基础部分

外键约束

数据库三范式

多表关联查询（重点）

外链接

联合查询（很少用）

分组查询

Having分组过滤

子查询

JDBC

JDBC中如何设置事务隔离级别

应用篇

池化思想之数据库连接池

自己实现简易Java连接池

多数据源

索引

SQL技巧

MySQL的limit到底应该怎么优化

基础部分

varchar(N)长度并不是越长，越好，需要选择一个合适的长度。

因为：在内存中的操作方式，varchar也是按照最长的方式在内存中进行操作的。比如说要进行排序的时候，varcahr(100)是按照100这个长度来进行的，不合理的长度会浪费内存空间

对与大文件，大字符串就没有必要直接存在数据库里面了，因为数据库总的来说是比较慢的

对于大字符串，完全可以把它放入一个文件中，然后把文件的存放路径存到数据库里面，我们通过路径去直接定位文件

大字符串，放在数据库字段中，字符串匹配也是一个麻烦事儿

所以总结下来，字符串类型就用varchar和char就够了，一般不用text和blob

对于名字等短小的字符串，可以使用like "%宝%"，这样的模糊查询；如果是像小说这种长的就不适合用模糊查询了，非常慢；长的文本查询要用ES，非常快，毫秒级；

外键约束

外键的目的：

加外键，是为了降低数据冗余，

把外键加到多的一方，是为了把冗余数据降到最低；

外键约束的作用：

为了防止黑户出现，比如电影表中，出现电影类型表中没有的电影类型的电影

关系型数据库，从来只能降低冗余，而不能把冗余完全消除；

数据库三范式

这个三范式有点过时，一范式可以遵守，二三可以违反

最终，分不分开，还是要看业务需求，如果你有明确的查询需求，就分开，否则不分开也没啥；

实际上二范式，讲的就是多对多关系，出现冗余数据的问题（只有复合主键，才有可能出现非主键列只依赖主键的一部分的情况）

二范式，就是针对复合主键的，如果没有复合主键，也就根本不可能违反二范式了；

解决方案，就是把复合主键，放在第3张表，关系表中；

所以，第三范式，实际上讲的就是，将的一对多的情况，应该继续拆出一张多的表；

有的时候，我们宁可冗余，从而减少表连接查询，所以很多公司都表示可以进行冗余数据，存储空间很大，速度优先是第一位的；所以，阿里巴巴才会禁止表连接查询；

比如，我们直接把电影类型，冗余进电影表中，这样想知道每个电影的类型时，就不用再进行表连接了，这就叫牺牲空间换时间；

所以，现在三范式有点过时，一范式可以遵守，二三可以违反

多表关联查询（重点）

关联查询时，首先要选好查询主表

怎么选择主表，就看那个表中有你需要的最主要的信息，其余的辅助的信息就通过和主表关联查询出来就好；比如，用户喜欢哪些类型，就在u_c表中，类型名等辅助信息，就通过u_c表关联类型表就好；

早期mysql版本这种方式是，先笛卡尔积一个大表在内存中，然后在内存中，再进行条件过滤（但是现在的新版本，也改成内连接的模式了）

而Join on内连接，是一边拼接，一边过滤，所以不会耗费太多内存；

总之，养成好习惯，尽量使用内连接，不要使用笛卡尔积查询；

外链接

这个的作用就是为了做报表时，数据能齐全一些；

内连接是发现条件不成立时，就赶尽杀绝；外连接就是就算条件不成立，也会保留左表或者右表；

联合查询（很少用）

就是求，交、并、差集

Union，是求并集，会去重；Union all，是求并集，不去重；

联合查询用的不多，还不如条件时，用个或OR 条件，来求并集；

分组查询

聚合函数作用在列名上时，不计算null，null不进行统计直接跳过

面试题：

count(1)会统计null值，所以统计行数，不建议写count(列表），而使用count(1)

