zoukankan html css js c++ java

mysql爱之深探测

第一：函数

一：内置函数

MYSQL中提供了很多内置的函数，以下：

CHAR_LENGTH(str)
        返回值为字符串str 的长度，长度的单位为字符。一个多字节字符算作一个单字符。
        对于一个包含五个二字节字符集, LENGTH()返回值为 10, 而CHAR_LENGTH()的返回值为5。
eg：
mysql> select char_length('zhang')
    -> ;
+----------------------+
| char_length('zhang') |
+----------------------+
|                    5 |
+----------------------+
1 row in set (0.00 sec)


CONCAT(str1,str2,...)
        字符串拼接
        如有任何一个参数为NULL ，则返回值为 NULL。

mysql> select concat('zz','l')
    -> ;
+------------------+
| concat('zz','l') |
+------------------+
| zzl              |
+------------------+
1 row in set (0.01 sec)        
        
        
CONCAT_WS(separator,str1,str2,...)
        字符串拼接（自定义连接符）
        CONCAT_WS()不会忽略任何空字符串。 (然而会忽略所有的 NULL）。
        
mysql> select CONCAT_WS('**','zzl','cyy');
+-----------------------------+
| CONCAT_WS('**','zzl','cyy') |
+-----------------------------+
| zzl**cyy                    |
+-----------------------------+
1 row in set (0.00 sec)
        
        
CONV(N,from_base,to_base)
        进制转换

mysql> SELECT CONV('a',16,2);  表示将 a 由16进制转换为2进制字符串表示
+----------------+
| CONV('a',16,2) |
+----------------+
| 1010           |
+----------------+
1 row in set (0.01 sec)

mysql> SELECT CONV('10',8,2); 表示将 a 由8进制转换为2进制字符串表示
+----------------+
| CONV('10',8,2) |
+----------------+
| 1000           |
+----------------+
1 row in set (0.00 sec)

FORMAT(X,D)
    将数字X 的格式写为'#,###,###.##',以四舍五入的方式保留小数点后 D 位， 并将结果以字符串的形式返回。若  D 为 0, 则返回结果不带有小数点，或不含小数部分。

eg：
mysql> SELECT FORMAT(89333322.31,5);
+-----------------------+
| FORMAT(89333322.31,5) |
+-----------------------+
| 89,333,322.31000      |
+-----------------------+
1 row in set (0.00 sec)


INSERT(str,pos,len,newstr)
        在str的指定位置插入字符串
        pos：要替换位置其实位置
        len：替换的长度
        newstr：新字符串
        特别的：
            如果pos超过原字符串长度，则返回原字符串
            如果len超过原字符串长度，则由新字符串完全替换
mysql> select insert('zhang','1','1','Z')
    -> ;
+-----------------------------+
| insert('zhang','1','1','Z') |
+-----------------------------+
| Zhang                       |
+-----------------------------+
1 row in set (0.01 sec)


INSTR(str,substr)
        返回字符串 str 中子字符串的第一个出现位置。

mysql> select instr('zhang','an')
    -> ;
+---------------------+
| instr('zhang','an') |
+---------------------+
|                   3 |
+---------------------+
1 row in set (0.01 sec)

LEFT(str,len)
        返回字符串str 从开始的len位置的子序列字符。

mysql> select left('zhang',8)
    -> ;
+-----------------+
| left('zhang',8) |
+-----------------+
| zhang           |
+-----------------+
1 row in set (0.00 sec)

mysql> select left('zhang',3);
+-----------------+
| left('zhang',3) |
+-----------------+
| zha             |
+-----------------+
1 row in set (0.00 sec)

LOWER(str)
        变小写
mysql> select LOWER('ZHAng');
+----------------+
| LOWER('ZHAng') |
+----------------+
| zhang          |
+----------------+
1 row in set (0.00 sec)


UPPER(str)
        变大写
mysql> select UPPER('ZHAng');
+----------------+
| UPPER('ZHAng') |
+----------------+
| ZHANG          |
+----------------+
1 row in set (0.00 sec)        
        
SUBSTRING(str,pos,len)
        获取字符串子序列
mysql> select substring('zhang','3','2')
    -> ;
+----------------------------+
| substring('zhang','3','2') |
+----------------------------+
| an                         |
+----------------------------+
1 row in set (0.00 sec)
        
LOCATE(substr,str,pos)
        获取子序列索引位置

mysql> select locate('f','zhangfddadadafff','1');
+------------------------------------+
| locate('f','zhangfddadadafff','1') |
+------------------------------------+
|                                  6 |
+------------------------------------+
1 row in set (0.00 sec)

REPEAT(str,count)
        返回一个由重复的字符串str 组成的字符串，字符串str的数目等于count 。
        若 count <= 0,则返回一个空字符串。
        若str 或 count 为 NULL，则返回 NULL 。
        
mysql> select repeat('zhang',3)
    -> ;
+-------------------+
| repeat('zhang',3) |
+-------------------+
| zhangzhangzhang   |
+-------------------+
1 row in set (0.01 sec)

mysql> select repeat('zhang',2)
    -> ;
+-------------------+
| repeat('zhang',2) |
+-------------------+
| zhangzhang        |
+-------------------+
1 row in set (0.00 sec)


REPLACE(str,from_str,to_str)
        返回字符串str 以及所有被字符串to_str替代的字符串from_str 。
        
mysql> select replace('zhangzhanling','ling','zhan')
    -> ;
+----------------------------------------+
| replace('zhangzhanling','ling','zhan') |
+----------------------------------------+
| zhangzhanzhan                          |
+----------------------------------------+
1 row in set (0.00 sec)
        
REVERSE(str)
        返回字符串 str ，顺序和字符顺序相反。
        

mysql> select reverse('zhang')
    -> ;
+------------------+
| reverse('zhang') |
+------------------+
| gnahz            |
+------------------+
1 row in set (0.01 sec)

RIGHT(str,len)
        从字符串str 开始，返回从后边开始len个字符组成的子序列

mysql> select right('zhang','3')
    -> ;
+--------------------+
| right('zhang','3') |
+--------------------+
| ang                |
+--------------------+
1 row in set (0.00 sec)

SPACE(N)
        返回一个由N空格组成的字符串。

mysql> select space(4)
    -> ;
+----------+
| space(4) |
+----------+
|          |
+----------+
1 row in set (0.00 sec)
        

不带有len 参数的格式从字符串str返回一个子字符串，起始于位置 pos。带有len参数的格式从字符串str返回一个长度同len字符相同的子字符串，起始于位置 pos。 使用 FROM的格式为标准 SQL 语法。也可能对pos使用一个负值。假若这样，则子字符串的位置起始于字符串结尾的pos 字符，而不是字符串的开头位置。在以下格式的函数中可以对pos 使用一个负值。
SUBSTRING(str,pos) , 
mysql> SELECT SUBSTRING('zhangzhanling',5);
+------------------------------+
| SUBSTRING('zhangzhanling',5) |
+------------------------------+
| gzhanling                    |
+------------------------------+
1 row in set (0.00 sec)

