当前位置:首页 > 文章列表 > 数据库 > MySQL > innodb

innodb

来源:SegmentFault 2023-02-24 21:59:32 0浏览 收藏

有志者,事竟成!如果你在学习数据库,那么本文《innodb》,就很适合你!文章讲解的知识点主要包括MySQL、Java,若是你对本文感兴趣,或者是想搞懂其中某个知识点,就请你继续往下看吧~

1、mysql数据库认识
数据库和数据库实例的区别
数据库对应数据库文件,数据库实例
2、后台线程
master线程:刷新缓存到磁盘、回收undolog、insertbuffer
IO thread
purge thread
page cleaner thread
2、innodb内存
缓存池+redolog缓存
缓冲池:通过lru来算法来管理内存
LRU LIST 负责管理缓冲池中页的可用性
FREE LIST
FLUSH LIST 用来管理将页刷新回磁盘
重做日志缓冲:innodb存储引擎首先将重做日志信息先放入到这个缓冲区,然后在意一定的频率将其刷新到重做日志中
3、checkpoint技术
倘若每个页发生一次变化就将新页刷新到磁盘,开销是很巨大。另外,如果在刷新的过程中如果宕机,那么内存中的数据就会丢失。
所以当前事务性数据库都采用write ahead log 策略,即当事务提交时,先写重做日志,在修改页。当发生宕机时,通过重做日志来完成数据的恢复。
6、innodb关键特性
6.1、插入缓冲(insert buffer)
    条件:1、辅助索引2、非唯一索引
   解决的问题:非唯一的辅助索引插入时,由于b+树的结构特点,需要离散的访问该索引页。
6.2、两次写(double write)
    两次写可以带来数据页的可靠性
    你可能会想到,如果发生写丢失,可以通过重做日志来恢复。但必须清楚的认识到,重做日志中记录的都是对页的物理操作,比如偏移量800,写‘aaa’记录。如果这个页本身已经发生了损坏,在对其进行重做是没有意义的。这就是说,在应用重做日志钱,用户需要一个副本,当写入失效发生时,先通过页的副本来还原这个页,再进行重做,这就是两次写。
    实现:在刷新缓存时,并不是直接写磁盘,而是先将脏页复制到doublewrite buffer(2M)中,通过doublewriter buffer再分两次每次1M顺序地写入到共享表空间的磁盘上,完成之后,再将doublewrite buffer中的页各个表空间文件中。如果在刷缓存的时候宕机了,那么会先从共享表空间中找到这个页的副本,还原该页,再进行redolog的数据恢复。

以上就是《innodb》的详细内容,更多关于mysql的资料请关注golang学习网公众号!

版本声明
本文转载于:SegmentFault 如有侵犯,请联系study_golang@163.com删除
解决Docker MySQL无法被宿主机访问的问题解决Docker MySQL无法被宿主机访问的问题
上一篇
解决Docker MySQL无法被宿主机访问的问题
mysql中的各种锁把我搞糊涂啦~
下一篇
mysql中的各种锁把我搞糊涂啦~
查看更多
最新文章
查看更多
课程推荐
  • 前端进阶之JavaScript设计模式
    前端进阶之JavaScript设计模式
    设计模式是开发人员在软件开发过程中面临一般问题时的解决方案,代表了最佳的实践。本课程的主打内容包括JS常见设计模式以及具体应用场景,打造一站式知识长龙服务,适合有JS基础的同学学习。
    543次学习
  • GO语言核心编程课程
    GO语言核心编程课程
    本课程采用真实案例,全面具体可落地,从理论到实践,一步一步将GO核心编程技术、编程思想、底层实现融会贯通,使学习者贴近时代脉搏,做IT互联网时代的弄潮儿。
    516次学习
  • 简单聊聊mysql8与网络通信
    简单聊聊mysql8与网络通信
    如有问题加微信:Le-studyg;在课程中,我们将首先介绍MySQL8的新特性,包括性能优化、安全增强、新数据类型等,帮助学生快速熟悉MySQL8的最新功能。接着,我们将深入解析MySQL的网络通信机制,包括协议、连接管理、数据传输等,让
    500次学习
  • JavaScript正则表达式基础与实战
    JavaScript正则表达式基础与实战
    在任何一门编程语言中,正则表达式,都是一项重要的知识,它提供了高效的字符串匹配与捕获机制,可以极大的简化程序设计。
    487次学习
  • 从零制作响应式网站—Grid布局
    从零制作响应式网站—Grid布局
    本系列教程将展示从零制作一个假想的网络科技公司官网,分为导航,轮播,关于我们,成功案例,服务流程,团队介绍,数据部分,公司动态,底部信息等内容区块。网站整体采用CSSGrid布局,支持响应式,有流畅过渡和展现动画。
    485次学习
查看更多
AI推荐
  • PubMedQA数据集详解:生物医学问答基准、功能与应用指南
    PubMedQA
    深入了解PubMedQA生物医学问答数据集,涵盖其核心功能、使用方法及在临床决策、药物研发等场景的应用,助力提升NLP模型性能。
    582次使用
  • H2O EvalGPT:开源LLM大模型评估与排行榜工具
    H2O EvalGPT
    H2O EvalGPT是H2O.ai推出的开源LLM评估平台,提供详细的大模型性能排行榜、行业特定基准测试及A/B测试功能,助您快速选择最适合项目的高性能大语言模型。
    620次使用
  • LMArena是什么?伯克利AI模型评估平台使用指南与功能解析
    LMArena
    LMArena是加州大学伯克利分校推出的AI模型匿名评测平台。通过盲测投票机制,用户可对比不同大模型回答并生成实时排行榜,助力开发者优化模型及用户选择最佳AI工具。
    652次使用
  • 斯坦福HELM:大语言模型Holistic Evaluation整体评估框架详解
    HELM
    深入了解斯坦福推出的HELM(Holistic Evaluation of Language Models)大模型评测体系。本文解析其核心功能、安装配置步骤及应用场景,涵盖准确性、公平性、鲁棒性等多维度指标,助力开发者全面优化语言模型性能。
    617次使用
  • MMBench详解:多模态大模型基准测试、功能特点与使用指南
    MMBench
    MMBench是由上海人工智能实验室等机构联合推出的多模态基准测试平台,提供细粒度能力评估、大规模数据集及VLMEvalKit工具。本文详细介绍其核心功能、安装使用方法及应用场景,助力开发者全面评估多模态模型性能。
    434次使用
微信登录更方便
  • 密码登录
  • 注册账号
登录即同意 用户协议 和 隐私政策
返回登录
  • 重置密码