关系型数据库

一 IO基础知识

data page：默认4K，刚好和磁盘上每次的默认读取量4K相同。根据第一天的经验，data page设置时，如果小于4K时，会导致浪费，比如data page设置为1K，实际上对磁盘做数据操作时，磁盘还是给返回4K的数据回来；不过如果data page的设置大于4K，则磁盘每次的读写量大小就是data page设置的大小

磁盘读写量与data page的关系：磁盘每次的读写量 = data page < 4K ? 4K : data page

二 数据库基础知识

2-1 仅仅只是建表

如果数据库仅仅只是建表，但是没有建索引，每次从数据库中读取信息时，实际上IO也是按照顺序去遍历每一个data page所对应的磁盘数据，找到了就给你返回，数据量越大，IO速度也就会越慢

2-2 为表添加索引

如果为表中的某个列建索引，那么索引其实底层上也是保存在data page上的，只是这个data page上除了保存索引列的信息之外，还保存了当前索引所在行的data page磁盘地址，方便我们后续的查询能更快的定位

2-3 关系型数据库建表

关系型数据库建表的时候，必须给出schema（schema：一共多少个列，每个列的类型是啥），定死了每列的数据类型的字节宽度，假设此时数据表中有5个字段，每个字段占一个字节，然后我们新增一条数据，只有2个字段是有值的，当我们向data page中存数据的时候，其他3个没有值的字段会用0作为填充，把当前列字节的宽度给全部占满，这是由于关系型数据库偏向于行级储存，当我们以后对行数据做编辑操作的时候，不需要移动数据，直接对行数据做覆盖操作就可以了。

数据表和索引因为都是文件，都会放在磁盘上，而我们常说的B+树其实是一种算法，用来更快的找到数据的所在区间，减少磁盘寻址的次数，提升查询效率，B+树里是不存储数据的，因此它可以放在内存中，而它的叶子结点保存的是索引所在的data page地址

三、表很大的时候，性能下降？这句话对吗

1、如果表有索引，增删改会变慢，因为需要维护索引

2、查询速度呢？（假数据量巨大，1TB）

• 1个或少量查询依然会很快
• 并发大的时候会受到硬盘带宽影响速度

硬盘的速度除了受寻址影响之外，还会受到硬盘带宽的影响

四、数据库的两个极端

数据库有两个极端：一个是把数据存储在磁盘上的数据库（MYSQL），还有一个是把数据存在内存上的数据库（SAP HANA）。

• 数据存在内存和存在磁盘上时，所占用的空间是不一样的，因为磁盘中的文件不存在引用这个概念，而内存可以利用引用来减少索引带来的额外的空间使用，因此基于内存的数据库往往要比基于磁盘的数据库存储相同数据时，所使用的空间更少，但是内存数据库的价格也是极其高昂的，一般的企业无法承担
• 所以才有了一个折中的处理方案，也就是利用缓存保存部分热点数据，提高访问的效率

五 、K-V数据库

K-V数据库其实就是JSON，一般JSON所表示的数据形式有：

JSON可以表示很复杂的数据结构
世界上有三种数据表示形式：
k=a
k=1
k=[1,2,3]
k=[a,x,f]
k={x=y} k=[{x=y},{a=b}]

\