SUBSTRING(str FROM pos)

mysql> SELECT SUBSTRING('zhangzhanling' from 5);
+-----------------------------------+
| SUBSTRING('zhangzhanling' from 5) |
+-----------------------------------+
| gzhanling                         |
+-----------------------------------+
1 row in set (0.00 sec)

SUBSTRING(str,pos,len) , 
mysql> SELECT SUBSTRING('zhangzhanling',4,5);
+--------------------------------+
| SUBSTRING('zhangzhanling',4,5) |
+--------------------------------+
| ngzha                          |
+--------------------------------+
1 row in set (0.00 sec)

SUBSTRING(str FROM pos FOR len)
mysql> SELECT SUBSTRING('zhangzhanling' from -4 for 2);
+------------------------------------------+
| SUBSTRING('zhangzhanling' from -4 for 2) |
+------------------------------------------+
| li                                       |
+------------------------------------------+
1 row in set (0.01 sec)

View Code

更多的请参照：

https://dev.mysql.com/doc/refman/5.7/en/functions.html

二：自定义函数

1.查看自定义函数功能是个否开启:

mysql> show variables like '%func%';
+---------------------------------+-------+
| Variable_name                   | Value |
+---------------------------------+-------+
| log_bin_trust_function_creators | OFF   |
+---------------------------------+-------+
1 row in set, 12 warnings (0.02 sec)

mysql> SET GLOBAL log_bin_trust_function_creators=1; 开启自定义函数功能
Query OK, 0 rows affected (0.00 sec)

mysql> show variables like '%func%';
+---------------------------------+-------+
| Variable_name                   | Value |
+---------------------------------+-------+
| log_bin_trust_function_creators | ON    |
+---------------------------------+-------+
1 row in set, 12 warnings (0.01 sec)

注：SET GLOBAL log_bin_trust_function_creators=1; 关闭自定义函数功能

2.基本语法：

　　delimiter 自定义符号　　-- 如果函数体只有一条语句, begin和end可以省略, 同时delimiter也可以省略
　　create function 函数名(形参列表) returns 返回类型　　-- 注意是retruns
　　begin
　　　　函数体　　　　-- 函数内定义的变量如：set @x = 1; 变量x为全局变量，在函数外面也可以使用
　　　　返回值
　　end
　　自定义符号
　　delimiter ;

3.创建自定义函数示例：

mysql> delimiter $$
mysql> create function my(a int, b int) returns int
    -> begin
    ->     return a + b;
    -> end
    -> $$
Query OK, 0 rows affected (0.00 sec)

mysql> delimiter ;

4.删除函数：

mysql> drop function my;
Query OK, 0 rows affected (0.02 sec)

5.执行函数：

mysql> select my(11,23);
+-----------+
| my(11,23) |
+-----------+
|        34 |
+-----------+
1 row in set (0.01 sec)

第二：索引

一：索引介绍

为什么用索引？
在我们的生产环境中，一般读(查询)写(插入，更新，删除)的比例能占到1:10甚至更多，因此对查询语句的优化是非常重要的，这里就必须用索引喽。
索引是什么？
索引是数据库中专门用于帮助用户快速查询数据的一种数据结构，类似与字典中的目录，查找字典内容时可以根据目录查找到数据的存放位置目录，然后直接获取。
索引的好处是什么？
1.索引可以加快查询速度，但是并不是索引越多越好。

2.mysql中的primary key，unique，联合唯一也都是索引，这些索引除了加速查找以外，还有约束的功能

如果mysql数据库添加太多的索引,磁盘的iostat磁盘使用率会持续很高，甚至长时间达到100%。

二：mysql中常见的索引：

普通索引：

　　只有加速查找的功能

eg：

创建表 + 索引 
mysql> create table in1(
    ->     nid int not null auto_increment primary key,
    ->     name varchar(32) not null,
    ->     email varchar(64) not null,
    ->     extra text,
    ->     index ix_name (name)
    -> );
Query OK, 0 rows affected (0.05 sec)

创建索引
mysql> create index int_name on in1(nid);
Query OK, 0 rows affected (0.04 sec)
Records: 0  Duplicates: 0  Warnings: 0

查看索引
mysql> show index from in1;
+-------+------------+----------+--------------+-------------+-----------+-------------+----------+--------+------+------------+---------+---------------+
| Table | Non_unique | Key_name | Seq_in_index | Column_name | Collation | Cardinality | Sub_part | Packed | Null | Index_type | Comment | Index_comment |
+-------+------------+----------+--------------+-------------+-----------+-------------+----------+--------+------+------------+---------+---------------+
| in1   |          0 | PRIMARY  |            1 | nid         | A         |           0 |     NULL | NULL   |      | BTREE      |         |               |
| in1   |          1 | ix_name  |            1 | name        | A         |           0 |     NULL | NULL   |      | BTREE      |         |               |
| in1   |          1 | int_name |            1 | nid         | A         |           0 |     NULL | NULL   |      | BTREE      |         |               |
+-------+------------+----------+--------------+-------------+-----------+-------------+----------+--------+------+------------+---------+---------------+
3 rows in set (0.01 sec)

删除索引
mysql> drop index int_name on in1;
Query OK, 0 rows affected (0.02 sec)
Records: 0  Duplicates: 0  Warnings: 0

查看是否删除成功
mysql> show index from in1;
+-------+------------+----------+--------------+-------------+-----------+-------------+----------+--------+------+------------+---------+---------------+
| Table | Non_unique | Key_name | Seq_in_index | Column_name | Collation | Cardinality | Sub_part | Packed | Null | Index_type | Comment | Index_comment |
+-------+------------+----------+--------------+-------------+-----------+-------------+----------+--------+------+------------+---------+---------------+
| in1   |          0 | PRIMARY  |            1 | nid         | A         |           0 |     NULL | NULL   |      | BTREE      |         |               |
| in1   |          1 | ix_name  |            1 | name        | A         |           0 |     NULL | NULL   |      | BTREE      |         |               |
+-------+------------+----------+--------------+-------------+-----------+-------------+----------+--------+------+------------+---------+---------------+
2 rows in set (0.00 sec)

注意：对于创建索引时如果是BLOB 和 TEXT 类型，必须指定length。
create index ix_extra on in1(extra(32));

