【转】2.1【MySQL】运行原理（一）：查询sql的执行过程及MySQL架构分析
MySQL的發展歷史和版本分支：
| 1996 年 | MySQL1.0 發布。它的歷史可以追溯到 1979 年，作者 Monty 用 BASIC 設計的一個報表工具。 |
| 1996 年 10 月 | 3.11.1 發布。MySQL 沒有 2.x 版本。 |
| 2000 年 | ISAM 升級成 MyISAM 引擎。MySQL 開源。 |
| 2003 年 | MySQL4.0 發布，集成 InnoDB 存儲引擎 |
| 2005 年 | MySQL5.0 版本發布，提供了視圖、存儲過程等功能。 |
| 2008 年 | MySQLAB 公司被 Sun 公司收購，進入 SunMySQL 時代。 |
| 2009 年 | Oracle 收購 Sun 公司，進入 OracleMySQL 時代。 |
| 2010 年 | MySQL5.5 發布，InnoDB 成為默認的存儲引擎。 |
| 2016 年 | MySQL 發布 8.0.0 版本。為什么沒有 6、7？5.6 可以當成 6.x，5.7 可以當 成 7.x。 |
因為MySQL是開源的（也有收費版本），所以在MySQL穩定版本的基礎上也發展出來了很多的分支，就像Linux一樣，有Ubuntu、RedHat、CentOS、 Fedora 、Debian等等。大家最熟悉的應該是MariaDB，因為CentOS7里面自帶了一個MariaDB。它是怎么來的呢？Oracle收購MySQL之后，MySQL創始人之一Monty擔心MySQL數據庫的未來（開發緩慢，封閉，可能會被閉源），就創建了一個分支MariaDB，默認使用全新的Maria存儲引擎，它是原MyISAM存儲引擎的升級版本。
其他流行分支：
- Percona Server 是MySQL重要的分支之一，它基于InnoDB存儲引擎的基礎上，提升了性能和易管理性，最后形成了增強版的XtraDB引擎，可以用來更好地發揮服務器硬件上的性能。
- 國內也有一些MySQL的分支或者自研的存儲引擎，比如網易的InnoSQL，極數云舟的ArkDB。
我們操作數據庫有各種各樣的方式，比如Linux 系統中的命令行，比如數據庫工具Navicat，比如程序，例如Java語言的JDBC API或者ORM框架。但大家有沒有思考過，當我們的工具或者程序連接到數據庫之后，實際上發生了什么事情？它的內部是怎么工作的？
下面以數據查詢為例，來看下MySQL的工作流程是什么樣的：
我們的程序或者工具要操作數據庫，第一步要做什么事情？跟數據庫建立連接。
1.與數據庫建立連接
首先，MySQL必須要運行一個服務，監聽默認的3306端口。在我們開發系統跟第三方對接的時候，必須要弄清楚的有兩件事。
- 第一個就是通信協議，比如我們是用TCP/UDP還是HTTP還是WebService？
- 第二個是消息格式，比如我們用XML格式，還是JSON格式，還是定長格式？報文頭長度多少，包含什么內容，每個字段的詳細含義？
1.1 通信類型和連接方式
MySQL是支持多種通信協議的，可以使用同步/異步的方式，支持長連接/短連接。這里我們拆分來看。
通信類型：同步或者異步
-
同步通信的特點：
- 同步通信依賴于被調用方，受限于被調用方的性能。也就是說，應用操作數據庫，線程會阻塞，等待數據庫的返回
- 一般只能做到一對一，很難做到一對多的通信
-
異步跟同步相反：
- 異步可以避免應用阻塞等待，但是不能節省SQL執行的時間
- 如果異步存在并發，每一個SQL的執行都要單獨建立一個連接，避免數據混亂。但是這樣會給服務端帶來巨大的壓力（一個連接就會創建一個線程，線程間切換會占用大量CPU資源）。另外異步通信還帶來了編碼的復雜度，所以一般不建議使用。如果要異步，必須使用連接池，排隊從連接池獲取連接而不是創建新連接
一般來說我們連接數據庫都是同步連接。
