mysql innodb是什么

InnoDB是MySQL的数据库引擎之一,现为MySQL的默认存储引擎,为MySQL AB发布binary的标准之一;InnoDB采用双轨制授权,一个是GPL授权,另一个是专有软件授权。InnoDB是事务型数据库的首选引擎,支持事务安全表(ACID);InnoDB支持行级锁,行级锁可以最大程度的支持并发,行级锁是由存储引擎层实现的。

mysql innodb是什么

本教程操作环境:windows7系统、mysql8版本、Dell G3电脑。

如果想看自己的数据库默认使用的那个存储引擎,可以通过使用命令SHOW VARIABLES LIKE ‘storage_engine’;

一、InnoDB存储引擎

InnoDB,是MySQL的数据库引擎之一,现为MySQL的默认存储引擎,为MySQL AB发布binary的标准之一。InnoDB由Innobase Oy公司所开发,2006年五月时由甲骨文公司并购。与传统的ISAM与MyISAM相比,InnoDB的最大特色就是支持了ACID兼容的事务(Transaction)功能,类似于PostgreSQL。

InnoDB采用双轨制授权,一个是GPL授权,另一个是专有软件授权。

1、InnoDB是事务型数据库的首选引擎,支持事务安全表(ACID)

事务的ACID属性:即原子性、一致性、隔离性、持久性

                            a.原子性:原子性也就是说这组语句要么全部执行,要么全部不执行,如果事务执行到一半出现错误,数据库就要回滚到事务开始执行的地方。

                             实现:主要是基于MySQ日志系统的redo和undo机制。事务是一组SQL语句,里面有选择,查询、删除等功能。每条语句执行会有一个节点。例如,删除语句执行后,在事务中有个记录保存下来,这个记录中储存了我们什么时候做了什么事。如果出错了,就会回滚到原来的位置,redo里面已经存储了我做过什么事了,然后逆向执行一遍就可以了。

                                b.一致性:事务开始前和结束后,数据库的完整性约束没有被破坏。(eg:比如A向B转账,不可能A扣了钱,B却没有收到)

                                c.隔离性:同一时间,只允许一个事务请求同一数据,不同的事务之间彼此没有任何干扰;

                                如果不考虑隔离性则会出现几个问题:

                                 i、脏读:是指在一个事务处理过程里读取了另一个未提交的事务中的数据(当一个事务正在多次修改某个数据,而在这个事务中这多次的修改都还未提交,这时一个并发的事务来访问该数据,就会造成两个事务得到的数据不一致);(读取了另一个事务未提交的脏数据)

                                 ii、不可重复读:在对于数据库中的某个数据,一个事务范围内多次查询却返回了不同的数据值,这是由于在查询间隔,被另一个事务修改并提交了;(读取了前一个事务提交的数据,查询的都是同一个数据项)

                                 iii、虚读(幻读):是事务非独立执行时发生的一种现象(eg:事务T1对一个表中所有的行的某个数据项做了从“1”修改为“2”的操作,这时事务T2又对这个表中插入了一行数据项,而这个数据项的数值还是为“1”并且提交给数据库。而操作事务T1的用户如果再查看刚刚修改的数据,会发现还有一行没有修改,其实这行是从事务T2中添加的,就好像产生幻觉一样);(读取了前一个事务提交的数据,针对一批数据整体)

                                d.持久性:事务完成后,事务对数据库的所有更新将被保存到数据库,不能回滚

2、InnoDB是mySQL默认的存储引擎,默认的隔离级别是RR,并且在RR的隔离级别下更近一步,通过多版本并发控制(MVCC)解决不可重复读问题,加上间隙锁(也就是并发控制)解决幻读问题。因此InnoDB的RR隔离级别其实实现了串行化级别的效果,而保留了比较好的并发性能。

MySQL数据库为我们提供的四种隔离级别:

a、Serializable(串行化):可避免脏读、不可重复读、幻读的发生;

b、Repeatable read(可重复读):可避免脏读、不可重复读的发生;

c、Read committed(读已提交):可避免脏读的发生;

d、Read uncommitted(读未提交):最低级别,任何情况都无法保证;