唯一索引：

主键索引 PRIMARY KEY：加速查找+约束（不为空、不能重复）
唯一索引 UNIQUE:加速查找+约束（不能重复）

创建表 
mysql> create table in2(
    ->     nid int not null auto_increment primary key,
    ->     name varchar(32) not null,
    ->     email varchar(64) not null,
    ->     extra text,
    ->     unique ix_name (name)
    -> );
Query OK, 0 rows affected (0.03 sec)

创建唯一索引
mysql> create unique index nid_name on in2(nid);
Query OK, 0 rows affected (0.02 sec)
Records: 0  Duplicates: 0  Warnings: 0

主键索引：

　　加速查询和唯一约束（不可含null）　　

第一种创建方式：
mysql> create table in3(
    ->     nid int not null auto_increment primary key,
    ->     name varchar(32) not null,
    ->     email varchar(64) not null,
    ->     extra text,
    ->     index ix_name (name)
    -> );
Query OK, 0 rows affected (0.03 sec)

第二种创建方式：

mysql> create table in4(
    ->     nid int not null auto_increment,
    ->     name varchar(32) not null,
    ->     email varchar(64) not null,
    ->     extra text,
    ->     primary key(nid),
    ->     index ix_name (name)
    -> );
Query OK, 0 rows affected (0.03 sec)

删除主键索引
mysql> alter table in4 modify nid int, drop primary key;
Query OK, 0 rows affected (0.05 sec)
Records: 0  Duplicates: 0  Warnings: 0

增加主键索引
mysql> alter table in4 add primary key(name);
Query OK, 0 rows affected (0.05 sec)
Records: 0  Duplicates: 0  Warnings: 0

组合索引：

　　简单的讲是将n个列组合成一个索引

　　PRIMARY KEY(id,name):联合主键索引

　　UNIQUE(id,name):联合唯一索引

INDEX(id,name):联合普通索引

mysql> create table in5(
    ->     nid int not null auto_increment primary key,
    ->     name varchar(32) not null,
    ->     email varchar(64) not null,
    ->     extra text
    -> );

PRIMARY KEY(id,name):联合主键索引
mysql> create index ix_name_email on in5(nid,name);
Query OK, 0 rows affected (0.02 sec)
Records: 0  Duplicates: 0  Warnings: 0

UNIQUE(id,name):联合唯一索引
mysql> alter table in5 add unique index(nid,name);
Query OK, 0 rows affected (0.02 sec)
Records: 0  Duplicates: 0  Warnings: 0

INDEX(id,name):联合普通索引
mysql> create index ix_name on in5(name,email);
Query OK, 0 rows affected (0.02 sec)
Records: 0  Duplicates: 0  Warnings: 0

第三：测试索引

一：测试准备数据

创建表
mysql> create table s1(
    -> id int,
    -> name varchar(20),
    -> gender char(6),
    -> email varchar(50)
    -> );
Query OK, 0 rows affected (0.03 sec)

创建存储过程，实现批量插入记录
mysql> delimiter $$    声明存储过程的结束符号 :$$
mysql> create procedure auto_insert1()
    -> BEGIN
    ->     declare i int default 1;
    ->     while(i<3000000)do
    ->         insert into s1 values(i,'zzl','man',concat('zzl',i,'@wsdashi.com'));
    ->         set i=i+1;
    ->     end while;
    -> END  #$$结束 
Query OK, 0 rows affected (0.01 sec)

mysql> delimiter ;重新声明分号为结束符号

查看存储过程
mysql> show create procedure auto_insert1G
*************************** 1. row ***************************
           Procedure: auto_insert1
            sql_mode: ONLY_FULL_GROUP_BY,STRICT_TRANS_TABLES,NO_ZERO_IN_DATE,NO_ZERO_DATE,ERROR_FOR_DIVISION_BY_ZERO,NO_AUTO_CREATE_USER,NO_ENGINE_SUBSTITUTION
    Create Procedure: CREATE DEFINER=`root`@`localhost` PROCEDURE `auto_insert1`()
BEGIN
    declare i int default 1;
    while(i<3000000)do
        insert into s1 values(i,'zzl','man',concat('zzl',i,'@wsdashi.com'));
        set i=i+1;
    end while;
END
character_set_client: gbk
collation_connection: gbk_chinese_ci
  Database Collation: latin1_swedish_ci
1 row in set (0.00 sec)

调用存储过程
mysql> call auto_insert1();
mysql> call auto_insert1();
Query OK, 1 row affected (6 hours 30 min 52.60 sec)

二：没有建索引的情况下查询

mysql> select * from s1 where id=3500000;
Empty set (1.63 sec)

时间1.63 sec

三：已经存在大量数据建索引

mysql> create index s1_id on s1(id);
Query OK, 0 rows affected (7.54 sec)
Records: 0  Duplicates: 0  Warnings: 0

注：如果在生产环境下面，在已经有的数据中，创建索引的时候，会锁表，用户不能使用该表，所以一般这样的操作要晚上做

四：索引建立完成，并且依据刚建立的字段索引查询数据

mysql> select * from s1 where id=35000000;
Empty set (0.01 sec)

时间0.01 sec

五：小结：

1. 一定是为搜索条件的字段创建索引，比如select * from s1 where id = 222;就需要为id加上索引，如果id加上索引查询其他的字段是不管用的

2. 在表中已经有大量数据的情况下，建索引会很慢，且占用硬盘空间，建完后查询速度加快

注意:在生产环境中，一个新的功能上线，需要建表，站在运维的角度，一定要多问以下开发，这个表是否有大量的读操作，如果有的话，需要开发明确怎么查询的，从而建索引，如果读的少，写的多，可根据情况不建索引，索引过多会消耗磁盘利用率的。

第四：如何正确命中索引

一：索引未命中

1.范围问题：或者说条件不明确，条件中出现这些符号或关键字：>、>=、<、<=、!= 、between...and...、like、

等于：指定要找2000这个id号，在索引树中可以快速的查找
mysql> select count(*) from s1 where id=2000;
+----------+
| count(*) |
+----------+
|        1 |
+----------+
1 row in set (0.00 sec)

大于：会利用索引树，没有指定那个id，而是指定了一个范围，这个范围包含大于2000的id，则mysql会拿着2001去搜索树中找一次，然后2002在找，一次类推，整体下来，和整表扫描没啥区别
mysql> select count(*) from s1 where id>2000;
+----------+
| count(*) |
+----------+
|  2997999 |
+----------+
1 row in set (1.21 sec)

如果范围小的话，查询速度仍然是很快的。
mysql> select count(*) from s1 where id>2000 and id<3000;
+----------+
| count(*) |
+----------+
|      999 |
+----------+
1 row in set (0.01 sec)

