为什么mysql存储底层是链表？以及update为什么会这样

最新推荐文章于 2024-11-23 13:41:05 发布

飞行水脉

最新推荐文章于 2024-11-23 13:41:05 发布

阅读量323

点赞数 5

文章标签：链表数据结构 mysql

本文链接：https://blog.youkuaiyun.com/kimwaterblueblue/article/details/140449653

版权

（1）由底层结构我们可以知道，使用链表的原因是因为：

①底层存储数据的顺序其实还是顺序存储（添加一条放到前一条的后面）

②但是由于b+树要求以索引排序，我们需要使用链表连接成一个有序的链表

就像这样：

（2）至于update为什么会这样还没研究出来。

确定要放弃本次机会？

福利倒计时

: :

立减 ¥

普通VIP年卡可用

立即使用

飞行水脉

关注关注

5
点赞
踩
0

收藏

觉得还不错? 一键收藏
0
评论
分享

复制链接

分享到 QQ

分享到新浪微博

扫一扫
举报

举报

MySQL事务底层原理

雨后是冰雹

09-28

874

Update Undo Log 涉及到 MVCC 的功能，所以 Update 操作需要保留 Record 的多个历史版本，当某个 Record 的历史版本还在被使用的时候，这个 Record 不能从 Undo Log 中真正删除，因此需要删除的时候，只是修改对应 Record 的。不同事务或者相同事务的对同一记录的修改，会导致该记录的 Undo Log 成为一条记录版本线性表，既链表，Undo Log 的链首就是最新的旧记录，链尾就是最早的旧记录。、select …

索引为什么能加速查询？底层原理？

最新发布

hixiaoyang的博客

05-27

595

摘要：索引通过有序数据结构（如B+树）将随机I/O转为顺序I/O，减少数据扫描量（O(log n)复杂度），加速查询。B+树因多路平衡、磁盘友好成为主流实现，哈希索引则适合等值查询但无法范围检索。索引需权衡存储开销与写入性能，设计时应遵循选择性高、最左前缀、覆盖索引等原则。高级机制如索引下推、自适应哈希进一步优化性能。索引失效场景包括使用函数、类型转换等。理解底层原理（如B+树vs二叉树）及EXPLAIN工具的使用对数据库优化至关重要。

参与评论您还未登录，请先登录后发表或查看评论

MySQL底层数据结构与算法

子墨将的博客

04-10

1761

MySQL底层数据结构 各种结构的比较结构的好处

关于 MySQL 中 Update 使用

小羊的博客

06-02

7万+

本文介绍了 MySQL 中 Update 命令的基本语法以及一些特殊的用法，包括多表联合更新和使用子查询。通过本文的学习，您应该能够使用 Update 命令来更新表格中的记录，并根据需要修改它们的值。总体而言，Update 命令是 MySQL 中非常常用的一种命令，掌握它对于进行数据更新操作是非常重要的。

access update语句执行_Mysql联表update数据

weixin_39847887的博客

11-21

539

1.MySQL UPDATE JOIN语法在MySQL中，可以在 UPDATE语句中使用JOIN子句执行跨表更新。MySQL UPDATE JOIN的语法如下：拉勾IT课小编为大家分解UPDATE T1, T2,[INNER JOIN | LEFT JOIN] T1 ON T1.C1 = T2. C1SET T1.C2 = T2.C2,T2.C3 = exprWHERE condition更详细...

【MySQL】多表连接更新（update），使用临时表加快效率

大吉的博客

08-14

1万+

写一个update语句，需要关联多个表。上面这个SQL，在一个update里面连接了3个inner join。那么你会发现执行速度慢的出奇。

MySQLupdate链表

weixin_33734921的博客

07-10

171

MySQL InnoDB中一个update语句从执行到提交的全过程（1）

水w的博客

08-15

819

一个update语句从执行到提交的全过程

Mysql探索(二)之InnoDB底层存储结构

zdjsswqs的博客

07-24

1001

了解mysql底层存储结构，知道db数据是怎么存储的，这对于深入了解mysql底层运行原理尤为关键，一看到crud操作时，脑海若能浮现底层数据运作情况，则为绝佳。如果懂得索引，buffer，log等InnoDB底层技术，再看这篇，相信也会有意想不到的收获。...