从a—-d隔离级别由高到低,级别越高,执行效率越低

3、InnoDB支持行级锁。行级锁可以最大程度的支持并发,行级锁是由存储引擎层实现的。

锁:锁的主要作用是管理共享资源的并发访问,用于实现事务的隔离性

        类型:共享锁(读锁)、独占锁(写锁)         

        MySQL锁的力度:表级锁(开销小、并发性低),通常在服务器层实现

                                    行级锁(开销大、并发性高),只会在存储引擎层面进行实现

4、InnoDB是为处理巨大数据量的最大性能设计。它的CPU效率可能是任何基于磁盘的关系型数据库引擎所不能匹敌的

5、InnoDB存储引擎完全与MySQL服务器整合,InnoDB存储引擎为在主内存中缓存数据和索引而维持它自己的缓冲池。InnoDB将它的表和索引在一个逻辑表空间中,表空间可以包含数个文件(或原始磁盘文件);

6、InnoDB支持外键完整性约束,存储表中的数据时,每张表的存储都按照主键顺序存放,如果没有显示在表定义时指定主键。InnoDB会为每一行生成一个6字节的ROWID,并以此作为主键

7、InnoDB被用在众多需要高性能的大型数据库站点上

8、InnoDB中不保存表的行数(eg:select count(*)from table时,InnoDB需要扫描一遍整个表来计算有多少行);清空整个表时,InnoDB是一行一行的删除,效率非常慢;

InnoDB不创建目录,使用InnoDB时,MySQL将在MySQL数据目录下创建一个名为ibdata1的10MB大小的自动扩展数据文件,以及两个名为ib_logfile0和ib_logfile1的5MB大小的日志文件

二、InnoDB引擎的底层实现

InnoDB的存储文件有两个,后缀名分别是 .frm和 .idb;其中 .frm是表的定义文件, .idb是表的数据文件。

1、InnoDB引擎采用B+Tree结构来作为索引结构

B-Tree(平衡多路查找树):为磁盘等外存储设备设计的一种平衡查找树

系统从磁盘读取数据到内存时是以磁盘块位基本单位的,位于同一磁盘块中的数据会被一次性读取出来,而不是按需读取。

InnoDB存储引擎使用页作为数据读取单位,页是其磁盘管理的最小单位,默认page大小是16k.

系统的一个磁盘块的存储空间往往没有那么大,因此InnoDB每次申请磁盘空间时都会是若干地址连续磁盘块来达到页的大小16KB。

InnoDB在把磁盘数据读入到磁盘时会以页为基本单位,在查询数据时,如果一个页中的每条数据都能助于定位数据记录的位置,这将会减少磁盘I/O的次数,提高查询效率。

B-Tree结构的数据可以让系统高效的找到数据所在的磁盘块

B-Tree中的每个节点根据实际情况可以包含大量的关键字信息和分支,例:

1.png

每个节点占用一个盘块的磁盘空间,一个节点上有两个升序排序的关键字和三个指向子树根节点的指针,指针存储的是子节点所在磁盘块的地址。

以根节点为例,关键字为17和35,P1指针指向的子树的数据范围小于17,P2指针指向的子树的数据范围为17—-35,P3指针指向的子树的数据范围大于35;

模拟查找关键字29的过程:

a.根据根节点找到磁盘块1,读入内存。【磁盘I/O操作第一次】

b.比较关键字29在区间(17,35),找到磁盘块1的指针P2;

c.根据P2指针找到磁盘块3,读入内存。【磁盘I/O操作第二次】

d.比较关键字29在区间(26,30),找到磁盘块3的指针P2;

e.根据P2指针找到磁盘块8,读入内存。【磁盘I/O操作第三次】

f.在磁盘块8中的关键字列表中找到关键字29.