不等于：不等于2000，范围很大，查询很慢。
mysql> select count(*) from s1 where id != 2000;
+----------+
| count(*) |
+----------+
|  2999998 |
+----------+
1 row in set (1.20 sec)
等于2000，就一个数，则查询很快。
mysql> select count(*) from s1 where id = 2000;
+----------+
| count(*) |
+----------+
|        1 |
+----------+
1 row in set (0.00 sec)

between ...and...
范围大的，查询依然还是很慢的
mysql> select count(*) from s1 where id between 1 and 3000000;
+----------+
| count(*) |
+----------+
|  2999999 |
+----------+
1 row in set (1.30 sec)

范围小的，查询是快的
mysql> select count(*) from s1 where id between 1 and 2;
+----------+
| count(*) |
+----------+
|        2 |
+----------+
1 row in set (0.00 sec)

like：前面带%号查询比后面带%或者等于特定值的要慢
mysql> select count(*) from s1 where id like '1000dd';
+----------+
| count(*) |
+----------+
|        0 |
+----------+
1 row in set (1.09 sec)

mysql> select count(*) from s1 where id like '1000dd%';
+----------+
| count(*) |
+----------+
|        0 |
+----------+
1 row in set (1.08 sec)

mysql> select count(*) from s1 where id like '%1000';
+----------+
| count(*) |
+----------+
|      300 |
+----------+
1 row in set (1.14 sec)

2.尽量选择区分度高的列作为索引,区分度的公式是count(distinct col)/count(*)，表示字段不重复的比例，比例越大我们扫描的记录数越少，唯一键的区分度是1，而一些状态、性别字段可能在大数据面前区分度就是0，这个比例使用场景不同，这个值也很难确定，一般需要join的字段我们都要求是0.1以上，即平均1条扫描10条记录

查看下表结构
mysql> desc s1;
+--------+-------------+------+-----+---------+-------+
| Field  | Type        | Null | Key | Default | Extra |
+--------+-------------+------+-----+---------+-------+
| id     | int(11)     | YES  | MUL | NULL    |       |
| name   | varchar(20) | YES  |     | NULL    |       |
| gender | char(6)     | YES  |     | NULL    |       |
| email  | varchar(50) | YES  |     | NULL    |       |
+--------+-------------+------+-----+---------+-------+
4 rows in set (0.02 sec)

删除id的索引
mysql> drop index  s1_id on s1;
Query OK, 0 rows affected (0.03 sec)
Records: 0  Duplicates: 0  Warnings: 0

查看下是否删除成功
mysql> desc s1;
+--------+-------------+------+-----+---------+-------+
| Field  | Type        | Null | Key | Default | Extra |
+--------+-------------+------+-----+---------+-------+
| id     | int(11)     | YES  |     | NULL    |       |
| name   | varchar(20) | YES  |     | NULL    |       |
| gender | char(6)     | YES  |     | NULL    |       |
| email  | varchar(50) | YES  |     | NULL    |       |
+--------+-------------+------+-----+---------+-------+
4 rows in set (0.00 sec)

查看一个name等于dddd的个数有多少，速度是慢的
mysql> select count(*) from s1 where name='dddd';
+----------+
| count(*) |
+----------+
|        0 |
+----------+
1 row in set (1.77 sec)

创建name的索引
mysql> create index s1_name on s1(name);
Query OK, 0 rows affected (8.35 sec)
Records: 0  Duplicates: 0  Warnings: 0

查询速度明显提升很多
mysql> select count(*) from s1 where name='dddd';
+----------+
| count(*) |
+----------+
|        0 |
+----------+
1 row in set (0.01 sec)

查询name为zzl的字段，速度再一次变慢
mysql> select count(*) from s1 where name='zzl';
+----------+
| count(*) |
+----------+
|  2999999 |
+----------+
1 row in set (1.05 sec)

为何是这种情况呢？

我们编写存储过程为表s1批量添加记录，name字段的值均为zzl，也就是说name这个字段的区分度很低

利用b+树的结构，查询的速度与树的高度成反比，要想将树的高低控制的很低，

需要保证：在某一层内数据项均是按照从左到右，从小到大的顺序依次排开，即左1<左2<左3<...

而对于区分度低的字段，无法找到大小关系，因为值都是相等的，毫无疑问，还想要用b+树存放这些等值的数据，
只能增加树的高度，字段的区分度越低，则树的高度越高。极端的情况，索引字段的值都一样，那么b+树几乎成了一根棍。
本例中就是这种极端的情况，name字段所有的值均为'zzl'

所以得出，为区分度低的字段建立索引，索引树的高度会很高。

1：如果条件是name='dddd',那么肯定是可以第一时间判断出'dddd'是不在索引树中的（因为树中所有的值均为'zzl’），所以查询速度很快

2：如果条件正好是name='zzl',查询时，我们永远无法从树的某个位置得到一个明确的范围，只能往下找，在往下找，在在往下找。。。这与全表扫描的IO次数没有多大区别，所以速度很慢

3.=和in可以乱序，比如a = 1 and b = 2 and c = 3 建立(a,b,c)索引可以任意顺序，mysql的查询优化器会帮你优化成索引可以识别的形式

删除原有的索引
mysql> drop index s1_name on s1;
Query OK, 0 rows affected (0.02 sec)
Records: 0 Duplicates: 0 Warnings: 0

没有建索引之前，查询速度是很慢点
mysql> select count(*) from s1 where name='zzl' and gender='man' and email='137@wsdashi.com'
-> ;
+----------+
| count(*) |
+----------+
| 0 |
+----------+
1 row in set (1.73 sec)

创建联合索引
mysql> create index s1_name on s1(name,gender,email);
Query OK, 0 rows affected (15.21 sec)
Records: 0 Duplicates: 0 Warnings: 0

查询速度加快
mysql> select count(*) from s1 where name='zzl' and gender='man' and email='137@wsdashi.com'
-> ;
+----------+
| count(*) |
+----------+
| 0 |
+----------+
1 row in set (0.00 sec)

随意的还位置，查询速度不变
mysql> select count(*) from s1 where name='zzl' and email='137@wsdashi.com' and gender='man';
+----------+
| count(*) |
+----------+
| 0 |
+----------+
1 row in set (0.00 sec)

但是如果是两个的话，查询速度是慢的
mysql> select count(*) from s1 where name='zzl' and email='137@wsdashi.com' ;
+----------+
| count(*) |
+----------+
| 0 |
+----------+
1 row in set (2.00 sec)

是一个的话，查询速度也是慢的
mysql> select count(*) from s1 where name='zzl' ;
+----------+
| count(*) |
+----------+
| 2999999 |
+----------+
1 row in set (1.91 sec)

4.索引列不能参与计算，保持列“干净”，比如from_unixtime(create_time) = ’2014-05-29’就不能使用到索引，原因很简单，b+树中存的都是数据表中的字段值，但进行检索时，需要把所有元素都应用函数才能比较，显然成本太大。所以语句应该写成create_time = unix_timestamp(’2014-05-29’)

