ACID

ACID：

• 原子性( tomicity):事务是一个不可再分割的工作单元,事务中的操作要么都发生，要么都不发生。
• 一致性( onsistency):数据库事务不能破坏关系数据的完整性以及业务逻辑上的一致性，每个操作都必须是合法的。
• 隔离性( solation):多个事务并发访问时,事务之间是隔离的,一个事务不应该影响其它事务运行效果，类似于串行操作。
• 持久性(Curability):在事务完成以后，该事务所对数据库所作的更改便持久的保存在数据库之中，并不会被回滚。

模型

1960s，传统的文件系统已经不能满足人们的需要，数据库管理系统(DBMS)应运而生DBMS:按照某种数据模型来组织、存储和管理数据的仓库。所以通常按照数据模型的特点将传统数据库系统分成网状数据库、层次数据库和关系数据库三类。

网状模型

把每个数据作为一个节点，构成一个网状的结构，每个父节点可以有多个子节点，一个子节点也可以有多个父节点，多对多

层次模型

层次模型是一个树形模型，层次模型和网状模型特别相像，最大的不同是每个父节点可以有多个子节点，但每个子节点只能有一个父节点，一对多

关系模型

把所有的关系都存放在一个或多个二维表里，就是我们现在所使用的数据库模型

优势与劣势

SQL

• 语法风格接近自然语言;
• 高度非过程化;
• 面向集合的操作方式;
• 语言简洁，易学易用。

一条SQL语句的执行：

• Parser：语法解析器
• AST：语法树
• Optimizer：优化器
• Plan：生成一个树状结构PlanTree
• Executor：执行器
  ==其中Parsser、Optimizer、Executor都是SQL引擎，DataFile、LogFile都是存储引擎，事物引擎没有显示的表现在图上==

Parser

解析器(Parser)一般分为词法分析(Lexical analysis)、语法分析(Syntax analysis)、语义分析(Semantic analyzer)等步骤。

Optimizer

作用是在多种可能中选取最优的那种

基于规则的优化（RBO Rule Base Optimizer）

• 条件优化

  • a > b & a > 5 –> a > 5 & b > 5
  • a > 5 & a < b & b = 1 –> false

• 表连接优化

  • 总是小表先进行连接

• Scan优化

  • 唯一索引
  • 普通索引
  • 全表扫描

基于代价的优化（CBO Cost Base Optimizer）

一个查询有多种执行方案，CBO会选择其中代价最低的方案去真正的执行

例如：时间，IO，CPU，NET，内存

存储引擎

InnoDB

• 支持行锁，采用MVCC来支持高并发，有可能死锁
• 支持事务
• 支持外键
• 支持崩溃后的安全恢复
• 不支持全文索引

B+Tree

页面内页目录中使用二分法快速定位到对应的槽，然后再遍历该槽对应分组中的记录即可快速找到指定的记录。
从根到叶，中间节点存储

事物日志

• Atomicity & Undo log

  • Undo Log是逻辑日志，记录的是数据的增量变化。利用Undo Log可以进行事务回滚，从而保证事务的原子性。同时也实现了多版本并发控制(MVCC)解决读写冲突和一致性读的问题

• Isolation & MVCC

  • MVCC的意义:
    • 读写互不阻塞;
    • 降低死锁概率;
    • 实现一致性读。

• Durability & Redo Log

  • redo log是物理日志，记录的是页面的变化，它的作用是保证事务持久化。如果数据写入磁盘前发生故障，重启MySQL后会根据redo loq重做。

大流量

以下为缩写，有需要对照去查资料

Sharding

问题背景

• 单节点写容易成为瓶颈单机数据容量上限

解决方案

• 业务数据进行水平拆分代理层进行分片路由

实施效果

• 数据库写入性能线性扩展数据库容量线性扩展

扩容

问题背景

• 活动流量上涨集群性能不满足要求

解决方案

• 扩容DB物理节点数量利用影子表进行压测

实施效果

• 数据库集群提供更高的吞吐保证集群可以承担预期流量

代理连接池

问题背景

• 突增流量导致大量建联大量建联导致负载变大，延时上升

解决方案

• 业务侧预热连接池
• 代理侧预热连接池
• 代理侧支持连接队列

实施效果

• 避免 DB 被突增流量打死避免代理和 DB 被大量建联打死