以下文章来源于捡田螺的小男孩 ，作者捡田螺的小男孩
前言
整理了一些Mysql数据库相关流程图/原理图，做一下笔记，大家一起学习。
1.mysql主从复制原理图
mysql主从复制原理是大厂后端的高频面试题，了解mysql主从复制原理非常有必要。
主从复制原理，简言之，就三步曲，如下：
- 主数据库有个bin-log二进制文件，纪录了所有增删改Sql语句。（binlog线程）
- 从数据库把主数据库的bin-log文件的sql语句复制过来。（io线程）
- 从数据库的relay-log重做日志文件中再执行一次这些sql语句。（Sql执行线程）
如下图所示：
上图主从复制分了五个步骤进行：
步骤一：主库的更新事件(update、insert、delete)被写到binlog
步骤二：从库发起连接，连接到主库。
步骤三：此时主库创建一个binlog dump thread，把binlog的内容发送到从库。
步骤四：从库启动之后，创建一个I/O线程，读取主库传过来的binlog内容并写入到relay log
步骤五：还会创建一个SQL线程，从relay log里面读取内容，从ExecMasterLog_Pos位置开始执行读取到的更新事件，将更新内容写入到slave的db
2.Mysql逻辑架构图
如果能在脑海中构建出MySql各组件之间如何协同工作的架构图，就会有助于深入理解MySql服务器
Mysql逻辑架构图主要分三层：
1) 第一层负责连接处理，授权认证，安全等等
- 每个客户端连接都会在服务器进程中拥有一个线程，服务器维护了一个线程池，因此不需要为每一个新建的连接创建或者销毁线程。
- 当客户端连接到Mysql服务器时，服务器对其进行认证，通过用户名和密码认证，也可以通过SSL证书进行认证。
- 一旦客户端连接成功，服务器会继续验证客户端是否具有执行某个特定查询的权限。
2）第二层负责编译并优化SQL
- 这一层包括查询解析，分析，优化，缓存以及所有的的内置函数。
- 对于SELECT语句，在解析查询前，服务器会先检查查询缓存，如果能在其中找到对应的查询结果，则无需再进行查询解析、优化等过程，直接返回查询结果。
- 所有跨存储引擎的功能都在这一层实现:存储过程，触发器，视图。
3）第三层是存储引擎。
- 存储引擎负责在MySQL中存储数据、提取数据。
- 存储引擎通过API与上层进行通信，这些API屏蔽了不同存储引擎之间的差异，使得这些差异对上层查询过程透明。
- 存储引擎不会去解析SQL，不同存储引擎之间也不会相互通信，而只是简单地响应上层服务器的请求。
3.InnoDb 逻辑存储结构图
从InnoDb 存储引擎的逻辑存储结构看，所有数据都被逻辑地存放在一个空间中，称之为表空间（tablespace）。表空间又由段（segment），区（extent），页（page）组成。页在一些文档中有时候也称为块（block）。InnoDb 逻辑存储结构图如下：
表空间（tablespace）
- 表空间是Innodb存储引擎逻辑的最高层，所有的数据都存放在表空间中。
- 默认情况下，Innodb存储引擎有一个共享表空间ibdata1,即所有数据都存放在这个表空间中内。
- 如果启用了innodbfileper_table参数，需要注意的是每张表的表空间内存放的只是数据、索引、和插入缓冲Bitmap，其他类的数据，比如回滚(undo)信息、插入缓冲检索页、系统事物信息，二次写缓冲等还是放在原来的共享表内的。
段（segment）
- 表空间由段组成，常见的段有数据段、索引段、回滚段等。
- InnoDB存储引擎表是索引组织的，因此数据即索引，索引即数据。数据段即为B+树的叶子结点，索引段即为B+树的非索引结点。
- 在InnoDB存储引擎中对段的管理都是由引擎自身所完成，DBA不能也没必要对其进行控制。
区（extent）
- 区是由连续页组成的空间，在任何情况下每个区的大小都为1MB。
- 为了保证区中页的连续性，InnoDB存储引擎一次从磁盘申请4~5个区。
- 默认情况下，InnoDB存储引擎页的大小为16KB，一个区中一共64个连续的区。
页（page）
- 页是InnoDB磁盘管理的最小单位。
- 在InnoDB存储引擎中，默认每个页的大小为16KB。
- 从InnoDB1.2.x版本开始，可以通过参数innodbpagesize将页的大小设置为4K，8K，16K。
- InnoDB存储引擎中，常见的页类型有：数据页，undo页，系统页，事务数据页，插入缓冲位图页，插入缓冲空闲列表页等。
4.Innodb页结构相关示意图
Innodb页结构单体图
InnoDB数据页由以下7部分组成，如图所示：
