Mysql基本架构及查询流程

mysql体系结构简单概述:

1. Connectors:接入方,支持协议很多
2. Management Serveices & Utilities：系统管理和控制工具例如：备份恢复，mysql复制集群等
3. Connection Pool：连接池：管理缓冲用户连接、用户名、密码、权限校验、线程处理等需要缓存的需求
4. SQL Interface：SQL接口：接受用户的SQL命令，并且返回用户需要查询的结果。比如select from就是调用SQL Interface
5. Parser: 解析器，SQL命令传递到解析器的时候会被解析器验证和解析。解析器是由Lex和YACC实现的。
6. Optimizer: 查询优化器，SQL语句在查询之前会使用查询优化器对查询进行优化
7. Cache和Buffer（高速缓存区）： 查询缓存，如果查询缓存有命中的查询结果，查询语句就可以直接去查询缓存中取数据。
8. pluggable storage Engines：插件式存储引擎。存储引擎是MySql中具体的与文件打交道的子系统。也是Mysql最具有特色的一个地方。 Mysql的存储引擎是插件式的。
9. file system  ：文件系统，数据、日志（redo，undo）、索引、错误日志、查询记录、慢查询等

常见的存储引擎:

 Mysql插拔式的存储引擎：

1. 插拔式的插件方式。
2. 存储引擎是指定在表之上的，即一个库中的每一个表都可以指定专用的存储引擎。
3. 不管表采用什么样的存储引擎，都会在数据区，产生对应的一个frm文件（表结构定义描述文件）。

CSV：https://dev.mysql.com/doc/refman/5.7/en/csv-storage-engine.html

　　数据存储以CSV文件，会生成3个文件 table_name.CSM(元数据状态管理，数据行) table_name.CSV（数据文件） table_name.frm。特点：

　　不能定义没有索引、列定义必须为NOT NULL。

　　不能设置自增列，不适用大表或者数据的在线处理。

　　CSV数据的存储用,隔开，可直接编辑CSV文件进行数据的编排，数据安全性低。

注：编辑之后，要生效使用 flush table XXX 命令。

应用场景：数据的快速导出导入，表格直接转换成CSV。

Archive：https://dev.mysql.com/doc/refman/5.7/en/archive-storage-engine.html

　　会生成 table_name.ARZ   table_name.frm，数据存储为ARZ文件格式。特点：

　　只支持 insert 和 select 两种操作，只允许自增ID列建立索引，行级锁，不支持事务，数据占用磁盘少。

应用场景：日志系统，大量的设备数据采集。

Memory(heap)：https://dev.mysql.com/doc/refman/5.7/en/memory-storage-engine.html

　　数据都是存储在内存中，IO效率要比其他引擎高很多，服务重启数据丢失，内存数据表默认只有16M。特点：

　　支持hash索引，B tree索引，默认hash（查找复杂度0(1)），字段长度都是固定长度varchar(32)=char(32)，不支持大数据存储类型字段如 blog，text，表级锁

应用场景：等值查找热度较高数据，查询结果内存中的计算，大多数都是采用这种存储引擎，作为临时表存储需计算的数据。

Myisam：https://dev.mysql.com/doc/refman/5.7/en/myisam-storage-engine.html

　　Mysql5.5版本之前的默认存储引擎，较多的系统表也还是使用这个存储引擎，系统临时表也会用到Myisam存储引擎。特点：

　　select count(*) from table 无需进行数据的扫描，数据（MYD）和索引（MYI）分开存储，表级锁，不支持事务。

Innodb：https://dev.mysql.com/doc/refman/5.7/en/innodb-introduction.html

　　在创建好表结构并且指定搜索引擎为 Myisam之后，会在数据目录生成3个文件，分别是table_name.frm(表结构文件)，table_name.idb（数据与索引保存文件）。Mysql5.5及以后版本的默认存储引擎

