MySQL体系结构
MySQL体系结构图如下：
解释：
Client Connectors(接入方)
接入方式有很多，支持协议很多。
Management Serveices & Utilities
系统管理和控制工具，mysqldump、 mysql复制集群、分区管理等。
Connection Pool(连接池)
管理缓冲用户连接、用户名、密码、权限校验、线程处理等需要缓存的需求。
SQL Interface(SQL接口)
接受用户的SQL命令，并且返回用户需要查询的结果。
Parser(解析器)
SQL命令传递到解析器的时候会被解析器验证和解析。解析器是由Lex和YACC实现的。
Optimizer(查询优化器)
SQL语句在查询之前会使用查询优化器对查询进行优化。
Cache和Buffer(高速缓存区)
查询缓存，如果查询缓存有命中的查询结果，查询语句就可以直接去查询缓存中取数据。
Pluggable storage Engines(插件式存储引擎)
存储引擎是MySql中具体的与文件打交道的子系统。
File System(文件系统)
数据、日志(redo，undo)、索引、错误日志、查询记录、慢查询。
终端维护数据库相关配置
查询：show variables like '%slow_query%’; //查看慢查询日记；
更改：set long_query_time=5; //设置慢查询时间；
查询执行的流程
执行的流程图如下：
1、Mysql客户端/服务端通信
“半双工”;因为双方发送消息不能同时发生。所以我们无法也无需将一个消息切成小块进行传输。
特点和限制:
1、客户端一旦开始发送消息，另一端要接收完整个消息才能响应。
2、客户端一旦开始接收数据没法停下来发送指令。
扩展：
全双工:双向通信，发送同时也可以接收；
半双工:双向通信，同时只能接收或者是发送，无法同时做操作；
单工:只能单一方向传送；
查询状态：
show full processlist / show processlist，查询结果如下：
状态：
Sleep：线程正在等待客户端发送数据；
Query：连接线程正在执行查询；
Locked：线程正在等待表锁的释放；
Sorting result：线程正在对结果进行排序；
Sending data：向请求端返回数据；
扩展：
状态全集：https://dev.mysql.com/doc/refman/5.7/en/general-thread-states.html；
可通过kill {id}的方式进行连接的杀掉；
2、查询缓存
工作原理：
缓存SELECT操作的结果集和SQL语句;
新的SELECT语句，先去查询缓存，判断是否存在可用的记录集;
判断标准：
查询的SQL与缓存的SQL语句是否完全一样，区分大小写。
(简单认为存储了一个key-value结构，key为sql，value为sql查询结果集)。
缓存配置( 命令 show status like 'Qcache%' 可查看缓存情况)：
query_cache_type
值:0 -– 不启用查询缓存，默认值;
值:1 -– 启用查询缓存，只要符合查询缓存的要求，客户端的查询语句和记录集都可以缓存起来，供其他客户端使用，查询语句加上SQL_NO_CACHE将不缓存；
值:2 -– 启用查询缓存，只要查询语句中添加了参数SQL_CACHE，且符合查询缓存的要求，客户端的查询语句和记录集则可以缓存起来；
query_cache_size
允许设置query_cache_size的值最小为40K，默认1M，推荐设置 为:64M/128M;
query_cache_limit
限制查询缓存区最大能缓存的查询记录集，默认设置为1M;
不会使用缓存的情况：
1.当查询语句中有一些不确定的数据时，则不会被缓存。如包含函数NOW()、CURRENT_DATE()等类似的函数，或者用户自定义函数、存储函数、用户变量等都不会被缓存；
2.当查询的结果大于query_cache_limit设置的值时，结果不会被缓存；
3.对于InnoDB引擎来说，当一个语句在事务中修改了某个表，那在这个事务提交之前，所有与这个表相关的查询都无法被缓存。因此长时间执行事务，会大大降低缓存命中率；
4，查询的表是系统表；
5，查询语句不涉及到表；
适合场景：
以读为主的业务，数据生成之后就不常改变的业务。比如门户类、新闻类、报表类、论坛类等
3、解析语法树
解析器：
解析SQL，通过lex词法分析、yacc语法分析将sql语句解析成解析树；
预处理器：
根据mysql的语法的规则进一步检查解析树的合法性，如:检查数据的表和列是否存在，解析名字和别名的设置。还会进行权限的验证；
4、查询优化处理
查询优化器的主要作用就是找到最优的执行计划。
查找最优执行计划：
查询优化器是基于成本计算的原则。它会尝试各种执行计划。 数据抽样的方式进行试验(随机的读取一个4K的数据块进行分析)；
• 使用等价变化规则
5 = 5 and a > 5 改写成 a > 5
a < b and a = 5 改写成 b > 5 and a = 5
基于联合索引，调整条件位置等
• 优化count 、min、max等函数
min函数只需找索引最左边
max函数只需找索引最右边
myisam引擎count(*)
• 覆盖索引扫描
• 子查询优化
• 提前终止查询
用了limit关键字或者使用不存在的条件
• IN的优化
先进性排序，再采用二分查找的方式
...