where要写在group by的前面，表示的含义是：满足这个where条件的记录，才有资格参加接下来的分组；

普通的查询，只能先分组，再对每个组通过聚合函数得到的整体数据，进行排序

Having分组过滤

订单表是多组多对多关系的合成表

含义是：哪个员工，给哪个用户，卖了哪部电影，卖了多少张；

聚合函数只能用在3个地方：字段列表中，order by后面，having后面；

where是一行行过滤，不能聚合

having是一组一组过滤，能使用聚合函数

子查询

标量子查询

这里，是子查询查出值后，再作为外层父查询的条件值，一行一行过滤父查询中不满足条件的每一行；

列子查询

这是两种解法

行子查询

这是标量子查询的写法

行子查询用得少，大部分人都用上面的标量子查询替代；

表子查询（重点）

俗称：套娃

再以上面这个查询的结果，作为“新表”，对这个新表通过员工id再进行分组

总结：

当想对一个分组的结果，再进行分组时，就只能使用表子查询，别无他法；

上面是方法一

下面是方法二

推荐使用方法二，因为方法一是以父查询做驱动，执行父查询的一行都要执行一次子查询；

JDBC

任何两个程序之间，只要有通信，那么之间就一定会有协议/标准，有了协议就能够实现解耦；

浏览器和服务器之间通信，就有http协议，有了http协议就能够实现浏览器与服务器的解耦，不论使用什么类型的浏览器，服务器都只管接收http格式的请求就好；

JDBC就是java程序和数据库程序之间通信的协议/标准；有了JDBC协议，就让java程序有了统一访问的能力，访问任何数据库都只针对jdbc接口编程，从而实现解耦与统一访问；

这也是一种依赖倒置的思想，加中间接口层，实现上下层的依赖解耦；

java程序和数据库之间，既是通过jdbc协议分开的，但也是通过jdbc协议沟通的；

什么是JDBC？JDBC是Java DataBase Connectivity的缩写，它是Java程序访问数据库的标准接口。

使用Java程序访问数据库时，Java代码并不是直接通过TCP连接去访问数据库，而是通过JDBC接口来访问，而JDBC接口则通过JDBC驱动来实现真正对数据库的访问。

例如，我们在Java代码中如果要访问MySQL，那么必须编写代码操作JDBC接口。注意到JDBC接口是Java标准库自带的，所以可以直接编译。而具体的JDBC驱动是由数据库厂商提供的，例如，MySQL的JDBC驱动由Oracle提供。因此，访问某个具体的数据库，我们只需要引入该厂商提供的JDBC驱动，就可以通过JDBC接口来访问，这样保证了Java程序编写的是一套数据库访问代码，却可以访问各种不同的数据库，因为他们都提供了标准的JDBC驱动：

┌ ─ ─ ─ ─ ─ ─ ─ ─ ─ ─ ┐│  ┌───────────────┐  ││   Java App    │
│  └───────────────┘  ││
│          ▼          │┌───────────────┐
│  │JDBC Interface │<─┼─── JDK└───────────────┘
│          │          │▼
│  ┌───────────────┐  ││  JDBC Driver  │<───── Vendor
│  └───────────────┘  ││
└ ─ ─ ─ ─ ─│─ ─ ─ ─ ─ ┘▼┌───────────────┐│   Database    │└───────────────┘

从代码来看，Java标准库自带的JDBC接口其实就是定义了一组接口，而某个具体的JDBC驱动其实就是实现了这些接口的类：

┌ ─ ─ ─ ─ ─ ─ ─ ─ ─ ─ ┐│  ┌───────────────┐  ││   Java App    │
│  └───────────────┘  ││
│          ▼          │┌───────────────┐
│  │JDBC Interface │<─┼─── JDK└───────────────┘
│          │          │▼
│  ┌───────────────┐  ││ MySQL Driver  │<───── Oracle
│  └───────────────┘  ││
└ ─ ─ ─ ─ ─│─ ─ ─ ─ ─ ┘▼┌───────────────┐│     MySQL     │└───────────────┘

实际上，一个MySQL的JDBC的驱动就是一个jar包，它本身也是纯Java编写的。我们自己编写的代码只需要引用Java标准库提供的java.sql包下面的相关接口，由此再间接地通过MySQL驱动的jar包通过网络访问MySQL服务器，所有复杂的网络通讯都被封装到JDBC驱动中，因此，Java程序本身只需要引入一个MySQL驱动的jar包就可以正常访问MySQL服务器：

┌ ─ ─ ─ ─ ─ ─ ─ ─ ─ ─ ┐┌───────────────┐
│  │   App.class   │  │└───────────────┘
│          │          │▼
│  ┌───────────────┐  ││  java.sql.*   │
│  └───────────────┘  ││
│          ▼          │┌───────────────┐     TCP    ┌───────────────┐
│  │ mysql-xxx.jar │──┼────────>│     MySQL     │└───────────────┘            └───────────────┘
└ ─ ─ ─ ─ ─ ─ ─ ─ ─ ─ ┘JVM

mysql-xxx-driver.jar就是实现了jdbc的那一系列接口；

使用JDBC的好处是：

各数据库厂商使用相同的接口，Java代码不需要针对不同数据库分别开发；
Java程序编译期仅依赖java.sql包，不依赖具体数据库的jar包；
可随时替换底层数据库，访问数据库的Java代码基本不变。