　　Key Advantages：Its DML operations follow the ACID model [事务ACID]。

　　Row-level locking[行级锁]InnoDB tables arrange your data on disk to optimize queriesbased on primary keys[聚集索引（主键索引）方式进行数据存储]。

　　To maintain data integrity, InnoDB supports FOREIGN KEY constraints[支持外键关系保证数据完整性]。

　　接下来看一下这些常用的搜索引擎的简单对比图，也能看出为什么InnoDB最后悔脱颖而出：

MySQL运行机理：

　　由下图可以看出Mysql的执行流程大致分为 5 个阶段：

1. mysql 客户端/服务端通信阶段。
2. 查询缓存阶段。
3. 查询优化处理阶段。
4. 查询执行引擎阶段。
5. 返回客户端阶段。

　　我们可以根据执行的流程来看一下在优化的过程中需要注意点什么。

1.mysql 客户端/服务端通信阶段：

Mysql客户端与服务端的通信方式是“半双工”的通信方式，通信方式主要分为以下三种：

• 全双工：双向通信，发送同时也可以接收
• 半双工：双向通信，同时只能接收或者是发送，无法同时做操作
• 单工：只能单一方向传送

半双工通信：

　　在任何一个时刻，要么是有服务器向客户端发送数据，要么是客户端向服务端发送数据，这两个动作不能同时发生。所以我们无法也无需将一个消息切成小块进行传输

特点和限制：

　　客户端一旦开始发送消息，另一端要接收完整个消息才能响应。客户端一旦开始接收数据没法停下来发送指令。

mysql 客户端/服务端通信--查询状态

　　有一整套状态集去管理状态。对于一个mysql连接，或者说一个线程，时刻都有一个状态来标识这个连接正在做什么。查看命令 show full processlist / show processlist

　　

　　要了解状态的全过程请登录：https://dev.mysql.com/doc/refman/5.7/en/general-thread-states.html (状态全集)。以下是常见的状态集：

• Sleep：线程正在等待客户端发送数据
• Query：连接线程正在执行查询
• Locked：线程正在等待表锁的释放
• Sorting result：线程正在对结果进行排序
• Sending data：向请求端返回数据

　　异常情况下可通过kill {id}的方式进行连接的杀掉

2.查询缓存阶段：

　　工作原理：缓存SELECT操作的结果集和SQL语句；新的SELECT语句，先去查询缓存，判断是否存在可用的记录集。

　　判断标准：与缓存的SQL语句，是否完全一样，区分大小写 (简单认为存储了一个key-value结构，key为sql，value为sql查询结果集)。

　　可以通过以下命令来查看缓存的设置情况：

在my.cnf配置文件中可以配置：

query_cache_type：

• 值：0 -– 不启用查询缓存，默认值；
• 值：1 -– 启用查询缓存，只要符合查询缓存的要求，客户端的查询语句和记录集都可以缓存起来，供其他客户端使用，加上 SQL_NO_CACHE将不缓存 ，如select SQL_NO_CACHE *from.......
• 值：2 -– 启用查询缓存，只要查询语句中添加了参数：SQL_CACHE，且符合查询缓存的要求，客户端的查询语句和记录集，则可以缓存起来，供其他客户端使用

query_cache_size：允许设置query_cache_size的值最小为40K，默认1M，推荐设置 为：64M/128M；

query_cache_limit：限制查询缓存区最大能缓存的查询记录集，默认设置为1M

　　可以通过 show status like 'Qcache%' 命令可查看缓存情况：

 

　　需要注意的是，一旦表数据发生一点变化，与这个表所相关的缓存全部失效，不会缓存的情况：

1. 当查询语句中有一些不确定的数据时，则不会被缓存。如包含函数NOW()，SQL_NO_CACHE，CURRENT_DATE()等类似的函数，或者用户自定义的函数，存储函数，用户变量等都不会被缓存。
2. 当查询的结果大于query_cache_limit设置的值时，结果不会被缓存。
3. 对于InnoDB引擎来说，当一个语句在事务中修改了某个表，那么在这个事务提交之前，所有与这个表相关的查询都无法被缓存。因此长时间执行事务，会大大降低缓存命中率。
4. 查询的表是系统表。
5. 查询语句不涉及到表。