执行计划：
1).select查询的序列号(id)，标识执行的顺序。
1、id相同，执行顺序由上至下；
2、id不同，如果是子查询，id的序号会递增，id值越大优先级越高，越先被执行；
3、id相同又不同即两种情况同时存在，id如果相同，可以认为是一组，从上往下顺序执行;在所有组中，id值越大，优先级越高，越先执行；
2).查询的类型(select_type)，主要是用于区分普通查询、联合查询、子查询等
SIMPLE：简单的select查询，查询中不包含子查询或者union；
PRIMARY：查询中包含子部分，最外层查询则被标记为primary；
SUBQUERY/MATERIALIZED：SUBQUERY表示在select 或 where列表中包含了子查询，MATERIALIZED表示where 后面in条件的子查询；
UNION：若第二个select出现在union之后，则被标记为union;
UNION RESULT：从union表获取结果的select；
3).查询涉及到的表(table)
直接显示表名或者表的别名
<unionM,N> 由ID为M,N 查询union产生的结果；
<subqueryN> 由ID为N查询生产的结果；
4).访问类型(type)
system > const > eq_ref > ref > range > index > ALL；
system：表只有一行记录(等于系统表)，const类型的特例，基本不会出现，可以忽略不计；
const：表示通过索引一次就找到了，const用于比较primary key 或者 unique索引(通过主键索引或者唯一索引一次命中)；
eq_ref：唯一索引扫描，对于每个索引键，表中只有一条记录与之匹配。常见于主键或唯一索引扫描(id in (子查询)，主键/唯一索引进行扫描)；
ref：非唯一性索引扫描，返回匹配某个单独值的所有行，本质是也是一种索引访问(使用了非唯一索引)；
range：只检索给定范围的行，使用一个索引来选择行(检索范围，比如对索引的字段使用like关键字过滤)；
index：Full Index Scan，索引全表扫描，把索引从头到尾扫一遍(没有过滤条件，查询的列是索引字段就是这种类型)；
ALL：Full Table Scan，遍历全表以找到匹配的行；
5).possible_keys：查询过程中有可能用到的索引；
6).key：实际使用的索引，如果为NULL，则没有使用索引；
7).rows：根据表统计信息或者索引选用情况，大致估算出找到所需的记录所需要读取的行数；
8).filtered：它指返回结果的行占需要读到的行(rows列的值)的百分比 表示返回结果的行数占需读取行数的百分比，filtered的值越大越好；
9).十分重要的额外信息(extra)
1、Using filesort : mysql对数据使用一个外部的文件内容进行了排序，而不是按照表内的索引进行排序读取；
2、Using temporary: 使用临时表保存中间结果，也就是说mysql在对查询结果排序/分组时使用了临时表，常见于order by 或 group by；
3、Using index：表示相应的select操作中使用了覆盖索引(Covering Index)，避免了访问表的数据行，效率高；
4、Using where：使用了where过滤条件；
5、select tables optimized away: 基于索引优化MIN/MAX操作或者MyISAM存储引擎优化COUNT(*)操作，不必等到执行阶段在进行计算，查询执行 计划生成的阶段即可完成优化；
5、查询执行引擎
调用插件式的存储引擎的原子API的功能进行执行计划的执行；
6、返回客户端
1).有需要做缓存的，执行缓存操作；
2).增量的返回结果，开始生成第一条结果时,mysql就开始往请求方逐步返回数据。
好处:
1.mysql服务器无须保存过多的数据，避免浪费内存；
2.用户体验好，马上就拿到了数据；
SQL语句执行顺序
SQL语句执行顺序
1. FROM子句组装来自不同数据源的数据；
2. WHERE子句基于指定的条件对记录进行筛选；
3. GROUP BY子句将数据划分为多个分组；
4. 使用聚集函数进行计算；
5. 使用HAVING子句筛选分组；
6. 计算所有的表达式；
7. 使用ORDER BY对结果集进行排序；