Connection是连接，通过Connection拿到这个连接上的Statement，Statement就是车， sql就是货物，Statement车，就是在连接上，运送 sql这个货物，sql执行完后，车再把执行结果运回来，所以我们拿sql执行结果也是找Statement车拿；

sql注入

预防sql注入，就用preparedStatement替代Statement

jdbc中操作日期，只能使用java.sql.Date

为什么preparedStatement可以防止sql注入？

设计思想：

1. 不要帮用户做决定

2. 无论下层什么存储结构，都给上层返回统一的数据结构

第3点，如果我们的下层存储使用的不是数据库，那么上层也就无法接收ResultSet，但是无论底层存储是文件还是数据库还是其他，我们给上层调用者都返回List，从而就实现了上层与下层存储结构的解耦；

这个时候，上层就是面向对象编程了，上层只需要调用Dao方法就好了，不用再写sql或者关注Dao层是如何实现的了；

不用关注Dao层是直接用的jdbc还是mybatis，还会jpa等等；

代码中，要尽量避免魔法数字，尽量用常量单词代替；

JDBC中如何设置事务隔离级别

读未提交隔离级别：

就是线程T1开始了事务，并修改了表记录，但是T1还没提交事务、

此时，线程T2去读取表，就会读到T1修改了但是还未提交的哪些表记录

转账事务操作

现在是使用的笨办法，

后面可以使用ThreadLocal得同一个线程内的两个不同的方法，可以获取到同一个Connection对象，从而使得同一个线程内的两个不同的方法，有共享同一个事务的机会；

不要使用字符串来保存日期数据，字符串占用空间大，损失日期类型函数的便捷性，比如日期类型可以直接加减日期

如何做sql监控

分表是因为单表过大导致查询索引过慢，

分库是受限于物理单机的性能导致可用连接数有上限。

至于分表，分库还是分表分库要看到底遇到了上面哪种情况。

三层的索引节点，就能指向10E左右的叶子节点，每个叶子节点存2跳数据，也就是4层，就有20E数据

一版，默认一个数据块，能方1000个指针

mysql索引：10亿条数据，索引查询到底有多快？_哔哩哔哩_bilibili

【IT老齐007】为什么大厂在大表做水平分表时严禁使用自增主键

1. 区间分区，会造成单机压力，尾部热点问题

2. uuid作主键会造成索引重排

3. 分布式环境，用雪花算法生成id

uuid还有一个缺点，就是128，太长了

应用篇

池化思想之数据库连接池

池化思想是一种提升系统性能的方式，连接池、线程池…这些池化技术的核心思想就是 空间换取时间。

数据库连接的声明周期

主要说下当当前连接数为最大连接数时的两步操作，一共设计了两种等待方式，根据传的计量时间（timeout_ms）来判断，

如果timeout_ms<=0，则表明我选择死等的方式，即一直阻塞等待，止到有空闲连接为止
否则timeout_ms>0，则表示等待阻塞这么长时间，如果超过了这么长时间，还没有空闲连接，直接返回NULL即可

DataSource 是自 JDK 1.4 提供的一个标准接口，用于获取访问物理数据库的 Connection 对象。

JDK 不提供其具体实现，而它的实现来源于各个第三方驱动程序供应商或数据库访问框架，例如 Spring JDBC、Tomcat JDBC、MyBatis、Druid、C3P0、Seata 等。

public interface DataSource extends CommonDataSource, Wrapper {Connection getConnection() throws SQLException;Connection getConnection(String username, String password) throws SQLException;
}

inner就是真正的MySQL的数据库连接对象，NewProxyConnection实际上是inner的代理

这里还可以多设置一个最小连接数为1或者0

close一个connection也不是真的关闭，而是把它还回了连接池

注意：

如果连接池中设置最大连接数为1，第一次请求用完连接后没有close()，那么第二次请求就在连接池中拿不到连接，那么当前线程就会一直处在一个等待状态

参考链接：

DataSource接口，一个被大多数程序员忽略的接口_马称同学的博客-CSDN博客_datasource接口

讲述了使用 DataSource 比 DriverManager获取数据库连接的好处

自己实现简易Java连接池

学习几点：

DataSourse接口和Connection接口的作用
用装饰器模式封装Mysql原装的Connection接口实现类的close()方法
用jdk动态代理封装Mysql原装的Connection接口实现类的close()方法
体会jdk动态代理比装饰器模式优越的点：动态代理我们只需要只关注目标类的目标方法本身，目标类的其他方法不用管，比装饰设计模式更加地简洁

