python学习第40天

一.sql语句优化

(1)mysql 执行流程

客户端:
发送连接请求,然后发送增删改查sql语句进行执行

服务端:

1.连接层:提供和客户端连接的服务,在tcp协议下,
提供多线程并发的技术,让多个用户登录到mysql中.
show processlist; 查看所有登录到mysql的用户进程

2.服务器:
	提供了各种接口(增删改查..)分析器组件会解析用户的sql语句
	如果发现sql语句执行效率较低,会提交给优化器组件进行优化,然后在执行
	(查询缓存:把上次搜过的数据,或者提前存储的数据直接返回,效率加快)
	(优化器:mysql query optimizer )
3.存储引擎:
	存储或者提取数据
	innodb : 支持事务处理,支持行锁,支持高并发
	myisam : 支持表锁,不支持高并发
	
4.日志文件
	产生binlog日志 (二进制文件)

(2) sql 卡顿原因

硬盘读写数据,io延迟高,sql语句性能低,导致sql执行的时间漫长
表中的数据没有任何索引,并且数据量较大,也会造成sql语句查询速度慢

编写:
select ... from .. join on where .. group by ... having .. order by .. limit

解析:
from .. join on  where group by having  select  order by limit .. 

(3) 索引

概念:

是一个树状的数据结构,即(B树结构,分支节点>2)
相当于字典的目录,功效是加快查询速度
常用树:B树(banlance-tree),二叉树,红黑树,hash树

树节点概念:

根节点(最顶级节点)
分支节点(父节点,子节点)
叶子节点(最后一层存储数据的节点)
树的高度(树的层级,理想情况下三级,任何数据最多需要3次查到,支持百万级别的数据查询,追求树的矮胖结构.)

[b+] : 在相邻的叶子节点上,加入双向链表(指针),当前叶子节点不但保存了数据,还保存了上下两个节点的地址[小范围数据中,加快查询数据]
[b*] : 在相连的分支节点上,加入双向链表(指针),当前叶子节点不但保存了数据,还保存了上下两个节点的地址[大范围数据中,加快查询数据]

(磁盘块 block 数据页 16k)
myisam和innodb 都是b+树结构

(4)innodb 和 myisam 的索引结构

(1) 聚集索引[innodb存储引擎的特点,myisam不支持]
	如果有主键,自动以主键创建聚集索引的数据结构(树状结构)
	如果没有主键,选择唯一键
	都没有,自动生成隐藏的聚集索引,也会分出一个字段占用6个字节长整型;
	
	叶子节点上面直接存储真实数据(索引和数据捆绑在一起)
	分支节点存储的是索引的最小值,用来划分范围
	在数据量变大的时候,尽量在树层级高度不变的情况下,横向发展,好处:查询次数少,提升效率,减少io阻塞;
	
(2) 非聚集索引(辅助索引,二级索引,普通索引)
	先对创建索引的该字段划分区间进行排序,把索引值分布在叶子节点上
	存储的是该字段的值以及对应映射出的主键id(primary key ),没有存真实数据
	通过主键id,再去从其他文件中找数据..
	
(3) 两者区别
	myisam 和 innodb 使用的索引结构都是b+树,但是叶子节点存储的数据不同
	innodb文件结构中只有frm和ibd 直接把数据存在叶子节点上
	myisam文件结构中有frm,myi,myd,叶子节点上存储的索引值,通过索引找id,通过id找数据.

(4) 性能优化:
	利用索引查询时,可以增快查询速度,但是增删改速度变慢,会改变树状结构
	追求尽量让叶子节点存储的数据类型小一点,让高度变矮,让数据页变少.

