MySQL进阶 —— 超详细操作演示！！！（中）

- 三、SQL 优化
- - 3.1 插入数据
  - 3.2 主键优化
  - 3.3 order by 优化
  - 3.4 group by 优化
  - 3.5 limit 优化
  - 3.6 count 优化
  - 3.7 update 优化
- 四、视图/存储过程/触发器
- - 4.1 视图
  - 4.2 存储过程
  - 4.3 存储函数
  - 4.4 触发器
- 五、锁
- 六、InnoDB 引擎
- 七、MySQL 管理

MySQL— 基础语法大全及操作演示！！！

1、MySQL概述
2、SQL
3、函数
4、约束
5、多表查询
6、事务

MySQL进阶 —— 超详细操作演示！！！（持续更新）

1、存储引擎
2、索引
3、SQL 优化
4、视图 / 存储过程 / 触发器
5、锁
6、InnoDB 引擎
7、MySQL 管理

三、SQL 优化

3.1 插入数据

⭐️ 1) 、 insert

如果我们需要一次性往数据库表中插入多条记录，可以从以下三个方面进行优化。

每执行一个 insert 都要与数据库建立连接进行网络传输，性能相对较低！

insert into tb_test values(1,'tom');
insert into tb_test values(2,'cat');
insert into tb_test values(3,'jerry');
.....

1). 优化方案一 —— 批量插入数据
- （500条 ~ 1000 条）

insert into tb_test values(1,'Tom'), (2,'Cat'), (3,'Jerry');

2). 优化方案二 —— 手动控制事务
- （几万条，分割为多条 insert ）
- mysql 中的事务提交方式默认为自动提交，意味着执行一条 insert 语句后，事务就提交了，会出现频繁的事务开启和提交！

start transaction;
insert into tb_test values(1,'Tom'),(2,'Cat'),(3,'Jerry');
insert into tb_test values(4,'Tom'),(5,'Cat'),(6,'Jerry');
insert into tb_test values(7,'Tom'),(8,'Cat'),(9,'Jerry');
commit;

3). 优化方案三 —— 主键顺序插入，性能要高于乱序插入。
- （取决于mysql 的数据组织结构)

主键乱序插入 : 8 1 9 21 88 2 4 15 89 5 7 3
主键顺序插入 : 1 2 3 4 5 7 8 9 15 21 88 89

⭐️ 2) 、大批量插入数据

如果一次性需要插入 大批量数据 (比如: 几百万的记录 )，使用insert语句插入性能较低，此时可以使用MySQL数据库提供的 load 指令进行插入。操作如下：

在这里插入图片描述
可以执行如下指令，将 数据脚本文件 中的数据加载到 表结构 中：

-- 客户端连接服务端时，加上参数 --local-infile(表示加载本地文件)
mysql --local-infile -u root -p

-- 设置全局参数local_infile为1，开启从本地加载文件导入数据的开关
set global local_infile = 1;

-- 执行load指令将准备好的数据，加载到表结构中
load data local infile '/root/sql1.log' into table tb_user fields terminated by ',' lines terminated by '\n' ;

- fields terminated by ',' : 每个字段使用 , 分隔；
- lines terminated by '\n' ：每一行使用 \n 分隔。

在这里插入图片描述

上传并查看 数据脚本文件 ：load_user_100w_sort.sql

在这里插入图片描述

主键顺序插入性能高于乱序插入 !

示例演示:

A. 创建表结构

CREATE TABLE `tb_user` (
	`id` INT(11) NOT NULL AUTO_INCREMENT,
	`username` VARCHAR(50) NOT NULL,
	`password` VARCHAR(50) NOT NULL,
	`name` VARCHAR(20) NOT NULL,
	`birthday` DATE DEFAULT NULL,
	`sex` CHAR(1) DEFAULT NULL,
	PRIMARY KEY (`id`),
	UNIQUE KEY `unique_user_username` (`username`)
) ENGINE=INNODB DEFAULT CHARSET=utf8 ;

在这里插入图片描述

B. 设置参数

-- 客户端连接服务端时，加上参数 -–local-infile
mysql –-local-infile -u root -p

-- 设置全局参数local_infile为1，开启从本地加载文件导入数据的开关
set global local_infile = 1;

C. load加载数据

load data local infile '/data/sql/load_user_100w_sort.sql' into table tb_user fields terminated by ',' lines terminated by '\n' ;

