Mysql（一）一条查询语句的执行流程

MySQL 的内部模块简介

1、 Connector：用来支持各种语言和 SQL 的交互，比如 PHP，Python，Java 的JDBC；
2、 Management Serveices & Utilities：系统管理和控制工具，包括备份恢复MySQL 复制、集群等等；
3、 Connection Pool：连接池，管理需要缓冲的资源，包括用户密码权限线程等等；
4、 SQL Interface：用来接收用户的 SQL 命令，返回用户需要的查询结果
5、 Parser：用来解析 SQL 语句；
6、 Optimizer：查询优化器；
7、 Cache and Buffer：查询缓存，除了行记录的缓存之外，还有表缓存，Key 缓存，权限缓存等等；
8、 Pluggable Storage Engines：插件式存储引擎，它提供 API 给服务层使用，跟具体的文件打交道

总体上，我们可以把 MySQL 分成三层，跟客户端对接的连接层，真正执行操作的服
务层，和跟硬件打交道的存储引擎层（参考 MyBatis：接口、核心、基础）。

连接层
我们的客户端要连接到 MySQL 服务器 3306 端口，必须要跟服务端建立连接，那么管理所有的连接，验证客户端的身份和权限，这些功能就在连接层完成。
服务层
连接层会把 SQL 语句交给服务层，这里面又包含一系列的流程：
比如查询缓存的判断、根据 SQL 调用相应的接口，对我们的 SQL 语句进行词法和语法的解析（比如关键字怎么识别，别名怎么识别，语法有没有错误等等）。
然后就是优化器，MySQL 底层会根据一定的规则对我们的 SQL 语句进行优化，最后再交给执行器去执行。
存储引擎
存储引擎就是我们的数据真正存放的地方，在 MySQL 里面支持不同的存储引擎。
再往下就是内存或者磁盘。

一条查询的SQL 语句是如何执行的？

1. 和数据库建立连接

MySQL 必须要运行一个服务，监听默认的 3306 端口。
在我们系统跟第三方接口对接的时候，必须要弄清楚的有两件事。
第一个就是通信协议，比如我们是用 HTTP 还是 WebService 还是 TCP？
第二个是消息格式，比如我们用 XML 格式，还是 JSON 格式，还是定长格式？报文头长度多少，包含什么内容，每个字段的详细含义。

MySQL 是支持多种通信协议的，可以使用同步/异步的方式，支持长连接/短连接。

1.1 通信类型

同步通信：
1、同步通信依赖于被调用方，受限于被调用方的性能。也就是说，应用操作数据库，线程会阻塞，等待数据库的返回。
2、一般只能做到一对一，很难做到一对多的通信

异步通信：
1、异步可以避免应用阻塞等待，但是不能节省 SQL 执行的时间。
2、如果异步存在并发，每一个 SQL 的执行都要单独建立一个连接，避免数据混乱。但是这样会给服务端带来巨大的压力（一个连接就会创建一个线程，线程间切换会占用大量 CPU 资源）。另外异步通信还带来了编码的复杂度，所以一般不建议使用。如果要异步，必须使用连接池，排队从连接池获取连接而不是创建新连接。一般来说我们连接数据库都是同步连接。

1.2 连接方式

MySQL 既支持短连接，也支持长连接。
短连接就是操作完毕以后，马上 close 掉。
长连接可以保持打开，减少服务端创建和释放连接的消耗，后面的程序访问的时候还可以使用这个连接。
一般我们会在连接池中使用长连接。保持长连接会消耗内存。长时间不活动的连接，MySQL 服务器会断开

show global variables like 'wait_timeout'; -- 非交互式超时时间，如 JDBC 程序
show global variables like 'interactive_timeout'; -- 交互式超时时间，如数据库工具

默认都是 28800 秒，8 小时

查看 MySQL 当前有多少个连接？
可以用 show status 命令：

show global status like 'Thread%';

Threads_cached：缓存中的线程连接数。
Threads_connected：当前打开的连接数。
Threads_created：为处理连接创建的线程数。
Threads_running：非睡眠状态的连接数，通常指并发连接数。
每产生一个连接或者一个会话，在服务端就会创建一个线程来处理。反过来，如果要杀死会话，就是 Kill 线程。

有了连接数，怎么知道当前连接的状态？
也可以使用 SHOW PROCESSLIST; （root 用户）查看 SQL 的执行状态。
https://dev.mysql.com/doc/refman/5.7/en/show-processlist.html

