本篇內(nèi)容主要講解“總結(jié)數(shù)據(jù)庫(kù)知識(shí)點(diǎn)”，感興趣的朋友不妨來(lái)看看。本文介紹的方法操作簡(jiǎn)單快捷，實(shí)用性強(qiáng)。下面就讓小編來(lái)帶大家學(xué)習(xí)“總結(jié)數(shù)據(jù)庫(kù)知識(shí)點(diǎn)”吧!

專注于為中小企業(yè)提供網(wǎng)站制作、成都網(wǎng)站建設(shè)服務(wù),電腦端+手機(jī)端+微信端的三站合一,更高效的管理,為中小企業(yè)金城江免費(fèi)做網(wǎng)站提供優(yōu)質(zhì)的服務(wù)。我們立足成都，凝聚了一批互聯(lián)網(wǎng)行業(yè)人才，有力地推動(dòng)了數(shù)千家企業(yè)的穩(wěn)健成長(zhǎng)，幫助中小企業(yè)通過(guò)網(wǎng)站建設(shè)實(shí)現(xiàn)規(guī)模擴(kuò)充和轉(zhuǎn)變。

存儲(chǔ)引擎
InnoDB
InnoDB 是 MySQL 默認(rèn)的事務(wù)型存儲(chǔ)引擎，只要在需要它不支持的特性時(shí)，才考慮使用其他存儲(chǔ)引擎。

InnoDB 采用 MVCC 來(lái)支持高并發(fā)，并且實(shí)現(xiàn)了四個(gè)標(biāo)準(zhǔn)隔離級(jí)別(未提交讀、提交讀、可重復(fù)讀、可串行化)。其默認(rèn)級(jí)別時(shí)可重復(fù)讀（REPEATABLE READ），在可重復(fù)讀級(jí)別下，通過(guò) MVCC + Next-Key Locking 防止幻讀。

主索引時(shí)聚簇索引，在索引中保存了數(shù)據(jù)，從而避免直接讀取磁盤，因此對(duì)主鍵查詢有很高的性能。

InnoDB 內(nèi)部做了很多優(yōu)化，包括從磁盤讀取數(shù)據(jù)時(shí)采用的可預(yù)測(cè)性讀，能夠自動(dòng)在內(nèi)存中創(chuàng)建 hash 索引以加速讀操作的自適應(yīng)哈希索引，以及能夠加速插入操作的插入緩沖區(qū)等。

InnoDB 支持真正的在線熱備份，MySQL 其他的存儲(chǔ)引擎不支持在線熱備份，要獲取一致性視圖需要停止對(duì)所有表的寫入，而在讀寫混合的場(chǎng)景中，停止寫入可能也意味著停止讀取。

MyISAM
設(shè)計(jì)簡(jiǎn)單，數(shù)據(jù)以緊密格式存儲(chǔ)。對(duì)于只讀數(shù)據(jù)，或者表比較小、可以容忍修復(fù)操作，則依然可以使用它。

提供了大量的特性，包括壓縮表、空間數(shù)據(jù)索引等。

不支持事務(wù)。

不支持行級(jí)鎖，只能對(duì)整張表加鎖，讀取時(shí)會(huì)對(duì)需要讀到的所有表加共享鎖，寫入時(shí)則對(duì)表加排它鎖。但在表有讀取操作的同時(shí)，也可以往表中插入新的記錄，這被稱為并發(fā)插入（CONCURRENT INSERT）。

可以手工或者自動(dòng)執(zhí)行檢查和修復(fù)操作，但是和事務(wù)恢復(fù)以及崩潰恢復(fù)不同，可能導(dǎo)致一些數(shù)據(jù)丟失，而且修復(fù)操作是非常慢的。

如果指定了 DELAY_KEY_WRITE 選項(xiàng)，在每次修改執(zhí)行完成時(shí)，不會(huì)立即將修改的索引數(shù)據(jù)寫入磁盤，而是會(huì)寫到內(nèi)存中的鍵緩沖區(qū)，只有在清理鍵緩沖區(qū)或者關(guān)閉表的時(shí)候才會(huì)將對(duì)應(yīng)的索引塊寫入磁盤。這種方式可以極大的提升寫入性能，但是在數(shù)據(jù)庫(kù)或者主機(jī)崩潰時(shí)會(huì)造成索引損壞，需要執(zhí)行修復(fù)操作。

InnoDB 和 MyISAM 的比較

• 事務(wù)：InnoDB 是事務(wù)型的，可以使用 Commit 和 Rollback 語(yǔ)句。

• 并發(fā)：MyISAM 只支持表級(jí)鎖，而 InnoDB 還支持行級(jí)鎖。

• 外鍵：InnoDB 支持外鍵。

• 備份：InnoDB 支持在線熱備份。

• 崩潰恢復(fù)：MyISAM 崩潰后發(fā)生損壞的概率比 InnoDB 高很多，而且恢復(fù)的速度也更慢。

• 其它特性：MyISAM 支持壓縮表和空間數(shù)據(jù)索引。

索引
B+ Tree 原理
數(shù)據(jù)結(jié)構(gòu)
B Tree 指的是 Balance Tree，也就是平衡樹(shù)，平衡樹(shù)是一顆查找樹(shù)，并且所有葉子節(jié)點(diǎn)位于同一層。

B+ Tree 是 B 樹(shù)的一種變形，它是基于 B Tree 和葉子節(jié)點(diǎn)順序訪問(wèn)指針進(jìn)行實(shí)現(xiàn)，通常用于數(shù)據(jù)庫(kù)和操作系統(tǒng)的文件系統(tǒng)中。

B+ 樹(shù)有兩種類型的節(jié)點(diǎn)：內(nèi)部節(jié)點(diǎn)（也稱索引節(jié)點(diǎn)）和葉子節(jié)點(diǎn)，內(nèi)部節(jié)點(diǎn)就是非葉子節(jié)點(diǎn)，內(nèi)部節(jié)點(diǎn)不存儲(chǔ)數(shù)據(jù)，只存儲(chǔ)索引，數(shù)據(jù)都存在葉子節(jié)點(diǎn)。

內(nèi)部節(jié)點(diǎn)中的 key 都按照從小到大的順序排列，對(duì)于內(nèi)部節(jié)點(diǎn)中的一個(gè) key，左子樹(shù)中的所有 key 都小于它，右子樹(shù)中的 key 都大于等于它，葉子節(jié)點(diǎn)的記錄也是按照從小到大排列的。

每個(gè)葉子節(jié)點(diǎn)都存有相鄰葉子節(jié)點(diǎn)的指針。

操作
查找

查找以典型的方式進(jìn)行，類似于二叉查找樹(shù)。起始于根節(jié)點(diǎn)，自頂向下遍歷樹(shù)，選擇其分離值在要查找值的任意一邊的子指針。在節(jié)點(diǎn)內(nèi)部典型的使用是二分查找來(lái)確定這個(gè)位置。

插入

• Perform a search to determine what bucket the new record should go into.

