数据结构

数据结构可视化：https://www.cs.usfca.edu/~galles/visualization/

树

二叉树缺点： 单边节点过多时无法提高效率

红黑树： 具有平衡功能的二叉树，解决了单边节点过多导致的效率无法提高的问题，缺点是平衡算法带来的开销以及层数过高带来的遍历开销

B树

B-树：
叶节点具有相同深度，叶子节点指针为空
所有索引元素不重复
节点数据索引从左到右递增

B+树：
多路平衡树

非叶子结点不存储data，只存储冗余索引，所以可以存放更多索引
叶子节点包含所有索引字段
叶子节点索引有序，用双向指针连接，提高区间访问性能

Hash表

对索引的key进行一次hash计算就可以定位出数据存放位置（计算hash->遍历链表）
很多时候Hash索引比B+树索引更高效
仅能满足“=”，“IN”，不支持范围查询
hash冲突问题

存储引擎

存储引擎是介于表而言的，数据库底层数据是以文件的形式存放在磁盘上的，数据存储在数据库安装目录的data子目录里，在data目录中，每个数据库都用一个同名子目录来表示

linux中，目录为/var/lib/mysql/

MyISAM（非聚集）

MyISAM索引文件和数据文件是分离的（非聚集）

• frm文件存放的是表结构信息
  

• MYI文件存放的是B+树的数据结构

• • 叶子节点存的是索引数据对应的磁盘地址

• MYD文件存放的是表中的真实数据
  查询时，通过MYI索引查找到对应数据的磁盘地址，再通过地址，到MYD中查询数据
  

InnoDB（聚集）

• 表数据本身就是按B+Tree组织的一个索引结构文件（ibd文件）
  

• 聚集索引叶节点包含了完整的数据记录，一张表有且只有唯一一个聚集索引

• InnodeDB底层用B+树来组织，如果用户没有设定主键，那么会搜索每一列，找到每条记录都唯一的一个字段来作为主键建立数据，如果找不到这样的列，则会维护一个隐藏列保证每个字段唯一，用它来作为主键构建B+树，组织数据

• 推荐使用整型的自增数据来建立主键，其一因为整型数据比较大小较快，易于建立和遍历B+树，字符串和UUID的计算（逐位比较）较慢，其二因为如果索引不自增，可能导致拆入数据后B+树叶子节点分裂，以及可能存在的树平衡操作，消耗资源
  

• 非聚集索引（二级索引）存放的是索引数据的主键，为了一致性和节省存储空间，查找时通过回表进行查找

Memory

在内存中存储所有数据，因此Memory类型的表访问数据非常快，但是一旦服务关闭，表中的数据就会丢失

默认使用HASH索引

应用于对非关键数据快速查找的场景

BLACKHOLE

黑洞存储引擎，类似于 Unix 的 /dev/null，Archive 只接收但却并不保存数据。对这种引擎的表的查询常常返 一个空集

这种表可以应用于 DML 语句需要发送到从服务器，但主服务器并不会保留这种数据的备份的主从配置中

工作流程

MySQL架构总共四层，上图中以虚线划分：

第一层，对客户的进行身份认证，连接处理，确保安全，并不是MySQL独有的，大多数给予网络的客户端/服务器的工具或者服务都有类似的架构。比如：连接处理、授权认证、安全等。

第二层，分析命令，查询缓存，优化命令，所有的内置函数，同时所有跨存储引擎的功能：存储过程，触发器，视图，是MySQL核心服务。

第三层：存储引擎负责MySQL中数据的组织和提取

第四层：文件系统负责存储数据，将数据存储到硬盘

事物特性

Innodedb存储引擎支持事务，事务的特性指的是ACID,原子性，一致性，隔离性，持久性。

参考文献 https://www.cnblogs.com/Bennyzion/p/14451807.html