以MySQL為例，帶你從原理上理解那些所謂的數據庫軍規
本文是微服務實戰系列文章的第三篇，前兩篇鏈接如下：
數據庫永遠是應用最關鍵的一環，同時越到高并發階段，數據庫往往成為瓶頸，如果數據庫表和索引不在一開始就進行良好的設計，則后期數據庫橫向擴展，分庫分表都會遇到困難。
對于互聯網公司來講，一般都會使用MySQL數據庫。
一、數據庫的總體架構
我們首先來看MySQL數據的總體架構如下：
這是一張非常經典的MySQL的系統架構圖，通過這個圖可以看出MySQL各個部分的功能。
當客戶端連接數據庫的時候，首先面對的是連接池，用于管理用戶的連接，并會做一定的認證和鑒權。
連接了數據庫之后，客戶端會發送SQL語句，而SQL接口這個模塊就是來接受用戶的SQL語句的。
SQL語句往往需要符合嚴格的語法規則，因而要有語法解析器對語句進行語法解析，解析語法的原理如同編譯原理中的學到的那樣，從語句變成語法樹。
對于用戶屬于的查詢可以進行優化，從而可以選擇最快的查詢路徑，這就是優化器的作用。
為了加快查詢速度，會有查詢緩存模塊，如果查詢緩存有***的查詢結果，查詢語句就可以直接去查詢緩存中取數據。
上面的所有的組件都是數據庫服務層，接下來是數據庫引擎層，當前主流的數據庫引擎就是InnoDB。
對于數據庫有任何的修改，數據庫服務層會有binary log記錄下來，這是主備復制的基礎。
對于數據庫引擎層，一個著名的圖如下：
在存儲引擎層，也有緩存，也有日志，最終數據是落到盤上的。
存儲引擎層的緩存也是用于提高性能的，但是同數據庫服務層的緩存不同，數據庫服務層的緩存是查詢緩存，而數據庫引擎層的緩存讀寫都緩存。數據庫服務層的緩存是基于查詢邏輯的，而數據庫引擎引擎的緩存是基于數據頁的，可以說是物理的。
哪怕是數據的寫入僅僅寫入到了數據庫引擎層中的緩存，對于數據庫服務層來講，就算是已經持久化了，當然這個時候會造成緩存頁和硬盤上的頁的數據的不一致，這種不一致由數據庫引擎層的日志來保證完整性。
所以數據庫引擎層的日志和數據庫服務層的也不同，服務層的日志記錄的是一個個的修改邏輯，而引擎層的日志記錄的是緩存頁和數據頁的物理差異。
二、數據庫的工作流程
在收到一個查詢的時候，MySQL的架構中的各個組件是如此工作的：
客戶端同數據庫服務層建立TCP連接，連接管理模塊會建立連接，并請求一個連接線程。如果連接池中有空閑的連接線程，則分配給這個連接，如果沒有，在沒有超過***連接數的情況下，創建新的連接線程負責這個客戶端。
在真正的操作之前，還需要調用用戶模塊進行授權檢查，來驗證用戶是否有權限。通過后，方才提供服務，連接線程開始接收并處理來自客戶端的SQL語句。
連接線程接收到SQL語句之后，將語句交給SQL語句解析模塊進行語法分析和語義分析。
如果是一個查詢語句，則可以先看查詢緩存中是否有結果，如果有結果可以直接返回給客戶端。
如果查詢緩存中沒有結果，就需要真的查詢數據庫引擎層了，于是發給SQL優化器，進行查詢的優化。如果是表變更，則分別交給insert、update、delete、create、alter處理模塊進行處理。
接下來就是請求數據庫引擎層，打開表，如果需要的話獲取相應的鎖。
接下來的處理過程就到了數據庫引擎層，例如InnoDB。
在數據庫引擎層，要先查詢緩存頁中有沒有相應的數據，如果有則可以直接返回，如果沒有就要從磁盤上去讀取。
當在磁盤中找到相應的數據之后，則會加載到緩存中來，從而使得后面的查詢更加高效，由于內存有限，多采用變通的LRU表來管理緩存頁，保證緩存的都是經常訪問的數據。
獲取數據后返回給客戶端，關閉連接，釋放連接線程，過程結束。
三、數據庫索引的原理