在这里插入图片描述

我们看到，插入100w的记录，57s就完成了，性能很好；若使用 insert 插入，至少要十来分钟！

在 load 时，主键顺序插入性能高于乱序插入

3.2 主键优化

主键顺序插入的性能是要高于乱序插入的。这一小节，就来介绍一下具体的原因，然后再分析一下主键又该如何设计。

1). 数据组织方式

在 InnoDB 存储引擎中，表数据都是根据主键顺序组织存放的，这种存储方式的表称为索引组织表(index organized table IOT)。

在这里插入图片描述

行数据，都是存储在聚集索引的叶子节点上的。而我们之前也讲解过InnoDB的逻辑结构图：

在这里插入图片描述

在InnoDB引擎中，数据行是记录在逻辑结构 page 页中的，而每一个页的大小是固定的，默认16K。
那也就意味着，一个页中所存储的行也是有限的，如果插入的数据行 row 在该页存储不下，将会存储到下一个页中，页与页之间会通过指针连接。

2). 页分裂

页可以为空，也可以填充一半，也可以填充100%。每个页包含了 2-N 行数据(如果一行数据过大，会行溢出)，根据主键排列。

A. 主键顺序插入效果

①. 从磁盘中申请页， 主键顺序插入

在这里插入图片描述

②. 第一个页没有满，继续往第一页插入

在这里插入图片描述

③. 当第一个也写满之后，再写入第二个页，页与页之间会通过指针连接

在这里插入图片描述

④. 当第二页写满了，再往第三页写入

在这里插入图片描述
B. 主键乱序插入效果

①. 假如 1#,2# 页都已经写满了，存放了如图所示的数据

在这里插入图片描述

②. 此时再插入 id 为 50 的记录，我们来看看会发生什么现象
- 会再次开启一个页，写入新的页中吗？

在这里插入图片描述

- 不会。因为，索引结构的叶子节点是有顺序的。按照顺序，应该存储在 47 之后。

在这里插入图片描述

- 但是 47 所在的 1# 页，已经写满了，存储不了 50 对应的数据了。那么此时会开辟一个新的页 3#。

在这里插入图片描述

- 但是并不会直接将 50 存入 3# 页，而是会将 1# 页后一半的数据，移动到 3# 页，然后在3#页，插入50 。

在这里插入图片描述

- 移动数据，并插入 id 为 50 的数据之后，那么此时，这三个页之间的数据顺序是有问题的。 1# 的下一个页，应该是 3# ， 3# 的下一个页是 2# 。所以，此时，需要重新设置链表指针。

在这里插入图片描述

上述的这种现象，称之为 “页分裂”，是比较耗费性能的操作。

3). 页合并

目前表中已有数据的索引结构(叶子节点)如下：
在这里插入图片描述

当我们对已有数据进行删除时，具体的效果如下:

当删除一行记录时，实际上记录 并没有被物理删除，只是记录被标记（ flaged）为删除并且它的空间变得允许被其他记录声明使用。

在这里插入图片描述

当我们继续删除 2# 的数据记录

在这里插入图片描述

当页中删除的记录达到 MERGE_THRESHOLD（默认为页的 50%），InnoDB 会开始寻找最靠近的页（ 前或后）看看是否可以将两个页合并以优化空间使用。
- MERGE_THRESHOLD：合并页的阈值，可以自己设置，在 创建表 或者 创建索引 时指定。

在这里插入图片描述

删除数据，并将页合并之后，再次插入新的数据 21 ，则直接插入 3#页

在这里插入图片描述

这个里面所发生的合并页的这个现象，就称之为 “页合并”。

4). 索引设计原则

满足业务需求的情况下，尽量降低主键的长度。
插入数据时，尽量选择顺序插入，选择使用 AUTO_INCREMENT 自增主键。
尽量 不要使用UUID 做主键或者是 其他自然主键，如 身份证号。(无序且较长)
业务操作时，避免对主键的修改。

在这里插入图片描述

3.3 order by 优化

MySQL的排序，有两种方式：

Using filesort : 通过 表的索引 或 全表扫描，读取满足条件的数据行，然后在排序缓冲区sort buffer 中完成排序操作，所有不是通过索引直接返回排序结果的排序都叫 FileSort 排序。
Using index : 通过有序索引顺序扫描直接返回有序数据，这种情况即为 using index， 不需要 额外排序，操作效率高。

对于以上的两种排序方式，Using index 的性能高，而 Using filesort 的性能低，我们在优化排序操作时，尽量要优化为 Using index。

接下来，我们来做一个测试：

A. 数据准备

把之前测试时，为 tb_user 表所建立的部分索引直接删除掉

drop index idx_user_phone on tb_user;
drop index idx_user_phone_name on tb_user;
drop index idx_user_name on tb_user;

在这里插入图片描述

B. 执行排序SQL

explain select id, age, phone from tb_user order by age ;

在这里插入图片描述

explain select id, age, phone from tb_user order by age, phone ;

