【MySQL】主键优化原理篇——【数据组织方式＆主键顺序插入＆主键乱序插入＆页分裂＆页分裂】

news2024/9/24 9:26:46

前言

大家好吖，欢迎来到 YY 滴MySQL系列 ，热烈欢迎！ 本章主要内容面向接触过C++ Linux的老铁
主要内容含：
在这里插入图片描述

欢迎订阅 YY滴C++专栏！更多干货持续更新！以下是传送门！

  • YY的《C++》专栏
  • YY的《C++11》专栏
  • YY的《Linux》专栏
  • YY的《数据结构》专栏
  • YY的《C语言基础》专栏
  • YY的《初学者易错点》专栏
  • YY的《小小知识点》专栏
  • YY的《单片机期末速过》专栏
  • YY的《C++期末速过》专栏
  • YY的《单片机》专栏
  • YY的《STM32》专栏
  • YY的《数据库》专栏
  • YY的《数据库原理》专栏

目录

  • 一.主键优化
    • 1.主键设计原则
    • 2.数据组织方式
      • 【1】主键顺序插入
      • 【2】页分裂（主键乱序插入）
      • 【3】页合并（主键乱序删除）

一.主键优化

1.主键设计原则

  1. 满足业务需求的情况下， 尽量降低主键的长度。 尽量不要使用UUID做主键或者是其他自然主键，如身份证号
  • 对于一个表。聚集索引有一个，但二级索引有很多，二级索引到叶子节点中挂的就是主键。主键比较长，二级索引比较多，会占用许多空间，搜索时耗费更多磁盘io
    在这里插入图片描述
  1. 业务操作时，避免对主键的修改。
  2. 插入数据时，尽量选择 顺序插入 ，选择使用AUTOINCREMENT自增主
  • 顺序插入可以减少 页分裂 （可以了解下按下面的数据组织方式）

2.数据组织方式

【1】主键顺序插入

  • 在大多数数据库系统中，如表数据是使用B树（或其变种如B+树）这样的数据结构进行索引的。
    在这里插入图片描述
  • 主键顺序插入
  • 第一个页满了，插入第二个页，一页16k，以此类推
    在这里插入图片描述

【2】页分裂（主键乱序插入）

下面演示页分裂：

  • 此时两页都满了， 我们要插入id为50的数据 ，他会开辟一个新的数据页，但并不是直接插入到第三个数据页当中

在这里插入图片描述

  • 找到第一个 数据页百分之50的位置 ，大于百分之50的部分移动的新开辟的数据页当中
  • 之后插入id为50的数据

在这里插入图片描述

  • 插入要进入的50数据时，此时就应该改动链表指针

在这里插入图片描述

【3】页合并（主键乱序删除）

  • 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。
  • 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

演示：

  • 有三个页，我们删除中间页的数据，依次删除主键为16，15，14，13的数据，此时达到了MERGE_THRESHOLD，触发页合并

-

  • 寻找最靠近的页(前或后)，将两个页合并以优化空间使用
    在这里插入图片描述

本文来自互联网用户投稿，该文观点仅代表作者本人，不代表本站立场。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如若转载，请注明出处：http://www.coloradmin.cn/o/2093647.html

如若内容造成侵权/违法违规/事实不符，请联系多彩编程网进行投诉反馈，一经查实，立即删除！

相关文章

AI搜索：重塑信息获取的新纪元

AI搜索：重塑信息获取的新纪元

在信息爆炸的时代，如何快速、准确地获取所需信息成为了每个人面临的挑战。传统的搜索引擎虽然在一定程度上解决了这一问题，但广告干扰、结果冗余、内容质量参差不齐等问题仍让用户体验大打折扣。随着AI技术的不断发展，AI搜索产品以其独特的优…
阅读更多...
【软件测试】bug以及测试用例的设计方法

【软件测试】bug以及测试用例的设计方法

系列文章目录 第一章 【软件测试】常见的开发模型和测试模型 文章目录 系列文章目录前言一、bug的基本要素。二、bug的处理流程三、弱网测试四、设计方法1.基于需求的设计方法2.具体的测试方法（1）等价类划分法（2）边界值分析法&am…
阅读更多...
Serilog文档翻译系列（三） - 基础配置