• If the bucket is not full(a most b - 1 entries after the insertion，b 是節(jié)點(diǎn)中的元素個(gè)數(shù)，一般是頁(yè)的整數(shù)倍),add tht record.

• Otherwise,before inserting the new record

• original node has 「(L+1)/2」items

• new node has 「(L+1)/2」items

• split the bucket.

• Move  「(L+1)/2」-th key to the parent,and insert the new node to the parent.

• Repeat until a parent is found that need not split.

• If the root splits,treat it as if it has an empty parent ans split as outline above.

B-trees grow as the root and not at the leaves.

刪除

和插入類似，只不過(guò)是自下而上的合并操作。

樹(shù)的常見(jiàn)特性
AVL 樹(shù)

平衡二叉樹(shù)，一般是用平衡因子差值決定并通過(guò)旋轉(zhuǎn)來(lái)實(shí)現(xiàn)，左右子樹(shù)樹(shù)高差不超過(guò)1，那么和紅黑樹(shù)比較它是嚴(yán)格的平衡二叉樹(shù)，平衡條件非常嚴(yán)格（樹(shù)高差只有1），只要插入或刪除不滿足上面的條件就要通過(guò)旋轉(zhuǎn)來(lái)保持平衡。由于旋轉(zhuǎn)是非常耗費(fèi)時(shí)間的。所以 AVL 樹(shù)適用于插入/刪除次數(shù)比較少，但查找多的場(chǎng)景。

紅黑樹(shù)

通過(guò)對(duì)從根節(jié)點(diǎn)到葉子節(jié)點(diǎn)路徑上各個(gè)節(jié)點(diǎn)的顏色進(jìn)行約束，確保沒(méi)有一條路徑會(huì)比其他路徑長(zhǎng)2倍，因而是近似平衡的。所以相對(duì)于嚴(yán)格要求平衡的AVL樹(shù)來(lái)說(shuō)，它的旋轉(zhuǎn)保持平衡次數(shù)較少。適合，查找少，插入/刪除次數(shù)多的場(chǎng)景。（現(xiàn)在部分場(chǎng)景使用跳表來(lái)替換紅黑樹(shù)，可搜索“為啥 redis 使用跳表(skiplist)而不是使用 red-black？”）

B/B+ 樹(shù)

多路查找樹(shù)，出度高，磁盤IO低，一般用于數(shù)據(jù)庫(kù)系統(tǒng)中。

B + 樹(shù)與紅黑樹(shù)的比較
紅黑樹(shù)等平衡樹(shù)也可以用來(lái)實(shí)現(xiàn)索引，但是文件系統(tǒng)及數(shù)據(jù)庫(kù)系統(tǒng)普遍采用 B+ Tree 作為索引結(jié)構(gòu)，主要有以下兩個(gè)原因：

（一）磁盤 IO 次數(shù)

B+ 樹(shù)一個(gè)節(jié)點(diǎn)可以存儲(chǔ)多個(gè)元素，相對(duì)于紅黑樹(shù)的樹(shù)高更低，磁盤 IO 次數(shù)更少。

（二）磁盤預(yù)讀特性

為了減少磁盤 I/O 操作，磁盤往往不是嚴(yán)格按需讀取，而是每次都會(huì)預(yù)讀。預(yù)讀過(guò)程中，磁盤進(jìn)行順序讀取，順序讀取不需要進(jìn)行磁盤尋道。每次會(huì)讀取頁(yè)的整數(shù)倍。

操作系統(tǒng)一般將內(nèi)存和磁盤分割成固定大小的塊，每一塊稱為一頁(yè)，內(nèi)存與磁盤以頁(yè)為單位交換數(shù)據(jù)。數(shù)據(jù)庫(kù)系統(tǒng)將索引的一個(gè)節(jié)點(diǎn)的大小設(shè)置為頁(yè)的大小，使得一次 I/O 就能完全載入一個(gè)節(jié)點(diǎn)。

B + 樹(shù)與 B 樹(shù)的比較
B+ 樹(shù)的磁盤 IO 更低

B+ 樹(shù)的內(nèi)部節(jié)點(diǎn)并沒(méi)有指向關(guān)鍵字具體信息的指針。因此其內(nèi)部節(jié)點(diǎn)相對(duì) B 樹(shù)更小。如果把所有同一內(nèi)部結(jié)點(diǎn)的關(guān)鍵字存放在同一盤塊中，那么盤塊所能容納的關(guān)鍵字?jǐn)?shù)量也越多。一次性讀入內(nèi)存中的需要查找的關(guān)鍵字也就越多。相對(duì)來(lái)說(shuō)IO讀寫次數(shù)也就降低了。

B+ 樹(shù)的查詢效率更加穩(wěn)定

由于非葉子結(jié)點(diǎn)并不是最終指向文件內(nèi)容的結(jié)點(diǎn)，而只是葉子結(jié)點(diǎn)中關(guān)鍵字的索引。所以任何關(guān)鍵字的查找必須走一條從根結(jié)點(diǎn)到葉子結(jié)點(diǎn)的路。所有關(guān)鍵字查詢的路徑長(zhǎng)度相同，導(dǎo)致每一個(gè)數(shù)據(jù)的查詢效率相當(dāng)。

B+ 樹(shù)元素遍歷效率高

B 樹(shù)在提高了磁盤IO性能的同時(shí)并沒(méi)有解決元素遍歷的效率低下的問(wèn)題。正是為了解決這個(gè)問(wèn)題，B+樹(shù)應(yīng)運(yùn)而生。B+樹(shù)只要遍歷葉子節(jié)點(diǎn)就可以實(shí)現(xiàn)整棵樹(shù)的遍歷。而且在數(shù)據(jù)庫(kù)中基于范圍的查詢是非常頻繁的，而 B 樹(shù)不支持這樣的操作（或者說(shuō)效率太低）。

MySQL 索引
索引是在存儲(chǔ)引擎層實(shí)現(xiàn)的，而不是在服務(wù)器層實(shí)現(xiàn)的，所以不同存儲(chǔ)引擎具有不同的索引類型和實(shí)現(xiàn)。

B+ Tree 索引
是大多數(shù) MySQL 存儲(chǔ)引擎的默認(rèn)索引類型。

• 因?yàn)椴辉傩枰M(jìn)行全表掃描，只需要對(duì)樹(shù)進(jìn)行搜索即可，所以查找速度快很多。

• 因?yàn)?B+ Tree 的有序性，所以除了用于查找，還可以用于排序和分組。

• 可以指定多個(gè)列作為索引列，多個(gè)索引列共同組成鍵。

• 適用于全鍵值、鍵值范圍和鍵前綴查找，其中鍵前綴查找只適用于最左前綴查找。如果不是按照索引列的順序進(jìn)行查找，則無(wú)法使用索引。

InnoDB 的 B+Tree 索引分為主索引和輔助索引。主索引的葉子節(jié)點(diǎn) data 域記錄著完整的數(shù)據(jù)記錄，這種索引方式被稱為聚簇索引。因?yàn)闊o(wú)法把數(shù)據(jù)行存放在兩個(gè)不同的地方，所以一個(gè)表只能有一個(gè)聚簇索引。