在这里插入图片描述

由于 age, phone 都没有索引，所以此时 再排序 时，出现 Using filesort，排序性能较低。

C. 创建索引

-- 创建索引
create index idx_user_age_phone on tb_user(age,phone);

D. 创建索引后，根据 age, phone进行升序排序

explain select id, age, phone from tb_user order by age;

在这里插入图片描述

explain select id, age, phone from tb_user order by age , phone;

在这里插入图片描述

建立索引之后，再次进行排序查询，就由原来的 Using filesort，变为了 Using index，性能就是比较高的了。

E. 创建索引后，根据 age, phone进行降序排序

explain select id, age, phone from tb_user order by age desc, phone desc ;

在这里插入图片描述

也出现 Using index，但是此时 Extra 中出现了 Backward index scan，这个代表 反向扫描索引，

因为在MySQL中我们创建的索引，默认索引的叶子节点是从小到大排序的，
而此时我们查询排序时，是从大到小，所以，在扫描时，就是反向扫描，就会出现 Backward index scan。
在MySQL8版本中，支持降序索引，我们也可以创建降序索引。

F. 根据 phone，age进行升序排序，phone在前，age在后。

explain select id, age, phone from tb_user order by phone, age;

在这里插入图片描述

排序时,也需要满足最左前缀法则, 否则也会出现 filesort。
因为在创建索引的时候， age是第一个字段，phone 是第二个字段，所以排序时，也就该按照这个顺序来，否则就会出现 Using filesort。

G. 根据 age, phone进行降序一个升序，一个降序

explain select id,age,phone from tb_user order by age asc, phone desc ;

在这里插入图片描述

因为创建索引时，如果未指定顺序，默认都是按照升序排序的，而查询时，一个升序，一个降序，此时就会出现 Using filesort。
为了解决上述的问题，我们可以创建一个索引，这个联合索引中 age 升序排序，phone 倒序排序。

H. 创建联合索引( age 升序排序，phone 倒序排序)

create index idx_user_age_phone_ad on tb_user(age asc, phone desc);

在这里插入图片描述

I. 然后再次执行如下SQL

explain select id, age, phone from tb_user order by age asc, phone desc ;

在这里插入图片描述

升序/降序联合索引结构图示:
在这里插入图片描述

由上述的测试,我们得出 order by 优化原则:

A. 根据排序字段建立合适的索引，多字段排序时，也遵循最左前缀法则。
B. 尽量使用覆盖索引。
C. 多字段排序, 一个升序一个降序，此时需要注意联合索引在创建时的规则（ASC/DESC）。
D. 如果不可避免的出现 filesort，大数据量排序时，可以适当增大排序缓冲区大小 sort_buffer_size (默认256k)。

3.4 group by 优化

分组操作，我们主要来看看索引对于分组操作的影响。

首先我们先将 tb_user 表的索引全部删除掉。

drop index idx_user_pro_age_sta on tb_user;
drop index idx_email_5 on tb_user;
drop index idx_user_age_phone on tb_user;
drop index idx_user_age_phone_ad on tb_user;

在这里插入图片描述
接下来，在没有索引的情况下，执行如下SQL，查询执行计划：

explain select profession, count(*) from tb_user group by profession ;

在这里插入图片描述

Using temporary ：临时表，这个性能也比较低。

然后，我们在针对于 profession ， age， status 创建一个联合索引。

create index idx_user_pro_age_sta on tb_user(profession, age , status);

紧接着，再执行前面相同的SQL查看执行计划。

explain select profession, count(*) from tb_user group by profession ;

在这里插入图片描述
再执行如下的分组查询SQL，查看执行计划：

explain select age, count(*) from tb_user group by age ;

explain select profession, age, count(*) from tb_user group by profession, age ;

在这里插入图片描述

我们发现，如果仅仅根据 age 分组，就会出现 Using temporary ；
而如果是根据 profession, age 两个字段同时分组，则不会出现 Using temporary。
原因是因为对于分组操作，在联合索引中，也是符合最左前缀法则的。

所以，在分组操作中，我们需要通过以下两点进行优化，以提升性能：

A. 在分组操作时，可以通过索引来提高效率。
B. 分组操作时，索引的使用也是满足最左前缀法则的。

3.5 limit 优化

在数据量比较大时，如果进行 limit 分页查询，在查询时，越往后，分页查询效率越低。

我们一起来看看执行 limit 分页查询耗时对比：

在这里插入图片描述

通过测试我们会看到，越往后，分页查询效率越低，这就是分页查询的问题所在。

因为，当在进行分页查询时，如果执行 limit 2000000,10 ，此时需要MySQL排序前 2000010 记录，仅仅返回 2000000 - 2000010 的记录，其他记录丢弃，查询排序的代价非常大。