Serilog文档翻译系列（三） - 基础配置

Serilog 使用简单的 C# API 来配置日志记录。当需要外部配置时，可以（慎用）通过使用 Serilog.Settings.AppSettings 包或 Serilog.Settings.Configuration 包进行混合配置。 创建日志记录器 日志记录器是通过 LoggerConfiguration 对象创建的…
阅读更多...
STM32硬件篇：W25Q64

STM32硬件篇：W25Q64

W25Q64简介 W25Qxx系列是一种低成本、小型化、使用简单（使用SPI通信协议）的非易失性（掉电不丢失）存储器，常用于数据存储、字库存储、固件程序存储等场景。 【注意】W25Qxx芯片只支持SPI的模式0和模式3。 存储介质&am…
阅读更多...
【单片机开发】IAP技术详解及应用

【单片机开发】IAP技术详解及应用

【前言】 在单片机开发过程中，程序的烧录是一个至关重要的环节。随着技术的不断演进，单片机烧录方式也日益多样化。 【单片机开发】单片机的烧录方式详解（ICP、IAP、ISP）-CSDN博客文章浏览阅读775次，点赞14次&#x…
阅读更多...
kali系统学习笔记1

kali系统学习笔记1

收集DSN相关信息命令 1、ping IP/URL 例如 ping 153.3.238.110 ping www.baidu.com2、nslookup 域名 例如 nslookup www.baidu.com3、dig URL //查询域名正向解析 dig www.baidu.com //查询域名所有解析（正向、反向） dig www.baidu.com any//通过指…
阅读更多...
江协科技stm32————11-1SPI通信协议

江协科技stm32————11-1SPI通信协议

目录 SPI通信 硬件电路 移位示意图 SPI时序基本单元 模式0 模式1 SPI时序 发送指令 指定地址写 指定地址读 SPI通信 四根通信线： SCK（Serial Clock）：串行时钟线 MOSI（Master Output Slave Input&#xff09…
阅读更多...
书生大模型实战营闯关记录----第十一关：LMDeploy 量化部署进阶实践 KV cache量化部署,W4A16 模型量化和部署

书生大模型实战营闯关记录----第十一关：LMDeploy 量化部署进阶实践 KV cache量化部署,W4A16 模型量化和部署

文章目录 1 配置LMDeploy环境1.1 环境搭建1.2 InternStudio环境获取模型1.3 LMDeploy验证启动模型文件 2 LMDeploy与InternLM2.5 2.1 LMDeploy API部署InternLM2.52.1.1 启动API服务器 2.1.2 以命令行形式连接API服务器 2.1.3 以Gradio**网页形式连接API服务器** 2.2 LMDeploy…
阅读更多...
使用developer command prompt查看代码信息

使用developer command prompt查看代码信息

1.在Visual Studio里面写入以下的代码&#xff0c;命名为Myproject #include <iostream>template<typename T> T Sub(T a, T b) {return a - b; } int main() {int x 1, y 2;int z Sub(x, y);double a 1.0, b 2.0;double c Sub(a, b);return 0; }2.打开dev…
阅读更多...
在VBA中，对Excel单元格的操作方法 （qo+op）

在VBA中，对Excel单元格的操作方法 （qo+op）

一、读取单元格内容 读取单元格的内容&#xff0c;将单元格的值赋给一个变量。例如&#xff0c;读取A1单元格的内容并打印到窗口。 Sub Cell() Dim cellContent As String cellContent Worksheets("Sheet1").Range("A1").Value Debug.Print cellContent …
阅读更多...
C语言基础（二十八）

C语言基础（二十八）

1、冒泡排序&#xff1a; #include "date.h" #include <stdio.h> #include <stdlib.h> #include <time.h> // 函数声明 void bubbleSort(int *arr, int n); int* createRandomArray(int n, int *size); int main() { int time getTi…
阅读更多...
全能型AI vs 专业型AI：未来AI市场的决战？

全能型AI vs 专业型AI：未来AI市场的决战？

随着人工智能&#xff08;AI&#xff09;技术的飞速发展&#xff0c;AI的应用范围已从最初的学术研究扩展到商业、医疗、制造、金融等众多领域。在这个过程中&#xff0c;不同类型的AI产品应运而生&#xff0c;并逐渐成为市场的焦点。近年来&#xff0c;全能型AI和专业型AI之间…
阅读更多...
【时时三省】(C语言基础)指针进阶6qsort函数的使用