MySQL高频基本面试问题整理

热门推荐

张彦峰的博客

04-07

173万+

总结大厂MySQL高频基本面试问题整理，用于快速查缺补漏

MySQL UPDATE多表关联更新

shaoduo的博客

09-24

4868

也可以使用 LEFT JOIN 来做多表更新，如果 product_price 表中没有产品价格记录的话，将 product 表的 isdelete 字段设置为 1。MySQL 可以基于多表查询更新数据。执行不同的 SQL 语句，仔细观察 SQL 语句执行后表中数据的变化，很容易就能理解多表联合更新的用法。两张表做关联，同时更新了 product_price 表的 price 字段和 product 表的 dateUpdate 两个字段。另外，上面的几个例子都是在两张表之间做关联，只更新一张表中的记录。

关于Mysql联表update数据那点事

weixin_48897289的博客

06-11

458

update table1 t1 left join table2 t2 on t2.num=t1.id set deleted=2206 where t2.time

mysql使用update联表更新的方法

BHSZZY的博客

06-30

5746

update联表更新

MySQL的UPDATE（更新数据）详解

驴大毛的博客

11-23

1万+

本文将详细介绍Mysql的update语句的基本语法、高级用法、性能优化策略以及注意事项，帮助您更好地理解和应用这一重要的SQL命令

mysql深度剖析一（底层数据结构）

简单，快乐，拥抱变化

04-06

1523

mysql之底层数据结构

Mysql底层数据结构学习总结

weixin_45161367的博客

07-06

3323

Mysql底层数据结构学习总结

MySQL连表Update修改数据

weixin_30599769的博客

06-14

1545

设想两张表,如下 table A field id field name table B field id filed my_name 现在希望将表B中的my_name中的内容“拷贝”到表A中对应的name字段中，表A中的记录与表B中的记录通过id对应。首先我们来连表查询一下： SELECT a.id, a.name, b.my_name FROM A a, B b W...

mysql update 用一个表更新另外一个表

ccsdn的博客

09-13

986

Solution 1: 修改1列 update student s, city c set s.city_name = c.name where s.city_code = c.code; Solution 2: 修改多个列 update a, b set a.title=b.title, a.name=b.name where a.id=b.id 个人还是喜欢第一个方法...

一文吃透MySql的底层数据结构（满满都是干货）

m0_50180963的博客

05-05

3175

前言索引结构及查找算法一个sql语句在mysql里究竟是如何运行的呢？又是怎么去查找的呢？其中就涉及到数据库（存储数据）以及查找算法。先来看一下几种查找算法；目录查找：类似索引遍历：暴力查找二分：B+树的基础算法键查找：hash查找能做索引的数据结构有：数组、链表、红黑树、B树(B-树、B+树)。那么哪种数据结构适合做 MySql 数据库的存储结构呢？先来说下数据的一般存储方式：内存(适合小数据量)、磁盘(大数据量)。磁盘的运转方式：速度 + 旋转，磁盘页的概念：每一