連接方式：長連接或者短連接
MySQL既支持短連接，也支持長連接。短連接就是操作完畢以后，馬上close 掉。長連接可以保持打開，減少服務端創建和釋放連接的消耗，后面的程序訪問的時候還可以使用這個連接。一般我們會在連接池中使用長連接。
保持長連接會消耗內存。長時間不活動的連接，MySQL服務器會斷開。那這個超時時間怎么查看呢？
show global variables like 'wait_timeout'; -- 非交互式超時時間，如 JDBC 程序 show global variables like' interactive_timeout'; -- 交互式超時時間，如數據庫工具執行結果如下圖。默認都是28800秒，8小時
我們怎么查看MySQL當前有多少個連接？可以用show status命令：
show global status like 'Thread%';- Threads_cached：緩存中的線程連接數
- Threads_connected：當前打開的連接數
- Threads_created：為處理連接創建的線程數
- Threads_running：非睡眠狀態的連接數，通常指并發連接數
有了連接數，怎么知道當前連接的狀態？可以使用show processlist命令，（root用戶）查看SQL的執行狀態。
SHOW PROCESSLIST;從上面的Threads_connected可以看到當前有4個連接，所以這里的顯示了4個連接狀態。那Command這一列是什么意思呢？一些常見的狀態：
| Sleep | 線程正在等待客戶端，以向它發送一個新語句 |
| Query | 線程正在執行查詢或往客戶端發送數據 |
| Locked | 該查詢被其它查詢鎖定 |
| Copying to tmp tableondisk | 臨時結果集合大于 tmp_table_size。線程把臨時表從存儲器內部格式改 變為磁盤模式，以節約存儲器 |
| Sendingdata | 線程正在為 SELECT 語句處理行，同時正在向客戶端發送數據 |
| Sortingforgroup | 線程正在進行分類，以滿足 GROUPBY 要求 |
| Sortingfororder | 線程正在進行分類，以滿足 ORDERBY 要求 |
還有個問題，MySQL服務允許的最大連接數是多少呢？
show variables like 'max_connections';在5.7版本中默認是151個，最大可以設置成16384（2^14）。
set global max_connections=1000;1.2 MySQL支持哪些通信協議
第一種是Unix Socket。比如我們在Linux服務器上，如果沒有指定-h參數，它就用socket方式登錄。如下圖（省略
了-S /var/lib/mysql/mysql.sock）
它不用通過網絡協議，也可以連接到MySQL的服務器，它需要用到服務器上的一個物理文件（/var/lib/mysql/mysql.sock）
select @@socket;如果有參數-h指定主機，就會用第二種方式，TCP/IP協議。
mysql -h192.168.8.211 -uroot -p123456我們的編程語言的連接模塊都是用 TCP 協議連接到 MySQL 服務器的，比如 mysql-connector-java-x.x.xx.jar。
1.3 MySQL采用什么通信方式
通信方式分為以下三種：
- 單工：在兩臺計算機通信的時候，數據的傳輸是單向的。比如遙控器
- 半雙工：在兩臺計算機之間，數據傳輸是雙向的，你可以給我發送，我也可以給你發送，但是在這個通訊連接里面，同一時間只能有一臺服務器在發送數據，也就是你要給我發的話，也必須等我發給你完了之后才能給我發。比如對講機
- 全雙工：數據的傳輸是雙向的，并且可以同時傳輸。比如打電話