优化思路: 一般分页查询时，通过创建 覆盖索引 能够比较好地提高性能，可以通过 覆盖索引 + 子查询 形式进行优化。

explain select * from tb_sku t , (select id from tb_sku order by id limit 2000000,10) a where t.id = a.id;

3.6 count 优化

⭐️ 1) 、概述

select count(*) from tb_user ;

在之前的测试中，我们发现，如果数据量很大，在执行 count 操作时，是非常耗时的。

MyISAM 引擎把一个表的总行数存在了磁盘上，因此执行 count(*) 的时候会直接返回这个数，效率很高；但是如果是 带条件 的 count，MyISAM 也慢。
InnoDB 引擎就麻烦了，它执行 count(*) 的时候，需要把数据一行一行地从引擎里面读出来，然后累积计数。

如果说要大幅度提升 InnoDB 表的 count 效率，主要的优化思路：

自己计数(可以借助于 redis 这样的数据库进行, 但是如果是带条件的 count 又比较麻烦了)。

⭐️ 2) 、count用法

count() 是一个聚合函数，对于返回的结果集，一行行地判断，如果 count 函数的参数不是 NULL，累计值就加 1，否则不加，最后返回累计值。

用法：count（*）、count（主键）、count（字段）、count（数字）

在这里插入图片描述

按照效率排序的话，count(字段) < count(主键 id) < count(1) ≈ count(*)，所以 尽量使用 count(*)。

3.7 update 优化

我们主要需要注意一下 update 语句执行时的注意事项。

update course set name = 'javaEE' where id = 1 ;

当我们在执行删除的SQL语句时，会锁定 id 为 1 这一行的数据，然后事务提交之后，行锁释放。

但是当我们在执行如下SQL时。

update course set name = 'SpringBoot' where name = 'PHP' ;

当我们开启多个事务，在执行上述的SQL时，我们发现行锁升级为了表锁。导致该 update 语句的性能
大大降低。

InnoDB 的==行锁是针对索引加的锁==，不是针对记录加的锁 ,并且该索引不能失效，否则会从行锁升级为表锁 。

🚀🚀🚀 SQL优化快速食用：---------------------------------------------------------------------------------------------------------------------------------------------------------------------------->

----------------------------------------
--大部分是根据索引优化
----------------------------------------

## 1. 插入数据
insert : 批量插入、手动控制事务、主键顺序插入
大批量插入 : load data local infile

## 2. 主键优化
主键长度尽量短、顺序插入  AUTO_INCREMENT(主键自增) ~~UUID~~(不要使用) 

## 3. order by 优化
using index : 直接通过索引返回数据， 性能高
using filesort : 需要将返回的结果在排序缓冲区排序

## 4. grop by 优化
索引，多字段分组满足最左前缀法则

## 5. limit 优化
覆盖索引 + 子查询

## 6. count 优化
性能 : count(字段) < count(主键 id ) < count(2) ~= count(*)

## 7. update 优化
尽量根据主键/索引字段进行数据更新

四、视图/存储过程/触发器

MySQL 中的存储对象：视图、存储过程、存储函数、触发器

4.1 视图

⭐️ 1) 介绍

视图（ View ）是一种 虚拟存在的表。视图中的数据并不在数据库中实际存在，行和列数据来自定义视图的查询中使用的表(基表)，并且是在使用视图时动态生成的。
通俗的讲，视图 只保存了查询的SQL逻辑，不保存查询结果。所以我们在创建视图的时候，主要的工作就落在创建这条SQL查询语句上。

⭐️ 2) 语法

a. 创建

create [OR replace] view 视图名称[(列名列表)] as select语句 [with [cascaded | local] check option]

b. 查询

查看创建视图语句：show create view 视图名称;
查看视图数据：select * from 视图名称 ...... ;

c. 修改

方式一：create [OR replace] view 视图名称[(列名列表)] as select语句 [ with [cascaded | local] check option]
方式二：alter view 视图名称[(列名列表)] as select语句 [ with [cascaded | local] check option]

d. 删除

drop view [if exists] 视图名称 [, 视图名称] ...

⭐️ 3) 检查选项

⭐️ 4) 视图的更新

⭐️ 5) 视图作用

⭐️ 6) 案例

4.2 存储过程

4.3 存储函数

4.4 触发器

五、锁

六、InnoDB 引擎

七、MySQL 管理

🚀🚀🚀 ** 快速食用：**---------------------------------------------------------------------------------------------------------------------------------------------------------------------------->

注：仅供学习参考，如有不足，欢迎指正！！！