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:





【电力系统】单机无穷大电力系统短路故障暂态稳定Simulink仿真(带说明文档)内容概要:本文档围绕“单机无穷大电力系统短路故障暂态稳定Simulink仿真”展开,提供了完整的仿真模型与说明文档,重点研究电力系统在发生短路故障后的暂态稳定性问题。通过Simulink搭建单机无穷大系统模型,模拟不同类型的短路故障(如三相短路),分析系统在故障期间及切除后的动态响应,包括发电机转子角度、转速、电压和功率等关键参数的变化,进而评估系统的暂态稳定能力。该仿真有助于理解电力系统稳定性机理,掌握暂态过程分析方法。; 适合人群:电气工程及相关专业的本科生、研究生,以及从事电力系统分析、运行与控制工作的科研人员和工程师。; 使用场景及目标:①学习电力系统暂态稳定的基本概念与分析方法;②掌握利用Simulink进行电力系统建模与仿真的技能;③研究短路故障对系统稳定性的影响及提高稳定性的措施(如故障清除时间优化);④辅助课程设计、毕业设计或科研项目中的系统仿真验证。; 阅读建议:建议结合电力系统稳定性理论知识进行学习,先理解仿真模型各模块的功能与参数设置,再运行仿真并仔细分析输出结果,尝试改变故障类型或系统参数以观察其对稳定性的影响,从而深化对暂态稳定问题的理解。
本研究聚焦于运用MATLAB平台,将支持向量机(SVM)应用于数据预测任务,并引入粒子群优化(PSO)算法对模型的关键参数进行自动调优。该研究属于机器学习领域的典型实践,其核心在于利用SVM构建分类模型,同时借助PSO的全局搜索能力,高效确定SVM的最优超参数配置,从而显著增强模型的整体预测效能。 支持向量机作为一种经典的监督学习方法,其基本原理是通过在高维特征空间中构造一个具有最大间隔的决策边界,以实现对样本数据的分类或回归分析。该算法擅长处理小规模样本集、非线性关系以及高维度特征识别问题,其有效性源于通过核函数将原始数据映射至更高维的空间,使得原本复杂的分类问题变得线性可分。 粒子群优化算法是一种模拟鸟群社会行为的群体智能优化技术。在该算法框架下,每个潜在解被视作一个“粒子”,粒子群在解空间中协同搜索,通过不断迭代更新自身速度与位置,并参考个体历史最优解和群体全局最优解的信息,逐步逼近问题的最优解。在本应用中,PSO被专门用于搜寻SVM中影响模型性能的两个关键参数——正则化参数C与核函数参数γ的最优组合。 项目所提供的实现代码涵盖了从数据加载、预处理(如标准化处理)、基础SVM模型构建到PSO优化流程的完整步骤。优化过程会针对不同的核函数(例如线性核、多项式核及径向基函数核等)进行参数寻优,并系统评估优化前后模型性能的差异。性能对比通常基于准确率、精确率、召回率及F1分数等多项分类指标展开,从而定量验证PSO算法在提升SVM模型分类能力方面的实际效果。 本研究通过一个具体的MATLAB实现案例,旨在演示如何将全局优化算法与机器学习模型相结合,以解决模型参数选择这一关键问题。通过此实践,研究者不仅能够深入理解SVM的工作原理,还能掌握利用智能优化技术提升模型泛化性能的有效方法,这对于机器学习在实际问题中的应用具有重要的参考价值。 资源来源于网络分享,仅用于学习交流使用,请勿用于商业,如有侵权请联系我删除!
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
红包 添加红包
表情包 插入表情
 条评论被折叠 查看
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