MySQL的InnoDB存储引擎在设计时是将根节点常驻内存的,因此力求达到树的深度不超过3,也就是I/O不需要超过三次;

分析上面的结果,发现需要三次磁盘I/O操作,和三次内存查找操作。由于内存中的关键字是一个有序表结构,可以利用二分法查找提高效率;而三次磁盘I/O操作时影响整个B-Tree查找效率的决定因素。

B+Tree

B+Tree是在B-Tree基础上的一种优化,使其更适合实现外存储索引结构,B-Tree中每个节点中有key,也有data,而每一页的存储空间是有限的,如果data数据较大时将会导致每个节点(即一个页)能存储的key的数量很小。当存储的数据量很大时同样会导致B-Tree的深度较大,增大查询时的磁盘I/O次数,进而影响查询效率。

在B+Tree中所有数据记录节点都是按照键值大小顺序存放在同一层的叶子节点上,而非叶子节点上只存储key值信息,这样可以大大加大每个节点存储的key值数量,降低B+Tree的高度;

B+Tree在B-Tree的基础上有两点变化:(1)数据是存在叶子节点中的

                                                         (2)数据节点之间是有指针指向的

由于B+Tree的非叶子节点只存储键值信息,假设每个磁盘块能存储4个键值及指针信息,则变成B+Tree后其结构如下图所示:

2.png

通常在B+Tree上有两个头指针,一个指向根节点,另一个指向关键字最小的叶子节点,而且所有叶子节点(即数据节点)之间是一种链式环结构。

因此可以对B+Tree进行两种查找运算,一种是对于主键的范围查找和分页查找,另一种是从根节点开始,进行随机查找。

InnoDB中的B+Tree

InnoDB是以ID为索引的数据存储

采用InnoDB引擎的数据存储文件有两个,一个定义文件,一个是数据文件。

InnoDB通过B+Tree结构对ID建索引,然后在叶子节点中存储记录

3.png

若建立索引的字段不是主键ID,则对该字段建索引,然后在叶子节点中存储的是该记录的主键,然后通过主键索引找到对应记录

【相关推荐:mysql视频教程】

以上就是mysql innodb是什么的详细内容,更多请关注创想鸟其它相关文章!

版权声明:本文内容由互联网用户自发贡献,该文观点仅代表作者本人。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。
如发现本站有涉嫌抄袭侵权/违法违规的内容, 请发送邮件至 chuangxiangniao@163.com 举报,一经查实,本站将立刻删除。
发布者:程序猿,转转请注明出处:https://www.chuangxiangniao.com/p/169233.html

(0)
打赏 微信扫一扫 微信扫一扫 支付宝扫一扫 支付宝扫一扫
上一篇 2025年11月1日 01:31:49
下一篇 2025年11月1日 01:33:09

相关推荐

  • RSS订阅如何数据分析? RSS数据解析与趋势分析的简便操作指南

    使用Python的feedparser库解析RSS订阅源数据,提取标题、链接、发布时间等信息并存储为JSON或数据库格式;2. 利用Pandas进行数据清洗,包括处理缺失值、标准化日期和文本清洗;3. 进行趋势分析,包括时间序列分析发布频率、关键词提取识别热门话题、情感分析判断内容倾向性及内容关联分…

    2025年12月17日
    000
  • RSS订阅如何排序?

    RSS订阅默认按发布时间倒序排列,最新内容优先显示,排序功能由阅读器实现,用户可自定义按日期、标题、来源或阅读状态等规则调整,以提升信息获取效率。 RSS订阅的排序机制,默认情况下通常是按照内容的发布时间倒序排列,也就是最新发布的内容会显示在最前面。不过,许多RSS阅读器和聚合服务也提供了自定义排序…

    2025年12月17日
    000
  • RSS生成器需要哪些功能?

    一个优秀的RSS生成器需具备灵活的内容源接入、标准的格式输出、高效的更新机制与良好的可配置性。它通过支持数据库、API、网页抓取等方式解析非结构化信息,将内容转换为符合RSS/Atom规范的XML格式,确保GUID唯一、日期准确、避免重复推送。为保障实时性,应优先采用Webhook事件驱动,辅以定时…

    2025年12月17日
    000
  • RSS阅读器如何存储数据?

