存储引肇就是存储数据、建立索引、更新/查询数据等技术的实现方式。存储引肇是基于表的，而不是基于库的，所以存储引擎也可被称为表类型

mysql5.5之后默认是innodb

CREATE TABLE 表名(
字段1 字段1类型 [COMMENT 字段1注释]
字段n 字段n类型 [COMMENT 字段n注释])ENGINE =INNODB [COMMENT 表注释];

SHOW ENGINES;

MyISAM是mysql早期的默认存储引擎

介绍
lnnoDB是一种兼顾高可靠性和高性能的通用存储引擎，在 MySOL5.5之后，innoDB是默认的 

特点
DML操作遵循ACID模型，支持事务;
行级锁，提高并发访问性能;
支持外键FOREIGN KEY约束，保证数据的完整性和正确性;

文件
xxx.ibd:;xxx代表的是表名，innoDB引擎的每张表都会对应这样一个表空间文件，存储该表的表结构(frm(早期)、sdi)、数据和索引

参数: innodb_file_per_table （这个参数控制表和表空间文件的数量关系，默认一对一）

show variables like 'innodb_file_per_table' 查看这个变量值
ibd2sdi account.ibd 用固定命令查看对应表的表空间文件

介绍
MyISAM是MySQL早期的默认存储引擎。

特点
不支持事务，不支持外键
支持表锁，不支持行锁
访问速度快

xxx.sdi:存储表结构信息
xxx.MYD:存储数据
XXX.MYI:存储索引

介绍
Memory引擎的表数据时存储在内存中的，由于受到硬件问题、或断电问题的影响，只能将这些表作为临时表或缓存使用

特点
内存存放
hash索引(默认)

文件
xxx.sdi:存储表结构信息

Innodb和MyISAM的区别：主要是事务，行级锁，外键的区别

在选择存储引擎时，应该根据应用系统的特点选择合适的存储引擎。对于复杂的应用系统，还可以根据实际情况选择多种存储引擎进行组
innoDB:是Mysq的默认存储引擎，支持事务、外键。如果应用对事务的完整性有比较高的要求，在并发条件下要求数据的一致性，数据操作除了插入和查询之外，还包含很多的更新、删除操作，那么innoDB存储引擎是比较合适的选择。

MyISAM :如果应用是以读操作和插入操作为主，只有很少的更新和删除操作，并且对事务的完整性、并发性要求不是很高，那么选择这个存储引擎是非常合适的。(业务场景逐渐被mongodb取代)

MEMORY:将所有数据保存在内存中，访问速度快，通常用于临时表及缓存。MEMORY的缺陷就是对表的大小有限制，太大的表无法缓存在内存中，而且无法保障数据的安全性。(业务场景逐渐被redis取代)

sql优化大多依赖索引进行

介绍
索引(index)是帮助MySQL高效获取数据的数据结构(有序)。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。

select * from people where age=45; 无索引->全表扫描

优缺点
优势
提高数据检索的效率，降低数据库的IO成本
通过索引列对数据进行排序，降低数据排序的成本，降低CPU的消耗。

劣势
索引列也是要占用空间的
索引大大提高了查询效率，同时却也降低更新表的速度，如对表进行INSERT、UPDATE、DELETE时，效率降低。

MySQL的索引是在存储引擎层实现的，不同的存储引擎有不同的结构，主要包含以下几种:
索引结构		描述
B+Tree索引	最常见的索引类型，大部分引攀都支持B+树索引
Hash索引		底层数据结构是用哈希表实现的, 只有精确匹配索引列的查询才有效 不支持范围查询
R-tree(空间索引)	空间索引是MySIAM引擎的一个特殊索引类型，主要用于地理空间数据类型，通常使用较少
Full-text(全文索引)	是一种通过建立倒排索引快速匹配文档的方式。类似于Lucene,Solr,ES

红黑树（Red Black Tree）是一种自平衡二叉查找树

相对于B-Tree区别:
所有的数据都会出现在叶子节点
叶子节点形成一个单向链表

MySQL索引数据结构对经典的B+Tree进行了优化。在原B+Tree的基础上，增加一个指向相邻叶子节点的链表指针，就形成了带有顺序指针的B+Tree，提高区间访问的性能。