参考链接：如何使用动态代理，自己写一个数据库连接池？

首先纠正一个常见的误解。IO多路复用听上去好像是多个数据可以共享一个IO（socket连接），实际上并非如此。「IO多路复用不是指多个服务共享一个连接，而仅仅是指多个连接的管理可以在同一进程」 。在网络服务中，IO多路复用起的作用是「一次性把多个连接的事件通知业务代码处理」 。至于这些事件的处理方式，到底是业务代码循环着处理、丢到队列里，还是交给线程池处理，由业务代码决定。

参考链接：面试官：为什么数据库连接池不采用 IO 多路复用？

总结一下。DB 访问一般采用连接池这种现象是生态造成的。历史上的 BIO + 连接池的做法经过多年的发展，已经解决了主要的问题。在 Java 的大环境下，这个方案是非常靠谱的，成熟的。而基于 IO 多路复用的方式尽管在性能上可能有优势，但是其对整个程序的代码结构要求过多，过于复杂。当然，如果有特定的需要，希望使用 IO 多路复用管理 DB 连接，是完全可行的。

多数据源

SpringBoot多数据源：动态数据源 - hanease - 博客园

在应用程序中配置多个DataSource也有配置了多个数据源

动态数据源
实现动态数据源的关键点在于需要实现一个 DataSource，支持在 getConnection 方法调用时，能够取到需要的数据源 Connection 对象。

根据此业务场景 Spring 框架在早期 2.0 版的时候提供了一个 AbstractRoutingDataSource 抽象类（建议阅读该类源码），开发者可对其实现抽象方法，来实现动态数据源切换

读写分离
可以在动态数据源的基础上实现读写分离，在读操作和写操作方法上设置不同的 AOP 切面进行 DataSource 切换，进而实现读和写拿到不同的数据源 Connection 对象。

除编程方式实现读写分离外，还有分布式数据库中间件，通过判断 SQL 同样能实现读写分离，例如：ShardingSphere、Mycat、Cobar

索引

索引是一种“排好序”的数据结构

索引数据结构

•二叉树 •红黑树 •Hash表 •B-Tree

操作系统一页4k，innodb存储引擎一页16k，innodb使用页的概念，很好的提高了磁盘读取的效率，不然就会读一行就需要一次磁盘io，现在多行都在同一页上，只需要一次磁盘io。操作系统弄出页的概念，也是为了提高读取磁盘的效率，也便于更好的管理磁盘

B树和B+树区别

B树叶子结点只有部分数据，B树需要非叶子节点 + 叶子节点一起才是整张表完整的数据

B树的叶子节点之间是没有指针相连的，从而B树对于范围查询的效率不如B+树

两层的b+树比较好，3层也还行，如果4层就需要分库分表了，三层至少可以存2000w行以上了

算法：上图的小白框就是一个指针，一个指针指向一个块，一个指针6字节、一个int4字节，一个指针6字节，所以一页可以存16k/10b ，等于1638个对，能指向1638个页

一个B+树加叶子节点3层的结构就能存2000w级别的数据

B+树相对于B树，存储同样数据量的数据，B+树的高度会更低，这是为什么最终存储索引结构选择B+树的原因

从叶子结点，从左往右叫全表扫描，从上往下检索叫走索引

主键索引的叶子结点存全部数据，普通索引的叶子结点存的是当前索引值+主键值

a字段走索引，找a大于或者小于6都能走索引，第一步会先找到a等于6，然后因为叶子结点是双向链表，所以范围查找很方便

普通索引的范围查找，有可能会导致索引失效，当数据库认为当前走全表扫描，比走普通索引+ 回表，要快时，就会走全表扫描，此时索引就失效了

因为mysiam索引文件和数据文件是分开的，所以通过索引文件定位到某条记录的地址后，还要去读取数据文件才能拿到真正的数据，所以速度肯定比innodb慢

b➕树，叶子结点是含有全部数据：叶子结点对应的页是数据页，叶子结点页的上面几层全是索引页，两者聚集在一起所以引主键索引又叫聚集索引

聚集索引：数据和索引放在一起的，在同一个文件中，索引和数据都是按照一定的顺序存放的。

聚集索引的二级索引又叫辅助索引、也叫普通索引、也叫非主键索引。普通索引的叶子节点存的是主键，所以还要去主键索引中进行一次“回表”，才能拿到真正的数据，所以二级索引实际上也可以认为是非聚集索引的一种表现形式