查看表结构
mysql> desc s1;
+--------+-------------+------+-----+---------+-------+
| Field  | Type        | Null | Key | Default | Extra |
+--------+-------------+------+-----+---------+-------+
| id     | int(11)     | YES  |     | NULL    |       |
| name   | varchar(20) | YES  | MUL | NULL    |       |
| gender | char(6)     | YES  |     | NULL    |       |
| email  | varchar(50) | YES  |     | NULL    |       |
+--------+-------------+------+-----+---------+-------+
4 rows in set (0.01 sec)

删除原有的索引
mysql> drop index s1_name on s1;
Query OK, 0 rows affected (0.03 sec)
Records: 0  Duplicates: 0  Warnings: 0

创建id索引
mysql> create index s1_name on s1(id);
Query OK, 0 rows affected (7.63 sec)
Records: 0  Duplicates: 0  Warnings: 0

查看表结构
mysql> desc s1;
+--------+-------------+------+-----+---------+-------+
| Field  | Type        | Null | Key | Default | Extra |
+--------+-------------+------+-----+---------+-------+
| id     | int(11)     | YES  | MUL | NULL    |       |
| name   | varchar(20) | YES  |     | NULL    |       |
| gender | char(6)     | YES  |     | NULL    |       |
| email  | varchar(50) | YES  |     | NULL    |       |
+--------+-------------+------+-----+---------+-------+
4 rows in set (0.01 sec)

查询id的速度是相当快的，因为id有索引。
mysql> select count(*) from s1 where id=4000;
+----------+
| count(*) |
+----------+
|        1 |
+----------+
1 row in set (0.00 sec)

索引id字段参与了计算，无法拿到一个明确的值去索引树中查找，所以查询速度是比较慢的
mysql> select count(*) from s1 where id*2=4000;
+----------+
| count(*) |
+----------+
|        1 |
+----------+
1 row in set (1.02 sec)

5.and/or

1、and与or的逻辑
    条件1 and 条件2:所有条件都成立才算成立，但凡要有一个条件不成立则最终结果不成立
    条件1 or 条件2:只要有一个条件成立则最终结果就成立

2、and的工作原理
    条件：
        a = 10 and b = 'ddd' and c > 3 and d =4
    索引：
        制作联合索引(d,a,b,c)
    工作原理:
        对于连续多个and：mysql会按照联合索引，从左到右的顺序找一个区分度高的索引字段(这样便可以快速锁定很小的范围)，加速查询，即按照d—>a->b->c的顺序

3、or的工作原理
    条件：
        a = 10 or b = 'ddd' or c > 3 or d =4
    索引：
        制作联合索引(d,a,b,c)
        
    工作原理:
        对于连续多个or：mysql会按照条件的顺序，从左到右依次判断，即a->b->c->d

eg：

mysql> desc s1;
+--------+-------------+------+-----+---------+-------+
| Field  | Type        | Null | Key | Default | Extra |
+--------+-------------+------+-----+---------+-------+
| id     | int(11)     | YES  | MUL | NULL    |       |
| name   | varchar(20) | YES  |     | NULL    |       |
| gender | char(6)     | YES  |     | NULL    |       |
| email  | varchar(50) | YES  |     | NULL    |       |
+--------+-------------+------+-----+---------+-------+
4 rows in set (0.00 sec)

name字段添加索引，但是改字段的区分度比较低
mysql> create index s1name on s1(name); 
Query OK, 0 rows affected (9.00 sec)
Records: 0  Duplicates: 0  Warnings: 0

name='ddd'可以很快的从索引树中区分出该字段不存在，因而速度会很快
mysql> select count(*) from s1 where name='ddd';
+----------+
| count(*) |
+----------+
|        0 |
+----------+
1 row in set (0.00 sec)

gender是非索引字段的，但是，name='ddd'不成立的话，就不用管gender的条件了呢，相当于只有name='ddd'速度还是很快的；
mysql> select count(*) from s1 where name='ddd' and gender='man'
    -> ;
+----------+
| count(*) |
+----------+
|        0 |
+----------+
1 row in set (0.00 sec)
        
在左边条件成立但是索引字段的区分度低的情况下（name与gender均属于这种情况），
会依次往右找到一个区分度高的索引字段，加速查询
mysql> select count(*) from s1 where name='ddd' and gender='man';
+----------+
| count(*) |
+----------+
|        0 |
+----------+
1 row in set (0.00 sec)

mysql> select count(*) from s1 where name='zzl' and gender='man';
+----------+
| count(*) |
+----------+
|  2999999 |
+----------+
1 row in set (20.95 sec)

mysql> create index s1_gender on s1(gender);
Query OK, 0 rows affected (11.72 sec)
Records: 0  Duplicates: 0  Warnings: 0

mysql> select count(*) from s1 where name='zzl' and gender='man';
+----------+
| count(*) |
+----------+
|  2999999 |
+----------+
1 row in set (3.74 sec)

mysql> select count(*) from s1 where name='zzl' and gender='xxx';
+----------+
| count(*) |
+----------+
|        0 |
+----------+
1 row in set (0.01 sec)

mysql> select count(*) from s1 where name='zzl' and gender='man';
+----------+
| count(*) |
+----------+
|  2999999 |
+----------+
1 row in set (3.01 sec)

mysql> select count(*) from s1 where name='zzl' and gender='man' and id=333;
+----------+
| count(*) |
+----------+
|        1 |
+----------+
1 row in set (0.01 sec)

mysql> select count(*) from s1 where name='zzl' and gender='man' and id>333;
+----------+
| count(*) |
+----------+
|  2999666 |
+----------+
1 row in set (18.17 sec)

mysql> select count(*) from s1 where name='zzl' and gender='xxx' and id>333;
+----------+
| count(*) |
+----------+
|        0 |
+----------+
1 row in set (0.02 sec)


mysql> select count(*) from s1 where name='zzl' and
    -> gender='xxx' and id>222;
+----------+
| count(*) |
+----------+
|        0 |
+----------+
1 row in set (0.00 sec)

mysql> select count(*) from s1 where name='zzl' and
    -> gender='man' and id>222;
+----------+
| count(*) |
+----------+
|  2999777 |
+----------+
1 row in set (21.25 sec)
当前面三个条件都成立的时候，都无法用索引达到加速的目的，name和gender是因为区分度低，第三个id因为范围太大了，第四个email的区分度很高，但是没有添加索引，所以该语句查询速度是非常的低的
mysql> select count(*) from s1 where name='zzl' and
    -> gender='man' and id> 222 and email='dddd';
+----------+
| count(*) |
+----------+
|        0 |
+----------+
1 row in set (22.87 sec)

给email字段添加索引
mysql> create index s1_email on s1(email);
Query OK, 0 rows affected (16.55 sec)
Records: 0  Duplicates: 0  Warnings: 0

