一、储存引擎
1.1、MySQL体系结构
MySQL体系结构图
-
连接层
最上层是一些客户端和链接服务,主要完成一些类似于连接处理、授权认证、及相关的安全方案。服务器也会为安全接入的每个客户端验证它所具有的操作权限。 -
服务层
第二层架构主要完成大多数的核心服务功能,如SQL接口,并完成缓存的查询,SQL的分析和优化,部分内置函数的执行。所有跨存储引擎的功能也在这一层实现,如过程、函数等。 -
引擎层
存储引擎真正的负责了MySQL中数据的存储和提取,服务器通过API和存储引擎进行通信。不同的存储引擎具有不同的功能,这样我们可以根据自己的需要,来选取合适的存储引擎。 -
存储层
主要是将数据存储在文件系统之上,并完成与存储引擎的交互。
1.2、存储引擎简介
存储引擎就是存储数据、建立索引、更新/查询数据等技术的实现方式。存储引擎是基于表的,而不是基于库的,所以存储引擎也可被称为表类型。
- 默认存储引擎:InnoDB
- 在创建表时,指定存储引擎
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];
- 查看当前数据库的存储引擎
SHOW ENGINES;
1.3、存储引擎特点
-
InnoDB
-
介绍
InnoDB是一种兼顾高可靠性和高性能的通用存储引擎,在MySQL5.5之后,InnoDB是默认的MySQL存储引擎。 -
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.sdi)、数据和索引。
参数: innodb_file_per_table
-
-
一个Extent(区)的大小固定为 1M
-
一个 Page(页)的大小固定为 16K
-
一个区包含64个页
-
MyISAM
-
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
-
文件
xxx.sdi :存储表结构信息
xxx.MYD:存储数据
xxx.MYI:存储索引
-
-
Memory
- 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
- 介绍
-
存储引擎的区别
特点 | InnoDB | MyISAM | Memory |
---|---|---|---|
存储限制 | 64TB | 有 | 有 |
事务安全 | 支持 | - | - |
锁机制 | 行锁 | 表锁 | 表锁 |
B+tree索引 | 支持 | 支持 | 支持 |
Hash索引 | - | - | 支持 |
全文索引 | 高 | 低 | N/A |
空间使用 | 支持(5.6版本之后) | 支持 | - |
内存使用 | 高 | 低 | 中等 |
批量插入速度 | 低 | 高 | 高 |
支持外键 | 支持 | - | - |
1.3、存储引擎选择
- InnoDB:是Mysql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。
- 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。
二、索引
MySQL 8.0 对于密码格式有以下要求:
- 密码长度必须大于等于 8 个字符;
- 密码必须包含大小写字母、数字和特殊字符;
- 特殊字符至少包括 !@#$%^&*()_±=[]{}|;':",./<>?;
- 不允许出现空格字符。
- 如果修改的密码不符合上述要求,系统会提示密码不符合要求,并且不允许设置。
需要注意的是,为了保证数据库的安全性,在设置 MySQL 8.0 的密码时,应该避免使用过于简单的口令,以免被攻击者轻易破解。建议使用强密码生成器来生成随机复杂的密码,并妥善保管密码信息。另外,为了提高安全性,尽量避免使用相同的密码同时连接到多个数据库服务器。
该错误提示为“拒绝访问”,说明 MySQL 数据库用户没有足够的权限或者用户名或密码输入错误。常见的解决方法如下:
- 首先,确认用户名和密码正确。如果忘记了密码,可以使用以下命令来修改密码:
mysql -u root -p
ALTER USER 'root'@'localhost' IDENTIFIED WITH mysql_native_password BY '新密码';
FLUSH PRIVILEGES;
exit;
- 如果用户名和密码正确,那么请确认 MySQL 是否允许远程连接。在 MySQL 8.0 中,默认情况下只允许本地连接。可以通过以下步骤开启远程连接:
- 使用 root 用户登录 MySQL 服务器;
- 输入以下命令查看当前用户和主机:
SELECT user,host FROM mysql.user;
- 如果没有可用于远程连接的用户,请添加新用户。例如:
CREATE USER 'user'@'%' IDENTIFIED WITH mysql_native_password BY 'password';
GRANT ALL PRIVILEGES ON *.* TO 'user'@'%';
FLUSH PRIVILEGES;
注意,在上述示例中,“%”表示允许所有主机远程连接。如果指定特定主机,请使用相应的 IP 地址或主机名;
- 在 MySQL 服务器上检查防火墙设置,确保允许 MySQL 数据库的端口通过防火墙。默认情况下,MySQL 数据库使用 3306 端口。
- 如果以上方法均无效,则可能是由于安全组或防火墙等其他网络安全策略导致,请检查相关设置。
总之,需要仔细排查错误原因,逐步解决问题。
2.1、索引概述
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。
备注:上述二叉树索引结构的只是一个示意图,并不是真实的索引结构
索引的优缺点
优势 | 劣势 |
---|---|
提高数据检索的效率,降低数据库的IO成本 | 索引列也是要占用空间的。 |
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。 | 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。 |
2.2、索引-结构
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,主要包括以下几种:
索引结构 | 描述 |
---|---|
B+Tree索引 | 最常见的索引类型,大部分引擎都支持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MyISAM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 |