【时时三省】(C语言基础)指针进阶6qsort函数的使用

山不在高&#xff0c;有仙则名。水不在深&#xff0c;有龙则灵。 ----CSDN 时时三省 qsort函数的使用 冒泡排序 qsort() 快速排序 它什么类型都可以用 比如&#xff1a; 整形数据 字符串数据 结构体排序 void gsort ( void * base&#xff0c;// base中存放的是待排…
阅读更多...
智能指针（RAII）

智能指针（RAII）

智能指针&#xff08;RAII&#xff09; 一、内存泄漏1、介绍2、原因3、泄漏的内存类型分类 二、RAII1、介绍2、基本思想3、优点4、实现方式 三、unique_ptr1、介绍2、主要特性3、注意事项4、unique_ptr类5、示例代码6、运行结果7、简单实现 四、shared_ptr1、介绍2、主要特点3、…
阅读更多...
深度学习（11）---Swin Transformer详解

深度学习（11）---Swin Transformer详解

文章目录 一、引言二、结构三、Patch Merging操作四、W-MSA详解五、SW-MSA详解 一、引言 1. 在原论文中&#xff0c;首先在开头作者就分析&#xff0c;当前的Transformer从NLP迁移到CV上没有大放异彩主要原因集中在&#xff1a;  (1) 两个领域涉及的规模不同&#xff0c;NLP的…
阅读更多...
YOLOv9改进策略【模型轻量化】| ShufflenetV2，通过通道划分构建高效网络

YOLOv9改进策略【模型轻量化】| ShufflenetV2，通过通道划分构建高效网络

一、本文介绍 本文记录的是基于ShufflenetV2的YOLOv9目标检测轻量化改进方法研究。FLOPs是评价模型复杂独的重要指标&#xff0c;但其无法考虑到模型的内存访问成本和并行度&#xff0c;因此本文在YOLOv9的基础上引入ShufflenetV2&#xff0c;使其在在保持准确性的同时提高模型…
阅读更多...
十一. 常用类

十一. 常用类

文章目录 一、包装类1.1 包装类的继承关系1.2 包装类和基本数据类型的转换1.3 包装类与String之间的转换1.4 包装类的常用方法 二、String类2.1 String类的理解和创建对象2.2 String的创建方式2.3 字符串的特性2.4 String的常用方法 三、StringBuffer和StringBuilder类3.1 Stri…
阅读更多...
重塑PDF编辑体验：最新在线工具深度评测

重塑PDF编辑体验：最新在线工具深度评测

现在用PDF的场景多了&#xff0c;随之而来的加速了PDF编辑、转换工具的飞速发展&#xff0c;很多时候因为便捷大家更喜欢使用在线的工具。今天我就分享几款pdf在线编辑工具提高你文档处理效率。 1.福昕PDF编辑器 链接一下>>https://editor.foxitsoftware.cn 在沉浸阅…
阅读更多...
Datawhale X 李宏毅苹果书 AI夏令营｜机器学习基础之线性模型

Datawhale X 李宏毅苹果书 AI夏令营｜机器学习基础之线性模型

1. 线性模型 线性模型是机器学习中最基础和常见的模型之一。在线性模型中&#xff0c;预测变量&#xff08;输入特征&#xff09;和目标变量&#xff08;输出&#xff09;之间的关系被建模为一个线性组合。数学形式可以表示为&#xff1a; 其中&#xff1a;x 是输入特征向量&a…
阅读更多...
加速 PyTorch 模型：使用 ROCm 在 AMD GPU 上应用 torch.compile

加速 PyTorch 模型：使用 ROCm 在 AMD GPU 上应用 torch.compile

Accelerate PyTorch Models using torch.compile on AMD GPUs with ROCm — ROCm Blogs 介绍 PyTorch 2.0 引入了一个名为*torch.compile()*的工具&#xff0c;可以极大地加速 PyTorch 代码和模型。通过将 PyTorch 代码转换为高度优化的内核&#xff0c;torch.compile 在现有代…
阅读更多...
推荐文章
最新文章

Copyright @ 2022~2023