MyISAM

【1】Innodb 与 Myisam 的区别 1.InnoDB支持事物，而MyISAM不支持事物 2.InnoDB支持行级锁，而MyISAM支持表级锁 3.InnoDB支持MVCC, 而MyISAM不支持 4.InnoDB支持外键，而MyISAM不支持 5.InnoDB不支持全文索引，而MyISAM支持。 6.InnoDB不能通过直接拷贝表文件的方法拷贝表到另外一台机器， myisam 支持 7.InnoDB表支持多种行格式， myisam 不支持 8.InnoDB是索引组织表， myisam 是堆表 【2】Innnodb 四大特性 （1）插入缓冲，（2）二次写，（3）自适应哈希，（4）预读 【2.1】插入缓冲（insert buffer) 插入缓冲（Insert Buffer/Change Buffer）：提升插入性能，change buffering是insert buffer的加强，insert buffer只针对insert有效，change buffering对insert、delete、update(delete+insert)、purge都有效 　　只对于非聚集索引（非唯一）的插入和更新有效，对于每一次的插入不是写到索引页中，而是先判断插入的非聚集索引页是否在缓冲池中，如果在则直接插入； 　　若不在，则先放到Insert Buffer 中，再按照一定的频率进行合并操作

MyISAM引擎的B+Tree的索引 通过上图可以直接的看出, 在MyISAM对B+树的运用中明显的特点如下: 所有的非叶子节点中存储的全部是索引信息 在叶子节点中存储的 value值其实是 数据库中某行数据的index MyISAM引擎 索引文件的查看: 在 /var/lib/mysql目录中 .myd 即 my data , 数据库中表的数据文件 .myi 即 my index , 数据库中 索引文件 .log 即 mysql的日志文件 InnoDB引擎 索引文件的查看: 同样在 /var/lib/mysql 目录下面 InnoDB引擎的B+Tree的索引 InnoDB的实现方式业内也称其为 聚簇索引 , 什么是聚簇索引呢? 就是相邻的行的简直被存储到一起, 对比上面的两幅图片就会发现, 在InnDB中, B+树的叶子节点中存储的是数据行中的一行行记录, 缺点: 因为索引文件被存放在硬盘上, 所以很占硬盘的空间 一般我们会在每一个表中添加一列 取名 id, 设置它为primary key , 即将他设置成主键, 如果使用的存储引擎也是InnoDB的话, 底层就会建立起主键索引, 也是聚簇索引, 并且会自动按照id的大小为我们排好序,(因为它的一个有序的树) 点击查看 参考博文1 局部性原理 局部性原理是指CPU访问存储器时，无论是存取指令还是存取数据

Since foreign keys are not supported by partitioned mySQL databases for the moment, I would like to hear some pro's and con's for a read-heavy application that will handle around 1-400 000 rows per table. Unfortunately, I dont have enough experience yet in this area to make the conclusion by myself... Thanks a lot! References: How to handle foreign key while partitioning Partitioning mySQL tables that has foreign keys? Well, if you need partitioning for a table as small as 400.000 rows get another database than MySQL. Seriously. By modern standards any table below 1.000.000 rows is normally

Pretty straightforward question. I use InnoDB for everything else, for a couple of reasons. Is it a performance hit over MyISAM for a 'high-traffic' table? Since you're looking at a pretty even mix of read/write traffic, InnoDB is the better choice. MyISAM's full-table locks on every write would probably be murder. MyISAM fairs better with 90%+ read or 90%+ write situations. I believe that's mentioned in High Performance MySQL 来源： https://stackoverflow.com/questions/3359403/which-mysql-database-engine-is-better-for-storing-sessions-and-session-data-myi

