(一)  常见的两种存储引擎：MyISAM与InnoDB

1)      MyISAM存储引擎的特点：表级锁，不支持事务、外键和全文索引。

2)      InnoDB存储引擎的特点：行级锁、事务安全（ACID兼容）、支持外键。

(二)  MyISAM与InnoDB的表锁和行锁

1)      MySQL表级锁有两种模式：表共享读锁（Table Read Lock）和表独占写锁（Table Write Lock）。什么意思呢，就是说对MyISAM表进行读操作时，它不会阻塞其他用户对同一表的读请求，但会阻塞对同一表的写操作；而对MyISAM表的写操作，则会阻塞其他用户对同一表的读和写操作。

2)      InnoDB行锁是通过给索引项加锁来实现的，即只有通过索引条件检索数据，InnoDB才使用行级锁，否则将使用表锁！行级锁在每次获取锁和释放锁的操作需要消耗比表锁更多的资源。在InnoDB两个事务发生死锁的时候，会计算出每个事务影响的行数，然后回滚行数少的那个事务。

(三)  Innodb的四大特性

1)      插入缓冲（insert buffer）：只对于非聚集索引（非唯一）的插入和更新有效，对于每一次的插入不是写到索引页中，而是先判断插入的非聚集索引页是否在缓冲池中，如果在则直接插入；若不在，则先放到Insert Buffer中，再按照一定的频率进行合并操作，再写回disk。这样通常能将多个插入合并到一个操作中，目的还是为了减少随机IO带来性能损耗。

使用插入缓冲的条件：

       非聚集索引

       非唯一索引

2)      二次写（double write）: 对页面拷贝副本，提高数据页的可靠性，当写失效时，通过副本页还原原页，再进行redu。

doublewrite由 内存中的doublewrite buffer (2MB) 和物理磁盘上共享表空间中连续的128个页，即两个区（2MB)组成想

3)      自适应哈希索引（ahi）: innodb会监控对表上个索引页的查询。如果观察到建立哈希索引可以带来速度提升，则自动建立哈希索引。

特点

　　1、无序，没有树高

　　2、降低对二级索引树的频繁访问资源，索引树高<=4，访问索引：访问树、根节点、叶子节点

　　3、自适应

3、缺陷

　　1、hash自适应索引会占用innodb buffer pool；

　　2、自适应hash索引只适合搜索等值的查询，如select * from table where index_col='xxx'，而对于其他查找类型，如范围查找，是不能使用的；

　　3、极端情况下，自适应hash索引才有比较大的意义，可以降低逻辑读。

4)      预读（read ahead）：InnoDB使用两种预读算法来提高I/O性能：线性预读（linear read-ahead）和随机预读（randomread-ahead）。

把线性预读放到以extent为单位，而随机预读放到以extent中的page为单位。

线性预读：当达到innodb_read_ahead_threshold（阈值，默认为56）时，将下一个extent提前读取到buffer pool中，而随机预读着眼于将当前extent中的剩余的page提前读取到buffer pool中。

(四)  InnoDB的数据结构

1)      数据行和数据页：数据行之间是以单链表的形式存放的，头尾有两个特殊记录（最小记录数据行和最大记录数据行），而数据页之间以双链表的形式连接，方便快速定位到数据在哪一页上，一个数据页包含多个数据行。

2)      B+Tree索引

1.      聚集索引：一颗B+树，叶子节点就是真实数据行所构成的数据页

（了解）最下面那层是根据id排序生成的。最底下那层的叶子节点是真实的数据，有4页，每页里面有一个单链表，就是我们的真实数据行。第二行有两页，每页中也是有个数据行构成的单链表，这是的数据行只包含了页码（最底下那层某页）、某页最大id，由此可见，第二行比最底下那行页数少了很多很多。就这样，一层一层的抽取，一定会有一个所谓的跟页。我们搜索数据就是从跟页开始的，一层一层往下找的。页内是单链表，同层的页和页之间是双链表。

2.      二级索引：即自己建立索引，比如给age添加索引。而树的叶子节点保存的是该age属性和主键id,非叶子节点存的是页码和下面那层某页的最大的age值，找到对应的id值后需要回表（拿着主键回去聚集索引找）。

3.      联合索引：特殊的二级索引，比如给（name,age）添加联合索引，底层数据结构和普通二级索引没什么区别，只不过叶子节点存的是name、age和主键id，非叶子节点存的是页码和下面那层最大的name值，所以如果搜索条件只有age，没有name的话，联合索引会失效，即遵循最左原则。

(五) B+树：是b树的一种变体，查询性能更好。

1)      有n棵子树的非叶子结点中含有n个关键字（b树是n-1个），这些关键字不保存数据，只用来索引，所有数据都保存在叶子节点（b树是每个关键字都保存数据）。

2)      所有的叶子结点中包含了全部关键字的信息，及指向含这些关键字记录的指针，且叶子结点本身依关键字的大小 自小而大 顺序链接。

3)      所有的非叶子结点可以看成是索引部分，结点中仅含其子树中的最大（或最小）关键字。

4)      通常在b+树上有两个头指针，一个指向根结点，一个指向关键字最小的叶子结点。

5)      同一个数字会在不同节点中重复出现，根节点的最大元素就是b+树的最大元素。

b+树的结构

(六)  为什么选用B+树作为数据库的索引结构：

1)      B+树的中间节点不保存数据，是纯索引,但是B树的中间节点是保存数据和索引的,相对来说,B+树磁盘页能容纳更多节点元素，更“矮胖”；

2)      B+树查询必须查找到叶子节点，B树只要匹配到即可不用管元素位置，因此b+树查找更稳定（并不慢）；

3)      对于范围查找来说，B+树只需遍历叶子节点链表即可，B树却需要重复地中序遍历,在项目中范围查找又很是常见的

4)      增删文件（节点）时，效率更高，因为B+树的叶子节点包含所有关键字，并以有序的链表结构存储，这样可很好提高增删效率。