MySQL索引与事务的透析——（超详解）
索引
2.1索引存在意义
在数据库使用select查询数据的时候有以下几个步骤：
1.先遍历表；
2.在把当前的行带入条件看条件是否成立；
3.若成立则保留，反之就不保留，跳过；
那么在一个表的数据非常大的时候，遍历的成本就非常的高了，时间复杂度至少为O（n）
总结：所以索引是针对查询操作引入的操作，避免针对表的遍历，运用索引可以加快查询的操作；
2.2索引相关操作
1.查看索引
SQL执行语句：show index from 表名；
代码实例如下：
mysql> create table student(id int,name varchar(10));
Query OK, 0 rows affected (0.01 sec)
mysql> show index from student;
Empty set (0.00 sec)
可以发现在没有建立索引的情况下，表是没有索引的，那么这就涉及另一个问题了；
存在unique，primary key，foreign key 的时候，索引会自动生成；
代码实例如下：
mysql> create table student(id int primary key,name varchar(10));
Query OK, 0 rows affected (0.01 sec)
mysql> show index from student;
+---------+------------+----------+--------------+-------------+-----------+-------------+----------+--------+------+------------+---------+---------------+
| Table | Non_unique | Key_name | Seq_in_index | Column_name | Collation | Cardinality | Sub_part | Packed | Null | Index_type | Comment | Index_comment |
+---------+------------+----------+--------------+-------------+-----------+-------------+----------+--------+------+------------+---------+---------------+
| student | 0 | PRIMARY | 1 | id | A | 0 | NULL | NULL | | BTREE | | |
+---------+------------+----------+--------------+-------------+-----------+-------------+----------+--------+------+------------+---------+---------------+
此时可以发现，存在索引了，列名字为id；
注意：如上述，索引会针对指定的列，在查询的过程中只有针对这一列进行查询，查询才会被索引进行优化；
当然还存在外键的时候，代码如下：
mysql> create table student(id int primary key,name varchar(10),classid int,foreign key(classid) references class(classid));
Query OK, 0 rows affected (0.01 sec)
mysql> show index from student;
+---------+------------+----------+--------------+-------------+-----------+-------------+----------+--------+------+------------+---------+---------------+
| Table | Non_unique | Key_name | Seq_in_index | Column_name | Collation | Cardinality | Sub_part | Packed | Null | Index_type | Comment | Index_comment |
+---------+------------+----------+--------------+-------------+-----------+-------------+----------+--------+------+------------+---------+---------------+
| student | 0 | PRIMARY | 1 | id | A | 0 | NULL | NULL | | BTREE | | |
| student | 1 | classid | 1 | classid | A | 0 | NULL | NULL | YES | BTREE | | |
+---------+------------+----------+--------------+-------------+-----------+-------------+----------+--------+------+------------+---------+---------------+
这里的外键的建立，小编在上期讲解过，不明白的小伙伴就去看看吧~~~
注意：此时索引指定的列名就为两个，上面那个是主键建立的索引，下面是外键建立的索引；
2.创建索引
SQL执行语句：create index 索引名 on 表名（列名）；
代码实例如下：
mysql> create index id_index on stu(id);
Query OK, 0 rows affected (0.01 sec)
Records: 0 Duplicates: 0 Warnings: 0
mysql> show index from stu;
+-------+------------+----------+--------------+-------------+-----------+-------------+----------+--------+------+------------+---------+---------------+
| Table | Non_unique | Key_name | Seq_in_index | Column_name | Collation | Cardinality | Sub_part | Packed | Null | Index_type | Comment | Index_comment |
+-------+------------+----------+--------------+-------------+-----------+-------------+----------+--------+------+------------+---------+---------------+
| stu | 1 | id_index | 1 | id | A | 0 | NULL | NULL | YES | BTREE | | |
