存储引擎

MySQL体系结构

MySQL体系结构图.png

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链接处理、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中数据库的存储和提取，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求，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。

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，所以存储引擎也可以被称为表类型。

查询表结构 ---默认存储引擎：InnoDB

show create table accout;

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];

查看当前数据库支持的存储引擎
show engines;

案例：创建表my_myisam,并指定MyISAM存储引擎。

create table my_mysiam(
id int,
name varchar(10)
)engine = MyISAM;

存储引擎特点

InnoDB

InnoDB是一种兼顾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，提高并发访问属性；
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

案例：查看系统的变量

show variable like 'innodb_file_per_table';

InnoDB

MyISAM

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；
tb_book.MYD : MYD 文件存储数据
tb_book.MYI : MYI文件存储索引
tb_book_448.sdi ： SDI文件存储表结构信息

Memory

Memory引擎的表数据时存储在内存中，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

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	支持（5.6版本之后）	支持	-
空间使用	高	低	N/A
内存使用	高	低	中等
批量插入速度	低	高	高
支持外键	支持	-	-

存储引擎选择

在选择存储引擎时，应该根据应用系统的特点选择合适的存储引擎。对于复杂的液压系统，还可以根据实际情况选择多种存储引擎进行组合。

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存储引擎是比肩合适的选择。
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：将所有数据保持在内存中，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。

索引

索引概述

介绍
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。
优缺点

优势	劣势
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，降低数据排列的成本，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。

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，主要包含以下几种：

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	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。

二叉树

二叉树缺点：顺序插入时，会形成一个链表，查询性能太低，大数据量的情况下，层级较深，检索较慢。
红黑树：大数据情况下，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。

多路平衡查找树.png B-Tree具体动态变化的过程
www.cs.usfca.edu/~galles/vis…

B+Tree

以一颗最大度数（max-degree）为4（4阶）的B+tree为例：

B+Tree.png 相对于B-Tree区别

所有的数据都会出现在叶子结点
叶子结点形成一个单向链表
- B+Tree

MySQL索引数据结构对经典的B+Tree进行了优化，在元B+Tree的基础上，增加了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。

B+Tree结构.png

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。

思考
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，搜索效率更高。

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支持范围匹配排序操作。

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 Index）	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。

索引分类.png

回表查询.png

索引语法

创建索引

create [unique|fulltext] index index_name on table_name (index_col_name,...);
index_col_name:字段
如果只关联了一个字段：单列索引
如果一个索引关联了多个字段：联合索引/组合索引

案例：为表user中的name字段创建一个索引（idx_user_name）

create index idx_user_name on user (name) ;

anl:为profession、age、status创建联合索引。

create index idx_user_pro_age_sta on user (profession,age,status);

查看索引

show index from table_name;

删除索引

drop index index_name on table_name;

SQL性能分析

SQL执行频率

MySQL客户端连接成功后，通过show[ session | global ] status命令可以提供服务器状态信息。通过如下指令，可以查看当前数据的insert、update、delete、select的访问频次。

show global status like 'com___';（这有7个下划线，代表7个子符）

global: 查看全局的信息
session: 查看当前会话的信息

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;

配置完成之后，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

修改配置文件：vi/etc/my.cnf

配置文件.png

将慢日志开关开启
slow_query_log=1;
设置慢日志时间
long_query_time=2;
保存设置（输入x）

slow_query_log=1
long_query_time=2

#回车完成后
：x    ---输入x保存

重启MySQL
systemctl restart mysqld

查询慢查询日志的开关情况

show variables like 'slow_query__log';

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;
查询profiling开关是否打开：
slecte @@profiling;

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：

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_id;

查看指定query_id的SQL语句CPU的使用情况
show profile cpu for query_id;

explain执行情况

explain或者desc命令获取MySQL如何执行select语句的信息，包括在select语句执行过程中表如何连接和连接的顺序。
语法：

直接在select语句之前加上关键字explain/desc
explain select 字段列表 from 表名 where 条件;

explain执行计划各字段含义：

id
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）、subquery（select/where之后包含子查询）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。
当我们根据主键或者唯一索引，则是出现const，如果出现非唯一索引，则是ref
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的行数的百分比，filtered的值越大越好。