輔助索引的葉子節(jié)點(diǎn)的 data 域記錄著主鍵的值，因此在使用輔助索引進(jìn)行查找時(shí)，需要先查找到主鍵值，然后再到主索引中進(jìn)行查找，這個(gè)過(guò)程也被稱作回表。

哈希索引
哈希索引能以 O(1) 時(shí)間進(jìn)行查找，但是失去了有序性：

無(wú)法用于排序與分組；
只支持精確查找，無(wú)法用于部分查找和范圍查找。
InnoDB 存儲(chǔ)引擎有一個(gè)特殊的功能叫“自適應(yīng)哈希索引”，當(dāng)某個(gè)索引值被使用的非常頻繁時(shí)，會(huì)在 B+Tree 索引之上再創(chuàng)建一個(gè)哈希索引，這樣就讓 B+Tree 索引具有哈希索引的一些優(yōu)點(diǎn)，比如快速的哈希查找。

全文索引
MyISAM 存儲(chǔ)引擎支持全文索引，用于查找文本中的關(guān)鍵詞，而不是直接比較是否相等。

查找條件使用 MATCH AGAINST，而不是普通的 WHERE。

全文索引使用倒排索引實(shí)現(xiàn)，它記錄著關(guān)鍵詞到其所在文檔的映射。

InnoDB 存儲(chǔ)引擎在 MySQL 5.6.4 版本中也開(kāi)始支持全文索引。

空間數(shù)據(jù)索引
MyISAM 存儲(chǔ)引擎支持空間數(shù)據(jù)索引（R-Tree），可以用于地理數(shù)據(jù)存儲(chǔ)?？臻g數(shù)據(jù)索引會(huì)從所有維度來(lái)索引數(shù)據(jù)，可以有效地使用任意維度來(lái)進(jìn)行組合查詢。

必須使用 GIS 相關(guān)的函數(shù)來(lái)維護(hù)數(shù)據(jù)。

索引優(yōu)化
獨(dú)立的列
在進(jìn)行查詢時(shí)，索引列不能是表達(dá)式的一部分，也不能是函數(shù)的參數(shù)，否則無(wú)法使用索引。

例如下面的查詢不能使用 actor_id 列的索引：

SELECT actor_id FROM sakila.actor WHERE actor_id + 1 = 5;

多列索引
在需要使用多個(gè)列作為條件進(jìn)行查詢時(shí)，使用多列索引比使用多個(gè)單列索引性能更好。例如下面的語(yǔ)句中，最好把 actor_id 和 film_id 設(shè)置為多列索引。

SELECT film_id, actor_ id FROM sakila.film_actor WHERE actor_id = 1 AND film_id = 1;

索引列的順序
讓選擇性最強(qiáng)的索引列放在前面。

索引的選擇性是指：不重復(fù)的索引值和記錄總數(shù)的比值。最大值為 1，此時(shí)每個(gè)記錄都有唯一的索引與其對(duì)應(yīng)。選擇性越高，每個(gè)記錄的區(qū)分度越高，查詢效率也越高。

例如下面顯示的結(jié)果中 customer_id 的選擇性比 staff_id 更高，因此最好把 customer_id 列放在多列索引的前面

SELECT COUNT(DISTINCT staff_id)/COUNT(*) AS staff_id_selectivity, 
COUNT(DISTINCT customer_id)/COUNT(*) AS customer_id_selectivity, 
COUNT(*) 
FROM payment; 

staff_id_selectivity: 0.0001 tomer_id_selectivity: 0.0373             COUNT(*): 16049

前綴索引
對(duì)于 BLOB、TEXT 和 VARCHAR 類型的列，必須使用前綴索引，只索引開(kāi)始的部分字符。

前綴長(zhǎng)度的選取需要根據(jù)索引選擇性來(lái)確定。

覆蓋索引
索引包含所有需要查詢的字段的值。

具有以下優(yōu)點(diǎn)：

• 索引通常遠(yuǎn)小于數(shù)據(jù)行的大小，只讀取索引能大大減少數(shù)據(jù)訪問(wèn)量。

• 一些存儲(chǔ)引擎（例如 MyISAM）在內(nèi)存中只緩存索引，而數(shù)據(jù)依賴于操作系統(tǒng)來(lái)緩存。因此，只訪問(wèn)索引可以不使用系統(tǒng)調(diào)用（通常比較費(fèi)時(shí)）。

• 對(duì)于 InnoDB 引擎，若輔助索引能夠覆蓋查詢，則無(wú)需訪問(wèn)主索引。

索引的優(yōu)點(diǎn)

• 大大減少了服務(wù)器需要掃描的數(shù)據(jù)行數(shù)。

• 幫助服務(wù)器避免進(jìn)行排序和分組，以及避免創(chuàng)建臨時(shí)表（B+Tree 索引是有序的，可以用于 ORDER BY 和 GROUP BY 操作。臨時(shí)表主要是在排序和分組過(guò)程中創(chuàng)建，不需要排序和分組，也就不需要?jiǎng)?chuàng)建臨時(shí)表）。

• 將隨機(jī) I/O 變?yōu)轫樞?I/O（B+Tree 索引是有序的，會(huì)將相鄰的數(shù)據(jù)都存儲(chǔ)在一起）。

索引的使用條件

• 對(duì)于非常小的表、大部分情況下簡(jiǎn)單的全表掃描比建立索引更高效；

• 對(duì)于中到大型的表，索引就非常有效；

• 但是對(duì)于特大型的表，建立和維護(hù)索引的代價(jià)將會(huì)隨之增長(zhǎng)。這種情況下，需要用到一種技術(shù)可以直接區(qū)分出需要查詢的一組數(shù)據(jù)，而不是一條記錄一條記錄地匹配，例如可以使用分區(qū)技術(shù)。

為什么對(duì)于非常小的表，大部分情況下簡(jiǎn)單的全表掃描比建立索引更高效？

如果一個(gè)表比較小，那么顯然直接遍歷表比走索引要快（因?yàn)樾枰乇恚?/p>

注：首先，要注意這個(gè)答案隱含的條件是查詢的數(shù)據(jù)不是索引的構(gòu)成部分，否也不需要回表操作。其次，查詢條件也不是主鍵，否則可以直接從聚簇索引中拿到數(shù)據(jù)。