哈希索引就是采用一定的hash算法，将键值换算成新的hash值，映射到对应的槽位上，然后存储在hash表中
如果两个(或多个)键值，映射到一个相同的槽位上，他们就产生了hash冲突(也称为hash碰撞)，可以通过链表来解决

Hash索引特点
Hash索引只能用于对等比较(=，in)，不支持范围查询 (between，>，<，...)
无法利用索引完成排序操作
查询效率高，通常只需要一次检索就可以了，效率通常要高于B+tree索引

存储引擎支持
在MySQL中，支持hash索引的是Memoy引擎，而lnnoDB中具有自适应hash功能，hash索引是存储引擎根据B+Tree索引在指定条件下自动构建的

为什么InnoDB存储引擎选择使用B+tree索引结构?
相对于二叉树，层级更少，搜索效率高;
对于B-tree，无论是叶子节点还是非叶子节点，都会保存数据，这样导致一页中存储的键值减少，指针跟着减少，要同样保存大量数据，只能增加树的高度，导致性能降低
相对Hash索引，B+tree支持范围匹配及排序操作

聚集索引选取规则:
如果存在主键，主键索引就是聚集索引。
如果不存在主键，将使用第一个唯一(UNIQUE)索引作为聚集索引。
如果表没有主键，或没有合适的唯一索引，则innoDB会自动生成一个rowid作为隐藏的聚集索引。

第一个

B+tree的每一个节点都是存放在一个个页当中的，一个页16k
假设一行数据大小为1k，主键假如是bigint则一个为8byte

1.算主键索引树为2层时，能存储多少行数据？
它先算一个页能最大能存储多少key，然后指针数=key+1，然后总数据=指针数x一页16行
2.算三层时？

四五千万条记录时，就可能要考虑分库分表了，这是运维篇的内容

CREATE [UNIQUE|FULLTEXT] INDEX index_name ON table(index_col_name,...)
不写类型的话就是常规索引

SHOW INDEX FROM table_name;

DROP INDEX index_name ON table_name;

create index idx_user_name on tb_user(name);

create unique index idx_user_phone on tb_user(phone);

联合索引(联合索引中字段的顺序很重要)
create index idx_user_pro_age_sta on tb_user(profession,age,status);

MySQL客户端连接成功后，通过show [session|global] status命今可以提供服务器状态信息。通过如下指令，可以查看当前数据库的INSERT、UPDATE、DELETE、SELECT的访问频次:
SHOW GLOBAL STATUS LIKE 'Com______'; 七个下划线

慢查询日志记录了所有执行时间超过指定参数 (long_query_time，单位:秒，默认10秒)的所有SQL语句的日志

MySQL的慢查询日志默认没有开启，需要在MySQL的配置文件 (/etc/my.cnf)中配置如下信息:

show variables like 'slow_query_log';

show profiles 能够在做SQL优化时帮助我们了解时间都耗费到哪里去了。通过have_profiling参数，能够看到当前MYSQL是否支持profile操作:

SELECT @@have_profiling; 查看是否支持

SELECT @@profiling;   查看是否打开

SET @@profiling=1;

默认profiling是关闭的，可以通过set语句在session/global级别开启profiling:

show profiles;查看当前会话各个sql语句执行时长

show profile for query query_id; 某条语句执行时长细分析
show profile cpu for query query_id;

EXPLAIN或者DESC命令获取MySQL如何执行SELECT语句的信息，包括在 SELECT语句执行过程中表如何连接和连接的顺序。语法:

#直接在select语句之前加上关键字explain/desc
EXPLAIN SELECT 字段列表 FROM 表名 WHERE 条件:

select查询的序列号，表示查询中执行selet子句或者是操作表的顺序(id相同，执行顺序从上到下;id不同，值越大，越先执行)。

表示SELECT的类型，常见的取值有SIMPLE(简单表，即不使用表连接或者子查询)、
PRIMARY(主查询，即外层的查询)
UNION (UNION 中的第二个或者后面的查询语句)、SUBQUERY(SELECT/WHERE之后包含了子查询)等