在整個過程中，最容易稱為瓶頸點的是數據的讀寫，往往意味著要順序或者隨機讀寫磁盤，而讀寫磁盤的速度往往是比較慢的。
如果加快這個過程呢？相信大家都猜到了就是建立索引。
為什么索引能夠加快這個過程呢？
相信大家都逛過美食城，里面眾多家餐館琳瑯滿目，如果你不著急呢，肚子不餓，對搜索的性能沒有要求，就可以在商場里面慢慢逛，逛一家看一家，知道找到自己想吃的餐館。但是當你餓了，或者你們約好了餐館，你一定想直奔那個餐館，這個時候，你往往會去看樓層的索引圖，快速的查找你目標餐館的位置，找到后，直奔主題，就會大大節約時間，這就是索引的作用。
所以索引就是通過值，快速的找到它的位置，從而可以快速的訪問。
索引的另外一個作用就是不用真正的查看數據，就能夠做一些判斷，例如商場里面有沒有某個餐館，你看一下索引就知道了，不必真的到商場里面逛一圈，再如找出所有的川菜館，也是只要看索引就可以了，不用一家一家川菜館跑。
那么在MySQL中，索引是如何工作的呢？
MySQL的索引結構，往往是一棵B+樹。
一棵M階B+樹具有如下的性質：
- 節點分索引節點和數據節點。索引節點相當于B樹的內部節點，所有的索引節點組成一棵B樹，具有B樹的所有的特性。在索引節點中，存放著Key和指針，并不存放具體的元素。數據節點相當與B樹的外部節點，B樹的外部節點為空，在B+樹中被利用了起來，用于存放真正的數據元素，里面包含了Key和元素的其他信息，但是沒有指針。
- 整棵索引節點組成的B樹僅僅用來查找具有某個Key的數據元素位于哪個外部節點。在索引節點中找到了Key，事情沒有結束，要繼續找到數據節點，然后將數據節點中的元素讀出來，或者二分查找，或者順序掃描來尋找真正的數據元素。
- M這個階數僅僅用來控制索引節點部分的度，至于每個數據節點包含多少元素，與M無關。
- 另外有一個鏈表，將所有的數據節點串起來，可以順序訪問。
這個定義的比較抽象，我們來看一個具體的例子。
從圖中我們可以看出，這是一個3階B+樹，而一個外部數據節點最多包含5項。如果插入的數據在數據節點，如果不引起分裂和合并，則索引節點組成的B樹就不會變。
如果在71到75的外部節點插入一項76，則引起分裂，71、72、73成為一個數據節點，74、75、76成為一個數據節點，而對于索引節點來講相當于插入一個Key為74的過程。
如果在41到43的外部節點中刪除43，則引起合并，41、42、61、62、63合并成一個節點，對于索引節點來講，相當于刪除Key為60的過程。
查找的時候，由于B+樹層高很小，所以能夠比較快速的定位，例如我們要查找值62，在根節點發現大于40則訪問右面，小于70則訪問左面，大于60則訪問右面，在葉子節點的第二個，就找到了62，成功定位。
在MySQL的InnoDB中，有兩種類型的B+樹索引，一種稱為聚簇索引，一種稱為二級索引。
聚簇索引的葉子節點就是數據節點，往往是主鍵作為聚簇索引，二級索引的葉子節點存放的是KEY字段加主鍵值。因而通過二級索引訪問數據，要訪問兩次索引。
還有一種索引的形式稱為組合索引，或者復合索引，可以在多個列上建立索引。
這種索引的排序規則為，先比較***列，在***列相等的情況下，比較第二列，以此類推。
四、數據庫索引的優缺點
數據庫索引的優勢最明顯的就是減少I/O，下面分析幾種場景。
對于=條件的字段，可以直接通過查找B+樹的方式，通過很少的硬盤讀取次數（相當于B+樹層高），就能夠到達葉子節點，然后直接定位到數據的位置。
對于范圍的字段，由于B+樹里面都是排好序的，范圍可以很快的通過樹進行定位。
同理對于orderby、group by、distinct/max、min，由于B+樹是排好序的，也是能夠很快的得到結果的。