查詢性能優(yōu)化
使用 explain 分析 select 查詢語(yǔ)句
explain 用來(lái)分析 SELECT 查詢語(yǔ)句，開(kāi)發(fā)人員可以通過(guò)分析 Explain 結(jié)果來(lái)優(yōu)化查詢語(yǔ)句。

select_type
常用的有 SIMPLE 簡(jiǎn)單查詢，UNION 聯(lián)合查詢，SUBQUERY 子查詢等。

table
要查詢的表

possible_keys
The possible indexes to choose

可選擇的索引

key
The index actually chosen

實(shí)際使用的索引

rows
Estimate of rows to be examined

掃描的行數(shù)

type
索引查詢類型，經(jīng)常用到的索引查詢類型：

const：使用主鍵或者唯一索引進(jìn)行查詢的時(shí)候只有一行匹配 ref：使用非唯一索引 range：使用主鍵、單個(gè)字段的輔助索引、多個(gè)字段的輔助索引的最后一個(gè)字段進(jìn)行范圍查詢 index：和all的區(qū)別是掃描的是索引樹(shù) all：掃描全表：

system
觸發(fā)條件：表只有一行，這是一個(gè) const type 的特殊情況

const
觸發(fā)條件：在使用主鍵或者唯一索引進(jìn)行查詢的時(shí)候只有一行匹配。

SELECT * FROM tbl_name WHERE primary_key=1; 
 
SELECT * FROM tbl_name 
  WHERE primary_key_part1=1 AND primary_key_part2=2; 

eq_ref
觸發(fā)條件：在進(jìn)行聯(lián)接查詢的，使用主鍵或者唯一索引并且只匹配到一行記錄的時(shí)候

SELECT * FROM ref_table,other_table   WHERE ref_table.key_column=other_table.column;  SELECT * FROM ref_table,other_table   WHERE ref_table.key_column_part1=other_table.column   AND ref_table.key_column_part2=1;

ref
觸發(fā)條件：使用非唯一索引

SELECT * FROM ref_table WHERE key_column=expr; 
 
SELECT * FROM ref_table,other_table 
  WHERE ref_table.key_column=other_table.column; 
 
SELECT * FROM ref_table,other_table 
  WHERE ref_table.key_column_part1=other_table.column 
  AND ref_table.key_column_part2=1; 

range
觸發(fā)條件：只有在使用主鍵、單個(gè)字段的輔助索引、多個(gè)字段的輔助索引的最后一個(gè)字段進(jìn)行范圍查詢才是 range

SELECT * FROM tbl_name 
  WHERE key_column = 10; 
 
SELECT * FROM tbl_name 
  WHERE key_column BETWEEN 10 and 20; 
 
SELECT * FROM tbl_name 
  WHERE key_column IN (10,20,30); 
 
SELECT * FROM tbl_name 
  WHERE key_part1 = 10 AND key_part2 IN (10,20,30); 

index

The index join type is the same as ALL, except that the index tree is scanned. This occurs two ways:

觸發(fā)條件：

只掃描索引樹(shù)

1）查詢的字段是索引的一部分，覆蓋索引。2）使用主鍵進(jìn)行排序

all
觸發(fā)條件：全表掃描，不走索引

優(yōu)化數(shù)據(jù)訪問(wèn)
減少請(qǐng)求的數(shù)據(jù)量
只返回必要的列：最好不要使用 SELECT * 語(yǔ)句。
只返回必要的行：使用 LIMIT 語(yǔ)句來(lái)限制返回的數(shù)據(jù)。
緩存重復(fù)查詢的數(shù)據(jù)：使用緩存可以避免在數(shù)據(jù)庫(kù)中進(jìn)行查詢，特別在要查詢的數(shù)據(jù)經(jīng)常被重復(fù)查詢時(shí)，緩存帶來(lái)的查詢性能提升將會(huì)是非常明顯的。
減少服務(wù)器端掃描的行數(shù)
最有效的方式是使用索引來(lái)覆蓋查詢。

重構(gòu)查詢方式
切分大查詢
一個(gè)大查詢?nèi)绻淮涡詧?zhí)行的話，可能一次鎖住很多數(shù)據(jù)、占滿整個(gè)事務(wù)日志、耗盡系統(tǒng)資源、阻塞很多小的但重要的查詢。

DELETE FROM messages WHERE create < DATE_SUB(NOW(), INTERVAL 3 MONTH); 

rows_affected = 0 do {     rows_affected = do_query(     "DELETE FROM messages WHERE create  < DATE_SUB(NOW(), INTERVAL 3 MONTH) LIMIT 10000") } while rows_affected > 0

分解大連接查詢
將一個(gè)大連接查詢分解成對(duì)每一個(gè)表進(jìn)行一次單表查詢，然后在應(yīng)用程序中進(jìn)行關(guān)聯(lián)，這樣做的好處有：

• 讓緩存更高效。對(duì)于連接查詢，如果其中一個(gè)表發(fā)生變化，那么整個(gè)查詢緩存就無(wú)法使用。而分解后的多個(gè)查詢，即使其中一個(gè)表發(fā)生變化，對(duì)其它表的查詢緩存依然可以使用。

• 分解成多個(gè)單表查詢，這些單表查詢的緩存結(jié)果更可能被其它查詢使用到，從而減少冗余記錄的查詢。

• 減少鎖競(jìng)爭(zhēng)；

• 在應(yīng)用層進(jìn)行連接，可以更容易對(duì)數(shù)據(jù)庫(kù)進(jìn)行拆分，從而更容易做到高性能和可伸縮。

• 查詢本身效率也可能會(huì)有所提升。例如下面的例子中，使用 IN() 代替連接查詢，可以讓 MySQL 按照 ID 順序進(jìn)行查詢，這可能比隨機(jī)的連接要更高效。

SELECT * FROM tag 
JOIN tag_post ON tag_post.tag_id=tag.id 
JOIN post ON tag_post.post_id=post.id 
WHERE tag.tag='mysql'; 

SELECT * FROM tag WHERE tag='mysql'; SELECT * FROM tag_post WHERE tag_id=1234; SELECT * FROM post WHERE post.id IN (123,456,567,9098,8904);

事務(wù)
事務(wù)是指滿足 ACID 特性的一組操作，可以通過(guò) Commit 提交一個(gè)事務(wù)，也可以使用 Rollback 進(jìn)行回滾。

ACID
事務(wù)最基本的莫過(guò)于 ACID 四個(gè)特性了，這四個(gè)特性分別是：

• Atomicity：原子性

• Consistency：一致性

• Isolation：隔離性

• Durability：持久性

原子性

事務(wù)被視為不可分割的最小單元，事務(wù)的所有操作要么全部成功，要么全部失敗回滾。

一致性

數(shù)據(jù)庫(kù)在事務(wù)執(zhí)行前后都保持一致性狀態(tài)，在一致性狀態(tài)下，所有事務(wù)對(duì)一個(gè)數(shù)據(jù)的讀取結(jié)果都是相同的。

