前言

前面讲的sql这些东西都是属于操作层面的，也没有特别难点，可能就多表查询有点难，但都不是问题！多练习就会记住了。
 
而现在要讲的MySQL的索引与事务，都属于MySQL原理层面的东西。
涉及到一些MySQL内部的一些实现机制，
该内容比较抽象，离咱们比较遥远。毕竟我们不是搞研发数据库的。
MySQL 是一个背后非常庞大的软件。
内部的原理和机制，数不胜数。
至于这里为什么讲这个，纯粹是因为面试要考！

索引

索引的作用 与 概念

索引（index）可以说是一本书的目录（index）。【两者的英文是同一个只是表现的形式不一样。】

索引的优缺点

另外，思考一个问题：树的目录一旦决定了，后续每次对书的内容进行调整时，都可能会印象到目录的准确性，就需要重新调整目录。
 
数据库的索引也是一样的情况：当我们 对 数据进行“增删改”操作的时候，往往也需要同步调整索引的结构。
 
索引带来的好处:提高了查询效率
索引带来的坏处：占用了更多的空间，拖慢了增删查改的速度。

从表面来上看，似乎索引的坏处 比 索引带来的好处要多。但！这不必意味着 弊大于利！！
因为在实际需求的场景中，查询操作往往是最高频率的操作。
相对于“增删改” 的使用频率则低的可怜。
因此，查询作为一个高频操作，索引对其来说是不可缺少的，
 
另外，有了索引之后对于查询的效率的提升使非常巨大的！！！
当MySQL里面的数据量级 达到千万级别的时候（一个表里就有几千万，甚至破亿的数据）再去遍历表，就会非常非常的低效！！！
 
在另一方面：MySQL在进行数据比较的时候，不是像我们编程那样，一个for循环（这样的想法是错误的）。
编程上的查询是在内存中的比较；MySQL 中的比较是在硬盘上比较。
也就是说：在MySQL中的每一次比较都会涉及到硬盘的 IO 操作。

又因为硬盘的 IO 的 访问速度 比 内存 慢 3 ~ 4 个数量级（几千~万倍）。
所以，如果是查询的操作更是慢上加慢！！！
【这里又一次体现了索引的好处：能使这里的查找效率提高数万倍】

和索引相关的一些 SQL 语句

查看索引

命令格式：show index from 表名;
其作用：查看一个数据表上都有哪些索引

给一个表中的某个列来创建索引

==命令格式：create index 索引名字 on 表名（列名）

需要注意的是：创建索引这件事是一个非常低效的事情，尤其是当前表里面已经有很多数据的时候。
它需要给该列的每一行数据都设置一个索引，因此在数据量庞大的情况下，创建的索引的过程是非常耗时的！
因此，以后我们在工作的时候，看到某个数据库的一个表没有索引，千万不要贸然去创建一个索引。
你啪的一声回车一敲，下一秒数据库就挂了。
一点都不夸张，数据库就是这么娇贵！
因为复杂的东西是最容易出现问题的！！！
越简单的东西越抗造的！
反正总体来说：操作数据库本身就是一个危险操作。必须时刻小心谨慎。

删除某个表中的索引

命令格式：drop index 索引名字 on 表名

删除索引操作和创建同理，都是非常低效的事情，也容易让数据库凉凉。

小结

虽然我们讲了如果创建和删除索引。但是！并不推荐在工作去使用。
最好在创建数据表之前，就想好是否使用索引。
如果使用索引：在创建数据表的时候，利用 主键约束 或者 unique 来 指定 某列。
如果不使用，就不用设置了。
对于 SQL 语句，只要还是使用“增删查改”。
另外，虽然 SQL 也是支持 条件，循环，变量，函数等这些编程语言的普遍机制，但是这些操作一般很少用得到。
如果非要使用 这些机制，通过会通过搭配其他的编程语言进行实现，比如 java 的 JDBC 编程。
在这里我们不多讲。