一些常见的状态：
https://dev.mysql.com/doc/refman/5.7/en/thread-commands.html

MySQL 服务允许的最大连接数是多少
在 5.7 版本中默认是 151 个，最大可以设置成 16384（2^14）

show variables like 'max_connections';

show 的参数说明：
1、级别：会话 session 级别（默认）；全局 global 级别
2、动态修改：set，重启后失效；永久生效，修改配置文件/etc/my.cnf

set global max_connections = 1000;

1.3 通信协议类型

1. Unix Socket
比如我们在 Linux 服务器上，如果没有指定-h 参数，它就用 socket 方式登录（-S /var/lib/mysql/mysql.sock）

它不用通过网络协议，也可以连接到 MySQL 的服务器，它需要用到服务器上的一个
物理文件（/var/lib/mysql/mysql.sock）。

2.TCP/IP 协议
指定-h 参数，就会用TCP/IP 协议

mysql -h192.168.8.211 -uroot -p123456

我们的编程语言的连接模块都是用 TCP 协议连接到 MySQL 服务器的，比如
mysql-connector-java-x.x.xx.jar。

另外还有命名管道（Named Pipes）和内存共享（Share Memory）的方式，这两种
通信方式只能在 Windows 上面使用，一般用得比较少。

1.4.通信方式

单工：
在两台计算机通信的时候，数据的传输是单向的。生活中的类比：遥控器。
半双工：
在两台计算机之间，数据传输是双向的，你可以给我发送，我也可以给你发送，但是在这个通讯连接里面，同一时间只能有一台服务器在发送数据，也就是你要给我发的话，也必须等我发给你完了之后才能给我发。生活中的类比：对讲机。
全双工：
数据的传输是双向的，并且可以同时传输。生活中的类比：打电话。

MySQL 使用了半双工的通信方式
要么是客户端向服务端发送数据，要么是服务端向客户端发送数据，这两个动作不能同时发生。所以客户端发送 SQL 语句给服务端的时候，（在一次连接里面）数据是不能分成小块发送的，不管你的 SQL 语句有多大，都是一次性发送。

比如我们用 MyBatis 动态 SQL 生成了一个批量插入的语句，插入 10 万条数据，values后面跟了一长串的内容，或者 where 条件 in 里面的值太多，会出现问题。
这个时候我们必须要调整 MySQL 服务器配置 max_allowed_packet 参数的值（默认是 4M），把它调大，否则就会报错。

另一方面，对于服务端来说，也是一次性发送所有的数据，不能因为你已经取到了想要的数据就中断操作，这个时候会对网络和内存产生大量消耗。
所以，我们一定要在程序里面避免不带 limit 的这种操作，比如一次把所有满足条件的数据全部查出来，一定要先 count 一下。如果数据量的话，可以分批查询。

2. 查询缓存

MySQL 内部自带了一个缓存模块。但在mysql8已经删除了，为什么要移除缓存功能呢？

主要是因为 MySQL 自带的缓存的应用场景有限，第一个是它要求 SQL 语句必须一模一样，中间多一个空格，字母大小写不同都被认为是不同的的 SQL。
第二个是表里面任何一条数据发生变化的时候，这张表所有缓存都会失效，所以对于有大量数据更新的应用，也不适合。
所以缓存这一块，我们还是交给独立的缓存服务，比如 Redis、Memcache、Ehcache等来处理更合适。

3. 语法解析和预处理(Parser & Preprocessor)

为什么我的一条 SQL 语句能够被识别呢？假如我随便执行一个字符串 lualu，服务器报了一个 1064 的错
[Err] 1064 - You have an error in your SQL syntax;
check the manual that corresponds to your MySQL server version for the right syntax to use near ‘lualu’ at line 1
它是如何判断我输入的内容是错误的？
这个就是 MySQL 的 Parser 解析器和 Preprocessor 预处理模块。
这一步主要做的事情是对语句基于 SQL 语法进行词法和语法分析和语义的解析。

3.1.词法解析

法分析就是把一个完整的 SQL 语句打碎成一个个的单词。
比如一个简单的 SQL 语句： select name from user where id = 1;
会打碎成 8 个符号，每个符号是什么类型，从哪里开始到哪里结束

3.2.语法解析

第二步就是语法分析，语法分析会对 SQL 做一些语法检查，比如单引号有没有闭合，
然后根据 MySQL 定义的语法规则，根据 SQL 语句生成一个数据结构。这个数据结构我
们把它叫做解析树（select_lex）。

