底层架构
存储引擎
1、InnoDB存储引擎
InnoDB是MySQL的默认事务型引擎，它被设计用来处理大量的短期(short-lived)事务。除非有非常特别的原因需要使用其他的存储引擎，否则应该优先考虑InnoDB引擎。
2、MyISAM存储引擎
MyISAM提供了大量的特性，包括全文索引、压缩、空间函数(GIS)等，但MyISAM不支持事务和行级锁，有一个毫无疑问的缺陷就是崩溃后无法安全恢复。
3、Archive引擎
Archive档案存储引擎只支持INSERT和SELECT操作，在MySQL5.1之前不支持索引。
Archive表适合日志和数据采集类应用。
根据英文的测试结论来看，Archive表比MyISAM表要小大约75%，比支持事务处理的InnoDB表小大约83%。
4、Blackhole引擎
Blackhole引擎没有实现任何存储机制，它会丢弃所有插入的数据，不做任何保存。但服务器会记录Blackhole表的日志，所以可以用于复制数据到备库，或者简单地记录到日志。但这种应用方式会碰到很多问题，因此并不推荐。
5、CSV引擎
CSV引擎可以将普通的CSV文件作为MySQL的表来处理，但不支持索引。
CSV引擎可以作为一种数据交换的机制，非常有用。
CSV存储的数据直接可以在操作系统里，用文本编辑器，或者excel读取。
行内以逗号隔开，行外以换行符隔开
6、Memory引擎
如果需要快速地访问数据，并且这些数据不会被修改，重启以后丢失也没有关系(放在内存中的)，那么使用Memory表是非常有用。Memory表至少比MyISAM表要快一个数量级。
类似redis等NoSQL，所以，被NoSQL替代了
7、Federated引擎
联合引擎
Federated引擎是访问其他MySQL服务器的一个代理，尽管该引擎看起来提供了一种很好的跨服务器的灵活性，但也经常带来问题(效率太低)，因此默认是禁用的。
InnoDB和MyISAM对比
时间类型
Mysql时间类型转字符串
to_char(time,'YYYY-MM-DD hh24:mi:ss') 24h制 to_char(time,'YYYY-MM-DD') to_char(time,'YYYY-MM-DD hh:mi:ss')
表示分钟: mi
表示小时：hh 12进制，hh24 24小时制
与java不同，mm表示月
附：java中日期用字符表示
Mysql数据类型与Java类型对应
JOIN图释
注：左外连接，在 on 后面只能对右表添加单独的字段限制，对左表添加无效，如 A left join B on A.xx= B.xx and B.? = 1
索引
索引（Index）是帮助MySQL高效获取数据的数据结构
一般来说索引本身也很大，不可能全部存储在内存中，因此索引往往以索引文件的形式存储的磁盘上
存储位置：
优势与劣势
优势：
包含特定算法，提高了检索效率，降低数据库的IO成本
通过索引列对数据排序，降低了排序成本，降低了cpu消耗
劣势：
同时，因为使用了索引，插入，更新，删除不仅要更改表的数据，还要更新索引，这就使增删改变慢了
索引也是一张表，保存了主键与索引字段，指向实体表的数据记录，也要占用存储空间，而且索引一般比较大
哪些情况需要建立索引
主键自动建立唯一索引
频繁作为查询条件的字段应该创建索引
查询中与其它表关联的字段，外键关系建立索引.