添加上email字段的索引后，索引明显的提升
mysql> select count(*) from s1 where name='zzl' and
    -> gender='man' and id> 222 and email='dddd';
+----------+
| count(*) |
+----------+
|        0 |
+----------+
1 row in set (0.02 sec)

经过分析，在条件为name='zzl' and gender='man' and id>222 and 
email='dddd'的情况下，我们完全没必要为前三个条件的字段加索引，因为只能用上email字段的索引，
前三个字段的索引反而会降低我们的查询效率

验证：


mysql> select count(*) from s1 where name='zzl' and
    -> gender='man' and id> 222 and email='dddd';
+----------+
| count(*) |
+----------+
|        0 |
+----------+
1 row in set (0.02 sec)

mysql> desc s1;
+--------+-------------+------+-----+---------+-------+
| Field  | Type        | Null | Key | Default | Extra |
+--------+-------------+------+-----+---------+-------+
| id     | int(11)     | YES  | MUL | NULL    |       |
| name   | varchar(20) | YES  | MUL | NULL    |       |
| gender | char(6)     | YES  | MUL | NULL    |       |
| email  | varchar(50) | YES  | MUL | NULL    |       |
+--------+-------------+------+-----+---------+-------+
4 rows in set (0.01 sec)


mysql> drop index s1_gender on s1;
Query OK, 0 rows affected (0.02 sec)
Records: 0  Duplicates: 0  Warnings: 0

mysql> drop index s1name on s1;
Query OK, 0 rows affected (0.02 sec)
Records: 0  Duplicates: 0  Warnings: 0

mysql> drop index s1_name on s1;
Query OK, 0 rows affected (0.02 sec)
Records: 0  Duplicates: 0  Warnings: 0


mysql> desc s1;
+--------+-------------+------+-----+---------+-------+
| Field  | Type        | Null | Key | Default | Extra |
+--------+-------------+------+-----+---------+-------+
| id     | int(11)     | YES  |     | NULL    |       |
| name   | varchar(20) | YES  |     | NULL    |       |
| gender | char(6)     | YES  |     | NULL    |       |
| email  | varchar(50) | YES  | MUL | NULL    |       |
+--------+-------------+------+-----+---------+-------+
4 rows in set (0.01 sec)

mysql> select count(*) from s1 where name='zzl' and
    -> gender='man' and id> 222 and email='dddd';
+----------+
| count(*) |
+----------+
|        0 |
+----------+
1 row in set (0.00 sec)

删掉索引后时间是0.00不删是0.02，同时也论证了不是索引越多越好的哦

6. 最左前缀匹配原则

对于组合索引mysql会一直向右匹配直到遇到范围查询(>、<、between、like)就停止匹配(指的是范围大了，有索引速度也慢)，比如a = 1 and b = 2 and c > 3 and d = 4 如果建立(a,b,c,d)顺序的索引，d是用不到索引的，如果建立(a,b,d,c)的索引则都可以用到，a,b,d的顺序可以任意调整。

mysql> drop index s1_email on s1;
Query OK, 0 rows affected (0.02 sec)
Records: 0  Duplicates: 0  Warnings: 0

建立索引的时候，没有将范围写到最后面，查询速度慢
mysql> create index ddd on s1(id,name,gender,email);
Query OK, 0 rows affected (16.29 sec)
Records: 0  Duplicates: 0  Warnings: 0

mysql> select count(*) from s1 where name='zzl' and gender='man' and id > 222  and email='dddd';
+----------+
| count(*) |
+----------+
|        0 |
+----------+
1 row in set (2.27 sec)

更改查询的位置，有些许的提升，但是提升不大
mysql> select count(*) from s1 where name='zzl' and gender='man' and email='dddd' and id>222;
+----------+
| count(*) |
+----------+
|        0 |
+----------+
1 row in set (2.10 sec)

删除刚才的索引
mysql> drop index ddd on s1;
Query OK, 0 rows affected (0.03 sec)
Records: 0  Duplicates: 0  Warnings: 0

把查询范围的，放到最后
mysql> create index ddd on s1(name,gender,email,id);
Query OK, 0 rows affected (17.44 sec)
Records: 0  Duplicates: 0  Warnings: 0

查询速度显著提升
mysql> select count(*) from s1 where name='zzl' and gender='man' and email='dddd' and id>222;
+----------+
| count(*) |
+----------+
|        0 |
+----------+
1 row in set (0.01 sec)

7.其他

- 使用函数
    select * from s1 where reverse(email) = '123@wsdashi.com';
            
- 类型不一致
    如果列是字符串类型，传入条件是必须用引号引起来，不然...
    select * from s1 where email = 999;
    
#排序条件为索引，则select字段必须也是索引字段，否则无法命中
- order by
    select name from s1 order by email desc;
    当根据索引排序时候，select查询的字段如果不是索引，则速度仍然很慢
    select email from s1 order by email desc;
    特别的：如果对主键排序，则还是速度很快：
        select * from s1 order by nid desc;
 
- 组合索引最左前缀
    如果组合索引为：(name,email)
    name and email       -- 命中索引
    name                 -- 命中索引
    email                -- 未命中索引


- count(1)或count(列)代替count(*)在mysql中没有差别了

- create index xxxx  on tb(title(19)) #text类型，必须制定长度

View Code

二：其他注意的地方

1 避免使用select *
2 count(1)或count(列) 代替 count(*)
3 创建表时尽量时 char 代替 varchar
4 表的字段顺序固定长度的字段优先
5 组合索引代替多个单列索引（经常使用多个条件查询时）
6 尽量使用短索引
7 使用连接（JOIN）来代替子查询(Sub-Queries)
8 连表时注意条件类型需一致
9 索引散列值（重复少）不适合建索引，例：性别不适合

第五：详谈组合索引和覆盖索引

一：组合索引

组合索引时指对表上的多个列合起来做一个索引。组合索引的创建方法与单个索引的创建方法一样，不同之处在仅在于有多个索引列，如下

mysql> create table s2(
    -> a int,
    -> b int,
    -> primary key(a),
    -> key id_a_b(a,b)
    -> );
Query OK, 0 rows affected (0.04 sec)

那么何时需要使用组合索引呢？在讨论这个问题之前，先来看一下组合索引内部的结果。从本质上来说，组合索引就是一棵B+树，不同的是组合索引的键值得数量不是1，而是>=2。接着来讨论两个整型列组成的组合索引，假定两个键值得名称分别为a、b如图

可以看到这与我们之前看到的单个键的B+树并没有什么不同，键值都是排序的，通过叶子结点可以逻辑上顺序地读出所有数据，就上面的例子来说，即（1,1），（1,2），（2,1），（2,4），（3,1），（3,2），数据按（a,b）的顺序进行了存放。

