java架构之路-（四）Mysql之让我们再深撸一次mysql

　　让我再深撸一次mysql吧，这次主要以应对面试来说说mysql，大概几个方向，索引结构，查询引擎，索引优化，explain的详解和trace工具的使用。

索引：

我们先来看一下mysql的B+tree，本文几乎都在围绕这个图来说的。

mysql的底层是使用B+tree来存储数据的，和B+tree有一点点不同的是叶子节点是双向链表的结构，并不是图内的单向指针的。且null值放置在叶子节点的最前面。这个是主键索引。

下面我来看一下联合索引，比如我们现在有Student表，将name，age，address三个字段设置成联合索引，这时存储的节点变为先按照name排序，name一致按照age排序的B+tree，携带数据为主键ID，并不携带整体数据的。

查询引擎：

　　我们常见的查询引擎主要是InnoDB还有MyISAM，区别主要是，MyISAM存储B+tree的索引携带数据都是内存地址，我们在查询的时候需要拿到hash计算后的内存地址，然后回行得到数据，而InnoDB直接携带数据，不需要回行，MyISAM不支持事物，不支持外键，也不支持行级锁，对于数据的非范围查询效率可能要高于InnoDB，且在底层有维护count总条数的内存，但是MyISAM的范围查询是不能用到索引的。我们大部分使用的都是InnoDB查询引擎，顺便提一下，MyISAM在磁盘上的文件为三个，一个是表的结构，一个是索引文件，一个是真正的数据文件，InnoDB在磁盘上存的是两个文件，一个是表结构文件，两一个是索引和数据文件。

explain的详解：

我们执行

explain select * from student;

这时会有十列数据，分别的是id,select_type,table,type,possible_keys,key,key_len,ref,rows,Extra。我们来逐个说一下他们都是干啥的。深入理解explain和B+tree的使用，mysql面试也就有救了。

id：就是一个编号，同时也代表了select的执行顺序，一般来说，我们有几个select就有几行数据，他们可能拥有相同或者不同的ID，执行顺序为ID大的优先执行，id相同，从上到下执行。id为null的最后执行。

select_type：代表我们的执行是一个什么样子的SQL，是简单查询啊，还是连表查询，大致可以分为

simple：简单查询，比如explain select * from table;

primary：复杂查询的最外层查询，（嵌套查询的最外层）比如explain select 1 from (select * from table) t;

subquery：子查询的select，但不表示在from后面的查询，比如explain select (select 1 from table) from table;或者explain select * from table where id = (select 1 from table where id = 2)

derived：和上面的subquery是相对的，表示在外层from后面的子查询。比如explain select * from (select * from table) t;

union：联合查询，explain select * from table union select * from table;

union result：表示联合查询后的组合，并不代表实际的select。

table：代表你查询的是哪一张表，如果表你给予了别名，这里会显示别名，会显示<derivedn>，标红色的n为执行计划里的id列。还有某些时候会显示<union1,2>，也就是说，我们合并id为1和2的结果虚拟表。有时候还会显示null，例如EXPLAIN SELECT 1

type（超级重要）：判断你SQL的运行效率的参数，依次从最优到最差分别为:system > const > eq_ref > ref > range > index > ALL

system一般是表为空，或者表里只有一行数据。 性能也是最好的，用左脚脚指头想想，数据都为空，或者只要一行，查询一定不会慢到哪里去。

const：用到了主键索引的查询，效率依然给力。主键索引叶子节点直接带着数据呢，不需要再去扫描第二颗树，效果一定给力了。

eq_ref：eq比较啊。所以简单的sql不会出现这个玩意。例如explain select * from table t innter join table2 t2 on t.pid = t2.id;也就是说该select下关联的一定是主键id，效率也是很OK的，后面会说一下innter join的查询机制。在trace的使用会说的，别慌，干货面试还没到来。

ref：相比eq_ref来说比较好记忆的，还是比较，也就是非主键索引的比较。例如explain select * from table t innter join table2 t2 on t.pid = t2.name;还是走索引的性能还是可以的。说明一下，这个type为ref，简单查询也可以出现，不一定是两张表关联才会出现的。

range：范围查询，也可以理解为索引范围查询。

index：扫描全表索引，比All强一点，说完All会举例。

All：垃圾了，全表扫描。

例如：explain SELECT classNum from student; 就是一个index查询，因为classNum是一个非主键索引，所以在我们的节点上存储的，不需要携带id再次去第二个上扫描。

　　　explain SELECT classNum,create_time from student;就是一个all查询，因为classNum虽然是一个非主键索引，可以拿到classNum的数据，但是我们却得不到create_time的数据，其实也可以通过classNum的索引树得到id，然后再拿着id去主键索引树上找create_time，需要查找两颗树，代价太大了，mysql底层帮我们优化了，在这里说一下啊。sql具体走不走索引和表内数据量一点关系都没有，不是说表里的数据大，就一定走索引或者不走索引，后面我们在trace会具体分析。

possible_keys：可能用到的索引。比如主键索引，非主键联合索引。

key：实际用到的索引列。

key_len：实际使用的索引长度，在联合索引用处还是比较大的，根据长度可以判断出来到底走了联合索引里面的几个字段。计算公式如下，

char(n):3n字节长度，

varchar(n):2字节存储字符串长度，如果是utf-8，则长度 3n +2，

tinyint:1字节

smallint:2字节

int:4字节

date:3字节

timestamp:4字节

datetime:8字节

Mysql版本不同计算会有所不同，但是都差不多的。

ref：这一列显示了在key列记录的索引中，表查找值所用到的列或常量，常见的有:const(常量)，或者字段名。

rows：mysql预估的检测行数，不是最终查询到的行数，也不是表里一共有多少数据。只是一个预估值。

Extra（超级重要）：这个字段可能性太多太多了，大家可以去阅读官方文档，在这里我简单说几个最常见的。

Using index:使用覆盖索引，比如：explain SELECT id from student where id = 2

Using where:使用 where 语句来处理结果，查询的列未被索引覆盖,比如：explain SELECT * from student where name = '2'

