籍或博客学习。 02 B-树 m阶B-树也称作（ceil(m), m）树，如(2,3)树，称为3阶B树，(2,4)树称
InnoDB 一棵 B + 树可以存放多少行数据？这个问题的简单回答是：约 2 千万
这是今年3月份整理的一篇博客，在做业务过程中又有了一些新的理解，所以重新进行了梳理，增加了部分示例和绘图，尽管这里分析的是MySQL的binlog 和redo log，但是这里的两段式提交的思想在做支付场景的业务的时候经常用到。
原文链接：https://www.cnblogs.com/leefreeman/p/8315844.html
来源 | https://www.cnblogs.com/leefreeman/p/8315844.html
因为这是可以算出来的，要搞清楚这个问题，我们先从InnoDB索引数据结构、数据组织方式说起。
因为这是可以算出来的，要搞清楚这个问题，我们先从 InnoDB 索引数据结构、数据组织方式说起。
作者：李平 https://www.cnblogs.com/leefreeman/p/8315844.html?from=singlemessage&isappinstalled=0 一个问题？ In
作者丨李平 https://www.cnblogs.com/leefreeman/p/8315844.html?from=singlemessage&isappinstalled=0 一个问题？ I
mysql 的一行记录，最终肯定是存储在磁盘上，也就是肉眼可见的文件上，今天我们的目标很简单，就是看看它到底是怎么存的。
综合来看，其实 MySQL 更适合 OLTP 的场景。现在云服务商提供的数据库基本都实现了主从延迟很低，读取性能可以加从库解决。例如 Aurora，一个写入实例最多可以加 12 个读取实例，延迟在我们业务最高峰的时候，也只有 300 ms，平常在 10ms 左右。
点击上方蓝色“程序猿DD”，选择“设为星标” 回复“资源”获取独家整理的学习资料！ 来源：cnblogs.com/leefreeman/p/8315844.html 一个问题？ InnoDB一棵B+树可以存放多少行数据？这个问题的简单回答是：约2千万。为什么是这么多呢？因为这是可以算出来的，要搞清楚这个问题，我们先从InnoDB索引数据结构、数据组织方式说起。 我们都知道计算机在存储数据的时候，有最小存储单元，这就好比我们今天进行现金的流通最小单位是一毛。在计算机中磁盘存储数据最小单元是扇区，一个扇区的大
MySQL支持诸多存储引擎，而各种存储引擎对索引的支持也各不相同，因此MySQL数据库支持多种索引类型，如BTree索引，哈希索引，全文索引等等。
大家都清楚，日志是 MySQL 数据库的重要组成部分，记录着数据库运行期间各种状态信息。MySQL 日志主要包括「错误日志」、「查询日志」、「慢查询日志」、「二进制日志(binlog)」 和 事务日志(redo log、undo log)几大类。
MySQL中的行格式（Row Format）是指存储在数据库表中的数据的物理格式。它决定了数据是如何在磁盘上存储的，以及如何在查询时被读取和解析的。MySQL支持多种行格式，每种格式都有其特定的优点和适用场景。
最近参加了一个面试，面试官先问了mysql的数据库的索引的底层数据接口，我回答了：平时都用的是innodb引擎，所以其底层的索引数据类型是B+树。面试官问我用没用过稀疏索引。当时就懵了，聚集索引，非聚集索引，主键索引，覆盖索引等等，我也没听过什么是稀疏索引。我反问了一下 面试官这个索引类型是mysql新出的吗，我不太了解也没有怎么用过，面试官模糊的给我回答了一下：一个占用空间小查询效率相对低，一个查询效率高，存储空间比较大，用法是在创建索引的时候进行设置参数。我坦白道：不清楚，下去了解一下。
查询是数据库的最主要功能之一。我们都希望查询速度能尽可能快，因此数据库系统的设计者会从查询算法角度优化
大家有没有遇到过慢查询的情况，执行一条SQL需要几秒，甚至十几、几十秒的时间，这时候DBA就会建议你去把查询的 SQL 优化一下，怎么优化？你能想到的就是加索引吧？
可以把没有索引的表理解为Java中的List，在没有索引的情况下，我们要查找指定的数据，只能遍历这个list，但是随着数据量的逐渐增大，遍历list产生的开销也随之增大。因此我们需要一个无需遍历整个list（ps：无需扫描整张表）就可以找到指定数据的方案，这个方案就是索引。（ps：遍历list可以理解为mysql的全表扫描）