還有一個常見的場景稱為索引覆蓋數據。例如A, B兩個字段作為條件字段，常出現A=a AND B=b，同時select C、D時候，往往會建聯合索引（A、B），是一個二級索引，所以搜索的時候，通過二級索引的B+樹能夠很快的找到相應的葉子節點和記錄，但是記錄中有的是聚簇索引的ID，所以還需要查找一次聚簇索引的B+樹，找到真正的表中的記錄，然后在記錄中，將C、D讀取出來。如果建立聯合索引的時候為（A、B、C、D），則在二級索引的B+樹中就有了所有的數據，可以直接返回了，減少了一次搜索樹的過程。
當然索引肯定是有代價的，天下沒有免費的午餐。
索引帶來的好處多是讀的效率的提高，而索引帶來的代價就是寫的效率的降低。
插入和修改數據，都有可能意味著索引的改變。
插入的時候，往往會在主鍵上建設聚簇索引，因而主鍵***使用自增長，這樣插入的數據就總是在***，而且是順序的，效率比較高。主鍵不要使用UUID，這樣順序比較隨機，會帶來隨機的寫入，效率比較差。主鍵不要使用和業務有關，因為與業務相關意味著會被更新，將面臨著一次刪除和重新插入，效率會比較差。
通過上面對于B+樹的原理的介紹，我們可以看出B+樹的分裂代價還是比較大的，而分裂往往就產生于插入的過程中。
而對于數據的修改，則基本相當于刪除再插入，代價也比較大。
對于一些字符串的列的二級索引，往往會造成隨機的寫入和讀取，對I/O的壓力也比較大。
五、解讀數據庫軍規背后的原理
了解了這兩種索引的原理，我們就能夠解釋為什么很多所謂的數據庫的軍規長這個樣子了。下面我們來一一解釋。
什么情況下應該使用組合索引而非單獨索引呢？
假設有條件語句A=a AND B=b，如果A和B是兩個單獨的索引，在AND條件下只有一個索引起作用，對于B則要逐個判斷，而如果使用組合索引（A、B），只要遍歷一棵樹就可以了，大大增加了效率。但是對于A=a OR B=b，由于是或的關系，因而組合索引是不起作用的，因而可以使用單獨索引，這個時候，兩個索引可以同時起作用。
為什么索引要有區分度，組合索引中應該講有區分度的放在前面？
如果沒有區分度，例如用性別，相當于把整個大表分成兩部分，查找數據還是需要遍歷半個表才能找到，使得索引失去了意義。
如果有組合索引，還需要單列索引嗎？
如果組合索引是（A、B），則對于條件A=a，是可以用上這個組合索引的，因為組合索引是先按照***列進行排序的，所以沒必要對于A單獨建立一個索引，但是對于B=b就用不上了，因為只有在***列相同的情況下，才比較第二列，因而第二列相同的，可以分布在不同的節點上，沒辦法快速定位。
索引是越多越好嗎？
當然不是，只有在必要的地方添加索引，索引不但會使得插入和修改的效率降低，而且在查詢的時候，有一個查詢優化器，太多的索引會讓優化器困惑，可能沒有辦法找到正確的查詢路徑，從而選擇了慢的索引。
為什么要使用自增主鍵？
因為字符串主鍵和隨機主鍵會使得數據隨機插入，效率比較差，主鍵應該少更新，避免B+樹和頻繁合并和分裂。
為什么盡量不使用NULL？
NULL在B+樹里面比較難以處理，往往需要特殊的邏輯進行處理，反而降低了效率。
為什么不要在更新頻繁的字段上建立索引？
更新一個字段意味著相應的索引也要更新，更新往往意味著刪除然后再插入，索引本來是一種事先在寫的階段形成一定的數據結構，從而使得在讀的階段效率較高的方式，但是如果一個字段是寫多讀少，則不建議使用索引。
為什么在查詢條件里面不要使用函數？
例如ID+1=10這種條件，索引是事先寫入的時候生成好的，ID+1這種操作在查詢階段，索引無能為例，沒辦法把所有的索引都先做一個計算，然后再比較吧，代價太大了，因而應該使用ID=10-1。