任何数据库的中间件，比如 Mycat，Sharding-JDBC（用到了 Druid Parser），都
必须要有词法和语法分析功能，在市面上也有很多的开源的词法解析的工具（比如 LEX，Yacc）。

3.3.预处理器

问题：如果我写了一个词法和语法都正确的 SQL，但是表名或者字段不存在，会在
哪里报错？是在数据库的执行层还是解析器？比如：select * from lualu;

解析器可以分析语法，但是它怎么知道数据库里面有什么表，表里面有什么字段呢？
实际上还是在解析的时候报错，解析 SQL 的环节里面有个预处理器。
它会检查生成的解析树，解决解析器无法解析的语义。比如，它会检查表和列名是否存在，检查名字和别名，保证没有歧义。
预处理之后得到一个新的解析树。

4. 查询优化（Query Optimizer）与查询执行计划

4.1.什么是优化器？

得到解析树之后，是不是执行 SQL 语句了呢？一条 SQL 语句是不是只有一种执行方式？或者说数据库最终执行的 SQL 是不是就是我们发送的 SQL？

这个答案是否定的。一条 SQL 语句是可以有很多种执行方式的，最终返回相同的结果，他们是等价的。但是如果有这么多种执行方式，这些执行方式怎么得到的？最终选择哪一种去执行？根据什么判断标准去选择？
这个就是 MySQL 的查询优化器的模块（Optimizer）。
查询优化器的目的就是根据解析树生成不同的执行计划（Execution Plan），然后选择一种最优的执行计划，MySQL 里面使用的是基于开销（cost）的优化器，那种执行计划开销最小，就用哪种。
可以使用这个命令查看查询的开销：

show status like 'Last_query_cost';

https://dev.mysql.com/doc/refman/5.7/en/server-status-variables.html#statvar_Last_query_cost

4.2.优化器可以做什么

MySQL 的优化器能处理哪些优化类型呢？
举两个简单的例子：
1、当我们对多张表进行关联查询的时候，以哪个表的数据作为基准表。
2、有多个索引可以使用的时候，选择哪个索引。
实际上，对于每一种数据库来说，优化器的模块都是必不可少的，他们通过复杂的算法实现尽可能优化查询效率的目标。
如果对于优化器的细节感兴趣，可以看看《数据库查询优化器的艺术-原理解析与SQL性能优化》。

但是优化器也不是万能的，并不是再垃圾的 SQL 语句都能自动优化，也不是每次都能选择到最优的执行计划，大家在编写 SQL 语句的时候还是要注意。

4.3.优化器如何得到执行计划

https://dev.mysql.com/doc/internals/en/optimizer-tracing.html
首先我们要启用优化器的追踪（默认是关闭的）：

SHOW VARIABLES LIKE 'optimizer_trace';
set optimizer_trace='enabled=on';

注意开启这开关是会消耗性能的，因为它要把优化分析的结果写到表里面，所以不要轻易开启，或者查看完之后关闭它（改成 off）。
注意：参数分为 session 和 global 级别
接着我们执行一个 SQL 语句，优化器会生成执行计划：

select t.tcid from teacher t,teacher_contact tc where t.tcid = tc.tcid;

这个时候优化器分析的过程已经记录到系统表里面了，我们可以查询：

select * from information_schema.optimizer_trace\G

它是一个 JSON 类型的数据，主要分成三部分，准备阶段、优化阶段和执行阶段。

expanded_query 是优化后的 SQL 语句。
considered_execution_plans 里面列出了所有的执行计划。
分析完记得关掉它：

set optimizer_trace="enabled=off";
SHOW VARIABLES LIKE 'optimizer_trace';

4.4.优化器得到的结果

优化器最终会把解析树变成一个查询执行计划，查询执行计划是一个数据结构。
当然，这个执行计划是不是一定是最优的执行计划呢？不一定，因为 MySQL 也有可
能覆盖不到所有的执行计划。

我们怎么查看 MySQL 的执行计划呢？比如多张表关联查询，先查询哪张表？在执行
查询的时候可能用到哪些索引，实际上用到了什么索引？
MySQL 提供了一个执行计划的工具。我们在 SQL 语句前面加上 EXPLAIN，就可以
看到执行计划的信息

EXPLAIN select name from user where id=1;