    RSS阅读器的数据存储方式主要分为本地存储和云端存储,前者多采用SQLite等嵌入式数据库保存订阅源、文章元数据及阅读状态,适合注重隐私与离线使用的桌面端应用;后者通过PostgreSQL、MySQL等服务端数据库实现跨设备同步,保障数据一致性与高可用性,常见于Web端服务。为应对全文存储带来的空间…

    2025年12月17日
    000
  • RSS如何实现内容搜索?

    RSS内容搜索依赖于阅读器对订阅源的聚合与索引,其搜索范围限于用户已订阅的内容,不同于传统搜索引擎的全网爬取,具备更高时效性与隐私性,但广度不足;实现该功能需解决解析健壮性、数据存储、全文索引、更新去重及性能优化等技术问题。 RSS本身并非一个提供搜索功能的协议或系统,它更像是一个内容分发的管道。我…

    2025年12月17日
    000
  • RSS订阅如何数据分析?

    答案:RSS数据分析通过系统化流程挖掘内容趋势、发布者行为和商业洞察。首先利用Python、feedparser等工具抓取并存储数据,再通过pandas、BeautifulSoup清洗标准化,接着运用NLP、LDA等技术分析关键词与主题,结合发布频率、文章长度等指标评估内容质量,最后通过Plotly…

    好文分享 2025年12月17日
    000
  • 如何用C++处理XML文件?

    C++中处理XML需借助第三方库,因标准库无原生支持。推荐使用TinyXML-2或pugixml等轻量级DOM库,适用于中小型项目,API简洁易用;对大型或复杂场景可选Xerces-C++,支持SAX和DOM模式及Schema验证;性能敏感场景可考虑RapidXML,其零拷贝机制提升解析速度。处理大…

    2025年12月17日
    000
  • RSS订阅如何共享?

    共享RSS订阅可通过云端阅读器功能、OPML文件导出导入或自建RSS服务实现。云端工具如Feedly支持共享文件夹与团队协作,OPML提供跨平台通用备份与迁移,自建服务则保障数据隐私与定制化控制,适用于不同需求场景。 RSS订阅的共享,通常不是一个直接的“共享按钮”功能,而更多是基于特定服务或文件导…

    2025年12月17日
    000
  • XML处理性能如何优化?

    答案:优化XML处理性能需根据场景选择解析器,流式解析适合大文件以降低内存占用,避免DOM导致的内存溢出;通过优化XPath和XSLT、合理管理内存与GC、权衡Schema验证开销,并结合预处理与后处理策略提升整体效率。 优化XML处理性能,核心在于理解XML的特性,并根据实际应用场景选择最适合的解…

    2025年12月17日
    000
  • RSS如何实现分页加载?

    RSS协议本身不支持分页,因其设计为一次性推送最新内容;可通过服务器端动态生成带页码参数的Feed链接,或创建多个独立的历史存档Feed来模拟分页效果,但主流阅读器通常只订阅主URL,难以自动加载多页内容。 RSS本身的设计初衷,其实并没有直接内置“分页”这个概念。它更像是一个新闻快讯的广播台,一次…

    2025年12月17日
    000
  • XML与关系数据库如何映射?

    XML与关系数据库映射需根据数据结构和业务需求选择扁平化、父子表、聚合列等策略,结合数据库原生XML/JSON支持与混合建模,通过批量操作、事务管理、索引优化及增量同步等手段,在保证数据一致性的同时提升同步性能。 XML与关系数据库的映射,本质上是两种不同数据模型之间的“翻译”过程。XML以其树状、…

    2025年12月17日
    000
  • SOAP与数据库交互?如何连接数据库?