隔離性

一個(gè)事務(wù)所做的修改在最終提交以前，對(duì)其他事務(wù)是不可見(jiàn)的。

持久性

一旦事務(wù)提交，則其所做的修改將會(huì)永遠(yuǎn)保存到數(shù)據(jù)庫(kù)中。即使系統(tǒng)發(fā)生崩潰，事務(wù)執(zhí)行的結(jié)果也不能丟。

ACID 之間的關(guān)系
事務(wù)的 ACID 特性概念很簡(jiǎn)單，但不好理解，主要是因?yàn)檫@幾個(gè)特性不是一種平級(jí)關(guān)系：

• 只有滿足一致性，事務(wù)的結(jié)果才是正確的。

• 在無(wú)并發(fā)的情況下，事務(wù)串行執(zhí)行，隔離性一定能夠滿足。此時(shí)只要能滿足原子性，就一定能滿足一致性。在并發(fā)的情況下，多個(gè)事務(wù)并行執(zhí)行，事務(wù)不僅要滿足原子性，還需要滿足隔離性，才能滿足一致性。

• 事務(wù)滿足持久化是為了能應(yīng)對(duì)數(shù)據(jù)庫(kù)崩潰的情況。

隔離級(jí)別
未提交讀（READ UNCOMMITTED）

事務(wù)中的修改，即使沒(méi)有提交，對(duì)其他事務(wù)也是可見(jiàn)的。

提交讀（READ COMMITTED）

一個(gè)事務(wù)只能讀取已經(jīng)提交的事務(wù)所做的修改。換句話說(shuō)，一個(gè)事務(wù)所做的修改在提交之前對(duì)其他事務(wù)是不可見(jiàn)的。

可重復(fù)讀（REPEATABLE READ）

保證在同一個(gè)事務(wù)中多次讀取同樣數(shù)據(jù)的結(jié)果是一樣的。

可串行化（SERIALIZABLE）

強(qiáng)制事務(wù)串行執(zhí)行。

需要加鎖實(shí)現(xiàn)，而其它隔離級(jí)別通常不需要。

鎖
鎖是數(shù)據(jù)庫(kù)系統(tǒng)區(qū)別于文件系統(tǒng)的一個(gè)關(guān)鍵特性。鎖機(jī)制用于管理對(duì)共享資源的并發(fā)訪問(wèn)。

鎖類型
共享鎖（S Lock）

允許事務(wù)讀一行數(shù)據(jù)

排他鎖（X Lock）

允許事務(wù)刪除或者更新一行數(shù)據(jù)

意向共享鎖（IS Lock）

事務(wù)想要獲得一張表中某幾行的共享鎖

意向排他鎖

事務(wù)想要獲得一張表中某幾行的排他鎖

MVCC
多版本并發(fā)控制（Multi-Version Concurrency Control, MVCC）是 MySQL 的 InnoDB 存儲(chǔ)引擎實(shí)現(xiàn)隔離級(jí)別的一種具體方式，用于實(shí)現(xiàn)提交讀和可重復(fù)讀這兩種隔離級(jí)別。而未提交讀隔離級(jí)別總是讀取最新的數(shù)據(jù)行，無(wú)需使用 MVCC。可串行化隔離級(jí)別需要對(duì)所有讀取的行都加鎖，單純使用 MVCC 無(wú)法實(shí)現(xiàn)。

基礎(chǔ)概念
版本號(hào)

• 系統(tǒng)版本號(hào)：是一個(gè)遞增的數(shù)字，每開(kāi)始一個(gè)新的事務(wù)，系統(tǒng)版本號(hào)就會(huì)自動(dòng)遞增。

• 事務(wù)版本號(hào)：事務(wù)開(kāi)始時(shí)的系統(tǒng)版本號(hào)。

隱藏的列

MVCC 在每行記錄后面都保存著兩個(gè)隱藏的列，用來(lái)存儲(chǔ)兩個(gè)版本號(hào)：

• 創(chuàng)建版本號(hào)：指示創(chuàng)建一個(gè)數(shù)據(jù)行的快照時(shí)的系統(tǒng)版本號(hào)；

• 刪除版本號(hào)：如果該快照的刪除版本號(hào)大于當(dāng)前事務(wù)版本號(hào)表示該快照有效，否則表示該快照已經(jīng)被刪除了。

Undo 日志

MVCC 使用到的快照存儲(chǔ)在 Undo 日志中，該日志通過(guò)回滾指針把一個(gè)數(shù)據(jù)行（Record）的所有快照連接起來(lái)。

實(shí)現(xiàn)過(guò)程
以下實(shí)現(xiàn)過(guò)程針對(duì)可重復(fù)讀隔離級(jí)別。

當(dāng)開(kāi)始一個(gè)事務(wù)時(shí)，該事務(wù)的版本號(hào)肯定大于當(dāng)前所有數(shù)據(jù)行快照的創(chuàng)建版本號(hào)，理解這一點(diǎn)很關(guān)鍵。數(shù)據(jù)行快照的創(chuàng)建版本號(hào)是創(chuàng)建數(shù)據(jù)行快照時(shí)的系統(tǒng)版本號(hào)，系統(tǒng)版本號(hào)隨著創(chuàng)建事務(wù)而遞增，因此新創(chuàng)建一個(gè)事務(wù)時(shí)，這個(gè)事務(wù)的系統(tǒng)版本號(hào)比之前的系統(tǒng)版本號(hào)都大，也就是比所有數(shù)據(jù)行快照的創(chuàng)建版本號(hào)都大。

SELECT

多個(gè)事務(wù)必須讀取到同一個(gè)數(shù)據(jù)行的快照，并且這個(gè)快照是距離現(xiàn)在最近的一個(gè)有效快照。但是也有例外，如果有一個(gè)事務(wù)正在修改該數(shù)據(jù)行，那么它可以讀取事務(wù)本身所做的修改，而不用和其它事務(wù)的讀取結(jié)果一致。

把沒(méi)有對(duì)一個(gè)數(shù)據(jù)行做修改的事務(wù)稱為 T，T 所要讀取的數(shù)據(jù)行快照的創(chuàng)建版本號(hào)必須小于等于 T 的版本號(hào)，因?yàn)槿绻笥?T 的版本號(hào)，那么表示該數(shù)據(jù)行快照是其它事務(wù)的最新修改，因此不能去讀取它。除此之外，T 所要讀取的數(shù)據(jù)行快照的刪除版本號(hào)必須是未定義或者大于 T 的版本號(hào)，因?yàn)槿绻∮诘扔?T 的版本號(hào)，那么表示該數(shù)據(jù)行快照是已經(jīng)被刪除的，不應(yīng)該去讀取它。