为什么mysql默认关闭了缓存开启？？

1. 在查询之前必须先检查是否命中缓存,浪费计算资源。
2. 如果这个查询可以被缓存，那么执行完成后，MySQL发现查询缓存中没有这个查询，则会将结果存入查询缓存，这会带来额外的系统消耗。
3. 针对表进行写入或更新数据时，将对应表的所有缓存都设置失效。
4. 如果查询缓存很大或者碎片很多时，这个操作可能带来很大的系统消耗。

适用场景 ：以读为主的业务，数据生成之后就不常改变的业务。比如门户类、新闻类、报表类、论坛类等

3.查询优化处理阶段：

　　查询优化处理的三个阶段：

• 解析sql：通过lex词法分析,yacc语法分析将sql语句解析成解析树 https://www.ibm.com/developerworks/cn/linux/sdk/lex/。
• 预处理阶段：根据mysql的语法的规则进一步检查解析树的合法性，如：检查数据的表和列是否存在，解析名字和别名的设置。还会进行权限的验证。
• 查询优化器：优化器的主要作用就是找到最优的执行计划。

　　查询优化器如何找到最优计划 ，通过explain  +查询sql查看执行计划+G。

　　查询优化器如何找到最优执行计划，有如下规则：

1. 使用等价变化规则：5 = 5 and a > 5 改写成 a > 5，a < b and a = 5 改写成 b > 5 and a = 5
2. 基于联合索引，调整条件位置等
3. 优化count 、min、max等函数：min函数只需找索引最左边，max函数只需找索引最右边，myisam引擎count(*)
4. 覆盖索引扫描：如果是建立了一个 name 字段的索引，InnoDB由于叶子节点保存了ID索引的key值，这种情况下 使用 select id，name from。。。这个也会用到覆盖索引
5. 子查询优化　　
6. 提前终止查询：用了limit关键字或者使用不存在的条件，选择不同的索引来执行，在采用limit的情况下，查询优化器在成本计算的过程中也可以选择离散型不高的列索引。
7. IN的优化：用 or的情况是一条一条去比对，in：用二分法，where in(1,2,3,4,5),先排序条件后再比对中间位置 3，通过二分查找法进行查找，当条件多的情况下  ，相对来说的话in的优化会好一点。先进性排序，再采用二分查找的方式

　　Mysql的查询优化器是基于成本计算的原则。他会尝试各种执行计划。数据抽样的方式进行试验（随机的读取一个4K的数据块进行分析）。

　　mysql查询优化 -执行计划：使用命令查看一句查询SQL，看看查询计划中都涉及什么有用的信息

id：select查询的序列号，标识执行的顺序

• id相同，执行顺序由上至下，联表查询使用union  id为空。
• id不同，如果是子查询，id的序号会递增，id值越大优先级越高，越先被执行
• id相同又不同即两种情况同时存在，id如果相同，可以认为是一组，从上往下顺序执行；在所有组中，id值越大，优先级越高，越先执行

select_type:查询的类型，主要是用于区分普通查询、联合查询、子查询等

• SIMPLE：简单的select查询，查询中不包含子查询或者union
• PRIMARY：查询中包含子部分，最外层查询则被标记为primary
• SUBQUERY/MATERIALIZED：SUBQUERY表示在select 或 where列表中包含了子查询
• MATERIALIZED表示where 后面in条件的子查询
• UNION：若第二个select出现在union之后，则被标记为union；
• UNION RESULT：从union表获取结果的select

table ：查询涉及到的表

• 直接显示表名或者表的别名
• <unionM,N> 由ID为M,N 查询union产生的结果
• <subqueryN> 由ID为N查询生产的结果

type：访问类型，sql查询优化中一个很重要的指标，结果值从好到坏依次是：system > const > eq_ref > ref > range > index > ALL