lucene 和 es 的前世今生 lucene 是最先进、功能最强大的搜索库。如果直接基于 lucene 开发，非常复杂，即便写一些简单的功能，也要写大量的 Java 代码，需要深入理解原理。 elasticsearch 基于 lucene ，隐藏了 lucene 的复杂性，提供了简单易用的 restful api / Java api 接口（另外还有其他语言的 api 接口）。 · 分布式的文档存储引擎 · 分布式的搜索引擎和分析引擎 · 分布式，支持 PB 级数据 es 的核心概念 Near Realtime 近实时，有两层意思： · 从写入数据到数据可以被搜索到有一个小延迟（大概是 1s ） · 基于 es 执行搜索和分析可以达到秒级 Cluster 集群 集群包含多个节点，每个节点属于哪个集群都是通过一个配置来决定的，对于中小型应用来说，刚开始一个集群就一个节点很正常。 Node 节点 Node 是集群中的一个节点，节点也有一个名称，默认是随机分配的。默认节点会去加入一个名称为 elasticsearch 的集群。如果直接启动一堆节点，那么它们会自动组成一个 elasticsearch 集群，当然一个节点也可以组成 elasticsearch 集群。 Document & field 文档是 es 中最小的数据单元，一个 document 可以是一条客户数据

一篇关于 數據倉庫建設、人工數據分析、AI數據分析 的讲义 數據Data&信息Information 信息 信息是一個客觀存在物體的自然表現，比如說“I am a local villain.”，無論你用什麼語言、什麼方式表示他都是客觀存在的，而信息即是承載這些客觀實體的概念載體。雖然香濃知道20世紀中才提出了信息輪，但是信息自古就有，與算機系統的出現無關，比如遠古結繩記事、早期文明的甲骨文、中世紀文明的簡牘等等，但是直道現代才理論化。 我們的職業被簡稱為I.T行業，即 Information Technology，就是信息技術行業。實際上我們做的任何事情都是為信息服務的。 數據 數據是信息的一種載體，他是到了“信息化”時代出現的產物，在沒有所謂的數據之前，信息也會通過文字、數字在記載。 數據的基礎也就是整個IT行業的基礎——所有的信息都通過0/1來表示，通常就是1bit表示一個0/1的信息，四個bit表示一個字節（現在的Unicode或寬字節是8個bit）,通過這種確定性關係，所有的信息都可以通過0/1的組合來表達各種各樣的信息。 隨著數據的不斷累積和堆積在數據背後發現了驚人的統計規律，隨著這些統計規律的發展漸漸的出現了AI分析和數據分析。 數據&數據分析&AI 如下圖是建立數據分析工程的過程 分為幾個大的步驟： 建立數據倉庫。 進行數據分析和挖掘。 根據需要訓練AI模型。

https://www.cnblogs.com/y-rong/p/8110596.html 待总结 来源： https://www.cnblogs.com/brxHqs/p/11888727.html

I have a myISAM table running in production on mySQL, and by doing a few tests, we've found we can tremendously speed up a query by adding a certain compound index. So far so good. However, I am not really about the best way to add this index in a production environment without locking the table for a long time (it's got 27GBs of data, so not so much, but it does take a while). Do you have any tips? If this was a more sophisticated setup of course we'd have a live replica of all of the data on another machine, and we could safely switch. Unfortunately, we're not there yet, and I would like to

我们还是从一个表的一条更新语句说起，我们创建下面一张表： create table T(ID int primary key, c int); 如果要将ID=2这一行c的值加1，SQL可以这么写： update T set c=c+1 where ID=2; 前一篇文章介绍过SQL语句基本的执行链路，可以确认的说，查询语句的那一套流程，更新语句也是同样会走一遍。在执行语句前要先连接数据库，这是连接器的工作。接下来，分析器会通过词法和语法解析知道这是一条更新语句，优化器决定要使用ID这个索引。然后执行器负责具体执行，找到这一行，然后更新。 与查询流程不一样的是，更新流程还涉及两个重要的日志模块：redo log(重做日志)和binlog(归档日志)。 redo log MySQL里面经常说到的WAL技术的全称是Write-Ahead Logging,它的关键点就是行写日志再写磁盘。具体来说，当有一条记录需要更新的时候，InnoDB引擎会先把记录写到redo log里面，并更新内存，这个时候更新就算完成了。同时InnoDB引擎会在适当的时候，将这个操作记录更新到磁盘里面，而这个更新往往是在系统比较闲的时候做。 InnoDB的redo log是固定在小的，比如可以配置为一组4个文件，每个文件的大小是1GB,那么总共就可以记录4GB的操作，如图所示： 从头开始写，写到末尾又回到开头循环写