INSERT

將當(dāng)前系統(tǒng)版本號(hào)作為數(shù)據(jù)行快照的創(chuàng)建版本號(hào)。

DELETE

將當(dāng)前系統(tǒng)版本號(hào)作為數(shù)據(jù)行快照的刪除版本號(hào)。

UPDATE

將當(dāng)前系統(tǒng)版本號(hào)作為更新前的數(shù)據(jù)行快照的刪除版本號(hào)，并將當(dāng)前系統(tǒng)版本號(hào)作為更新后的數(shù)據(jù)行快照的創(chuàng)建版本號(hào)?？梢岳斫鉃橄葓?zhí)行 DELETE 后執(zhí)行 INSERT。

快照讀與當(dāng)前讀
在可重復(fù)讀級(jí)別中，通過(guò)MVCC機(jī)制，雖然讓數(shù)據(jù)變得可重復(fù)讀，但我們讀到的數(shù)據(jù)可能是歷史數(shù)據(jù)，是不及時(shí)的數(shù)據(jù)，不是數(shù)據(jù)庫(kù)當(dāng)前的數(shù)據(jù)！這在一些對(duì)于數(shù)據(jù)的時(shí)效特別敏感的業(yè)務(wù)中，就很可能出問(wèn)題。

對(duì)于這種讀取歷史數(shù)據(jù)的方式，我們叫它快照讀 (snapshot read)，而讀取數(shù)據(jù)庫(kù)當(dāng)前版本數(shù)據(jù)的方式，叫當(dāng)前讀 (current read)。很顯然，在MVCC中：

快照讀

MVCC 的 SELECT 操作是快照中的數(shù)據(jù)，不需要進(jìn)行加鎖操作。

select * from table ….;

當(dāng)前讀

MVCC 其它會(huì)對(duì)數(shù)據(jù)庫(kù)進(jìn)行修改的操作（INSERT、UPDATE、DELETE）需要進(jìn)行加鎖操作，從而讀取最新的數(shù)據(jù)?？梢钥吹?MVCC 并不是完全不用加鎖，而只是避免了 SELECT 的加鎖操作。

INSERT; UPDATE; DELETE;

在進(jìn)行 SELECT 操作時(shí)，可以強(qiáng)制指定進(jìn)行加鎖操作。以下第一個(gè)語(yǔ)句需要加 S 鎖，第二個(gè)需要加 X 鎖。

- select * from table where ? lock in share mode; - select * from table where ? for update;

事務(wù)的隔離級(jí)別實(shí)際上都是定義的當(dāng)前讀的級(jí)別，MySQL為了減少鎖處理（包括等待其它鎖）的時(shí)間，提升并發(fā)能力，引入了快照讀的概念，使得select不用加鎖。而update、insert這些“當(dāng)前讀”的隔離性，就需要通過(guò)加鎖來(lái)實(shí)現(xiàn)了。

鎖算法
Record Lock
鎖定一個(gè)記錄上的索引，而不是記錄本身。

如果表沒(méi)有設(shè)置索引，InnoDB 會(huì)自動(dòng)在主鍵上創(chuàng)建隱藏的聚簇索引，因此 Record Locks 依然可以使用。

Gap Lock
鎖定索引之間的間隙，但是不包含索引本身。例如當(dāng)一個(gè)事務(wù)執(zhí)行以下語(yǔ)句，其它事務(wù)就不能在 t.c 中插入 15。

SELECT c FROM t WHERE c BETWEEN 10 and 20 FOR UPDATE;

Next-Key Lock
它是 Record Locks 和 Gap Locks 的結(jié)合，不僅鎖定一個(gè)記錄上的索引，也鎖定索引之間的間隙。例如一個(gè)索引包含以下值：10, 11, 13, and 20，那么就需要鎖定以下區(qū)間：

(-∞, 10] (10, 11] (11, 13] (13, 20] (20, +∞)

在 InnoDB 存儲(chǔ)引擎中，SELECT 操作的不可重復(fù)讀問(wèn)題通過(guò) MVCC 得到了解決，而 UPDATE、DELETE 的不可重復(fù)讀問(wèn)題通過(guò) Record Lock 解決，INSERT 的不可重復(fù)讀問(wèn)題是通過(guò) Next-Key Lock（Record Lock + Gap Lock）解決的。

鎖問(wèn)題
臟讀
臟讀指的是不同事務(wù)下，當(dāng)前事務(wù)可以讀取到另外事務(wù)未提交的數(shù)據(jù)。

例如：

T1 修改一個(gè)數(shù)據(jù)，T2 隨后讀取這個(gè)數(shù)據(jù)。如果 T1 撤銷了這次修改，那么 T2 讀取的數(shù)據(jù)是臟數(shù)據(jù)。

不可重復(fù)讀
不可重復(fù)讀指的是同一事務(wù)內(nèi)多次讀取同一數(shù)據(jù)集合，讀取到的數(shù)據(jù)是不一樣的情況。

例如：

T2 讀取一個(gè)數(shù)據(jù)，T1 對(duì)該數(shù)據(jù)做了修改。如果 T2 再次讀取這個(gè)數(shù)據(jù)，此時(shí)讀取的結(jié)果和第一次讀取的結(jié)果不同

在 InnoDB 存儲(chǔ)引擎中，SELECT 操作的不可重復(fù)讀問(wèn)題通過(guò) MVCC 得到了解決，而 UPDATE、DELETE 的不可重復(fù)讀問(wèn)題是通過(guò) Record Lock 解決的，INSERT 的不可重復(fù)讀問(wèn)題是通過(guò) Next-Key Lock（Record Lock + Gap Lock）解決的。

Phantom Proble（幻影讀）

The so-called phantom problem occurs within a transaction when the same query produces different sets of rows at different times. For example, if a SELECT is executed twice, but returns a row the second time that was not returned the first time, the row is a “phantom” row.

Phantom Proble 是指在同一事務(wù)下，連續(xù)執(zhí)行兩次同樣的 sql 語(yǔ)句可能返回不同的結(jié)果，第二次的 sql 語(yǔ)句可能會(huì)返回之前不存在的行。

幻影讀是一種特殊的不可重復(fù)讀問(wèn)題。

丟失更新
一個(gè)事務(wù)的更新操作會(huì)被另一個(gè)事務(wù)的更新操作所覆蓋。

例如：

T1 和 T2 兩個(gè)事務(wù)都對(duì)一個(gè)數(shù)據(jù)進(jìn)行修改，T1 先修改，T2 隨后修改，T2 的修改覆蓋了 T1 的修改。

這類型問(wèn)題可以通過(guò)給 SELECT 操作加上排他鎖來(lái)解決，不過(guò)這可能會(huì)引入性能問(wèn)題，具體使用要視業(yè)務(wù)場(chǎng)景而定。

分庫(kù)分表數(shù)據(jù)切分
水平切分
水平切分又稱為 Sharding，它是將同一個(gè)表中的記錄拆分到多個(gè)結(jié)構(gòu)相同的表中。