其中File Header、Page Header、File Trailer的大小是固定的，分别为38，56，8字节，这些空间用来标记该页的一些信息，如Checksum，数据页所在B+树索引的层数等。User Records、Free Space、Page Directory这些部分为实际的行记录存储空间，因此大小是动态的。
下边我们用表格的方式来大致描述一下这7个部分：
记录在页中的存储流程图
每当我们插入一条记录，都会从Free Space部分，也就是尚未使用的存储空间中申请一个记录大小的空间划分到User Records部分，当Free Space部分的空间全部被User Records部分替代掉之后，也就意味着这个页使用完了，如果还有新的记录插入的话，就需要去申请新的页了，这个过程的图示如下：
不同Innodb页构成的数据结构图
一张表中可以有成千上万条记录，一个页只有16KB，所以可能需要好多页来存放数据。不同页其实构成了一条双向链表，File Header是InnoDB页的第一部分，它的FILPAGEPREV和FILPAGENEXT就分别代表本页的上一个和下一个页的页号，即链表的上一个以及下一个节点指针。
5.Innodb索引结构图
我们先看一份数据表样本，假设Col1是主键，如下：
B+树聚集索引结构图
- 聚集索引就是以主键创建的索引
- 聚集索引在叶子节点存储的是表中的数据
非聚集索引结构图
假设索引列为Col3，索引结构图如下：
- 非聚集索引就是以非主键创建的索引
- 非聚集索引在叶子节点存储的是主键和索引列
- 使用非聚集索引查询出数据时，拿到叶子上的主键再去查到想要查找的数据。(拿到主键再查找这个过程叫做回表)
- 假设所查询的列，刚好都是索引对应的列，不用再回表查，那么这个索引列，就叫覆盖索引。
InnoDB 锁类型思维导图
加锁机制
乐观锁与悲观锁是两种并发控制的思想，可用于解决丢失更新问题。
乐观锁
- 每次去取数据，都很乐观，觉得不会出现并发问题。
- 因此，访问、处理数据每次都不上锁。
- 但是在更新的时候，再根据版本号或时间戳判断是否有冲突，有则处理，无则提交事务。
悲观锁
- 每次去取数据，很悲观，都觉得会被别人修改，会有并发问题。
- 因此，访问、处理数据前就加排他锁。
- 在整个数据处理过程中锁定数据，事务提交或回滚后才释放锁.
锁粒度
- 表锁： 开销小，加锁快；锁定力度大，发生锁冲突概率高，并发度最低;不会出现死锁。
- 行锁： 开销大，加锁慢；会出现死锁；锁定粒度小，发生锁冲突的概率低，并发度高。
- 页锁： 开销和加锁速度介于表锁和行锁之间；会出现死锁；锁定粒度介于表锁和行锁之间，并发度一般
兼容性
共享锁：
- 又称读锁（S锁）。
- 一个事务获取了共享锁，其他事务可以获取共享锁，不能获取排他锁，其他事务可以进行读操作，不能进行写操作。
- SELECT ... LOCK IN SHARE MODE 显示加共享锁。
排他锁：
- 又称写锁（X锁）。
- 如果事务T对数据A加上排他锁后，则其他事务不能再对A加任任何类型的封锁。获准排他锁的事务既能读数据，又能修改数据。
- SELECT ... FOR UPDATE 显示添加排他锁。
锁模式
- 记录锁： 在行相应的索引记录上的锁，锁定一个行记录
- gap锁： 是在索引记录间歇上的锁,锁定一个区间
- next-key锁： 是记录锁和在此索引记录之前的gap上的锁的结合，锁定行记录+区间。
- 意向锁 是为了支持多种粒度锁同时存在；
参考与感谢
- 《MySQL技术内幕》
- 《高性能MySql》
- MySQL InnoDB锁机制全面解析分享
- 数据库两大神器【索引和锁】
- InnoDB的逻辑存储结构学习
- MySQL索引背后的数据结构及算法原理
推荐阅读
- 一文深度揭秘Redis的磁盘持久化机制
- 【真实生产案例】消息中间件如何处理消费失败的消息？
- 你不会还在用这8个错误的SQL写法吧？
- Sql Or NoSql，看完这一篇你就都懂了
- 没看这篇干货，别说你会使用“缓存”
- 我的Github开源项目，从0到20000 Star！
- Spring Cloud Consul：服务治理与配置中心
- Spring Cloud Sleuth：分布式请求链路跟踪
- Spring Cloud Bus：消息总线
- Spring Cloud Config：外部集中化配置管理
- Spring Cloud Zuul：API网关服务
- Spring Cloud OpenFeign：基于 Ribbon 和 Hystrix 的声明式服务调用