索引 背后的数据结构 - 面试考点

面试中考察的主要是“索引 背后的数据结构”，前面一般不会考到。
那么，问题来了：什么样的数据结构使用索引能加快查找的速度？
常见的数据结构：
1、顺序表
2、链表
3、二叉搜索树、AVL树、红黑树
4、哈希表

一圈下来，发现没有合适的数据结构能够作为 索引背后的数据结构。
那么，到底使用何种结构，能够在未 索引背后的数据结构呢？
其实，索引背后的数据结构还是树形结构，只是这个树形结构不再是二叉树结构。
而是 N 叉树 结构。

在整个数据量的条件一定的情况下，N叉搜索树的高度 一定比 二叉搜索树要低。
在数据库中使用的这个多叉树，又不太一样，是一个很特殊的树，我们称为 B+ 树。
【B+ 树 是 数据库中最常见的数据结构】
注意！数据库有很多种，每个数据库底层又支持多种存储引擎
这些存储引擎实现了数据库具体按照什么结构来存储的程序。
那么就意味着 每个存储引擎 存储数据的结构 可能都不一样，背后的索引数据结构可能也不同。
所以，这里面可能会有很多种多叉树来去表示这里的数据结构。
只是 B+ 树 是 最常用的一种数据结构。
那么，B+ 树 又是什么样子的？
想要 理解 B+ 树，需要先理解它的前身 B 树（ B-树：这个是B树的另一种写法，而不是B减树），

有了B树的基础，我们就可以来了解B+ 树 了。也就是 索引背后的数据结构。
因为B树 是 B+树的前身，那么B+树想对比B树又做出了那些改变？

可能有些朋友会有疑问：为什么B+树这么去构建？
你可以这么认为 B+ 树 就是为了 数据库索引量身打造的！！！！
1、使用B+树进行查找的时候，整体IO次数也是比较少的。
2、所有的查询最终多会落在叶子结点上，每次查询的 IO 次数都是差不多的，故查询的速度是稳定的，相差不大。
3、叶子结点用链表链接之后，非常适合进行范围查找
例如：找到 大于等于5，且小于等于 11 的值。

4、所有的数据存储（数据又称载荷）都是放到叶子结点上的。也就是说非叶子结点中只需要保存key值就可以了。因此非叶子节点整体占用空间较小，甚至可以加载到内存中。（一旦能够全部放在内存里，此时硬盘上的IO次数几乎就为零了）

整个数据库存储就是这个载荷（payload）。
根据这4点，想必大家也不怀疑，B+树就是为数据库创造的！
另外，B树虽然不是很适合数据库，但是它的通用强，不像B+树一样，就是为了数据库而生的。换个场景，可能B+树就不行了。
.主要还是根据实际情况来选择合适的数据结构。

面试主要就是问你：谈谈你对于索引的理解。
1、索引是用来干什么的？
给信息分配一个id，方便能够快速找寻到该数据
2、索引的使用的场景
数据库 的 查询功能，对于海量信息的查询，有这巨大作用。
3、索引的好处与坏处
好处：大幅度提升查找的效率，
坏处：占用额外的存储空间，使得“增删改”操作的执行的速度下降。
4、索引背后的数据结构
B+树，然后给他讲讲B+树是怎么实现 以及它的特点。

事务

事务的概念

事务诞生的目的就是为了把若干个独立的操作给打包成一个整体。
举个例子：
现在我们要去和女神约会。
我们首先第一步要做的就是先去银行取钱。
【不要有疑问，约会不要钱的嘛。当然你能让你女神请你，那当我没举这个例子】
第二步才是去找女神去约会。