Mysql系列的目标是：通过这个系列从入门到全面掌握一个高级开发所需要的全部技能。
1千万，2千万，或者上亿条数据？具体的答案不重要，当然肯定也不会是一个固定的数目，今天我们就一起来探讨探讨这个问题。
hello，小伙伴们下午好。俗话说的好，一时拖更一时爽，一直拖更一直爽。但是今天决定更一下啦。高能预警，为了还债，特地写了篇长文。
索引的本质其实就是一种数据结构。我们都希望查询数据的速度能尽可能的快，因此数据库系统的设计者会从查询算法的角度进行优化。最基本的查询算法当然是顺序查找，这种复杂度为 O(n) 的算法在数据量很大时显然是糟糕的，好在计算机科学的发展提供了很多更优秀的查找算法，例如二分查找、二叉树查找等。如果稍微分析一下会发现，每种查找算法都只能应用于特定的数据结构之上，例如二分查找要求被检索数据有序，而二叉树查找只能应用于二叉查找树上，但是数据本身的组织结构不可能完全满足各种数据结构（例如，理论上不可能同时将两列都按顺序进行组织），所以，在数据之外，数据库系统还维护着满足特定查找算法的数据结构，这些数据结构以某种方式引用（指向）数据，这样就可以在这些数据结构上实现高级查找算法。这种数据结构，就是索引。
索引是存储引擎用于快速查找记录的一种数据结构。因此良好的性能非常关键。尤其是当表中的数据量越来越大时，索引对性能的影响愈发重要。在数据量较小且负载较低时，不恰当的索引对性能的影响可能不明显，但当数据量逐渐增大时，性能则会急剧下降。索引优化应该是对查询性能优化最有效的手段了。索引能够轻易将查询性能提高几个数量级，“最优”的索引有时比一个“好的”索引性能要好两个数量级。
由于 MySQL 的整个体系太过于庞大，文章的篇幅有限，不能够完全的覆盖所有的方面。所以我会尽可能的从更加贴进我们日常使用的方式来进行解释。
索引，对于良好的数据库性能非常关键。只要提及到数据库性能优化，都会首先想到“索引”，看看表中是否添加索引。尤其是当表中的数据量越来越大时，索引对性能的影响尤为突出。在数据量较小且负载较低时，没有索引或者不恰当索引对性能的影响可能还不明显，但当数据量逐渐增大时，性能则会急剧下降。
2NF：每一个非主属性完全依赖于候选码（属性组的值能唯一的标识一个元组，但是其子集不可以）。
1、MyISAM是MySQL 5.5之前版本默认的存储引擎，从5.5之后，InnoDB开始成为MySQL默认的存储引擎。MyISAM和InnoDB都是使用B+树实现主键索引、唯一索引和非主键索引。
摘要 本文以MySQL数据库为研究对象，讨论与数据库索引相关的一些话题。特别需要说明的是，MySQL支持诸多存储引擎，而各种存储引擎 对索引的支持也各不相同，因此MySQL数据库支持多种索引类型，如BTree索引，哈希索引，全文索引等等。为了避免混乱，本文将只关注于BTree索 引，因为这是平常使用MySQL时主要打交道的索引，至于哈希索引和全文索引本文暂不讨论。 数据结构及算法基础 索引的本质 MySQL官方对索引的定义为：索引（Index）是帮助MySQL高效获取数据的数据结构。提取句子主干，就可以得到
本文以MySQL数据库为研究对象，讨论与数据库索引相关的一些话题。特别需要说明的是，MySQL支持诸多存储引擎，而各种存储引擎对索引的支持也各不相同，因此MySQL数据库支持多种索引类型，如BTree索引，哈希索引，全文索引等等。为了避免混乱，本文将只关注于BTree索引，因为这是平常使用MySQL时主要打交道的索引，至于哈希索引和全文索引本文暂不讨论。
MySQL动态hash结构 1.常用的实现方式 前一段时间一直在研究mysql中的hash结构，大概搞清楚了这种no empty slot的hash结构，读了几篇关于mysql中的hash
B-Tree 的节点是一个二元数组 [key,data]，key 是记录的键，data 是键对应的数据，B-Tree中的每个节点根据实际情况可以包含大量的关键字信息和分支，每个节点的每个 key 左右各有一个指针，非叶子节点的指针分别指向下一层的节点，叶子节点的指针为 null，如下图：
领取专属 10元无门槛券
手把手带您无忧上云
云服务器
ICP备案
实时音视频
即时通信 IM
对象存储