因此，对于查询select * from table where a=xxx and b=xxx, 显然是可以使用(a,b) 这个联合索引的，对于单个列a的查询select * from table where a=xxx,也是可以使用（a,b）这个索引的。

但对于b列的查询select * from table where b=xxx,则不可以使用（a,b）索引，其实你不难发现原因，叶子节点上b的值为1、2、1、4、1、2显然不是排序的，因此对于b列的查询使用不到(a,b) 索引

组合索引的第二个好处是在第一个键相同的情况下，已经对第二个键进行了排序处理，例如在很多情况下应用程序都需要查询某个用户的购物情况，并按照时间进行排序，最后取出最近三次的购买记录，这时使用组合索引可以帮我们避免多一次的排序操作，因为索引本身在叶子节点已经排序了，如下

准备数据表
mysql> create table buy_log(
    ->     userid int unsigned not null,
    ->     buy_date date
    -> );
Query OK, 0 rows affected (0.03 sec)

mysql>
mysql> insert into buy_log values
    -> (1,'2009-01-01'),
    -> (2,'2009-01-01'),
    -> (3,'2009-01-01'),
    -> (1,'2009-02-01'),
    -> (3,'2009-02-01'),
    -> (1,'2009-03-01'),
    -> (1,'2009-04-01');
Query OK, 7 rows affected (0.00 sec)
Records: 7  Duplicates: 0  Warnings: 0

mysql>
mysql> alter table buy_log add key(userid);
Query OK, 0 rows affected (0.02 sec)
Records: 0  Duplicates: 0  Warnings: 0

mysql> alter table buy_log add key(userid,buy_date);
Query OK, 0 rows affected (0.03 sec)
Records: 0  Duplicates: 0  Warnings: 0

mysql>  show create table buy_log;
+---------+---------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------+
| Table   | Create Table                                                                                                                                                                                            |
+---------+---------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------+
| buy_log | CREATE TABLE `buy_log` (
  `userid` int(10) unsigned NOT NULL,
  `buy_date` date DEFAULT NULL,
  KEY `userid` (`userid`),
  KEY `userid_2` (`userid`,`buy_date`)
) ENGINE=InnoDB DEFAULT CHARSET=latin1 |
+---------+---------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------+
1 row in set (0.01 sec)

可以看到possible_keys在这里有两个索引可以用，分别是单个索引userid与联合索引userid_2,但是优化器最终选择了使用的key是userid因为该索引的叶子节点包含单个键值，所以理论上一个页能存放的记录应该更多
mysql> explain select * from buy_log where userid=2;
+----+-------------+---------+------------+------+-----------------+--------+---------+-------+------+----------+-------+
| id | select_type | table   | partitions | type | possible_keys   | key    | key_len | ref   | rows | filtered | Extra |
+----+-------------+---------+------------+------+-----------------+--------+---------+-------+------+----------+-------+
|  1 | SIMPLE      | buy_log | NULL       | ref  | userid,userid_2 | userid | 4       | const |    1 |   100.00 | NULL  |
+----+-------------+---------+------------+------+-----------------+--------+---------+-------+------+----------+-------+
1 row in set, 1 warning (0.01 sec)

假定要取出userid为1的最近3次的购买记录，用的就是联合索引userid_2了，因为在这个索引中，在userid=1的情况下，buy_date都已经排序好了
mysql> explain select * from buy_log where userid=1 order by buy_date desc limit 3;
+----+-------------+---------+------------+------+-----------------+----------+---------+-------+------+----------+--------------------------+
| id | select_type | table   | partitions | type | possible_keys   | key      | key_len | ref   | rows | filtered | Extra                    |
+----+-------------+---------+------------+------+-----------------+----------+---------+-------+------+----------+--------------------------+
|  1 | SIMPLE      | buy_log | NULL       | ref  | userid,userid_2 | userid_2 | 4       | const |    4 |   100.00 | Using where; Using index |
+----+-------------+---------+------------+------+-----------------+----------+---------+-------+------+----------+--------------------------+
1 row in set, 1 warning (0.00 sec)

View Code

二：覆盖索引

InnoDB存储引擎支持覆盖索引（covering index，或称索引覆盖），即从辅助索引中就可以得到查询记录，而不需要查询聚集索引中的记录。
使用覆盖索引的一个好处是：辅助索引不包含整行记录的所有信息，故其大小要远小于聚集索引，因此可以减少大量的IO操作
注意：覆盖索引技术最早是在InnoDB Plugin中完成并实现，这意味着对于InnoDB版本小于1.0的，或者MySQL数据库版本为5.0以下的，InnoDB存储引擎不支持覆盖索引特性

对于InnoDB存储引擎的辅助索引而言，由于其包含了主键信息，因此其叶子节点存放的数据为（primary key1，priamey key2，...,key1，key2，...）eg:

select age from s1 where id=123 and name = 'zzl'; #id字段有索引，但是name字段没有索引,该sql命中了索引，但未覆盖，需要去聚集索引中再查找详细信息。
重要的是:索引字段覆盖了所有，那全程通过索引来加速查询以及获取结果就ok了
mysql> desc s1;
+--------+-------------+------+-----+---------+-------+
| Field | Type | Null | Key | Default | Extra |
+--------+-------------+------+-----+---------+-------+
| id | int(11) | NO | | NULL | |
| name | varchar(20) | YES | | NULL | |
| gender | char(6) | YES | | NULL | |
| email | varchar(50) | YES | | NULL | |
+--------+-------------+------+-----+---------+-------+
rows in set (0.21 sec)

mysql> explain select name from s1 where id=1000; #没有任何索引
+----+-------------+-------+------------+------+---------------+------+---------+------+---------+----------+-------------+
| id | select_type | table | partitions | type | possible_keys | key | key_len | ref | rows | filtered | Extra |
+----+-------------+-------+------------+------+---------------+------+---------+------+---------+----------+-------------+
| 1 | SIMPLE | s1 | NULL | ALL | NULL | NULL | NULL | NULL | 2688336 | 10.00 | Using where |
+----+-------------+-------+------------+------+---------------+------+---------+------+---------+----------+-------------+
row in set, 1 warning (0.00 sec)

mysql> create index idx_id on s1(id); #创建索引
Query OK, 0 rows affected (4.16 sec)
Records: 0 Duplicates: 0 Warnings: 0

mysql> explain select name from s1 where id=1000; #命中辅助索引，但是未覆盖索引，还需要从聚集索引中查找name
+----+-------------+-------+------------+------+---------------+--------+---------+-------+------+----------+-------+
| id | select_type | table | partitions | type | possible_keys | key | key_len | ref | rows | filtered | Extra |
+----+-------------+-------+------------+------+---------------+--------+---------+-------+------+----------+-------+
| 1 | SIMPLE | s1 | NULL | ref | idx_id | idx_id | 4 | const | 1 | 100.00 | NULL |
+----+-------------+-------+------------+------+---------------+--------+---------+-------+------+----------+-------+
row in set, 1 warning (0.08 sec)

mysql> explain select id from s1 where id=1000; #在辅助索引中就找到了全部信息，Using index代表覆盖索引
+----+-------------+-------+------------+------+---------------+--------+---------+-------+------+----------+-------------+
| id | select_type | table | partitions | type | possible_keys | key | key_len | ref | rows | filtered | Extra |
+----+-------------+-------+------------+------+---------------+--------+---------+-------+------+----------+-------------+
| 1 | SIMPLE | s1 | NULL | ref | idx_id | idx_id | 4 | const | 1 | 100.00 | Using index |
+----+-------------+-------+------------+------+---------------+--------+---------+-------+------+----------+-------------+
row in set, 1 warning (0.03 sec)