但是，这会存在个问题
问题：钱取出来，但女神没有约出来，所以 这钱就是白取的，还不如留在银行吃利息。

而事务就是这两件事打包在一起，形成一个整体。
什么意思呢？
要么就是把两个操作都执行完；
要么就是一个操作不执行；
不需要存在 只执行第一步，不执行第二步的中间状态。
直白来说：要做就做完所有事，不做就碰都别碰，这就是事务的概念。
结合MySQL来说：
在SQL中，有的复杂的任务需要多个SQL 执行。
有的时候，也需要同样打包在一起，前一个SQL 就是为了给后一个SQL 提供支持。
如果后面的SQL不执行了，或者出错了。那么前面的SQL也就失去了意义。
这样的情况，我们就能借助 事务 来进行。
总之，事务就是把很多东西打包在一起，要做就全做完，不做就一个也别做。

事务的原子性

像MySQL中事务这样的特点【要做就全做完，不做就一个也别做。（换个说法：任务不能被细分，必须按照一个整体任务来看待）】，我们称其称为原子性。
至于为什么将事务的特点称为原子性？
这是因为：在过去科技不发达的时候，人们认为-》原子 就是不可拆分的最小单位了。
所以，原子就保留了原子不可查分的含义。而事务的特点就是具有原子含义的一种特点
但是，在如今的我们都知道：物质是通过分子构成的，分子通过原子构成的，原子是由原子核和核外电子构成，原子核由质子和中子构成。

再举一个列子，来让大家加深对原子性的理解

抛出一个问题：事务的原子性是如何保证的？

前面硕大事务的原子性就是：要么全部执行成功，要么就一个都不执行！
实际上我们在执行第二个SQL之前，我们并不能预知这次执行是否会失败。
那么，我们该怎么去做？
没有办法，只能还是去执行第一个SQL,执行完了之后，在执行第二个SQL，试试看、
成功就最好，没成功再想办法。
也就是说：实际上 在处理事务的时候，并不像它说的那样【要么就全部执行成功，要么就一个都不执行】，也就是执行失败的时候，执行了SQL语句。
原因就是我们并不能预知突发事件的发生，所以不管能否执行成功，我们都需要去执行一下（该执行还是要执行一下）。

解决方法：当出现执行失败之后，由数据库自动执行一些“还原”性的操作。来消除前面的SQL带来的影响。让我们从外面来看就好像一个都没有执行一样。
（其实它是执行了的，正因为它执行了。所以它才知道出错了。你的操作没有效果就是最好的证明）

在打个比方：手机翻新
现在我们去买一个手机，对于一个萌新用户（就是不懂手机的），他是无法区分 这个手机是新机，还是翻新机。
所谓的翻新机：就是将一个别人用了很久的手机，做一系列清洗工作，外加筛机，再重新包装一下。让这个旧手机看起来跟新的一摸一样。这就是翻新机。
简单来说 翻新机 就是将以前用户的使用痕迹抹除，让其看起来像是一个新机。
在MySQL中，这种“还原”操作 被称为 “回滚”（rollback）。
回到那转账的问题上。

事务的使用

开启事务：start transaction;

简单来说
1、当我们将要执行多句SQL时，先输入 start transaction;
2、之后，便是执行多行 sql 语句。
3、最后 执行完之后，我们要以 rollback / commit 作为返回，
rollback 代表执行失败，进行“回滚”，而 commit 就是执行成功提交的意思。

start transaction;
// transaction 与 commit 之间，就是事务中的若干操作
-- 阿里巴巴账户减少2000
update accout set money=money-2000 where name = '阿里巴巴';
-- 四十大盗账户增加2000
update accout set money=money+2000 where name = '四十大盗';
commit;

事务相关的面试题

谈谈事务的基本特性

四个基本特性：
1、原子性：将操作进行合并看作一个整体，要么全做，要么一个都不做）
2、一致性：在事务执行之前 和 执行之后，数据库中的数据都必须合理合法。就比如说 转完钱，你余额不可能为负数，这就叫做合理合法
3、持久性：事务一旦提交了之后，数据就会持久化存储起来。也就是数据存储到硬盘上了。
4、隔离性:非常麻烦
隔离性描述的是：事务并发执行时候，产生的状况。