索引使用

验证索引效率

在未建立索引之前，执行如下SQL语句，查看SQL的耗时。
select * from tb_sku where sn = '1000000003145001';
针对字段创建索引
create index idx_sku_sn on tb_sku(sn);
idx_sku:索引名称
tb_sku:表名
sn:字段名
然后再次执行相同的SQL语句，再次查看SQL的耗时
select * from tb_stu where sn='1000000003145001';

索引使用

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（最左列除外），索引将部分失效（后面的字段索引失效）
如果跳跃了最左列索引，则不启用索引

eg：联合索引：1.profassion 2.age 3.status
select * from tb_user where age = 31 and status = '0';索引失效
select * from tb_user where profassion = '软件工程' and status = '0';因为跳过了age索引，所以status索引失效。
select * from tb_user where age = 31 and status = '0' and profession = '软件工程';全部索引都用上了，所以字段必须存在，和放在哪个位置没有关系

范围查询

联合索引中，出现范围查询（>,<），范围查询右侧的列索引失效。

eg：select * from tb_user where profession = '软件工程' and age > 30 and status = '0';因为age索引使用了范围查询，所以status索引失效。

解决方法：将大于号（>）改成大于等于（>=）,小于号（<）改成小于等于（<=）。

索引列运算

不要在索引列上进行运算操作，索引将失效。

eg：在字段phone上有一个索引idx_user_phone
select * from tb_user where substring(phone,10,2) = '15'; idx_user_phone索引失效，性能变差。
substring：截取phone中第10个位置开始的两位数。

字符串不加引号

select * from tb_user where phone = 17763763672;
虽然一样可以执行出来，但是这个字段的索引没用上。17763763672要加上''才会用上索引

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。

eg:select * from tb_user where profession like '软件%';
在符合最左前缀法则的条件下，profession的索引不会失效。
select * from tb_user where profession like '%工程';
索引失效，只能全局扫描

or连接的条件

用or分割开的条件，如果or前的条件中的列有索引，而后面的列中没有索引，那么涉及的索引都不会被用到。

explain select * from tb_user where id= 10 or age = 23;age没有索引
explain select * from tb_user where phone = '17734562789' or age = 23;
由于age没有索引，所以即使id、phone有索引，索引也会失效，所以需要针对于age也要建立索引。

第一步：建立索引
create index idx_user_age on tb_user(age);
第二步：查询
explain select * from tb_user where id= 10 or age = 23;

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。
eg：在表tb_user中phone的值都是大于等于17799990000
select * from tb_user where phone >= 17799990000
这种情况下，会不使用索引，而使用全局扫描，因为所有值/（绝大多数）都是大于等于这个值的。

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 建议使用
explain select * from tb_user use index(id_user_pro) where profession = '软件工程';
ignore index 忽略
explain select * from tb_user ingnore index(id_user_pro) where profession = '软件工程';
force index 强制使用
explain select * from tb_user froce index(id_user_pro) where profession = '软件工程';

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 *。

覆盖索引.png

覆盖索引使用.png

思考题
一张表，有四个字段（id,username,password,status）由于数据量大，需要对以下SQL语句进行优化，该如何进行才是最优方案。
select id,username,password,status from ub_user where usename = 'itcast';
答案：将usernamehe1password建立一个联合索引

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IO，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_xxxx on table_name(column(n));
在表(table_name)字段（column）建立一个n个字符的索引（idx_xxxx）。
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;
emali是表中的一个字段

前缀索引查询流程

前缀索引.png

在所查询的字符过大时，可以采用前缀索引。

单列索引与联合索引

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。

单列索引情况
explain select id,phone,name from tb_user where phone = '17767675435' and name = '韩信';