表示连接类型，性能由好到差的连接类型为NULL、System、const、eq_ref、ref、range、index、all

优化时尽量按前面的指标来

NULL 查询时不访问任何表
System 查询系统表
const 根据主键或唯一索引时一般会出现const
eq_ref
ref 根据非唯一索引查询时会出现
range
index 用了索引，但扫描了索引树全部
all 全表扫描

显示可能应用在这张表上的索引，一个或多个

实际用到的索引

表示索引中使用的字节数，该值为索引字段最大可能长度，并非实际使用长度，在不损失精确性的前提下，长度越短越好

MySQL认为必须要执行查询的行数，在innodb引擎的表中，是一个估计值，可能并不总是准确的

表示返回结果的行数占需读取行数的百分比，filtered的值越大越好

额外信息

id是主键

\G：按列打印

sn字段没有建索引

对sn字段建立索引

由于sku表有一千万条数据，所以对sn字段建立索引(构建一颗b+tree)时也需要花大量时间

如果索引了多列(联合索引)，要遵守最左前缀法则。最左前缀法则指的是查询从索引的最左列开始，并且不跳过索引中的列。
如果跳跃某一列，索引将部分失效(后面的字段索引失效)。

导致部分索引失效(status)

最左前缀法则与where条件中的位置无关，存在就行

联合索引中，出现范围查询(>,<)，范围查询右侧的列索引失效

在联合索引的范围查询情况下，尽量使用>=

不要在索引列上进行运算操作，索引将失效

字符串类型字段使用时，不加引号，索引将失效

phone字段在这里是字符串类型

如果仅仅是尾部模糊匹配，索引不会失效。如果是头部模糊匹配，索引失效。

一侧有索引，另一侧没有索引会导致索引失效

用or分割开的条件，如果or前的条件中的列有索引，而后面的列中没有索引，那么涉及的索引都不会被用到。

下面两种索引失效

解决方法就是对age字段建立索引

如果MySQL评估使用索引比全表更慢，则不使用索引。

SQL提示，是优化数据库的一个重要手段，简单来说，就是在SQL语句中加入一些人为的提示来达到优化操作的目的。

单列索引，联合索引

最终走了联合索引

建议，mysql不一定采用

尽量使用覆盖索引(查询使用了索引，并且需要返回的列，在该索引中已经全部能够找到)，减少select *(避免出现回表查询)

知识小贴士:
using index condition: 查找使用了索引，但是需要回表查询数据
using where;using index: 查找使用了索引，但是需要的数据都在索引列中能找到，所以不需要回表查询数据

前面的在二级索引树中就能拿到全部查询的字段，包括id(因为二级索引的叶子节点就是id)，下面这个必须去聚集索引里才能拿到name字段数据

这两个都只进行了一次索引扫描

第三个进行了回表查询

为username，password建立一个联合索引

当字段类型为字符串(varchar，text等)时，有时候需要索引很长的字符串，这会让索引变得很大，查询时，浪费大量的磁盘IO，影响查询效率。此时可以只将字符串的一部分前缀，建立索引，这样可以大大节约索引空间，从而提高索引效率。

可以根据索引的选择性来决定，而选择性是指不重复的索引值(基数)和数据表的记录总数的比值，索引选择性越高则查询效率越高
唯一素引的选择性是1，这是最好的索引选择性，性能也是最好的。

二级索引中匹配到后，在聚集索引中还要进行匹配(因为只是截取的部分字符)，二级索引顺序链表后续也要匹配

(尽量使用联合索引)

针对于数据量较大(300w条)，且查询比较频繁的表建立索引。
针对于常作为查询条件(where)、排序 (order by)、分组 (group by)操作的字段建立索引。
尽量选择区分度高的列作为索引，尽量建立唯一索引，区分度越高，使用索引的效率越高。
如果是字符串类型的字段，字段的长度较长，可以针对于字段的特点，建立前缀索引。
尽量使用联合索引，减少单列索引，查询时，联合索引很多时候可以覆盖索引，节省存储空间，避免回表，提高查询效率。要控制素引的数量，索引并不是多多益善，索引越多，维护索引结构的代价也就越大，会影响增删改的效率。
如果索引列不能存储NULL值，请在创建表时使用NOT NULL约束它。当优化器知道每列是否包含NULL值时，它可以更好地确定哪个索引最有效地用于查询。