那MySQL應該采用哪種通信方式呢？半雙工的通信方式，因為客戶端與服務端肯定是雙向通信的，而且要么是客戶端向服務端發送數據，要么是服務端向客戶端發送數據，這兩個動作不能同時發生。
客戶端發送SQL語句給服務端的時候，（在一次連接里面）數據是不能分成小塊發送的，不管你的SQL語句有多大，都是一次性發送。比如我們用MyBatis動態SQL生成了一個批量插入的語句， 插入10萬條數據， values后面跟了一長串的內容，或者where條件in里面的值太多，會出現問題。這個時候我們必須要調整MySQL服務器配置 max_allowed_packet 參數的值（默認是4M），把它調大，否則就會報錯。
另一方面，對于服務端來說，也是一次性發送所有的數據，不能因為你已經取到了想要的數據就中斷操作，這個時候會對網絡和內存產生大量消耗。所以，我們一定要在程序里面避免不帶limit 的這種操作，比如一次把所有滿足條件的數據全部查出來，一定要先count一下。如果數據量大的話，可以分批查詢。
執行一條查詢語句，客戶端跟服務端建立連接之后呢？下一步要做什么？
2.查詢緩存
MySQL內部自帶了一個緩存模塊。緩存的作用我們應該很清楚了，把數據以KV的形式放到內存里面，可以加快數據的讀取速度，也可以減少服務器處理的時間。但是MySQL的緩存我們好像比較陌生，從來沒有去配置過，也不知道它什么時候生效？假如 t_user 表有500萬行數據，沒有索引。我們在沒有索引的字段上執行同樣的查詢，大家覺得第二次會快嗎？
可以看到MySQL緩存是默認關閉的。默認關閉的意思就是不推薦使用，為什么MySQL不推薦使用它自帶的緩存呢？
主要是因為MySQL自帶的緩存的應用場景有限，需要滿足以下兩個要求：
- 它要求SQL語句必須一模一樣，中間多一個空格，字母大小寫不同都被認為是不同的的SQL。
- 表里面任何一條數據發生變化的時候，這張表所有緩存都會失效，所以對于有大量數據更新的應用，也不適合。
所以緩存這一塊，我們還是交給ORM框架（比如MyBatis默認開啟了一級緩存），或者獨立的緩存服務，比如Redis來處理更合適。在MySQL 8.0中，查詢緩存已經被移除了。
我們沒有使用緩存的話，就會跳過緩存的模塊，下一步我們要做什么呢？
3. 語法解析和預處理
這里我會有一個疑問，為什么我的一條SQL語句能夠被識別呢？假如我隨便執行一個字符串penyuyan，服務器報了一個1064的錯：
它是怎么知道我輸入的內容是錯誤的？這個就是MySQL的Parser解析器和Preprocessor預處理模塊。這一步主要做的事情是對語句基于SQL語法進行詞法和語法分析和語義的解析。
3.1 詞法分析
詞法分析就是把一個完整的SQL語句打碎成一個個的單詞。比如一個簡單的SQL語句：
select username from t_user where id = 1;它會打碎成8個符號，每個符號是什么類型，從哪里開始到哪里結束。
3.2 語法分析
第二步就是語法分析，語法分析會對SQL做一些語法檢查，比如單引號有沒有閉合，然后根據MySQL定義的語法規則，根據SQL語句生成一個數據結構。這個數據結構我們把它叫做解析樹（select_lex）。
任何數據庫的中間件，比如 Mycat，Sharding-JDBC（用到了Druid Parser），都必須要有詞法和語法分析功能，在市面上也有很多的開源的詞法解析的工具（比如LEX，Yacc）。
3.3 預處理器
問題：如果我寫了一個詞法和語法都正確的SQL，但是表名或者字段不存在，會在哪里報錯？是在數據庫的執行層還是解析器？比如：
select * from penyuyan;解析器可以分析語法，但是它怎么知道數據庫里面有什么表，表里面有什么字段呢？實際上還是在解析的時候報錯，解析SQL的環節里面有個預處理器。它會檢查生成的解析樹，解決解析器無法解析的語義。比如，它會檢查表和列名是否存在，檢查名字和別名，保證沒有歧義。預處理之后得到一個新的解析樹。