由事务的第四个特性引出一个关键字：并发

并发编程 是当下最主要的一个编程方式。
写出来的代码，是并发式的执行的。
什么意思呢？
就是所谓的一心二用：吃着饭，看这剧。嘴 和 眼睛 各干各的。
像这种情况：就是并发式执行。
虽然我们人脑并不擅长并发，但是计算机特别擅长。

有的人可能会有疑问：为什么计算机擅长开发?
其实计算机也是迫不得已。

但是 光刻机这种东西非常难搞。我们国家的水平还没有达到那么高的水平。
毕竟 CPU 是 我们人类科技的天花板之一。（能与之相提并论的只有氢弹）
要向提高算力，就必须要让单个门电路模块尽量做得很小。
意思就是：你单个电路做得越小，那么意味着同样的一块板子，你能比别人多刻几个电路，自然你的CPU的算力就比别人的高。
那么可以做到无线小嘛？不行的！！！
当物体小到一定程度的时候，经典力学就已经起不了作用了，量子力学就开始接管了~！！
而 量子计算机 就是 量子力学接管后的产物。（虽然还在试验阶段，并没有普及）

一般谈到的“并发”这个词，是一个‘广义’的概念，包含了并行 和 狭义 的 并发
比如说：并发 属于单核，并行 属于多核。
虽然这句话，它没错。
但是从宏观的角度去看：并发 和 并行 是一样的。
既然计算机是支持并发的，那么我们党的数据库也是需要具备相应的功能的。

数据库的并发执行

那么，问题就来了：在数据库中，并发执行多个事务的时候，修改 / 读取的 收据，是同一个数据的时候，就会出现一些问题。
而事务的隔离性就是解决上述问题。
所以我们这里事务的隔离性，主要就是针对并发执行事务的场景。
因此要想理解并发执行事故，我们就必须要理解什么是并发，并发：就是同时执行多个任务。
那么我们这里的并发执行事故：一个数据库服务器同时执行多个事务。

并发执行事故所带来的问题

脏读问题

比如说：我们此时坐在同一个考场进行笔试。我们在写一到编程题。
当我们写代码的过程中，我们创建一个表，参数(…)。
就在我们写的时候，有个人偷偷在瞄我们的代码。
他就看到我们是怎么去创建这个表的。然后他就咔咔飞速的写起来。
但是呢！我们觉得这个表不合适，把它擦掉改了。
等交的时候，他一看我们的代码怎么改了？？
然后他就GG了。

也就是说这个人，他瞄到的数据 不是我们的最终结果，而是我们中间过程的数据。
这个中间过程的数据是能会被改的。
 
此时的情况，就是脏读。
放在数据库中：事务A在对某个数据进行修改的同时，事务B 去 读取了 这个 数据。
此时，事务B 读到的很可能是一个“脏数据”（这个数据是一个临时的结果，而不是最终的结果）
再举一个例子：测体温，填体温表。
我们测完体温之后，去填体温表。
不知道哪根筋断了，把 36.7, 写成了 46.7。
此时被后方的同志看到了，立马就去打报告了。
等我们将体温改回来的时候。
发现此时，我们被人围住。。。
结果可想而知，不管你是不是真的填错了，都要抓你去隔离了。
 
此时的 46.7 就是一个“脏数据”

出现脏读问题的原因：就是事务与事务之间没有进行任何的隔离。
其实加上一些约束限制，就可以有效的避免脏读问题。

脏读问题 的处理方法

就是给 写操作 加上锁。
意思就是 在 写的过程中，别人看不到的。（加锁的状态）
写完之后，别人看到了。（解除枷锁）

举个例子：
还是前面的例子，只不过改一下。笔试偷窥不太好。
假设 我们和自己的朋友一起学习代码，遇到他们一道题他们不会，想借鉴一下我们的代码思维。
但是我们和朋友不要急，等我写完，你们再来看。
免得你们看的都是错误的，
现在我们在写代码的时候，就不会有人回过来看。
等我们写完了，才有人来看我们代码。
此时我们就避免了脏读的发生。别人看到的是最终结果，而不是中间数据。
 