单键/组合索引的选择问题，组合索引性价比更高
查询中排序的字段，排序字段若通过索引去访问将大大提高排序速度
查询中统计或者分组字段
哪些情况不需要索引
表记录太少
经常增删改的表或者字段
Where条件里用不到的字段不创建索引
过滤性不好的不适合建索引
索引分类
参考：
逻辑分类
• 主键索引：一张表只能有一个主键索引，不允许重复、不允许为 NULL； • 唯一索引：数据列不允许重复，允许为 NULL 值，一张表可有多个唯一索引，但是一个唯一索引只能包含一列，比如身份证号码、卡号等都可以作为唯一索引； • 普通索引：一张表可以创建多个普通索引，一个普通索引可以包含多个字段，允许数据重复，允许 NULL 值插入； • 组合索引：指多个字段上创建的索引，只有在查询条件中使用了创建索引时的第一个字段，索引才会被使用。使用组合索引时遵循最左前缀集合 • 全文索引：让搜索关键词更高效的一种索引
物理分类
• 聚簇索引：一般是表中的主键索引，如果表中没有显示指定主键，则会选择表中的第一个不允许为 NULL 的唯一索引，
如果还是没有的话，就采用 Innodb 存储引擎为每行数据内置的 6 字节 ROWID 作为聚集索引。
每张表只有一个聚集索引，因为聚集索引的键值的逻辑顺序决定了表中相应行的物理顺序。
聚集索引在精确查找和范围查找方面有良好的性能表现（相比于普通索引和全表扫描），
聚集索引就显得弥足珍贵，聚集索引选择还是要慎重的（一般不会让没有语义的自增 id 充当聚集索引）； • 非聚簇索引：该索引中索引的逻辑顺序与磁盘上行的物理存储顺序不同（非主键的那一列），一个表中可以拥有多个非聚集索引
Mysql索引结构
B+tree 是MySQL中被存储引擎采用最多的索引类型 B-Tree与B+Tree比较 参考：https://juejin.cn/post/7196943016392638524 先说结论：
B+Tree是B-Tree的变种，B-Tree能解决的问题，B+Tree也能够解决（降低树的高度，增大节点存储数据量）
B+Tree扫库和扫表能力更强。如果我们要根据索引去进行数据表的扫描，对B-Tree进行扫描，需要把整棵树遍历一遍，而B+TREE只需要遍历他的所有叶子节点即可（叶子节点之间有引用）。
B+Tree磁盘读写能力更强。他的根节点和支节点不保存数据区，所以根节点和支节点同样大小的情况下，保存的关键字要比B-Tree要多。所以，B+Tree读写一次磁盘加载的关键字比B-Tree更多。
B+Tree排序能力更强。上面的图中可以看出，B+Tree天然具有排序功能。
B+Tree查询性能稳定。B+Tree数据只保存在叶子节点，每次查询数据，查询IO次数一定是稳定的。当然这个每个人的理解都不同，因为在B-Tree如果根节点命中直接返回，确实效率更高。
作者：ailvyuanj
链接：https://juejin.cn/post/7196943016392638524
来源：稀土掘金
著作权归作者所有。商业转载请联系作者获得授权，非商业转载请注明出处。
B-Tree
B+Tree
Msyql常见索引失效场景
违背了最左匹配法则
对索引列做算数、函数操作
索引中范围条件右边的列不走索引
使用不等于! 或者<>
is Not null 不走索引，但是is Null走索引
like模糊匹配以通配符开头%abc
字符串不加单引号
SQL调优
通过EXPLAIN可以模拟优化器对sql进行性能分析，主要看id,type,rows这些，看是否使用了索引，用到了哪些索引？是不是进行了全表扫描
sql优化策略：
- 避免不走索引的场景
- SELECT语句其他优化
- 增删改 DML 语句优化
- 查询条件优化
- 建表优化
语法上面的优化
- 对查询进行优化的时候，应尽量避免全表扫描 只查需要的列
- 应尽量避免在 where 子句中对字段进行 null 值判断，进行计算
- 应尽量避免在 where 子句中使用 or 来连接条件
- 对查询频繁的列建立索引
- 对排序的列建立索引
- in集合中匹配数量不超过100
与Oracle相比
Mysql属于轻量级数据库，小巧，免费（开源的），使用方便。
Oracle：大型数据库软件，收费，支撑体系完善，强大，安全性高（适用于服务器比较强大的单节点或者集群环境）
基本语法
Mysql的sql语句分类
主要
DDL 数据定义语言
在数据库中进行创建或者删除表 ,操作表的结构
DQL 数据查询语言
就是在数据库中进行查询数据表的语言
DML 数据操作语言
就是对数据表中的 数据进行添加，修改,删除，操作表中的数据
DCL 数据控制语言
用来创建数据库用户、控制数据库的 访问权限
标签：存储,Tree,查询,索引,引擎,Mysql,数据 From： https://www.cnblogs.com/deity-night/p/17153470.html