非聚集索引：叶子结点不存数据，而存行数据的地址

推荐使用整型作主键，整型占用的空间比字符串小，从而整型作为索引的索引文件占用空间更小、整型更适合进行比较大小

推荐使用自增主键，自增的主键能依次的把每个索引块填满，再去填下一个索引块，减少快分裂和块合并

提高链表查询效率的方法，空间换时间

Hash索引理想情况下，只需要1次磁盘IO就能查到数据，所以等值查询会比B+树快，但是不支持范围查询

联合索引

索引最左前缀原则，就是因为联合索引就是按照三个字段的顺序排好序的

覆盖索引

type为index：index代表全索引扫描，也就是扫描全索引不需要回表就能拿到结果，一般是扫描某个二级索引，这种扫描不会从索引树根节点开始快速查找，而是直接对二级索引的叶子节点遍历和扫描，速度还是比较慢的，这种查询一般为使用覆盖索引，二级索引一般比较小，所以这种通常比ALL快一些（但是index效率其实也是不高的，也就是对于index的情况是需要优化的）

即：如果要查找的字段组合，在主键索引里面有，在二级索引里面也能全部获取到，那么MySQL会优先走二级索引，因为二级索引占用的空间比主键索引小。比如，A表有a、b、c三个字段，a字段是主键，b字段有二级索引，那么select a,b from A;这条SQL就会优先走二级索引

ALL：即全表扫描，扫描你的聚簇索引的所有叶子节点。通常情况下这需要增加索引来进行优化了

因为主键索引占用空间比二级索引空间大，所以扫描主键索引的效率肯定就比index低一点，也就是说ALL效率比index低一点

key_len列这一列显示了mysql在索引里使用的字节数，通过这个值可以算出具体使用了联合索引中的哪些列

Extra列这一列展示的是额外信息。

常见的重要值如下： 1）Using index：使用覆盖索引

范围查询导致索引失效的原因

此时，范围查找，查处7条记录，需要回七次表

而全表扫描，只需要扫4页，则认为走全表扫描更快

此时，又走索引了，当mysql发现走全表扫描时，要比比走索引➕回表，要快时，就回又全表扫描

覆盖索引

就是当前你要查询的字段，正好在索引内，不需要回表，using index表示走了覆盖索引

【IT老齐007】为什么大厂在大表做水平分表时严禁使用自增主键

1 区间分区，会造成单机压力，尾部热点问题 2 uuid作主键会造成索引重排 3 分布式环境，用雪花算法生成id

uuid还有一个缺点，就是128，太长了

1 操作系统一页4k，innodb一页16k，innodb使用页的概念，很好的提高了磁盘读取的效率，不然就会读一行就需要一次磁盘io，现在多行都在同一页上，只需要一次磁盘io。操作系统弄出页的概念，也是为了提高读取磁盘的效率，也便于更好的管理磁盘

B树叶子结点只有部分数据，而b➕树，叶子结点是含有全部数据：叶子结点对应的页是数据页，叶子结点页的上面几层全是索引页，两者聚集在一起所以主键索引又叫聚集索引

从叶子结点，从左往右叫全表扫描，从上往下检索叫走索引

主键索引的叶子结点存全部数据，普通索引的叶子结点存的是当前索引值+主键值

a字段走索引，找a大于或者小于6都能走索引，第一步会先找到a等于6，然后因为叶子结点是双向链表，所以范围查找很方便

普通索引的范围查找，有可能会导致索引失效，当数据库认为当前走全表扫描，比走普通索引+ 回表，要快时，就会走全表扫描，此时索引就失效了

提高链表查询效率的方法，空间换时间

两层的b加树比较好，3层也还行，如果4层就需要分库分表了，三层至少可以存2000w行以上了

算法：一个int4字节，一个指针6字节，所以一页可以存16k/10b ，等于1638个对，能指向1638个页

order by 导致索引失效的原因

因为此时走索引，虽然不需要排序了，但是有多少数据就要回多少次表。而直接全表扫描，然后去内存中排序的耗时相对是很少的。所以当前这个sql走了全表扫描，而没有走索引

索引扫描原理

这里，没有where条件，但是bcd联合索引中，也存了b的值，

但是，主键索引中存了全部的数据，那么就占用了更多的页，从而走主键索引来全表扫描来获取字段b，需要扫描更多的页

但是，如果走bcd的联合索引，叶子结点只存了主键值，从而只需要扫描更少的页，就可以过去到全部行的字段b的值，所以这里系统自动选择了走bcd联合索引，而不是走主键的所在的全表扫描