单列索引.png 多条件联合查询时，MySQL优化器会评估哪个字段的索引效率更高，会选择索引完成本次查询

联合索引情况

联合索引.png

建立联合索引时的字段顺序是有影响的

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，字段的长度越长，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not null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。

SQL优化

插入数据（insert）

批量插入

insert into tb_test values(1,'Tom'),(2,'jery');
建议不要超过1000条

手动提交事务

start transaction;
insert into tb_test values(1,'Tom'),(2,'Cat'),(3,'Jerry');
insert into tb_test values(4,'Tom'),(5,'Cat'),(6,'Jerry');
insert into tb_test values(7,'Tom'),(8,'Cat'),(9,'Jerry');
commit;

主键顺序插入

主键乱序插入：8 1 5 3 7 9 45 37 主键顺序插入：1 3 5 7 8 9 37 45

顺序插入性能要高于乱序插入的性能

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：

插入数据.png

客户端连接服务器，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local指令将准备好的数据，加载到表结构中
local data local infile '/root/sql1.log' into table 'tb_user' fields terminated by ',' lines terminated by '\n';
**'/root/sql1.log'**文件位置
'tb_user' 表名
fields terminated by ',' 字段之间用逗号分隔
lines terminated by '\n' 分行
查询全局参数是否开启
select @@local_infile;0：未开启；1：开启

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）

逻辑存储结构.png

页分裂

页可以为空，也可以填充一半，也可以填充100%。每个也包含了2-N行数据（如果一行数据过大，会行溢出），根据主键排列。

主键顺序插入.png

主键乱序插入.png 主键乱序插入会出现页分裂

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。

页合并1.png 合并页合并2.png 再插入页合并3.png merge_threshold:合并的阀值，可以自己设置，在创建表或者创建索引的指定。

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。

order by优化

Using filesort:通过表的索引或全表扫描，读取满足条件的数据行，然后再排序缓冲区sort buffer中完成的排序操作，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。

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; 先按照age升序排序，再按照phone降序排序。
这些所有的排序规则都有一个条件，前提是使用了覆盖索引

总结

根据排序字段建立合适的索引，多字段排序是，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)。

group by 优化

group by优化.png

在分组操作时，可以通过索引来提高效率。
分组操作时，索引的使用也是满足最左前缀法则的。

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;

count优化

explain select count(*) from tb_stu;

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（）是一个聚合函数，对于返回的结果集，一行行地判断，如果count函数的参数不是null，累计值就加1，否则不加，最后返回累计值。
用法：count（*）、count（主键）、count（字段）、count（1）
count（1）：有记录的都会记为1，即统计不为null的总数。
count（主键）
InnoDB引擎会遍历整张表，把每一行的主键id值取出来，返回给服务层。服务层拿到主键后，直接按进行累加（主键不可能为null）。
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（*）
InnoDB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。

按照效率来排序的话，count（字段）< count（主键id）< count（1）= count(*),所以尽量使用count（*）。

update优化

updata student set no = '2000100100' where id = '1';
updata 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。 如果升级为了表锁，并发性能会降低。

MySQL-进阶篇

存储引擎

MySQL体系结构

存储引擎简介

存储引擎特点

InnoDB

MyISAM

Memory

区别

存储引擎选择

索引

索引概述

索引结构

二叉树

B-Tree（多路平衡查找树）

B+Tree

Hash

索引分类

索引语法

创建索引

查看索引

删除索引

SQL性能分析

SQL执行频率

慢查询日志

profile详情

explain执行情况

索引使用

验证索引效率

索引使用

最左前缀法则

范围查询

索引列运算

字符串不加引号

模糊查询

or连接的条件

数据分布影响

SQL提示

覆盖索引

前缀索引

单列索引与联合索引

索引设计原则

SQL优化

插入数据（insert）

批量插入

手动提交事务

主键顺序插入

大批量插入数据

主键优化

数据组织方式

页分裂

页合并

主键设计原则

order by优化

group by 优化

limit优化

count优化

update优化