    SOAP通过中间层实现数据库交互,需接收并解析SOAP消息,连接数据库执行操作后返回响应;常见安全问题包括SQL注入、XXE、DoS及认证风险,应通过参数化查询、禁用外部实体、限流和RBAC等措施防范;性能优化可采用压缩、缓存、连接池、异步处理等手段;相比之下,RESTful API、GraphQL…

    2025年12月17日
    000
  • Kotlin怎么使用DOM方式解析XML配置文件?

    dom解析适用于文件较小且需频繁随机访问或修改的场景,局限性在于内存消耗大,不适合大文件解析;1. 使用documentbuilderfactory创建documentbuilder解析xml为document对象;2. 通过getelementsbytagname获取节点列表并遍历;3. 检查no…

    2025年12月17日
    000
  • RSS如何实现搜索功能?

    rss本身不提供搜索功能,需通过客户端或服务端实现。1.客户端本地搜索依赖阅读器存储的数据,优点是隐私性好,但仅限于已订阅内容;2.服务端搜索由网站提供,可搜索全部内容,速度快范围广;3.构建自定义搜索应用需考虑数据抓取、存储、索引、去重及用户界面设计。 RSS本身并没有内置的搜索功能。它更多是一种…

    2025年12月17日
    000
  • xml格式的数据库备份怎么恢复 分步指导恢复xml格式数据库备份文件

    要恢复xml数据库备份文件,需解析数据并插入对应表结构。具体步骤如下:一、确认xml结构,查看标签与表、字段的对应关系;二、准备目标数据库环境,确保表结构一致并处理主外键依赖;三、根据数据量选择恢复方式,小量可手动写sql插入,大量则用脚本(如python)自动解析并插入;四、恢复后执行查询验证数据…

    2025年12月17日
    000
  • xml怎么和数据库交互数据 实现xml与数据库数据交互的完整方案

    xml与数据库交互的核心是解析xml并映射字段至数据库表,具体步骤为:1.明确xml结构和数据库表结构;2.使用解析工具提取xml数据;3.通过参数化sql插入或更新数据库;4.从数据库查询数据并生成xml文件。整个过程需注意字段匹配、批量处理、空值及编码问题,确保数据准确性和完整性。 XML 和数…

    2025年12月17日
    000
  • 如何使用Golang实现基础论坛功能_Golang论坛模块拆解

    Golang论坛用户系统需实现注册、登录与权限管理:用Gin/Echo+GORM操作数据库,密码bcrypt哈希,JWT签发含user_id和role的token,中间件统一校验;注册校验唯一性,登录返回token及有效期,敏感操作按role严格控制。 用户系统:注册、登录与权限管理 论坛最基础的是…

    2025年12月17日
    000
  • Go中如何优雅处理数据库连接错误_Go DB Error处理方法

    Go中数据库错误处理核心是分层预防与精准归因:初始化时Ping验证连接,运行时用errors.Is和驱动错误类型区分网络超时、认证失败等场景,结合上下文超时与连接池配置实现可观测的健壮性。 Go 中处理数据库连接错误,关键不是“捕获 panic”,而是提前预防、分层判断、明确归因。标准库 datab…

    2025年12月17日
    000
  • 如何使用Golang反射构建灵活的工厂模式_Golang reflect工厂方法实现解析

    Golang反射工厂模式通过注册类型映射表实现运行时按名创建实例,支持带参构造与类型安全封装,适用于插件系统、配置驱动初始化等场景。 用 Golang 反射实现工厂模式,核心是绕过编译期类型绑定,让程序在运行时根据字符串、配置或用户输入动态创建结构体实例。它不替代传统接口+构造函数的工厂,而是解决“…

    2025年12月17日
    000
  • Golang如何优化数据库连接池使用_Golang数据库连接池性能管理实践

    合理配置Go的database/sql连接池可显著提升高并发服务性能。1. 理解连接池机制:SetMaxOpenConns控制最大并发连接,SetMaxIdleConns管理空闲连接,SetConnMaxLifetime和SetConnMaxIdleTime避免陈旧连接。2. 根据负载调优:OLTP…

    2025年12月16日
    000

发表回复

登录后才能评论
关注微信