Using index condition:查询的列不完全被索引覆盖，where条件中是一个前导列的范围;比如：explain SELECT * from student where name = '2' and stuNum=2

Using temporary:mysql需要创建一张临时表来处理查询。出现这种情况一般是要进行 优化的，首先是想到用索引来优化。例如：explain SELECT DISTINCT create_time from student t;

Using filesort:将用外部排序而不是索引排序，数据较小时从内存排序，否则需要在磁盘 完成排序。这种情况下一般也是要考虑使用索引来优化的。例如：explain SELECT create_time from student t order by create_time ;

Using filesort这个详细记录一下，后面通过题目来说明具体细节实现的。

　　explain的工具大概就这么多东西了，通过执行计划我们可以得到一大部分sql的执行过程，我们还可以使用trace来具体看一下是否需要走索引，扫描一个树，和扫描两个树对查询的影响。

trace

首先我们先打开trace。

set session optimizer_trace="enabled=on",end_markers_in_json=on

直接在mysql控制台运行就OK的，平时没事别开这个玩意，会对性能有影响的。

然后我们运行sql；在后面加上SELECT * FROM information_schema.OPTIMIZER_TRACE;例如：

select * from student WHERE name > '张三';
SELECT * FROM information_schema.OPTIMIZER_TRACE;

这时我们看结果2中会有有这样一个数据

我们来主要看第二列，TRACE，复制出来弄到json解析器内。

然后我们查找一下cost这个参数，cost就是我们使用各个索引的一个指标，越大表示越差，只在一个sql内比较，不要在两个不同的sql比较啊。我们来看一下我的cost

这个是全表扫描大概是4.1。然后我继续向下看。

这有还有一个使用name_num_address这个联合索引的cost为3.41要比前面的4.1好，那么mysql选择走name_num_address联合索引。我这还有一个事例。EXPLAIN select * from student WHERE name > 'a';

正常来说，name是一个联合索引，我们拿按照name去范围查找，type列应该为range，其实不然，mysql并没有选择走任何索引。可以自己尝试用trace去看看执行过程。

由于我爱动mysql的默认配置，这里简单说一下using filesort排序，底层分为两中排序方式，一种是单路排序，也可以理解为一次排序或者叫非回溯排序，就是你的查询结果足够小（小于1024字节），mysql有一个

max_length_for_sort_data 的参数默认为1024字节，我们就将我们要排序的结果集拿到sort buffer中进行排序，如果大于1024字节，放不下啦，也就是双路排序，也可以叫回溯排序，就是我们只拿着需要排序的字段和唯一标识的id到sort buffer中进行排序，排序以后再回去找他们对应的数据，

这个就是双路排序，使用trace工具可以看到不同的using filesort，可以自己尝试。输入set max_length_for_sort_data = 字节数，可以自己更改这个参数，最好没事别动这个玩意。让DBA调，我们只是知道这么回事，太底层的还没深入研究。

　　貌似说了这么多可以出几个面试题来聊聊了。

1、我们InnoDB的主键用数字自增好，还是UUID好？

答：当然是数字的好，还是回到我们的B+tree，这颗树是按照由小到大，由左向右来排列的。我们的数字便于我们去比较，UUID比较起来是很耗力耗时的。而且UUID比较占地方，mysql的B+tree的每个节点16KB大小，我们用数字类型，可在有限的空间内，有限的层级，存储更多的数据（其实没啥用了，三层的B+tree就可以存2000万的数据了）

而且最好是自动增长的，因为中间有间隙时，当我们插入的数据正好需要排列在间隙位置，可能会造成树的重新排列，影响效率。

2、为什么要设置is not null字段。

答：mysql对于null是不友好的，官方文档也是这样来说的，不建议使用null，null都放在B+tree最左侧，对于比较大小是很不利的。在sql语句中where ** is null 会直接不使用索引，与其null还不如给予其一个默认值。

3、什么是最左前缀原则。

答：我们在使用复合索引时必须要按照其顺序充分的使用，比如我们的联合索引为ABC三列，那我们想用C就一定先使用B，想使用B一定要使用A。范围查询以后的索引不再继续使用，并且不要做任何函数计算处理，也会不再走索引查询了。

再就是比如有一个字段varchar类型，我们在比较数字的时候一定要加“”，不然mysql底层会执行一个强转函数，从而造成不在走索引。

4、说说对于mysql的优化措施。个人总结。

答： 使用int类型作为主键，且自动增长。（一定要设置一个主键），设置索引字段is not null，索引字段要选择区分度高使用频率高的字段。

货币字段使用DECIMAL来存储。 很多事还要对应实际的业务需要来确定的。

　　mysql的索引个人觉得差不多就这么多吧。关于索引的使用优化并没有说太多，这个还是需要靠个人经验的，心中有索引的存储模型，熟练使用explain我相信优化sql不成问题的。

下一期我们再来说说mysql的锁，事务，分布式还有日志。 还有MVCC

有一个点忘记说了，select count(name) from table 非主键索引是最快的。别不信，自己琢磨琢磨。自己去试（InnoDB）。MyISAM引擎有维持count的内存。

最近搞了一个个人公众号，会每天更新一篇原创博文，java，python，自然语言处理相关的知识有兴趣的小伙伴可以关注一下。