09第九章：从数据页的角度看B+树及MySQL中数据的底层存储原理
在MySQL的InnoDB存储引擎中，数据的底层存储并非简单的无序存放，而是通过表空间-段-区-页-行的层级结构组织，并基于B+树实现高效的索引和数据查询。这也是MySQL能支撑高并发、大数据量查询的核心原因之一。上一章我们从行的角度解析了单条数据的存储格式，本章将从数据页这个InnoDB最小读写单位出发，深入剖析数据页的内部结构，并结合B+树讲解InnoDB中数据的整体存储原理，同时解答相关高频面试题。 一、InnoDB 数据存储的层级结构InnoDB对数据的管理有着严格的逻辑层级划分，从大到小依次为：数据库 -> 表空间 -> 段 -> 区 -> 页 -> 行，每一层都有其明确的职责和存储规则，层层嵌套构成了完整的数据存储体系。 1. 表空间 (Tablespace)表空间是InnoDB存储数据的最高级容器，对应磁盘上的.ibd或ibdata1文件。MySQL中可通过配置innodb_file_per_table=ON实现单表单表空间，此时每张表的所有数据和索引都会单独存放在对应的表名.ibd文件中（如user表对应user.ibd）；若关闭该配...
10第十章：深入了解B+树及B+树的性能优势
在MySQL的学习之路中，索引是提升查询性能的核心，而B+树则是MySQL索引的“灵魂”——无论是InnoDB还是MyISAM存储引擎，都以B+树作为底层索引结构。很多初学者会有疑问：为什么数据库不选择我们熟悉的二叉树、红黑树，偏偏青睐B+树？B+树的底层结构到底有什么优势，能支撑千万级、亿级数据的高效查询？本章将从底层数据结构出发，结合MySQL的实际实现，深度解析B+树的原理、性能优势，以及它在数据库中的具体应用，帮你彻底搞懂B+树与MySQL索引的关联。 一、什么是 B+ 树？1. 核心定义B+ 树（B Plus Tree）是一种多路平衡查找树（Multi-way Balanced Search Tree），专门为磁盘存储场景设计，广泛应用于数据库和文件系统的索引结构。它并非全新的数据结构，而是对B树（B-Tree，注意不是B-树，两者无区别，只是写法不同）的优化和改进，解决了B树在范围查询、磁盘IO效率上的不足。 与二叉树（每个节点最多2个子节点）不同，B+树的每个节点可以有m个子节点（称为m阶B+树），m的大小由磁盘页的大小决定——这也是B+树适配磁盘存储的关键设计之一...
11第十一章：MySQL中常见的索引失效情况原因分析及解决方案
前言： 在 MySQL 数据库中，很多时候 SQL 的 CRUD 性能极差，并不是因为数据量真的大到无法处理，而是开发者对索引底层实现不够透彻，写出了让索引 “失效” 的 SQL。本文就带你一次性搞懂：MySQL 中最常见的 6 类索引失效场景，从本质原因到检测方式，再到可直接落地的解决方案，无论是日常开发优化，还是后端面试，都能直接用上。 1）左 / 左右模糊匹配（LIKE 的 % 在左侧或两侧）示例12SELECT * FROM users WHERE name LIKE '%smith';SELECT * FROM users WHERE name LIKE '%smi%'; 为什么失效（本质）InnoDB 的 B+ 树索引是按字段值有序存储的，只有前缀匹配才能利用索引的有序性做快速范围查找。 当 LIKE 以 % 开头时，查询需要匹配 “任意前缀 + 目标串”，B+ 树无法定位到连续的有序区间，只能走全表扫描或全索引扫描，索引直接失效。 如何检测执行 EXPLAIN 查看执行计划： type = ALL（全表扫描） 或 typ...
13第十三章：MySQL 事务详解：原理、特性、并发问题与隔离级别
在日常开发中，你是否遇到过这样的场景：测试库中几百条数据查询飞快，上线后生产库几十万条数据，相同的 SQL 突然慢到超时？90% 的情况下，问题都出在索引上。 一、索引的本质：不止是 “目录” 那么简单1.1 索引到底是什么？用一个最通俗的比喻：索引就像一本书的 “目录”。 如果没有目录（索引），要找某段内容，你需要从第一页翻到最后一页（全表扫描）；有了目录（索引），可以直接定位到目标章节，效率提升成百上千倍。 从技术角度来说，MySQL 的索引（InnoDB 引擎）底层基于B + 树结构实现： 非叶子节点存储索引键和指针，用于快速定位； 叶子节点存储完整的索引数据（主键索引还会存储整行数据）； 所有数据都在叶子节点，且按顺序排列，天然支持范围查询。1.11聚簇索引与非聚簇索引 在 MySQL InnoDB 中，索引的核心区别可以用两句话概括：聚簇索引 = 索引就是数据本身，非聚簇索引 = 索引是索引，数据是数据。 聚簇索引本质就是主键索引，一张表只能存在一个，它最大的特点是数据行和索引存储在一起，索引的叶子节点直接存储完整的一行数据。可以把它比作一本按页码排序的书，找到页码...