放在数据库中，事务A 在 访问 一个数据的时候，将这个数据上锁，一旦上锁之后，其它事务就不能访问这个数据了，意味着事务之间的隔离性提高了。
并发发生的概率就降低了。【简称并发性降低】

疑问：当我们给数据上锁了，那么我们的事务就没有问题了吗？
答案：不是的！

第二个问题：不可重复读

不可重复读问题的处理方法

有了脏读的处理经验，不可重复读的问题也就很好处理。
即：当读者进行阅读博客的时候，身为作者的我们不能改动博客。
反过来说：当读者看完了我们的博客，我们才能对其进行改动。
综合来讲：给 读操作也上锁。
也就是说：现在的 情况就是 我们写博客的时候，读者不能阅读；读者阅读的时候，我们不能改博客。
意味着我们必须得等到读者读完了，才能进行修改。
因此通过给读操作也加上锁，就可以解决不可重复读的问题。

小结

根据前面的问题，相比大家已经进一步认识到 并发性 与 隔离性。
简单来说：并发就是多个事务一起运行。
          隔离就是 处理完一个事务后，再处理它的事务（就是一个个来）。

你以为就完了？不存在的！还存在一个问题：幻读

幻读问题的解决办法

想要解决幻读问题的办法至于一个，彻底 串行化 执行。
也就是说：读者在堵我们的博客的时候，叫我们摸鱼。不要写任何博客了！让我们来卷一卷。
简单来说，就是一个个来，出完一个事务，再处理一下事务，以此类推。
（期间不能做任何其他的事务操作。）
这种执行方式，隔离性最高，并发性最低，数据最可靠，速度最慢。（强制摸鱼）

隔离性 总结

以上我所讲的这些，就是关于隔离性相关问题。
并发执行的速度很快；隔离执行的数据最为准确，但是两者是不可以兼得的。
需要根据实际情况进行调整隔离的级别。
通过不同的隔离级别，就控制了事务之间的隔离性，也就是控制了并发程度。
从而在 快与 准之间，找到一个平衡点。

MySQL中事务的隔离级别

1、read uncommitted ：允许读取未提交的数据，并发程度最高，隔离最低，会带有脏读 + 不可重复读 + 幻读问题
2、read committed：只允许读取 提交之后的数据，相当于写加锁。并发性降低，隔离性提高。解决脏读，但带有 不可重复读 + 幻读问题
3、repeatable read：相当于给读和写操作都上锁了，并发性进一步降低，隔离性进一步提高。解决脏读、不可重复读，但带有 幻读问题。
4、serializable：串行化，并发性降到最低（串行执行），隔离程度最高，解决了脏读、不可重复读、幻读问题。但是运行的速度是最低的。
MySQL 可以通过修改 配置文件（my.ini） 来进行设置当前的隔离级别。
这样就可以根据实际情况，来决定使用哪种隔离级别。

注意！以上这些关于事务的都是考点。

拓展：如何查询当前服务器数据库的隔离级别 与 设置当前的隔离级别的指令

//设置read uncommitted级别：
set session transaction isolation level read uncommitted;
中文意思：设置 会话事务 的隔离级别为 read uncommitted

//设置read committed级别：
set session transaction isolation level read committed;
中文意思：设置 会话事务 的隔离级别为 read committed

//设置repeatable read级别：
set session transaction isolation level repeatable read;
中文意思：设置 会话事务 的隔离级别为 repeatable read

//设置serializable级别：
set session transaction isolation level serializable;
中文意思：设置 会话事务 的隔离级别为 serializable

下一篇：数据库中的JDBC编程（现在还没写完，写完了这里就是蓝色链接字体）