當(dāng)一個(gè)表的數(shù)據(jù)不斷增多時(shí)，Sharding 是必然的選擇，它可以將數(shù)據(jù)分布到集群的不同節(jié)點(diǎn)上，從而緩存單個(gè)數(shù)據(jù)庫(kù)的壓力。

垂直切分
垂直切分是將一張表按列分成多個(gè)表，通常是按照列的關(guān)系密集程度進(jìn)行切分，也可以利用垂直氣氛將經(jīng)常被使用的列喝不經(jīng)常被使用的列切分到不同的表中。

在數(shù)據(jù)庫(kù)的層面使用垂直切分將按數(shù)據(jù)庫(kù)中表的密集程度部署到不通的庫(kù)中，例如將原來(lái)電商數(shù)據(jù)部署庫(kù)垂直切分稱商品數(shù)據(jù)庫(kù)、用戶數(shù)據(jù)庫(kù)等。

Sharding 策略

• 哈希取模：hash(key)%N

• 范圍：可以是 ID 范圍也可以是時(shí)間范圍

• 映射表：使用單獨(dú)的一個(gè)數(shù)據(jù)庫(kù)來(lái)存儲(chǔ)映射關(guān)系

Sharding 存在的問(wèn)題
事務(wù)問(wèn)題

使用分布式事務(wù)來(lái)解決，比如 XA 接口

連接

可以將原來(lái)的連接分解成多個(gè)單表查詢，然后在用戶程序中進(jìn)行連接。

唯一性

• 使用全局唯一 ID （GUID）

• 為每個(gè)分片指定一個(gè) ID 范圍

• 分布式 ID 生成器（如 Twitter 的 Snowflake 算法）

復(fù)制

主從復(fù)制
主要涉及三個(gè)線程：binlog 線程、I/O 線程和 SQL 線程。

• binlog 線程 ：負(fù)責(zé)將主服務(wù)器上的數(shù)據(jù)更改寫入二進(jìn)制日志（Binary log）中。

• I/O 線程 ：負(fù)責(zé)從主服務(wù)器上讀取- 二進(jìn)制日志，并寫入從服務(wù)器的中繼日志（Relay log）。

• SQL 線程 ：負(fù)責(zé)讀取中繼日志，解析出主服務(wù)器已經(jīng)執(zhí)行的數(shù)據(jù)更改并在從服務(wù)器中重放（Replay）。

讀寫分離
主服務(wù)器處理寫操作以及實(shí)時(shí)性要求比較高的讀操作，而從服務(wù)器處理讀操作。

讀寫分離能提高性能的原因在于：

• 主從服務(wù)器負(fù)責(zé)各自的讀和寫，極大程度緩解了鎖的爭(zhēng)用；

• 從服務(wù)器可以使用 MyISAM，提升查詢性能以及節(jié)約系統(tǒng)開(kāi)銷；

• 增加冗余，提高可用性。

讀寫分離常用代理方式來(lái)實(shí)現(xiàn)，代理服務(wù)器接收應(yīng)用層傳來(lái)的讀寫請(qǐng)求，然后決定轉(zhuǎn)發(fā)到哪個(gè)服務(wù)器。

JSON
在實(shí)際業(yè)務(wù)中經(jīng)常會(huì)使用到 JSON 數(shù)據(jù)類型，在查詢過(guò)程中主要有兩種使用需求：

在 where 條件中有通過(guò) json 中的某個(gè)字段去過(guò)濾返回結(jié)果的需求
查詢 json 字段中的部分字段作為返回結(jié)果（減少內(nèi)存占用）
JSON_CONTAINS
JSON_CONTAINS(target, candidate[, path])

如果在 json 字段 target 指定的位置 path，找到了目標(biāo)值 condidate，返回 1，否則返回 0

如果只是檢查在指定的路徑是否存在數(shù)據(jù)，使用JSON_CONTAINS_PATH()

mysql> SET @j = '{"a": 1, "b": 2, "c": {"d": 4}}'; mysql> SET @j2 = '1'; mysql> SELECT JSON_CONTAINS(@j, @j2, '$.a'); +-------------------------------+ | JSON_CONTAINS(@j, @j2, '$.a') | +-------------------------------+ |                             1 | +-------------------------------+ mysql> SELECT JSON_CONTAINS(@j, @j2, '$.b'); +-------------------------------+ | JSON_CONTAINS(@j, @j2, '$.b') | +-------------------------------+ |                             0 | +-------------------------------+  mysql> SET @j2 = '{"d": 4}'; mysql> SELECT JSON_CONTAINS(@j, @j2, '$.a'); +-------------------------------+ | JSON_CONTAINS(@j, @j2, '$.a') | +-------------------------------+ |                             0 | +-------------------------------+ mysql> SELECT JSON_CONTAINS(@j, @j2, '$.c'); +-------------------------------+ | JSON_CONTAINS(@j, @j2, '$.c') | +-------------------------------+ |                             1 | +-------------------------------+

JSON_CONTAINS_PATH
JSON_CONTAINS_PATH(json_doc, one_or_all, path[, path] ...)

如果在指定的路徑存在數(shù)據(jù)返回 1，否則返回 0

mysql> SET @j = '{"a": 1, "b": 2, "c": {"d": 4}}'; mysql> SELECT JSON_CONTAINS_PATH(@j, 'one', '$.a', '$.e'); +---------------------------------------------+ | JSON_CONTAINS_PATH(@j, 'one', '$.a', '$.e') | +---------------------------------------------+ |                                           1 | +---------------------------------------------+ mysql> SELECT JSON_CONTAINS_PATH(@j, 'all', '$.a', '$.e'); +---------------------------------------------+ | JSON_CONTAINS_PATH(@j, 'all', '$.a', '$.e') | +---------------------------------------------+ |                                           0 | +---------------------------------------------+ mysql> SELECT JSON_CONTAINS_PATH(@j, 'one', '$.c.d'); +----------------------------------------+ | JSON_CONTAINS_PATH(@j, 'one', '$.c.d') | +----------------------------------------+ |                                      1 | +----------------------------------------+ mysql> SELECT JSON_CONTAINS_PATH(@j, 'one', '$.a.d'); +----------------------------------------+ | JSON_CONTAINS_PATH(@j, 'one', '$.a.d') | +----------------------------------------+ |                                      0 | +----------------------------------------+

實(shí)際使用：

$conds = new Criteria(); $conds->andWhere('dept_code', 'in', $deptCodes); if (!empty($aoiAreaId)) {     $aoiAreaIdCond = new Criteria();     $aoiAreaIdCond->orWhere("JSON_CONTAINS_PATH(new_aoi_area_ids,'one', '$.\"$aoiAreaId\"')", '=', 1);     $aoiAreaIdCond->orWhere("JSON_CONTAINS_PATH(old_aoi_area_ids,'one', '$.\"$aoiAreaId\"')", '=', 1);     $conds->andWhere($aoiAreaIdCond); }

column->path、column->>path
獲取指定路徑的值

-> vs ->>

Whereas the -> operator simply extracts a value, the ->> operator in addition unquotes the extracted result.