从零起步学习MySQL 第一章：初识MySQL及深入理解内部数据类型
引言从今天开始，我们正式启动MySQL的系统性学习之旅！本专栏将完全从零起步，循序渐进地带大家吃透MySQL的整个知识库——从最基础的概念、操作，到进阶的优化、调优，再到生产环境的实战技巧，全程干货无冗余。无论你是刚入门的后端新手，还是想巩固基础的开发从业者，都能从中有所收获。学习过程中，大家有任何疑问、困惑，或者不同的见解，都可以在评论区交流探讨，我们一起进步、一起成长，感谢大家的支持！ 一、MySQL 是什么？—— 后端开发的“数据管家”在后端开发的世界里，无论你是开发简单的注册登录接口、复杂的商品管理系统，还是核心的订单交易系统，都离不开一个核心组件——数据库。而在众多数据库中，MySQL 凭借其开源免费、高效稳定、兼容性强的特点，成为了后端开发者的首选，更是Java后端开发中最常用的关系型数据库，没有之一。 ✅ 核心定义MySQL 是一种 关系型数据库管理系统（RDBMS），它基于关系模型设计，使用 SQL（结构化查询语言）作为数据的存取和管理工具。简单来说，MySQL 就像一个“智能文件柜”，它把杂乱无章的数据，按照固定的规则（表格）整理存放，并且表与表之间通过特定的关...
08第八章：索引深入理解及高级运用（结合常见优化问题讲解）
对于后端开发者而言，MySQL 索引是提升数据库性能的核心手段，也是面试中的高频考点。很多初学者虽然知道“要建索引”，但往往陷入“索引建得越多越好”的误区，甚至建了索引却发现查询速度没提升，反而拖慢了写入性能。今天这篇文章，我们就从零深入拆解索引的核心逻辑、适用场景、优化技巧，结合实际开发中的常见问题，帮你真正吃透索引的高级运用，避开所有坑。 一、为什么要创建索引（Index）？—— 数据库的“目录”有多重要我们先从最基础的问题入手：为什么需要索引？其实一句话就能理解：索引就是数据库表的“目录”，就像我们看书时，不用逐页翻找，通过目录就能快速定位到目标章节；数据库查询时，有了索引，就不用进行全表扫描（逐行查找数据），能直接定位到符合条件的记录，极大提升查询效率。 ✅ 索引的核心优点 提升检索速度：这是最核心的作用，尤其是表中数据量达到万级、十万级甚至百万级时，索引能将查询时间从“秒级”压缩到“毫秒级”。 加速表连接：多表关联查询（JOIN）时，索引能快速匹配两个表中的关联字段，避免两个表都进行全表扫描，减少关联耗时。 优化排序和分组：当查询中包含 ORDER BY（排序）、GRO...
从零起步学习MySQL 第十一章：MySQL中常见的索引失效情况原因分析及解决方案
前言： 在 MySQL 数据库中，很多时候 SQL 的 CRUD 性能极差，并不是因为数据量真的大到无法处理，而是开发者对索引底层实现不够透彻，写出了让索引 “失效” 的 SQL。本文就带你一次性搞懂：MySQL 中最常见的 6 类索引失效场景，从本质原因到检测方式，再到可直接落地的解决方案，无论是日常开发优化，还是后端面试，都能直接用上。 1）左 / 左右模糊匹配（LIKE 的 % 在左侧或两侧）示例12SELECT * FROM users WHERE name LIKE '%smith';SELECT * FROM users WHERE name LIKE '%smi%'; 为什么失效（本质）InnoDB 的 B+ 树索引是按字段值有序存储的，只有前缀匹配才能利用索引的有序性做快速范围查找。 当 LIKE 以 % 开头时，查询需要匹配 “任意前缀 + 目标串”，B+ 树无法定位到连续的有序区间，只能走全表扫描或全索引扫描，索引直接失效。 如何检测执行 EXPLAIN 查看执行计划： type = ALL（全表扫描） 或 typ...
从零起步学习MySQL 第十三章：MySQL 事务详解：原理、特性、并发问题与隔离级别
在日常开发中，你是否遇到过这样的场景：测试库中几百条数据查询飞快，上线后生产库几十万条数据，相同的 SQL 突然慢到超时？90% 的情况下，问题都出在索引上。 一、索引的本质：不止是 “目录” 那么简单1.1 索引到底是什么？用一个最通俗的比喻：索引就像一本书的 “目录”。 如果没有目录（索引），要找某段内容，你需要从第一页翻到最后一页（全表扫描）；有了目录（索引），可以直接定位到目标章节，效率提升成百上千倍。 从技术角度来说，MySQL 的索引（InnoDB 引擎）底层基于B + 树结构实现： 非叶子节点存储索引键和指针，用于快速定位； 叶子节点存储完整的索引数据（主键索引还会存储整行数据）； 所有数据都在叶子节点，且按顺序排列，天然支持范围查询。1.11聚簇索引与非聚簇索引 在 MySQL InnoDB 中，索引的核心区别可以用两句话概括：聚簇索引 = 索引就是数据本身，非聚簇索引 = 索引是索引，数据是数据。 聚簇索引本质就是主键索引，一张表只能存在一个，它最大的特点是数据行和索引存储在一起，索引的叶子节点直接存储完整的一行数据。可以把它比作一本按页码排序的书，找到页码...