為什么不要使用NOT等負向查詢條件？
你可以想象一下，對于一棵B+樹，跟節點是40，如果你的條件是等于20，就去左面查，你的條件等于50，就去右面查，但是你的條件是不等于66，索引應該咋辦？還不是遍歷一遍才知道。
為什么模糊查詢不要以通配符開頭？
對于一棵B+樹來講，如果根是字符def，如果通配符在后面，例如abc%，則應該搜索左面，例如efg%，則應該搜索右面，如果通配符在前面%abc，則不知道應該走哪一面，還是都掃描一遍吧。
為什么OR要改成IN，或者使用Union？
OR查詢條件的優化往往比較難找到***的路徑，尤其是OR的條件比較多的時候，尤其如此，對于同一個字段，使用IN就好一些，數據庫會對IN里面的條件進行排序，并統一通過二分搜索的方法處理。對于不同的字段，使用Union，則可以讓每一個子查詢都使用索引。
為什么數據類型應該盡量小，常用整型來代替字符型，長字符類型可以考慮使用前綴索引？
因為數據庫是按照頁存放的，每一頁的大小是一樣的，如果數據類型比較大，則頁數會比較多，每一頁放的數據會比較少，樹的高度會比較高，因而搜索數據要讀取的I/O數目會比較多，插入的時候節點也容易分裂，效率會降低。使用整型來代替字符型多是這個考慮，整型對于索引有更高的效率，例如IP地址等。如果有長字符類型需要使用索引進行查詢，為了不要使得索引太大，可以考慮將字段的前綴進行索引，而非整個字段。
六、查詢優化的方法論
要找到需要優化的SQL語句，首先要收集有問題的SQL語句。
MySQL 數據庫提供了慢SQL日志功能，通過參數slow_query_log，獲取執行時間超過一定閾值的SQL語錄列表。
沒有使用索引的SQL語句，可以通過long_queries_not_using_indexes參數開啟。
min_examined_row_limit，掃描記錄數大于該值的SQL語句才會被記入慢SQL日志。
找到有問題的語句，接下來就是通過explainSQL，獲取SQL的執行計劃，是否通過索引掃描記錄，可以通過創建索引來優化執行效率。是否掃描記錄數過多。是否持鎖時間過長，是否存在鎖沖突。返回的記錄數是否較多。
接下來可以定制化的優化。沒有被索引覆蓋的過濾條件涉及的字段，在區分度較大的字段上創建索引，如果涉及多個字段，盡量創建聯合索引。
掃描記錄數非常多，返回記錄數不多，區分度較差，重新評估SQL語句涉及的字段，選擇區分度高的多個字段創建索引。
掃描記錄數非常多，返回記錄數也非常多，過濾條件不強，增加SQL過濾條件
schema_redundant_indexes查看有哪些冗余索引。
如果多個索引涉及字段順序一致，則可以組成一個聯合索引schema_unused_indexes查看哪些索引從沒有被使用。
七、讀寫分離的原理
數據庫往往寫少讀多，所以性能優化的***步就是讀寫分離。
主從復制基于主節點上的服務層的日志實現的，而從節點上有一個IO線程讀取這個日志，然后寫入本地。另有一個線程從本地日志讀取后在從節點重新執行。
如圖是主從異步復制的流程圖。在主實例寫入引擎后就返回成功，然后將事件發給從實例，在從實例上執行。這種同步方式速度較快，但是在主掛了的時候，如果還沒有復制，則可能存在數據丟失問題。
數據庫同步復制也不同，是當從節點落盤后再返回客戶端，當然這樣會使得性能有所降低，網易數據庫團隊是通過組提交，并行復制等技術將性能提上來。
有了主從復制，在數據庫DAO層可以設置讀寫分離策略，也有通過數據庫中間件做這個事情的。
其實數據庫日志還有很多其他用處，如使用Canal（阿里巴巴開源項目：基于MySQL數據庫Binlog的增量訂閱&消費）訂閱數據庫的Binlog，可以用于更新緩存等。