4.查詢優化得到執行計劃
得到解析樹之后，是不是執行SQL語句了呢？這里我們有一個問題，一條SQL語句是不是只有一種執行方式？或者說數據庫最終執行的SQL是不是就是我們發送的SQL？
這個答案是否定的。一條SQL語句是可以有很多種執行方式的，最終返回相同的結果，他們是等價的。但是如果有這么多種執行方式，這些執行方式怎么得到的？最終選擇哪一種去執行？根據什么判斷標準去選擇？
這個就是MySQL的查詢優化器的模塊（Query Optimizer）。
4.1 什么是優化器？
查詢優化器的目的就是根據解析樹生成不同的執行計劃（ExecutionPlan），然后選擇一種最優的執行計劃。MySQL里面使用的是基于開銷（cost）的優化器，哪種執行計劃開銷最小，就用哪種。可以使用這個命令查看查詢的開銷：
show status like 'Last_query_cost';mysql官網關于這里的參考，想了解更多的同學可以看看
4.2 優化器可以做什么？
MySQL的優化器能處理哪些優化類型呢？舉兩個簡單的例子：
實際上，對于每一種數據庫來說，優化器的模塊都是必不可少的，他們通過復雜的算法實現盡可能優化查詢效率的目標。如果對于優化器的細節感興趣，可以看看《數據庫查詢優化器的藝術-原理解析與SQL性能優化》。
但是優化器也不是萬能的，并不是再垃圾的SQL語句都能自動優化，也不是每次都能選擇到最優的執行計劃，大家在編寫SQL語句的時候還是要注意。
如果我們想知道優化器是怎么工作的，它生成了幾種執行計劃，每種執行計劃的cost是多少，應該怎么做？
4.3 優化器得到執行計劃的過程？
首先，我們要啟用優化器的追蹤（默認是關閉的）：
SHOW VARIABLES LIKE 'optimizer_trace'; set optimizer_trace = 'enabled=on';注意，開啟這開關是會消耗性能的，因為它要把優化分析的結果寫到表里面，所以不要輕易開啟，或者查看完之后關閉它（改成off）。接著我們執行一個SQL語句，優化器會生成執行計劃（下面是一個兩表聯查）：
SELECT d.username,i.phone from user_info i,user_detail d WHERE i.id=d.user_id;這個時候優化器分析的過程已經記錄到系統表里面了，我們可以查詢
select * from information_schema.optimizer_trace\G;如果是直接在Navicat中執行，那么得到結果只是短短一行數據，并沒有完整的執行計劃
所以，此處應該是在命令行中執行：
得到的優化器分析的過程是一個JSON類型的數據，主要分成三部分，準備階段、優化階段和執行階段。
那具體的優化計劃在哪呢？在優化階段（“join_optimization”）中的 considered_execution_plans
最后，分析完記得關掉它：
set optimizer_trace="enabled=off"; SHOWVARIABLESLIKE'optimizer_trace';優化完之后，得到一個什么東西呢？
4.4 如何查看最終執行計劃？
優化器最終會把解析樹變成一個查詢執行計劃，查詢執行計劃是一個數據結構。
當然，這個執行計劃是不是一定是最優的執行計劃呢？不一定，因為MySQL也有可能覆蓋不到所有的執行計劃。我們怎么查看MySQL的執行計劃呢？比如多張表關聯查詢，先查詢哪張表？在執行查詢的時候可能用到哪些索引，實際上用到了什么索引？
MySQL提供了一個執行計劃的工具。我們在SQL語句前面加上EXPLAIN，就可以看到執行計劃的信息。
5.存儲引擎，存儲數據
得到執行計劃以后，SQL語句是不是終于可以執行了？問題又來了：
5.1 存儲引擎基本介紹
我們先回答第一個問題：在關系型數據庫里面，數據是放在什么結構里面的？放在表Table里面的，我們可以把這個表理解成Excel電子表格的形式。所以我們的表在存儲數據的同時，還要組織數據的存儲結構，這個存儲結構就是由我們的存儲引擎決定的，所以我們也可以把存儲引擎叫做表類型。