索引在不同引擎当中的支持情况
索引 | InnoDB | MyISAM | Memory |
---|---|---|---|
B+tree索引 | 支持 | 支持 | 支持 |
Hash索引 | 不支持 | 不支持 | 支持 |
R-tree索引 | 不支持 | 支持 | 不支持 |
Full-text | 5.6版本之后支持 | 支持 | 不支持 |
我们平常所说的索引,如果没有特别指明,都是指B+树结构组织的索引。
2.2.1、索引结构-B-Tree
- 二叉数 与 红黑树
二叉树缺点:顺序插入时,会形成一个链表,查询性能大大降低。大数据量情况下,层级较深,检索速度慢。
- B-Tree(多路平衡查找树)
以一颗最大度数〈max-degree)为5(5阶)的b-tree为例(每个节点最多存储4个key,5个指针):
- 树的度数指的是一个节点的子节点个数
2.2.2、索引-结构-B+Tree
- 以一颗最大度数(max-degree)为4(4阶)的b+tree为例:
插入100 65 169 368 900 556 780 35 215 1200 234 888 158 90 1000 88 120 268 250数据为例。
相当于B-Tree区别:
- 所有的数据都会出现在叶子节点
- 叶子节点i形成一个单项链表
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。
2.2.3、索引-结构-hash
- 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Memory引擎,而InnoDB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。
2.2.4、索引-结构-思考题
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;
- 相对于Hash索引,B+tree支持范围匹配及排序操作
2.3、索引-分类
分类 | 含义 | 特点 | 关键字 |
---|---|---|---|
主键索引 | 针对于表中主键创建的索引 | 默认自动创建,只能有一个 | PRIMARY |
唯一索引 | 避免同一个表中某数据列中的值重复 | 可以有多个 | UNIQUE |
常规索引 | 快速定位特定数据 | 可以有多个 | |
全文索引 | 全文索引查找的是文本中的关键词,而不是比较索引中的值 | 可以有多个 | FULLTEXT |
在InnoDB存储引擎中,根据索引的存储形式,又可以分为以下两种:
分类 | 含义 | 特点 |
---|---|---|
聚集索引(Clustered lndex) | 将数据存储与索引放到了一块,索引结构的叶子节点保存了行数据 | 必须有,而且只有一个 |
二级索引(Secondary Index) | 将数据与索引分开存储,索引结构的叶子节点关联的是对应的主键 | 可以存在多个 |
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。
- 回表查询:
- 先从二级索引处拿到主键值
- 再从聚集索引处拿到行数据
思考题
lnnoDB主键索引的B+Tree高度为多高呢?
假设:
一行数据大小为1k,一页中可以存储16行这样的数据。InnoDB的指针占用6个字节的空间,主键即使为bigint,占用字节数为8。
高度为2:
n*8 + (n + 1)*6 = 16*1024,算出n约为1170
1171 *6 = 18736
高度为3:
1171 * 1171 * 16 = 21939856
2.4、索引-语法
- 创建索引
CREATE [ UNIQUE |FULLTEXT] INDEX index_name ON table_name ( index_col_name....);
- 查看索引
SHOW INDEX FROM table_name ;
- 删除索引
DROP INDEX index_name ON table_name ;
# 给姓名创建一个索引
create index idx_user_name on user(name);
# 有phone创建一个唯一索引
create unique index idx_user_phone on user(phone);
# 给profession,age,status创建一个联合索引
create index idx_user_pro_age_sta on user(profession,age,status);
# 给email创建一个索引
create index idx_user_ema on user(email);
# 删除email的索引
drop index idx_user_ema on user;
2.5、索引-性能分析
2.5.1、索引-性能分析-查看执行频次
MySQL客户端连接成功后,通过show [session|globall] status
命令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_______';
2.5.2、索引-性能分析-慢查询日志
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:
#开启MySQL慢日志查询开关
slow_query_log=1
#设置慢日志的时间为2秒,SQL语句执行时间超过2秒,就会视为慢查询,记录慢查询日志
long_query_time=2
配置完毕之后,通过以下指令重新启动MySQL服务器进行测试,查看慢日志文件中记录的信息/var/lib/mysql/localhost-slow.log。
2.5.3、索引-性能分析-show profiles
- profile详情
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;
默认profiling是关闭的,可以通过set语句在session/global级别开启profiling:
SET profiling = 1;
执行一系列的业务SQL的操作,然后通过如下指令查看指令的执行耗时:
#f查看每一条SQL的耗时基本情况
show profiles;
#查看指定query_id的SQL语句各个阶段的耗时情况
show profile for query query_id;
#查看指定query_id的SQL语句CPU的使用情况
show profile cpu for query query_id;
2.5.4、索引-性能分析-explain
explain执行计划
