数据库事务和索引的简单理解

转于https://zhuanlan.zhihu.com/p/43493165
https://www.cnblogs.com/aspwebchh/p/6652855.html

事务

总的来说，事务就是在数据库增删查改的过程中，保证数据的正确和安全。

• 过程中可能会产生以下的问题
  a.事务给a账户＋1亿元，b账户－1亿元，如果这个事务崩溃，就要进行事务回滚保证数据正确。 需要原子性来保证。
  c.只有合法的数据（按照关系约束和函数约束）才能写入数据库
  i.事务t1修改a的数据，此时事务t2来读取a的数据，但是后来事务a失败，导致了回滚，此时事务2读到的是脏数据。需要隔离性
  d.事务给数据库写入数据的时候，崩溃了，要保证或者写入磁盘，或者回滚。需要持久性

• 对应事务的四个特性
  a.原子性：事务要么完成要么取消。
  c.一致性：合法数据不会凭空取消产生，依赖于原子性和隔离性。
  i.隔离形：不论事务t1,t2谁先完成，最后必须保持数据只有一种可能
  d.持久性：如果事务刚刚提交，就崩溃了，数据会保存在数据库中。

根本问题就是：不同事务对数据a的写操作，同时修改，导致不一致，引发回滚，使得数据产生错误。

• 解决：
  a.原子性：事务全部完成后再提交。
  i.隔离性：引入隔离机制，需要确保同时只有一个事务在修改数据，所以引入互斥锁

1 先获得了锁，然后才能修改对应的数据A
2 事务完成后释放锁，给下一个要修改数据A的事务
3 同一时间，只能有一个事务持有数据A的互斥锁
4 没有获取到锁的事务，需要等待锁释放

所以，在事务中更新某条数据获得的互斥锁，只有在事务提交或失败之后才会释放，在此之前，其他事务是只能读，不能写这条数据的。
这就是隔离性的关键，针对隔离性的强度，有以下四的级别：
此处不赘述，细节再查询。
d.持久性：事务会保证数据不会丢，当数据库因不可抗拒的原因奔溃后重启，它会保证：

1 成功提交的事务，数据会保存到磁盘
2 未提交的事务，相应的数据会回滚

所以引入了事务日志，来记录每一条操作。
举一个数据库恢复的例子
当数据库从崩溃中恢复时，会有以下几个步骤：

1 解析存在的事务日志，分析哪些事务需要回滚，哪些需要写盘
(还没来得及写盘，数据库就崩溃了)。
2 Redo，进行写盘。检测对应数据所在数据页的LSN，如果数据页
的LSN>=事务操作的LSN，说明已经写过盘，不然进行写盘操作。
3 Undo, 按照LSN倒序进行回滚

经过这几个阶段，在数据库恢复后，可以达到奔溃前的状态，也保证了数据的一致性。

索引

https://blog.csdn.net/waeceo/article/details/78702584这篇文章很深入

https://www.cnblogs.com/shanshanlaichi/p/6568097.html
简单来说，索引是用来优化数据库的查找效率用的。

• 聚集索引：一种索引，该索引中键值的逻辑顺序决定了表中相应行的物理顺序。

• 非聚集索引：一种索引，该索引中索引的逻辑顺序与磁盘上行的物理存储顺序不同。

• 以一个例子说明上述区别：

比如查字典，通过拼音查某个字，这个字所在页数上下都是那个拼音，这个正文本身
就按照一定规则排序，就叫做聚集索引；然后按照部首查字典，查到某一个的该字后，
你发现这个字的上下并不都是那个部首，这种目录纯粹是目录，正文纯粹是正文的情况
叫做非聚集索引。

所以：每个表只能有一个聚集索引，因为目录只能按照一种方法进行物理顺序的排序。

• 何时使用哪种索引

事实上，我们可以通过前面聚集索引和非聚集索引的定义的例子来理解上表。如：返回某
范围内的数据一项。比如您的某个表有一个时间列，恰好您把聚合索引建立在了该列，这
时您查询2004年1月1日至2004年10月1日之间的全部数据时，这个速度就将是很快的，
因为您的这本字典正文是按日期进行排序的，聚类索引只需要找到要检索的所有数据中的
开头和结尾数据即可；而不像非聚集索引，必须先查到目录中查到每一项数据对应的页码，
然后再根据页码查到具体内容。

• 索引的使用
  主键作为聚集索引，是一种极大的浪费；虽然sql server将主键作为默认的聚集索引；但是选择恰当的字段作为聚集索引，会极大的提升数据库的效率。聚集索引要求的：“既不能绝大多数都相同，又不能只有极少数相同”的规则

B树，B+树

https://blog.csdn.net/baidu_35570545/article/details/53907614

• B树（Balance树），可以减少定位中的所经历的过程，一般用于数据库的索引，效率较高。

• 由于索引很难都在内存中（CPU中读取效率低），为了充分利用内存中的索引页面，减少对于磁盘的IO读取；B树相对于红黑树或者二叉平衡树的优点就是尽力减少树高（每个关键字都有数据且，中间节点子节点（m/2,m）），

• B+树木：每个非叶子结点的关键字数等于其孩子数，也就是说关键字数等于指针数；

• 所有数据都在叶子结点上.

利用B+树，实现聚集索引和非聚集索引

以上非聚集索引，逻辑顺序与物理顺序不同

以上聚集索引，索引的逻辑顺序就是物理顺序

一个没加主键的表更像我们印象中的表，而加了主键的表，那么他的存储结构就可以变为树状结构，即平衡树。整个表就变成了一个索引，也就是所谓的「聚集索引」。 这就是为什么一个表只能有一个主键， 一个表只能有一个「聚集索引」，因为主键的作用就是把「表」的数据格式转换成「索引（平衡树）」的格式放置。

用平衡树来查询，效率提高很快，然而增删改查则会效率下降，因为需要维持平衡树的操作。

非聚集索引 ，同样采用平衡树，不过各个节点的值来自索引字段，假如给user表的name字段加上索引 ， 那么索引就是由name字段中的值构成，如果给表中多个字段加上索引 ， 那么就会出现多个独立的索引结构，每个索引（非聚集索引）互相之间不存在关联。

每次给字段建一个新索引， 字段中的数据就会被复制一份出来， 用于生成索引。 因此， 给表添加索引，会增加表的体积， 占用磁盘存储空间。

非聚集索引和聚集索引的区别在于， 通过聚集索引可以查到需要查找的数据， 而通过非聚集索引可以查到记录对应的主键值 ， 再使用主键的值通过聚集索引查找到需要的数据，

不管以任何方式查询表， 最终都会利用主键通过聚集索引来定位到数据， 聚集索引（主键）是通往真实数据所在的唯一路径。

需要再看！！！！！！！！！！！！！！！！！！！1