在MySQL里面，支持多種存儲引擎，他們是可以替換的，所以叫做插件式的存儲引擎。為什么要搞這么多存儲引擎呢？一種還不夠用嗎？這個問題先留著。
5.2 查看存儲引擎
比如我們數據庫里面已經存在的表，我們怎么查看它們的存儲引擎呢？
show table status from `forum`; --forum是指定數據庫名另外，還通過DDL建表語句來查看。
在MySQL里面，我們創建的每一張表都可以指定它的存儲引擎，而不是一個數據庫只能使用一個存儲引擎。存儲引擎的使用是以表為單位的。而且，創建表之后還可以修改存儲引擎。
我們說一張表使用的存儲引擎決定我們存儲數據的結構，那在服務器上它們是怎么存儲的呢？我們先要找到數據庫存放數據的路徑：
show variables like 'datadir';默認情況下，每個數據庫有一個自己文件夾，以forum數據庫為例。
任何一個存儲引擎都有一個frm文件，這個是表結構定義文件。不同的存儲引擎存放數據的方式不一樣，產生的文件也不一樣，innodb 是 1 個，memory沒有，myisam是兩個。
這些存儲引擎的差別在哪呢？
5.3 存儲引擎比較
MyISAM 和InnoDB 是我們用得最多的兩個存儲引擎，在 MySQL 5.5 版本之前，默認的存儲引擎是MyISAM，它是MySQL自帶的。我們創建表的時候不指定存儲引擎，它就會使用MyISAM作為存儲引擎。MyISAM的前身是ISAM（IndexedSequentialAccessMethod：利用索引，順序存取數據的方法）。
5.5版本之后默認的存儲引擎改成了InnoDB，它是第三方公司為MySQL開發的。為什么要改呢？最主要的原因還是InnoDB 支持事務，支持行級別的鎖，對于業務一致性要求高的場景來說更適合。
這個里面又有Oracle和MySQL公司的一段恩怨情仇。
InnoDB本來是InnobaseOy公司開發的， 它和MySQLAB公司合作開源了InnoDB的代碼。但是沒想到MySQL的競爭對手Oracle把InnobaseOy收購了。后來08年Sun公司（開發Java語言的Sun）收購了MySQLAB，09年Sun公司又被 Oracle 收購了，所以 MySQL，InnoDB 又是一家了。有人覺得 MySQL 越來越像Oracle，其實也是這個原因。
那么除了這兩個我們最熟悉的存儲引擎，數據庫還支持其他哪些常用的存儲引擎呢？我們可以用這個命令查看數據庫對存儲引擎的支持情況：
show engines;其中有存儲引擎的描述和對事務、XA協議和Savepoints的支持。
- XA協議用來實現分布式事務（分為本地資源管理器，事務管理器）。
- Savepoints用來實現子事務（嵌套事務）。創建了一個Savepoints之后，事務就可以回滾到這個點，不會影響到創建Savepoints之前的操作。
這些數據庫支持的存儲引擎，分別有什么特性呢？
-
MyISAM（3 個文件）
應用范圍比較小。表級鎖定限制了讀/寫的性能，因此在Web 和數據倉庫配置中，它通常用于只讀或以讀為主的工作。
-
支持表級別的鎖（插入和更新會鎖表）。不支持事務
-
擁有較高的插入（insert）和查詢（select）速度
-
存儲了表的行數（count速度更快）。（怎么快速向數據庫插入100萬條數據？我們有一種先用MyISAM插入數據，然后修改存儲引擎為InnoDB的操作）
-
適用：只讀之類的數據分析的項目
-
-
InnoDB（2 個文件）
mysql5.7中的默認存儲引擎。 InnoDB是一個事務安全（與ACID兼容）的MySQL存儲引擎，它具有提交、回滾和崩潰恢復功能來保護用戶數據。InnoDB行級鎖（不升級為更粗粒度的鎖）和Oracle風格的一致非鎖讀提高了多用戶并發性和性能。InnoDB將用戶數據存儲在聚集索引中，以減少基于主鍵的常見查詢的I/O。為了保持數據完整性，InnoDB還支持外鍵引用完整性約束。