二.索引

(1)常用索引

单个字段索引
	-主键索引 primary key : 非空且唯一
	-唯一索引 unique      : 唯一
	-普通索引 index       : 单纯加个索引,为了提升查询效率
联合索引
	primary key(字段1,字段2..) :联合主键索引
	unique(字段1,字段2..)      :联合唯一索引
	index(字段1,字段2..)       :联合普通索引

(2)应用场景

编号:int
姓名:varchar(255)
身份证号:char(18)
电话char(11)
地址varchar(255)
备注:text
姓: varchar(10)
名: varchar(10)

编号: 主键
姓名: 普通索引(注意在区分度高的字段上加)
身份证:unique
电话:unique
备注:全文索引 , 借助第三方软件sphinx来运行
姓和名:联合索引 , 联合在一起查,加快速度

(3) 不同的存储引擎支持的数据结构

innodb : 支持b-tree fulltext 不支持hash类型索引结构
myisam : 支持b-tree fulltext 不支持hash类型索引结构
memory : 支持b-tree hash类型 不支持fulltext索引

hash类型索引: 数据放内存中,通过键来获取到值,单条数据查询快,范围内的数据慢
b-tree : 最理想的三层结构,理论上可支撑百万条数据的查询;

(4)建立索引

1)方法1,建表的时候,直接创建索引 index 索引名(索引字段)
create table t1(
id int primary key,
name char(10),
index index_name(name)
);

2)方法2,建表之后,创建索引 create index 索引名 on 表名(索引字段)

create table t2(
id int primary key,
name char(10)
);
create index index_name on t2(name);

3)方法3,改字段变索引 alter table 表名 add index 索引名(索引字段)

create table t3(
id int primary key,
name char(10)
);

alter table t3 add index index_name(name);

4)删除索引

drop index index_name on t3;

(5)正确使用索引

alter table s1 add index index_id(id);
select * from s1 where id = 5;

发现加索引和不加索引速度差别巨大,

(1) 把频繁作为搜索条件的字段作为索引,查单条数据,如果查询的是一个大范围中的数据,不能命中索引

表达范围的符号: > < >= <= != like between and .. in

select * from s1 where id > 5;
select * from s1 where id < 5; # 表达一个小范围内的数据可以命中.

(2) 选一个区分度较高的字段作索引

选区分度低的字段做了索引,在查询数据的时候,先走索引建好的树状结构,在把数据搜出来
因为树状结构中有大量的重复数据,会增加树的高度,反而速度不快,冗余数据过多

默认系统会把主键或者unique标识的约束,自动创建索引,因为区分度较高,没有冗余数据;

create index index_name on s1(name); # 不推荐把区分度不高的字段加索引

(3) 在搜索条件中,不能让索引字段参与计算,不能命中索引

select * from s1 where id = 1000;
select * from s1 where id*3 = 3000; # id = 1000

(4) 条件当中含有and , sql语句会通过优化器进行优化

1.如果有and 相连,找到第一个有索引的 并且树的高度最矮的字段进行优化

select count(*) from s1 where email = "xboyww1000@oldboy"
select count(*) from s1 where email = "xboyww1000@oldboy" and id = 1000;
select count(*) from s1 where email = "xboyww1000@oldboy" and name =  "xboyww";
select count(*) from s1 where email = "xboyww1000@oldboy" and name =  "xboyww" and id = 1000;

2.如果有or相连,没有优化,所有语句从左到右执行,让索引失去意义

select count(*) from s1 where id = 1000 or email = "xboyww1000@oldboy";

(5) 联合索引 : 遵循最左前缀原则 index(字段1,字段2, ....)

drop index index_id on s1;
drop index index_name on s1;
create index union_index on s1(first_name,last_name);

select count(*) from s1 where first_name = "王6" and last_name="文6"  # 命中索引
select count(*) from s1 where last_name="文6" and  first_name = "王6" # 命中索引
select count(*) from s1 where last_name="文6" # 不能命中索引
select count(*) from s1 where first_name="王6" and gender="man";
select count(*) from s1 where first_name="王6" and gender="man" and name="xboyww";
# 最左前缀原则:被标记成MUL这个字段,必须存在在搜索条件中,就命中索引
first_name + .... (必须该字段存在) 联合索引会更加精确的命中想要的数据.数据结构更合理;

(6)其他

# 数据类型不匹配,不能命中索引
select count(*) from s1 where first_name = 100
# 使用了函数不能命中
select count(*) from s1 where reverse(first_name) = "6王";