不能说的秘密的博客

之前学习MySql的简单使用的时候.学习了事务的概念，事务的隔离级别，以及何时使用事务，怎么使用事务等等比较简单的东西。最近不停的在想数据库内部是如何实时事务的，如何避免脏数据的。数据库内部是否有与并发编程中的相似的锁概率呢。Google查阅了相关资料后，记录一下学习笔记。mysql的锁　　锁的概率：某个链接对某个资源(可以是一张表，也有可能是一行或者多行记录)进行加锁操作，根据锁的不同功能，决定在

MySQL索引的使用我们首先讨论索引，因为它是加快查询的最重要的工具。还有其他加快查询的技术，但是最有效的莫过于恰当地使用索引了。在大量的案例中，都是因为表上没有索引，一般只要加上索引就可以立即解决问题。但这样也并非总是有效，因为优化并非总是那样简单。然而，如果不使用索引，在许多情形下，用其他手段改善性能只会是浪费时间。应该首先考虑使用索引取得最大的性能改善，然后再寻求其他可能有帮助的技术。

传统关系型数据库中，关系关系通过一个外键来表述很清楚。那么在MongoDB中如何表达传统关系数据库中的一对多（1 to n )关系或者多对多( n to n )呢？ 基于MongoDB丰富的表达力，我们不能说必须采用向关系数据库那样有一个标准的方法来进行1 to n的关系表达

MongoDB 3.0 常见集群的搭建(主从复制，副本集，分片....)

MongoDB 3.0安全权限访问控制

分布式事务处理是指一个事务可能涉及多个数据库操作，分布式事务处理的关键是必须有一种方法可以知道事务在任何地方所做的所有动作，提交或回滚事务的决定必须产生统一的结果（全部提交或全部回滚）。

目前大部分数据库系统及文件系统都采用B-Tree或其变种B+Tree作为索引结构(更少的磁盘I/O操作次数的渐进复杂度)一般来说，索引本身也很大，不可能全部存储在内存中，因此索引往往以索引文件的形式存储的磁盘上。这样的话，索引查找过程中就要产生磁盘I/O消耗，相对于内存存取，I/O存取的消耗要高几个数量级，所以评价一个数据结构作为索引的优劣最重要的指标就是在查找过程中磁盘I/O操作次数的渐进复...

MySQL的优化主要分为结构优化（Scheme optimization）和查询优化（Query optimization）。本文讨论的高性能索引策略主要属于结构优化范畴。本章的内容完全基于上文B+树在数据库索引中的应用的理论基础，一旦理解了索引背后的机制，那么选择高性能的策略就变成了纯粹的推理，并且可以理解这些策略背后的逻辑。示例数据库 为了讨论索引策略，需要一个数据量不算小的数据库作为示...