-
支持事務，支持外鍵，因此數據的完整性、一致性更高
-
支持行級別的鎖和表級別的鎖
-
支持讀寫并發，寫不阻塞讀（MVCC）
-
特殊的索引存放方式，可以減少IO，提升查詢效率
-
適用：經常更新的表，存在并發讀寫或者有事務處理的業務系統
-
-
Memory（1 個文件）
將所有數據存儲在RAM中，以便在需要快速查找非關鍵數據的環境中快速訪問。這個引擎以前被稱為堆引擎。其使用案例正在減少； InnoDB及其緩沖池內存區域提供了一種通用、持久的方法來將大部分或所有數據保存在內存中，而ndbcluster為大型分布式數據集提供了快速的鍵值查找。
- 把數據放在內存里面，讀寫的速度很快，但是數據庫重啟或者崩潰，數據會全部消失。只適合做臨時表。
- 將表中的數據存儲到內存中
-
CSV（3 個文件）
它的表實際上是帶有逗號分隔值的文本文件。 csv表允許以csv格式導入或轉儲數據，以便與讀寫相同格式的腳本和應用程序交換數據。因為csv 表沒有索引，所以通常在正常操作期間將數據保存在innodb表中，并且只在導入或導出階段使用csv表。
不允許空行，不支持索引。格式通用，可以直接編輯，適合在不同數據庫之間導入導出。
-
Archive（2 個文件）
這些緊湊的未索引的表用于存儲和檢索大量很少引用的歷史、存檔或安全審計信息。
不支持索引，不支持update delete.
這是MySQL里面常見的一些存儲引擎，我們看到了，不同的存儲引擎提供的特性都不一樣，它們有不同的存儲機制、索引方式、鎖定水平等功能。我們在不同的業務場景中對數據操作的要求不同，就可以選擇不同的存儲引擎來滿足我們的需求，這個就是MySQL支持這么多存儲引擎的原因。
5.4 如何選擇存儲引擎？
- 如果對數據一致性要求比較高，需要事務支持，可以選擇InnoDB。
- 如果數據查詢多更新少，對查詢性能要求比較高，可以選擇MyISAM。
- 如果需要一個用于查詢的臨時表，可以選擇Memory。
- 如果所有的存儲引擎都不能滿足你的需求，并且技術能力足夠，可以根據官網內部手冊用C語言開發一個存儲引擎
6.執行引擎，返回結果
OK，存儲引擎分析完了，它是我們存儲數據的形式，繼續第二個問題，是誰使用執行計劃去操作存儲引擎呢？這就是我們的執行引擎，它利用存儲引擎提供的相應的API來完成操作。為什么我們修改了表的存儲引擎，操作方式不需要做任何改變？因為不同功能的存儲引擎實現的API是相同的。
最后把數據返回給客戶端，即使沒有結果也要返回。
==> MySQL架構
基于上面分析的流程，我們一起來梳理一下MySQL的內部模塊。
1.模塊詳解
2.架構分層
總體上，我們可以把MySQL分成三層，跟客戶端對接的連接層，真正執行操作的服務層，和跟硬件打交道的存儲引擎層（參考MyBatis：接口、核心、基礎）。
連接層
我們的客戶端要連接到MySQL服務器3306端口，必須要跟服務端建立連接，那么管理所有的連接，驗證客戶端的身份和權限，這些功能就在連接層完成。
服務層
連接層會把SQL語句交給服務層，這里面又包含一系列的流程：比如查詢緩存的判斷、根據SQL調用相應的接口，對我們的SQL語句進行詞法和語法的解析（比如關鍵字怎么識別，別名怎么識別，語法有沒有錯誤等等）。
然后就是優化器，MySQL底層會根據一定的規則對我們的 SQL語句進行優化，最后再交給執行器去執行。
存儲引擎
存儲引擎就是我們的數據真正存放的地方，在MySQL里面支持不同的存儲引擎。再往下就是內存或者磁盤。
總結
以上是生活随笔為你收集整理的【转】2.1【MySQL】运行原理（一）：查询sql的执行过程及MySQL架构分析的全部內容，希望文章能夠幫你解決所遇到的問題。
- 上一篇： 三星堆发现裙立发人像：大背头、粗腰带、或
- 下一篇： 【转】深入浅出OOP（六）: 理解C#的