+-------+------------+----------+--------------+-------------+-----------+-------------+----------+--------+------+------------+---------+---------------+
注意：创建索引是一个危险的操作，在创建索引时，数据库会根据现有的数据，进行大规模的整理，如果数据过多，会导致服务器卡死；
3.删除索引
SQL执行语句：drop index 索引名 on 表名；
代码实例如下：
mysql> drop index id_index on stu;
Query OK, 0 rows affected (0.01 sec)
Records: 0 Duplicates: 0 Warnings: 0
mysql> show index from stu;
Empty set (0.00 sec)
通过上述的stu表建立的索引进行删除后，可以发现在再次查找索引的时候就为空了；
注意：这里删除的是自己手动创建的索引，如果为（主键，外键，unique创建的索引）那么此时就不能够进行删除；
2.3索引原理理解
索引的内部原理其实是一种数据结构：即B+数（N叉搜索树）
那么我们之前学过的关于查询比较高效的就有哈希表，二叉搜索树；
📍哈希表是内部一种顺序表和链表结合的结构，在查找精确的数值时，他是可以实现的，但是在数据库的模糊匹配，范围数据查询，那么哈希表就不适用了；
📍二叉搜索树来说，当数据量过大时，那么此时树的高度就为log（N），那么此时还是完全平衡的状态，如果为单分支，那么树的高度就很离谱了；
那么此时就有一个B+树来解决这个问题；那么接下来，就先讲解B树的结构；
1.B树
B树就是和二叉搜索树基本原理一致，但是一个节点上不止一个数字，当多个数字在时，就会分为几个范围，小编就通过画图解释一下吧；
如图所示：
如上图所示，此时树的高度就大大减少了，那么就缩短了时间复杂度；
注意：
一个节点存储N个key那么就会生成N+1个区域，每个区域会生成对应的子树；
结点是存储在硬盘区域的，一次读硬盘，就取出来几个key，再进行比较；
一个节点中是可以存储N个key的，但是这不是无限制的，当一个节点的key过多时，就要触发节点的分裂；当然当节点的太少时，就会触发节点的合并；
2.B+树
对于B+树是B树的优化版本，那么还是和上述一样，小编来画图来解释吧；
如图所示：B+树就是省去了大于最大值的区间范围，并且每个区间的子树最大值必须为区间的最大值，即父节点对应区间最大值；
那么就有以下的特点：
📍 一个节点上存储一个N个key，对应就有N个区间，子树；
📍每个节点的最后一个节点，就相当于当前节点的最大值；
📍父节点的每个key都将以最大值的身份在子结点的对应区间出现；
📍B+树会使用链表这样的结构将叶子结点串联起来；
所以注意：
B+树减少了树的高度，降低了时间复杂度；
所有查询都要在叶子结点进行，使查询之间的时间开销是稳定的；
由于叶子结点存储的是行数据，而非叶子结点存储的是排序的key，非叶子结点是占有的空间少，那么在查询时，将非叶子结点加载到内存中运行，再次降低了IO访问次数；
2.4索引的缺点
1.占用空间，生成索引，需要一系列数据结构，和一系列是数据元素；
2.降低插入修改的执行效率；
3.事务
3.1事务存在意义
为啥要有事务呢，那么就有一下案列：
在之前，父母就要通过银行卡来进行转钱，如果当父母转了钱后，突然服务器崩了，那么此时钱就不会到你的手里；
运用MySQL进行实现：
mysql> create table accout(
-> id int primary key auto_increment,
-> name varchar(20) comment '账户名称',
-> money decimal(11,2) comment '金额'
-> );
mysql> insert into accout(name, money) values
-> ('阿里巴巴', 5000),
-> ('四十大盗', 1000);
mysql> -- 阿里巴巴账户减少2000
mysql> update accout set money=money-2000 where name='阿里巴巴';
mysql> update accout set money=money+2000 where name='四十大盗';
那么假如在转出2000后，突然崩了，那么此时就会造成一些不必要的线下问题，那么此时事务就是为了解决这些问题；
注意：事务可以把多个SQL进行打包成一个整体，要么整个执行正确，要么一个都不执行（这里不是不执行，而是方便理解）即原子性~~~
3.2事务的使用
（1）开启事务：start transaction
（2）执行多条SQL语句
（3）回滚或提交：rollback/commit;
说明：rollback即是全部失败，commit即是全部成功。
代码实例：
mysql> start transaction;
mysql> update accout set money=money-1000 where name='阿里巴巴';
mysql> update accout set money=money+1000 where name='四十大盗';
mysql> commit;
那么此时SQL语句部分，可以改变；
注意：回滚是通过日志的操作，记录操作中的关键事务，这样的记录就是回滚的依据；
3.3事务的理解
事务的特点：
📍原子性：通过回滚的方式，保证一系列操作正确；
📍一致性:事务在执行之前和执行之后的数据都不能太离谱（这里要通过约束条件，检查机制）
📍持久性：事务做出的操作是持久的，保存在硬盘上
📍隔离性：数据库并发执行多个事务时的问题，通常来说一个服务器同时给多个用户提供服务，所以并发执行；
那么在并发过程中会存在哪些问题？？
1.脏读 read committed
所谓脏读就是在事务A执行的过程中，事务B进行了读取同一个数据，那么之后事务A修改了数据，那么事务B所读的数据就是无效的数据；
解决脏读：
添加写枷锁，即在事务A执行过程中，B事务不能读取，只能等待事务A执行完成后才能读取；
那么此时：并发性下降，效率下降，数据正确性上升，隔离性提高~~~
2.不可重复读 repeatable read
所谓不可重复读就是在事务A执行完成后，在事务B读取的过程中，事务A又再次修改了数据，那么就造成事务B读取的数据两次结果不一样；（一个事务内部，两次读）
解决不可重复读：
添加读加锁，即在脏读的前提下，在事务B进行读取的时候，事务A不能够进行修改；
那么此时：并发性下降，效率下降，数据正确性上升，隔离性提高~~~（相比脏读效果更强）
3.幻读 serializable
所谓幻读就是在前面两种解决前提下，在事务A执行完成后，事务B读取的过程中，事务A又重新执行另一个事务，那么此时事务B在两次读取的过程中，数据没有改变，但是结果集改变了~~~
解决幻读：
引入串行化的解决方式，完全规避了并发执行；
那么此时：完全没有并发了，数据准确率最高，效率最低~~~
所以得根据不同的事务场景来决定不同的隔离级别：《一级：完全并发》《二级：脏读引入写加锁》《三级：不可重复读引入写和读加锁》《四级：幻读完全串行化》，一般默认三级；