mysql> SELECT * FROM jemp WHERE g > 2; +-------------------------------+------+ | c                             | g    | +-------------------------------+------+ | {"id": "3", "name": "Barney"} |    3 | | {"id": "4", "name": "Betty"}  |    4 | +-------------------------------+------+ 2 rows in set (0.01 sec)  mysql> SELECT c->'$.name' AS name     ->     FROM jemp WHERE g > 2; +----------+ | name     | +----------+ | "Barney" | | "Betty"  | +----------+ 2 rows in set (0.00 sec)  mysql> SELECT JSON_UNQUOTE(c->'$.name') AS name     ->     FROM jemp WHERE g > 2; +--------+ | name   | +--------+ | Barney | | Betty  | +--------+ 2 rows in set (0.00 sec)  mysql> SELECT c->>'$.name' AS name     ->     FROM jemp WHERE g > 2; +--------+ | name   | +--------+ | Barney | | Betty  | +--------+ 2 rows in set (0.00 sec)

實(shí)際使用：

$retTask = AoiAreaTaskOrm::findRows(['status', 'extra_info->>"$.new_aoi_area_infos" as new_aoi_area_infos', 'extra_info->>"$.old_aoi_area_infos" as old_aoi_area_infos'], $cond);

關(guān)系數(shù)據(jù)庫(kù)設(shè)計(jì)理論
函數(shù)依賴
記 A->B 表示 A 函數(shù)決定 B，也可以說(shuō) B 函數(shù)依賴于 A。

如果 {A1，A2，... ，An} 是關(guān)系的一個(gè)或多個(gè)屬性的集合，該集合函數(shù)決定了關(guān)系的其它所有屬性并且是最小的，那么該集合就稱為鍵碼。

對(duì)于 A->B，如果能找到 A 的真子集 A'，使得 A'-> B，那么 A->B 就是部分函數(shù)依賴，否則就是完全函數(shù)依賴。

對(duì)于 A->B，B->C，則 A->C 是一個(gè)傳遞函數(shù)依賴

異常
以下的學(xué)生課程關(guān)系的函數(shù)依賴為 {Sno, Cname} -> {Sname, Sdept, Mname, Grade}，鍵碼為 {Sno, Cname}。也就是說(shuō)，確定學(xué)生和課程之后，就能確定其它信息。

不符合范式的關(guān)系，會(huì)產(chǎn)生很多異常，主要有以下四種異常：

• 冗余數(shù)據(jù)：例如 學(xué)生-2 出現(xiàn)了兩次。

• 修改異常：修改了一個(gè)記錄中的信息，但是另一個(gè)記錄中相同的信息卻沒(méi)有被修改。

• 刪除異常：刪除一個(gè)信息，那么也會(huì)丟失其它信息。例如刪除了 課程-1 需要?jiǎng)h除第一行和第三行，那么 學(xué)生-1 的信息就會(huì)丟失。

• 插入異常：例如想要插入一個(gè)學(xué)生的信息，如果這個(gè)學(xué)生還沒(méi)選課，那么就無(wú)法插入。

范式
范式理論是為了解決以上提到四種異常。

高級(jí)別范式的依賴于低級(jí)別的范式，1NF 是最低級(jí)別的范式。

第一范式 (1NF)
屬性不可分。

第二范式 (2NF)
每個(gè)非主屬性完全函數(shù)依賴于鍵碼。

可以通過(guò)分解來(lái)滿足。

分解前

以上學(xué)生課程關(guān)系中，{Sno, Cname} 為鍵碼，有如下函數(shù)依賴：

• Sno -> Sname, Sdept

• Sdept -> Mname

• Sno, Cname-> Grade

Grade 完全函數(shù)依賴于鍵碼，它沒(méi)有任何冗余數(shù)據(jù)，每個(gè)學(xué)生的每門課都有特定的成績(jī)。

Sname, Sdept 和 Mname 都部分依賴于鍵碼，當(dāng)一個(gè)學(xué)生選修了多門課時(shí)，這些數(shù)據(jù)就會(huì)出現(xiàn)多次，造成大量冗余數(shù)據(jù)。

分解后

關(guān)系-1

有以下函數(shù)依賴：

• Sno -> Sname, Sdept

• Sdept -> Mname

關(guān)系-2

有以下函數(shù)依賴：

• Sno, Cname ->  Grade

第三范式 (3NF)
非主屬性不傳遞函數(shù)依賴于鍵碼。

上面的 關(guān)系-1 中存在以下傳遞函數(shù)依賴：

• Sno -> Sdept -> Mname

可以進(jìn)行以下分解：

關(guān)系-11

關(guān)系-12

ER 圖
Entity-Relationship，有三個(gè)組成部分：實(shí)體、屬性、聯(lián)系。

用來(lái)進(jìn)行關(guān)系型數(shù)據(jù)庫(kù)系統(tǒng)的概念設(shè)計(jì)。

實(shí)體的三種聯(lián)系
包含一對(duì)一，一對(duì)多，多對(duì)多三種。

• 如果 A 到 B 是一對(duì)多關(guān)系，那么畫個(gè)帶箭頭的線段指向 B；

• 如果是一對(duì)一，畫兩個(gè)帶箭頭的線段；

• 如果是多對(duì)多，畫兩個(gè)不帶箭頭的線段。

下圖的 Course 和 Student 是一對(duì)多的關(guān)系。

表示出現(xiàn)多次的關(guān)系
一個(gè)實(shí)體在聯(lián)系出現(xiàn)幾次，就要用幾條線連接。

下圖表示一個(gè)課程的先修關(guān)系，先修關(guān)系出現(xiàn)兩個(gè) Course 實(shí)體，第一個(gè)是先修課程，后一個(gè)是后修課程，因此需要用兩條線來(lái)表示這種關(guān)系。

聯(lián)系的多向性
雖然老師可以開(kāi)設(shè)多門課，并且可以教授多名學(xué)生，但是對(duì)于特定的學(xué)生和課程，只有一個(gè)老師教授，這就構(gòu)成了一個(gè)三元聯(lián)系。

表示子類
用一個(gè)三角形和兩條線來(lái)連接類和子類，與子類有關(guān)的屬性和聯(lián)系都連到子類上，而與父類和子類都有關(guān)的連到父類上。

到此，相信大家對(duì)“總結(jié)數(shù)據(jù)庫(kù)知識(shí)點(diǎn)”有了更深的了解，不妨來(lái)實(shí)際操作一番吧！這里是創(chuàng)新互聯(lián)網(wǎng)站，更多相關(guān)內(nèi)容可以進(jìn)入相關(guān)頻道進(jìn)行查詢，關(guān)注我們，繼續(xù)學(xué)習(xí)！