• system：表只有一行记录（等于系统表），const类型的特例，基本不会出现，可以忽略不计
• const：表示通过索引一次就找到了，const用于比较primary key 或者 unique索引
• eq_ref：唯一索引扫描，对于每个索引键，表中只有一条记录与之匹配。常见于主键 或 唯一索引扫描
• ref：非唯一性索引扫描，返回匹配某个单独值的所有行，本质是也是一种索引访问
• range：只检索给定范围的行，使用一个索引来选择行（至少要这个级别）
• index：Full Index Scan，索引全表扫描，把索引从头到尾扫一遍
• ALL：Full Table Scan，遍历全表以找到匹配的行

执行计划：

possible_keys：查询过程中有可能用到的索引

key：实际使用的索引，如果为NULL，则没有使用索引 rows，根据表统计信息或者索引选用情况，大致估算出找到所需的记录所需要读取的行数。

filtered：它指返回结果的行占需要读到的行(rows列的值)的百分比。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。

Extra ：十分重要的额外信息

• Using filesort ：mysql对数据使用一个外部的文件内容进行了排序，而不是按照表内的索引进行排序读取 order by xxx desc这样子的，如果是索引字段的排序则不是这样的，就不需要使用外部文件了
• Using temporary：使用临时表保存中间结果，也就是说mysql在对查询结果排序时使用了临时表，常见于order by 或 group by
• Using index：表示相应的select操作中使用了覆盖索引（Covering Index），避免了访问表的数据行，效率高
• Using where ：使用了where过滤条件
• select tables optimized away：基于索引优化MIN/MAX操作或者MyISAM存储引擎优化COUNT(*)操作，不必等到执行阶段在进行计算，查询执行。计划生成的阶段即可完成优化

4.mysql查询执行引擎阶段：

　　调用插件式的存储引擎的原子API的功能进行执行计划的执行，执行计划的好坏也是依赖于搜索引擎的。

5.返回客户端阶段：

1、有需要做缓存的，执行缓存操作。

2、增量的返回结果：开始生成第一条结果时,mysql就开始往请求方逐步返回数据。

　　好处： mysql服务器无须保存过多的数据，浪费内存。用户体验好，马上就拿到了数据。

如何定位慢SQL：

1. 业务驱动：根据业务反馈来确定哪些sql可能出现问题。
2. 测试驱动：通过测试确定哪些sql出现问题。
3. 慢查询日志：通过日志记录的方式查找执行效率慢的sql。
4. 其他第三方工具。

慢日志查询配置：

show variables like 'slow_query_log' //--查看是否开启慢日志保存
set global slow_query_log = on //-- 打开慢日志
set global slow_query_log_file = '/var/lib/mysql/gupaoedu-slow.log' //--慢日志保存位置
set global log_queries_not_using_indexes = on //-- 没有命中索引的是否要记录慢日志
set global long_query_time = 0.1 (秒) //-- 执行时间超过多少为慢日志

　　可以直接打开编辑 vi slow.log文件来查看，如下图的信息:

• Time ：日志记录的时间。
• User@Host：执行的用户及主机。
• Query_time：查询耗费时间 Lock_time 锁表时间 Rows_sent 发送给请求方的记录，条数 Rows_examined 语句扫描的记录条数。
• SET timestamp 语句执行的时间点。
• select .... 执行的具体语句。

慢日志分析工具：

　　mysqldumpslow -t(查询多少行) 10 -s at(平均查询时间) /var/lib/mysql/gupaoedu-slow.log

 　　通过返回的记录能看到前10条执行效率比较低下的sql信息，开发者可以通过这些信息去做相应的优化。