注意 Explain 的结果也不一定最终执行的方式

5. 存储引擎

得到执行计划以后，SQL 语句是不是终于可以执行了？
问题又来了：
1、从逻辑的角度来说，我们的数据是放在哪里的，或者说放在一个什么结构里面？
2、执行计划在哪里执行？是谁去执行？

5.1.存储引擎基本介绍

我们先回答第一个问题：在关系型数据库里面，数据是放在什么结构里面的？（放在表 Table 里面的）
我们可以把这个表理解成 Excel 电子表格的形式。所以我们的表在存储数据的同时，还要组织数据的存储结构，这个存储结构就是由我们的存储引擎决定的，所以我们也可以把存储引擎叫做表类型。

在 MySQL 里面，支持多种存储引擎，他们是可以替换的，所以叫做插件式的存储引擎。为什么要搞这么多存储引擎呢？一种还不够用吗？

5.2.查看存储引擎

比如我们数据库里面已经存在的表，我们怎么查看它们的存储引擎呢？

show table status from `lualu`;

或者通过 DDL 建表语句来查看。

在 MySQL 里面，我们创建的每一张表都可以指定它的存储引擎，而不是一个数据库只能使用一个存储引擎。存储引擎的使用是以表为单位的。而且，创建表之后还可以修改存储引擎。

我们说一张表使用的存储引擎决定我们存储数据的结构，那在服务器上它们是怎么存储的呢？
我们先要找到数据库存放数据的路径：

show variables like 'datadir';

默认情况下，每个数据库有一个自己文件夹，以 csdn数据库为例。
任何一个存储引擎都有一个 frm 文件，这个是表结构定义文件。

不同的存储引擎存放数据的方式不一样，产生的文件也不一样，innodb 是 1 个，memory 没有，myisam 是两个。
这些存储引擎的差别在哪呢？

5.3.存储引擎比较

5.3.1常见存储引擎

MyISAM 和 InnoDB 是我们用得最多的两个存储引擎，在 MySQL 5.5 版本之前，默认的存储引擎是 MyISAM，它是 MySQL 自带的。我们创建表的时候不指定存储引擎，它就会使用 MyISAM 作为存储引擎。
MyISAM 的前身是 ISAM（Indexed Sequential Access Method：利用索引，顺序存取数据的方法）。

5.5 版本之后默认的存储引擎改成了 InnoDB，它是第三方公司为 MySQL 开发的。
为什么要改呢？最主要的原因还是 InnoDB 支持事务，支持行级别的锁，对于业务一致性要求高的场景来说更适合。
其他的存储引擎基本不使用，这里不做描述
https://dev.mysql.com/doc/refman/5.7/en/storage-engines.html

5.3.2 MyISAM（3 个文件）

应用范围比较小。表级锁定限制了读/写的性能，因此在 Web 和数据仓库配置中，它通常用于只读或以读为主的工作。
特点：
支持表级别的锁（插入和更新会锁表）。不支持事务。
拥有较高的插入（insert）和查询（select）速度。
存储了表的行数（count 速度更快）。
（怎么快速向数据库插入 100 万条数据？我们有一种先用 MyISAM 插入数据，然后修改存储引擎为 InnoDB 的操作。）
适合：只读之类的数据分析的项目

5.3.3 InnoDB（2 个文件）

mysql 5.5 中的默认存储引擎。InnoDB 是一个事务安全（与 ACID 兼容）的 MySQL存储引擎，它具有提交、回滚和崩溃恢复功能来保护用户数据。InnoDB 行级锁（不升级为更粗粒度的锁）和 Oracle 风格的一致非锁读提高了多用户并发性和性能。InnoDB 将用户数据存储在聚集索引中，以减少基于主键的常见查询的 I/O。为了保持数据完整性，InnoDB 还支持外键引用完整性约束。
特点：
支持事务，支持外键，因此数据的完整性、一致性更高。
支持行级别的锁和表级别的锁。
支持读写并发，写不阻塞读（MVCC）。
特殊的索引存放方式，可以减少 IO，提升查询效率。
适合：经常更新的表，存在并发读写或者有事务处理的业务系统

5.4.如何选择存储引擎

如果对数据一致性要求比较高，需要事务支持，可以选择 InnoDB。
如果数据查询多更新少，对查询性能要求比较高，可以选择 MyISAM。
还可以根据业务场景查看其他引擎是否适用。
如果所有的存储引擎都不能满足你的需求，并且技术能力足够，可以根据官网内部
手册用 C 语言自己去写一个存储引擎