order by 导致索引失效的原因

这个sql，虽然也是order by但是因为不需要回表了，所以，就还是走索引

e是字符类型， mysql再字符与数字相比时，普通字符会被先转成0，数字字符串会被转成对应的数字，所以上面

对字段进行操作就会使索引失效

对字段进行数据类型转换，进行加减法，都会导致索引失效，但是对字段名=等号右侧的常量进行操作，不会引起索引失效

幻读强调的是集合数量的增加，不可重复读强调的是同一条记录，前后数据不一致

一个表可以有多个唯一索引，唯一索引可以有空值

大概是2000w行

读写分离优点不说了，缺点就是因为是异步复制数据的，就有可能完成数据不一致，不过这种概率是很低的，一般是可以容忍的

水平分表，有哈希分区和时间分区

带来的问题，每次查询都要带上拆分键

SQL技巧

MySQL的limit到底应该怎么优化

id是前端传过来的，是每次分页查询的最后一条记录

有了覆盖索引，就不需要回表，效率也是比较好的

MySQL原理与学习相关推荐

对MySQL 进行深入学习是非常必要的
MySQL 在互联网行业非常流行,腾讯,阿里等互联网巨头都在深入使用MySQL, 我在腾讯时也使用MySQL,我在微信群里经常听到大家对MySQL 的意见也很大. 在传统企业环境下使用最多的数据库产品 ...
【MySQL原理解析】01. 一条SQL查询语句是如何执行的
这是[MySQL原理解析]的第一篇文章,MySQL我看了很多的书与教程,对其原理有一定的理解,一直想写一系列的文章来把MySQL的原理给讲清楚,一直没有时间写,今天算是个开头吧.万事开头难,咱们先破了 ...
架构师技能6：深入MySQL原理-Waiting for table metadata lock引发系统崩溃
开篇语录:以架构师的能力标准去分析每个问题,过后由表及里分析问题的本质,复盘总结经验,并把总结内容记录下来.当你解决各种各样的问题,也就积累了丰富的解决问题的经验,解决问题的能力也将自然得到极大的提升 ...
MySQL,Oracle系统学习,以及SQL语言-----数据库篇学习笔记
Handouts MySQL和Oracle系统学习一. 开篇立意(~~~~必看,有说明~~~~) 二. Oracle 篇数据库存在之意义基础概念(必须看,后面不会说明!!!) Oracle管理系 ...
深度学习Spring5底层原理(黑马学习随笔)
学习随笔简介跟随着黑马满老师的<黑马程序员Spring视频教程,全面深度讲解spring5底层原理>学习,视频教程地址:黑马程序员Spring视频教程,全面深度讲解spring5底层原理 ...
MySQL原理--隔离级别的实现方式--MVCC
原文网址:MySQL原理--隔离级别的实现方式--MVCC_IT利刃出鞘的博客-CSDN博客简介本文介绍MySQL的隔离级别的实现方式--MVCC. 这也是Java后端面试题中常见的一个问题. M ...
分布式系统服务注册与发现原理 SpringCloud 学习笔记
分布式系统服务注册与发现原理 & SpringCloud 学习笔记分布式系统服务注册与发现原理引入服务注册与发现组件的原因单体架构应用与数据分离集群部署微服务架构架构演进总结服 ...
Mysql原理与实践学习总结
数据库(MySQL) 本文根据自己对MySQL的学习和实践以及各类文章与书籍总结而来. 囊括了MySQL数据库的基本原理和技术.本文主要是我的一个学习总结,基于之前的系列文章做了一个概括,如有错误,还 ...
B站《一天学会 MySQL 数据库》学习笔记
B站<一天学会 MySQL 数据库>学习笔记老司机带我飞职场十字诀:思考.计划.行动.总结.反思关注他 4 人赞同了该文章登录和退出MySQL服务器 # 登录MySQL $ my ...

MySQL原理与学习

基础部分

外键约束

数据库三范式

多表关联查询（重点）

外链接

联合查询（很少用）

分组查询

Having分组过滤

子查询

JDBC

JDBC中如何设置事务隔离级别

应用篇

池化思想之数据库连接池

自己实现简易Java连接池

多数据源

索引

SQL技巧

MySQL的limit到底应该怎么优化

MySQL原理与学习相关推荐

最新文章

热门文章