View Code

innodb存储引擎并不会选择通过查询聚集索引来进行统计。由于buy_log表有辅助索引，而辅助索引远小于聚集索引，选择辅助索引可以减少IO操作，故优化器的选择如上key为userid辅助索引
对于（a,b）形式的联合索引，一般是不可以选择b中所谓的查询条件。但如果是统计操作，并且是覆盖索引，则优化器还是会选择使用该索引，如下

#联合索引userid_2（userid,buy_date）,一般情况，我们按照buy_date是无法使用该索引的，但特殊情况下：查询语句是统计操作，且是覆盖索引，则按照buy_date当做查询条件时，也可以使用该联合索引
mysql> explain select count(*) from buy_log where buy_date >= '2011-01-01' and buy_date < '2011-02-01';
+----+-------------+---------+-------+---------------+----------+---------+------+------+--------------------------+
| id | select_type | table   | type  | possible_keys | key      | key_len | ref  | rows | Extra                    |
+----+-------------+---------+-------+---------------+----------+---------+------+------+--------------------------+
|  1 | SIMPLE      | buy_log | index | NULL          | userid_2 | 8       | NULL |    7 | Using where; Using index |
+----+-------------+---------+-------+---------------+----------+---------+------+------+--------------------------+
1 row in set (0.00 sec)

View Code

第六：执行计划

详细的参考：https://dev.mysql.com/doc/refman/5.5/en/explain-output.html

执行计划：一般情况下是这样的
    all < index < range < index_merge < ref_or_null < ref < eq_ref < system/const
    id,email
    
    慢：
        select * from userinfo3 where name='alex'
        
        explain select * from userinfo3 where name='alex'
        type: ALL(全表扫描)
            select * from userinfo3 limit 1;
    快：
        select * from userinfo3 where email='alex'
        type: const(走索引)

第七：MySQL慢查询

一：慢查询优化的基本步骤

1.如果运行真的是非常的慢，需要设置SQL_NO_CACHE
2.where条件单表查，锁定最小返回记录表。这句话的意思是把查询语句的where都应用到表中返回的记录数最小的表开始查起，单表每个字段分别查询，看哪个字段的区分度最高
3.explain查看执行计划，是否与1预期一致（从锁定记录较少的表开始查询）
4.order by limit 形式的sql语句让排序的表优先查
5.了解业务方使用场景
6.加索引时参照建索引的几大原则
7.观察结果，不符合预期继续从0分析

二：慢日志管理

        慢日志
            - 执行时间 > 10
            - 未命中索引
            - 日志文件路径
            
        配置：
            - 内存
                show variables like '%query%';
                show variables like '%queries%';
                set global 变量名 = 值
            - 配置文件
                mysqld --defaults-file='E:xunyoumysql-5.7.16-winx64mysql-5.7.16-winx64my-default.ini'
                
                my.conf内容：
                    slow_query_log = ON
                    slow_query_log_file = D:/....
                    
                注意：修改配置文件之后，需要重启服务

MySQL日志管理
========================================================
错误日志: 记录 MySQL 服务器启动、关闭及运行错误等信息
二进制日志: 又称binlog日志，以二进制文件的方式记录数据库中除 SELECT 以外的操作
查询日志: 记录查询的信息
慢查询日志: 记录执行时间超过指定时间的操作
中继日志： 备库将主库的二进制日志复制到自己的中继日志中，从而在本地进行重放
通用日志： 审计哪个账号、在哪个时段、做了哪些事件
事务日志或称redo日志： 记录Innodb事务相关的如事务执行时间、检查点等
========================================================
一、bin-log
1. 启用
# vim /etc/my.cnf
[mysqld]
log-bin[=dir[filename]]
# service mysqld restart
2. 暂停
//仅当前会话
SET SQL_LOG_BIN=0;
SET SQL_LOG_BIN=1;
3. 查看
查看全部：
# mysqlbinlog mysql.000002
按时间：
# mysqlbinlog mysql.000002 --start-datetime="2012-12-05 10:02:56"
# mysqlbinlog mysql.000002 --stop-datetime="2012-12-05 11:02:54"
# mysqlbinlog mysql.000002 --start-datetime="2012-12-05 10:02:56" --stop-datetime="2012-12-05 11:02:54" 

按字节数：
# mysqlbinlog mysql.000002 --start-position=260
# mysqlbinlog mysql.000002 --stop-position=260
# mysqlbinlog mysql.000002 --start-position=260 --stop-position=930
4. 截断bin-log（产生新的bin-log文件）
a. 重启mysql服务器
b. # mysql -uroot -p123 -e 'flush logs'
5. 删除bin-log文件
# mysql -uroot -p123 -e 'reset master' 


二、查询日志
启用通用查询日志
# vim /etc/my.cnf
[mysqld]
log[=dir[filename]]
# service mysqld restart

三、慢查询日志
启用慢查询日志
# vim /etc/my.cnf
[mysqld]
log-slow-queries[=dir[filename]]
long_query_time=n
# service mysqld restart
MySQL 5.6:
slow-query-log=1
slow-query-log-file=slow.log
long_query_time=3
查看慢查询日志
测试:BENCHMARK(count,expr)
SELECT BENCHMARK(50000000,2*3);

mysql日志相关管理

查看全文

相关阅读:
2019－2020－1 20191312《信息安全专业导论》第十二周学习总结
 GPG
2019－2020－1 20191312《信息安全专业导论》第十一周学习总结
 wireshark
ssh
Nmap
2019-2020-1 《python程序设计》20192428魏来综合实践报告
 20192428 魏来 2019-2020《Python程序设计》实验三报告
 20192428 实验二《Python程序设计》实验报告
 20192428 实验一《Python程序设计》实验报告

原文地址：https://www.cnblogs.com/ylqh/p/8494524.html