EXPLAIN执行计划各字段含义:
- ld
select查询的序列号,表示查询中执行select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)。
- select_type
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)、SUBQERY (SELECT/WHERE之后包含了子查询)等
- type
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 ,
- possible_key
显示可能应用在这张表上的索引,一个或多个。
- Key
实际使用的索引,如果为NULL,则没有使用索引。
- Key_len
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。
- rows
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。
- filtered
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。
2.6、索引-使用规则
2.6.1、最左前缀法则
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)。
范围查询
联合索引中,出现范围查询(>,<)范围查询右侧的索引失效
2.6.2、索引失效情况一
- 索引列运算
不要在索引列上进行运算操作,索引将失效
- 字符串不加引号
字符串类型字段使用时,不加引号,索引将失效
- 模糊查询
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
2.6.3、索引失效情况二
- or连接的条件
用or
分割开的条件,如果or
前的额条件中的列有索引,而后面的列没有索引,那么涉及的索引都不会被用到
解决方案:对没有添加索引的列,添加上索引
- 数据分布影响
如果MySQL评估使用索引比全表更慢,则不使用索引
2.6.4、SQL提示
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
use index(告诉数据库要用的索引) :
explain select * from 表名 use index(使用的索引名) where 查询条件;
ignore index(告诉数据库不要用的索引):
explain select *from 表名 ignore index(使用的索引名) where 查询条件;
force index(告诉数据库必须要用的索引):
explain select * from 表名 force index(使用的索引名) where 查询条件;
2.6.5、覆盖索引&回表查询
覆盖索引
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*
-
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
2.6.6、前缀索引
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l0,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。
- 语法
create index idx _xxoxx on table_name(column(n)) ;
- 前缀长度
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
唯一索引的选择性是1,这是最好的索引选择性,性能也是最好的。
select count(distinct email) / count(*) from tb_user ;
select count(distinct substring(email,1,5)) / count(*) from tb_user ;
2.6.7、单列索引&联合索引
单列索引:即一个索引只包含单个列。
联合索引:即一个索引包含了多个列。
- 在业务场景中,如果存在多个查询条件,考虑针对于查询字段建立索引时,建议建立联合索引,而非单列索引
2.7、索引设计原则
- 针对于数据量较大,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。
- 要控制索引的数量,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NOTNULL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。
三、SQL优化
3.1、插入数据
-
insert优化
- 批量插入
insert into 表名 values(内容一),(内容二),(内容三)
- 手动提交事务
start transaction; insert into 表名 values(内容一),(内容二),(内容三); insert into 表名 values(内容一),(内容二),(内容三); insert into 表名 values(内容一),(内容二),(内容三); commit;
- 主键顺序插入
主键乱序插入:8 1 9 21 88 2 4 15 89 5 7 3 主键顺序插入:1 2 3 4 5 7 8 9 15 21 88 89
通过这样的优化可以显著提高插入效率
- 大批量插入数据
如果一次性需要插入大批量数据,使用insert语句插入性能较低,此时可以使用MySQL数据库提供的load指令进行插入。操作如下;
#客户端连接服务端时,加上参数--local-infile
mysql --local-infile -u root -p
#设置全局参数local_infile为1,开启从本地加载文件导入数据的开关
set global local_infile= 1;
#执行load指令将准备好的数据,加载到表结构中
load data local infile 数据文件地址 into table 表名 fields terminated by 每个字段分隔的符号 lines terminated by 每一行分隔的符号;
主键顺序插入的性能高于乱序插入
3.2、主键优化
- 数据组织方式
在InnoDB存储引擎中,表数据都是根据主键顺序组织存放的,这种存储方式的表称为索引组织表(index organized table IOT)。
- 页分裂
页可以为空,也可以填充一半,也可以填充100%。每个页包含了2-N行数据(如果一行数据多大,会行溢出),根据主键排列。