数据库索引底层

03-08

<think>嗯，用户问的是数据库索引的底层原理。我需要先回忆一下相关知识，确保自己理解正确。数据库索引通常使用B树、B+树、哈希表或者LSM树这些结构。其中，B+树在关系型数据库中最常见，比如MySQL的InnoDB引擎。首先，用户可能是一个刚开始学习数据库的开发者或者学生，他们可能对索引为什么能加快查询速度感兴趣。需要解释清楚索引的数据结构，以及这些结构如何影响查询效率。接下来要考虑用户的实际需求。他们可能想知道如何优化数据库性能，或者遇到慢查询问题想了解索引的工作原理。这时候需要不仅讲理论，还要结合实际应用，比如索引的选择、维护成本，以及不同场景下的适用性。然后，用户可能存在的深层问题包括：为什么有时候索引没有生效？如何设计合适的索引？或者索引带来的开销有哪些？这些问题需要在回答中提及，比如提到最左匹配原则、覆盖索引，以及索引的维护代价如插入删除时的平衡操作。需要避免使用太多专业术语，用通俗易懂的语言解释。比如B+树的结构，可以比喻为多层的目录，每层有多个键值，这样查找时能快速定位到数据所在的位置。同时，对比不同结构的优缺点，比如哈希表适合等值查询但范围查询效率低，而B+树适合范围查询。还要注意回答的结构，分点说明，让读者容易理解。先讲常见的索引结构，再深入B+树的细节，最后讨论使用场景和维护注意事项。这样逻辑清晰，逐步深入。另外，用户可能对InnoDB的聚集索引和二级索引的区别不太清楚，需要解释清楚聚集索引的叶子节点存储的是数据行，而二级索引存储的是主键值，这样在回表查询时的过程。最后，提醒用户索引虽然重要，但不可滥用，要考虑写操作的性能影响，以及如何根据查询模式选择合适的索引。这部分可以帮助用户在实际应用中避免常见错误，比如创建过多索引导致插入变慢。总结一下，回答需要涵盖索引的底层数据结构、工作原理、优缺点，以及实际使用中的注意事项，帮助用户全面理解索引的机制和应用。</think>以下是关于数据库索引底层原理的详细介绍，采用结构化表述方式： --- ### 一、核心数据结构 1. **B+树（主流选择）** - 多叉平衡搜索树，典型应用于MySQL InnoDB - 结构特征： $h$层高度可存储$n^{h}$个数据（$n$为节点容量）叶子节点形成有序双向链表非叶子节点仅存储键值和指针 - 查询复杂度：$O(\log n)$ 2. **B树（对比参考）** - 所有节点存储数据 - 更适合内存数据库 - 更新代价低于B+树 3. **哈希索引（特殊场景）** - 时间复杂度$O(1)$ - 仅支持等值查询 - InnoDB自适应哈希索引 4. **LSM树（日志结构合并树）** - 应用于LevelDB/RocksDB - 顺序写优化 - 通过Compaction合并数据 --- ### 二、B+树深度解析 ![B+树结构示例](https://example.com/bplus-tree.png)*（示意图：3层B+树结构）* 1. **节点组成** - 非叶子节点： $[ (key_1, ptr_1), (key_2, ptr_2), ..., (key_m, ptr_m) ]$ - 叶子节点： $[ (key_1, data_1), ..., (key_n, data_n), next_ptr ]$ 2. **插入过程** - 定位叶子节点 → 插入数据 → 节点分裂（超过容量） → 向上递归调整 3. **范围查询优化** ```sql SELECT * FROM table WHERE id BETWEEN 100 AND 300 ``` - 通过叶子节点链表直接遍历，避免回溯非叶子节点 --- ### 三、存储引擎实现差异 | 特性 | InnoDB | MyISAM | |---------------------|--------------------|----------------| | **索引类型** | 聚集索引 | 非聚集索引 | | **数据存储** | 主键索引含完整数据 | 独立.MYD文件 | | **二级索引** | 存储主键值 | 存储数据指针 | | **锁粒度** | 行级锁 | 表级锁 | --- ### 四、关键性能指标 1. **索引选择性** $Selectivity = \frac{distinct(column)}{total\_rows}$ 选择性>30%时考虑建立索引 2. **索引覆盖度** ```sql -- 需要回表 SELECT * FROM users WHERE age > 25 -- 覆盖索引 SELECT name FROM users WHERE age > 25 ``` 3. **页分裂代价** - B+树节点通常对应4KB/16KB磁盘页 - 页填充因子（fill factor）控制空间利用率 --- ### 五、实践注意事项 1. **最左前缀原则** 联合索引`(a,b,c)`有效场景： - WHERE a=1 AND b>2 - ORDER BY a,b,c 失效场景： - WHERE b=5 AND c=10 - WHERE a=1 ORDER BY c 2. **索引维护代价** - INSERT：树平衡操作$O(\log n)$ - UPDATE：可能引起页分裂 - DELETE：标记删除或空间回收 3. **监控指标** ```sql SHOW STATUS LIKE 'Handler_read%'; -- Handler_read_key：索引命中次数 -- Handler_read_rnd_next：全表扫描次数 ``` --- ### 六、新型索引发展 1. **列式存储索引**（ClickHouse） 2. **向量化索引**（相似性搜索） 3. **空间索引**（R树/GIS应用） 4. **倒排索引**（全文搜索） --- 通过理解底层机制，可以更好把握： 1. 索引选择策略（B+树 vs 哈希） 2. 查询计划优化（EXPLAIN分析） 3. 冷热数据分离设计 4. 分布式索引架构（如Elasticsearch分片）