Mysql架构

1. 架构:

MySQL最与众不同的特性是它的存储引擎架构,可以将处理和存储分离。

在客户端登陆时,先进行“连接/线程处理”,登陆成功后,提交SQL请求,转发给“解析器”,解析器会查找“查询缓存”,看看是否缓存中存在,不存在则转交给“优化器”。最后再查找“存储引擎”。所以,优化器并不关系表使用的是什么存储引擎。


架构图:

2. 并发控制:

读写锁:共享锁(Shared Lock)和排他锁(Exclusive Lock),也叫读锁和写锁。读锁是共享的,或者说互相不阻塞的;写锁是排他的,会阻塞其他的读锁和写锁。
锁粒度:锁的粒度越小,系统的开销越大,但是系统的并发度越高。锁策略,就是在锁的开销和数据的安全性之间寻求平衡,这种平衡会影响性能。每种MySQL存储引擎都可以实现自己的锁策略和锁粒度。

2.1 锁策略

表锁:
行级锁:

2.2 事务日志:

可以提高事务的效率。存储引擎在修改表的数据时只需要修改其内存拷贝,再把改修改行为记录到持久在硬盘上的事务日志中,而不用每次都将修改的数据本身持久到硬盘。事务日志持久之后,内存中被修改的数据在后台可以慢慢地刷回到硬盘。

2.3 MySQL中的事务

MySQL提供了两种事务型的存储引擎:InnoDB 和 NDB Cluster.

MySQL采用自动提交(AUTOCOMMIT)模式,也就是说如果没有显示的声明(Start Transaction),则每一句SQL都当做一个事务提交。
mysql> SHOW VARIABLES LIKE 'AUTOCOMMIT';
查看系统变量AUTOCOMMIT,MySQL查看系统变量的语法如下:
SHOW [GLOBAL | SESSION] VARIABLES
    [LIKE 'pattern' | WHERE expr]
LIKE和WHERE都是对显示变量的一个限定,限定具体某个变量。
mysql> SHOW VARIABLES WHERE Variable_Name NOT LIKE '%myisam%' AND Variable_Name NOT LIKE '%innodb%';
使用SELECT语句时,可以用@@前缀修饰变量,证明这是一个全局或session级变量(而不是字段,SQL里的变量)。
mysql> SELECT @@GLOBAL.AUTOCOMMIT;

MySQL使用 SET SESSION TRANSACTION ISOLATION LEVEL命令来设置隔离级别。ATNSI包含四种隔离级别:READ UNCOMMITTED,READ COMMITTED,REPEATABLE READ和 SERIALIZABLE 
mysql> SET SESSION TRANSACTION ISOLATION LEVEL READ COMMITTED;

显式锁定:
SELECT ... LOCK IN SHARE MODE;  共享锁
SELECT ... FOR UPDATE;                    排他锁

3. 多版本并发控制:

MVCC(多版本并发控制):很多数据库都实现了自己的MVCC。  不太懂,需要查更多资料。

4. MySQL存储引擎:

在文件系统中(Mysql在操作系统上安装的文件),MySQL将每一个数据库保存为数据目录下的一个子目录。数据库里的每一个表,在对应数据库子目录下,创建一个和表名同名的.frm文件来保存表的定义。可以使用SHOW TABLE STATUS 来显示表的信息。
mysql> SHOW TABLE STATUS LIKE 'event' \G
在MYSQL命令行中使用\G参数,将输出按列显示。\G为大写字母,不可使用小写;使用\G参数后,SQL语句后可以不加分隔符,如果加分隔符,则会报“error:no query specified”的错误。

MyISAM会将表存储在两个文件中:数据文件和索引文件,分别以.MYD和.MYI为扩展名。可以使用myisampack对MyISAM表进行压缩。
MySQL创建临时表的方法: CREATE TEMPORARY TABLE ...

转换表的存储引擎的三种方式:
(1) ALTER TABLE :
mysql>ALTER TABLE mytable ENGINE = InnoDB;
上边适用于所有存储引擎,但是有个缺点就是很慢。如果转换表的存储引擎,会失去和原引擎相关的所有特性。
(2) 导入和导出:
使用mysqldump工具将数据导出到文件。
(3)创建与查询:





根据原作 https://pan.quark.cn/s/459657bcfd45 的源码改编 Classic-ML-Methods-Algo 引言 建立这个项目,是为了梳理和总结传统机器学习(Machine Learning)方法(methods)或者算法(algo),和各位同仁相互学习交流. 现在的深度学习本质上来自于传统的神经网络模型,很大程度上是传统机器学习的延续,同时也在不少时候需要结合传统方法来实现. 任何机器学习方法基本的流程结构都是通用的;使用的评价方法也基本通用;使用的一些数学知识也是通用的. 本文在梳理传统机器学习方法算法的同时也会顺便补充这些流程,数学上的知识以供参考. 机器学习 机器学习是人工智能(Artificial Intelligence)的一个分支,也是实现人工智能最重要的手段.区别于传统的基于规则(rule-based)的算法,机器学习可以从数据中获取知识,从而实现规定的任务[Ian Goodfellow and Yoshua Bengio and Aaron Courville的Deep Learning].这些知识可以分为四种: 总结(summarization) 预测(prediction) 估计(estimation) 假想验证(hypothesis testing) 机器学习主要关心的是预测[Varian在Big Data : New Tricks for Econometrics],预测的可以是连续性的输出变量,分类,聚类或者物品之间的有趣关联. 机器学习分类 根据数据配置(setting,是否有标签,可以是连续的也可以是离散的)和任务目标,我们可以将机器学习方法分为四种: 无监督(unsupervised) 训练数据没有给定...
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值