主键乱序插入,可能会导致页分裂
- 页合并
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。
- 主键设计原则
- 满足业务需求的情况下,尽量降低主键的长度。
- 插入数据时,尽量选择顺序插入,选择使用
AUTO_INCREMENT
自增主键。 - 尽量不要使用UUID做主键或者是其他自然主键,如身份证号。
- 业务操作时,避免对主键的修改。
3.3、order by优化
-
Uusing filesort
:通过表的索引或全表扫描,读取满足条件的数据行,然后在排序缓冲区sort buffer
中完成排序操作,所有不是通过索引直接返回排序结果的排序都叫FileSort排序。 -
Using index
:通过有序索引顺序扫描直接返回有序数据,这种情况即为using index
,不需要额外排序,操作效率高。
#没有创建索引时,根据age, phone进行排序
explain select id,age,phone from tb_user order by age , phone;
#创建索引
create index idx_user_age_phone_aa on tb_user(age,phone);
#创建索引后,根据age, phone进行升序排序
explain select id,age,phone from tb_user order by age , phone;
#创建索引后,根据age, phone进行降序排序
explain select id,age,phone from tb_user order by age desc , phone desc;
#根据age, phone进行降序一个升序,一个降序
explain select id,age,phone from tb_user order by age asc , phone desc;
#创建索引
create index idx_user_age_phone_ad on tb_user(age asc ,phone desc);
#根据age, phone进行降序一个升序,一个降序
explain select id,age,phone from tb_user order by age asc , phone desc;
- 根据排序字段建立合适的索引,多字段排序时,也遵循最左前缀法则。
- 尽量使用覆盖索引。
- 多字段排序,一个升序一个降序,此时需要注意联合索引在创建时的规则(ASC/DESC)。
- 如果不可避免的出现
filesort
,大数据量排序时,可以适当增大排序缓冲区大小 sort_buffer_size(默认256k)。
3.4、group by优化
#删除掉目前的联合索引 idx_user_pro_age_sta
drop index idx_user_pro_age_sta on tb_user;
#执行分组操作,根据profession字段分组
explain select profession , count(*) from tb_user group by profession ;
#创建索引
Create index idx_user_pro_age_sta on tb_user(profession , age , status);
# 执行分组操作,根据profession字段分组
explain select profession , count(*) from tb_user group by profession;
#执行分组操作,根据profession字段分组
explain select profession , count(*) from tb_user group by profession , age;
- 在分组操作时,可以通过索引来提高效率
- 在分组操作时,索引的使用也满足最左前缀法则
3.5、limit优化
一个常见又非常头疼的问题就是limit 2000000,10,此时需要MySQL排序前2000010记录,仅仅返回2000000 - 2000010的记录,其他记录丢弃,查询排序的代价非常大。
优化思路:一般分页查询时,通过创建覆盖索引能够比较好地提高性能,可以通过覆盖索引加子查询形式进行优化。
explain select *from tb_sku t , (select id from tb_sku order by id limit 2000000,10) a where t.id = a.id;
3.6、count优化
- MyISAM引擎把一个表的总行数存在了磁盘上,因此执行count(*)的时候会直接返回这个数,效率很高;
- InnoDB引擎就麻烦了,它执行count(*)的时候,需要把数据一行一行地从引擎里面读出来,然后累积计数。
优化思路:自己计数
count的几种用法
-
count (主键)
InnoDB引擎会遍历整张表,把每一行的主键id 值都取出来,返回给服务层。服务层拿到主键后,直接按行进行累加(主键不可能为nul)。 -
count (字段)
没有not null约束: InnoDB引擎会遍历整张表把每一行的字段值都取出来,返回给服务层,服务层判断是否为null,不为null,计数累加。有not null约束: InnoDB引擎会遍历整张表把每一行的字段值都取出来,返回给服务层,直接按行进行累加。 -
count (1)
InnoDB引擎遍历整张表,但不取值。服务层对于返回的每一行,放一个数字“1”进去,直接按行进行累加。 -
count (*)
lnnoDB引擎并不会把全部字段取出来,而是专门做了优化,不取值,服务层直接按行进行累加。
按照效率排序的话,count(字段) < count(主键id) < count(1) = count(*),所以尽量使用count(*)。
3.7、update优化
update student set no ='200010010O' where id = 1 ;
update student set no = '2000100105'where name='韦一笑";
InnoDB的行锁是针对索引加的锁,不是针对记录加的锁,并且该索引不能失效,否则会从行锁升级为表锁。文章来源:https://www.toymoban.com/news/detail-458521.html
文章来源地址https://www.toymoban.com/news/detail-458521.html
到了这里,关于MySQL数据库---笔记3的文章就介绍完了。如果您还想了解更多内容,请在右上角搜索TOY模板网以前的文章或继续浏览下面的相关文章,希望大家以后多多支持TOY模板网!