环境准备 - 环境配置与校验 - docker-compose 启动 - 命令行连接 -  - 自检命令 - 版本、用户、数据库 -  - 字符集 -  - 时区 -  - 当前 sql_mode -  - 建库建表 - 建库 -  - 建表 - 插入数据 -  - 查/改/删 -  - 导入导出 - 导出（逻辑备份） -  - 导入 - mysql -h 127.0.0.1 -P 3306 -u root -p demo < demo.sql - 仅导出表结构 - mysqldump -h 127.0.0.1 -P 3306 -u root -p --no-data demo > demo_schema.sql - 账号与权限 - 创建业务账号 (最小权限) -  - 查看权限 -  基础查询 - 基础查询 - 电商数据集 - 单表查询 - 查询最近注册的 20 个用户 -  -  - 查询 Tokoyo 的用户列表，按注册时间排序 -  -  - 查询 email 以 @test.com 结尾的用户 -  -  - 查询注册时间在某区间的用户数 -  -  - 查询 city 为空的用户 -  -  - 查询价格在 [100,300] 的商品，按照 price 排序 -  -  - 查询每个 category 下价格最高的商品，并列最高 -  -  - 查询 paid/done 订单表，按照 created_at 倒序分页 (page=3, size=10 => offset = 1) -  -  - 查询某用户 user_id = 1 最近 10 笔订单 -  -  - 查询取消订单 status = 4 中 total_amount > 500 的订单 -  -  - 查询订单总额 top20，只统计 paid/done -  -  - 查询今天创建的订单 -  -  - 查询最近 30 天内创建但未支付 status = 0 的订单 -  -  - 查询商品名称包含 pro 的商品（不区分大小写） -  -  - 查询用户表中名称重复的用户 -  - 聚合统计与报表 - 用户总数、订单总数、已支付订单数 -  -  - 每个城市用户数 -  -  - 每个 category：商品数、均价、最高、最低 -  -  - 每种订单状态的订单数 -  -  - 最近 7 天每天订单数 -  -  - 最近 7 天每天 GMV -  -  - 每个用户订单数 & 总消费 -  -  - 每个用户最近 30 天订单数 & 消费 -  -  - 订单数 >= 2 的用户 -  -  - 累计消费 >= 2000 的用户 -  - 每个用户客单价 AOV (paid/done) -  -  - 每个 category ：销量 & 销售额 -  -  - 每个商品销售额 top20 -  -  - 每个用户买过的不同商品数 -  -  - 每个城市 GMV -  -  - 本月新增注册用户数 -  -  - 复购用户数 -  - JOIN 查询 - 订单列表：订单 id、用户 + 订单 + 明细 -  -  - 每个订单：商品件数 & 商品种类数 -  -  - 每个用户最近一笔订单时间 -  - 每个用户最近一步订单：订单号 + 金额 -  -  - 从未下单的用户 -  - 从未支付过订单的用户 -  - 订单总额与明细汇总不一样的订单 -  - 每个用户最常购买的品类，返回按购买次数排序的 top1，并列会多行 -  - 每个用户买过的商品清单，去重商品名 -  - 用户画像，用户 id、城市、订单数、总消费、最近下单时间 -  - 沉睡用户：注册 > 30 天，且最近 30 天无订单 -  - 子查询 - 有订单的用户 -  - 订单金额 > 全站平均订单金额 -  - 用户消费金额 > 全站平均消费金额 -  - 每个品类价格最高的商品 -  - 至少买过 2 个不同品类的用户 -  - 买过品类 A 但是没有买过品类 B 的用户 -  - 首单金额 >= 500 的用户 -  - 存在异常订单的用户（金额不一致） -  - 用户订单间隔 > 60 天 -  - 未支付订单占比高的：未支付/总单数 > 0.5 -  - CASE WHEN 与常用函数 - 订单状态码转中文文案 -  - 订单金额分层统计 -  -  - 用户城市空值归一：NULL/空串 -> UNKNONW，统计城市分布 -  - 本月到今天 GMV -  - 每个用户注册至首单的天数 -  - 提取邮箱并统计各域名用户数 (@ 后面的部分) -  - 生成脱敏邮箱：前缀保留前 2 位，其余用 ***，再拼回域名 -  - 最近 7 天每天新增付费用户数 -  - 常见坑点 - NULL 判断不能用 = - COUNT(col) 不会统计 NULL - WHERE 和 HAVING 的过滤时机不同 - LEFT JOIN + WHERE right.col = 会变 left join 为 inner join - IN 包含 NULL 导致 NOT IN 结果异常，建议用 NOT EXISTS - DISTINCT 是对整行去重，不是对某列去重 约束与范式基础 - 约束与范式基础 - 约束 - 目的 - 保证数据一致性 - 让错误尽早暴露 - PRIMARY KEY (主键) - 保证 - 唯一性：表内每行有唯一标识 - 非空性：主键列不能为 NULL - InnoDB 聚簇索引 - UNIQUE (唯一约束) - 保证 - 某列会某族列的值不能重复 - 本质会创建一个唯一索引 - 示例 -  - MySQL 的 UNIQUE 允许多个 NULL，因为 NULL 不等于 NULL - FOREIGN KEY (外键约束，InnoDB 支持，慎用) - 保证 - 子表引用的父键必须存在 - delete/update 时可以配置联动行为 - 优点 - 数据一致性强 - 代价 - 写入路径变重 - 锁和死锁更复杂 - 历史脏数据不好修复 - 跨库不可用 - NOT NULL (非空) - 范式 - 依赖/函数依赖(functional dependency) - 在一张表中，如果确定一组列 X 的值，就能唯一确定另一列 Y 的值，那么 Y 依赖于 X，记作 X -> Y - 目的 - 用一套可检验的规则来设计表结构，使得数据依赖关系放对地方，避免“冗余、不一致、异常操作“三类问题。 - 更新异常 - 同一事实在多处重复，更新要改多行，多处改漏就不一致 - 插入异常 - 插入某类信息，因为表结构耦合，要插入不该填的信息 - 删除异常 - 删除某类记录时，不小心删除本应该保留的数据 - 1NF (原子性) - 列不可再分 - 反例 - user_phone="138,139,140" 多值 - 2NF (消除针对主键的部分依赖) - 针对联合主键的表 - 如果表用 (order_id,product_id) 做联合主键，那么 product_name 不能放在这个表里 - 3NF (消除传递依赖) - 字段不要依赖非主键字段 - 用户表存了 city_id，又存了 cit_name，city_name 依赖 city_id，理论应该拆到 city 表 - 反范式（违反 3NF） - 为了性能/查询便利 - orders 冗余 user_name 快照 - 冗余的是快照字段，而不是事实字段 - 事实字段在主表，订单里的是下单当时的快照 索引 + EXPLAIN - 索引 + EXPLAIN - 准备索引 -  - 覆盖索引 + 回表 - 聚簇索引 - 在 InnoDB 中，主键索引就是聚簇索引，表的数据行存放在 B+Tree 的叶子节点上，并且物理组织顺序按主键排序 - PRIMARY KEY 不仅仅是纯逻辑约束，还决定了数据的物理布局 - 主键越大、越随机，写入越容易导致页分裂 - 二级索引 - 二级索引 B+Tree 的叶子节点保存的不是整行数据，而是 (user_id, created_at, PRIMARY_KEY_VALUE) - 二级索引带着主键，但是不带其他列 - 回表 - SQL 命中二级索引时 - 先在二级索引树里定位到符合条件的条目 - 拿到这些条目的主键 id - 如果查询需要整行或者非索引列，就需要再用主键去聚簇索引里取行数据，这就是回表 - 时机 - 使用二级索引过滤/排序，但是 SELECT 的列不在索引里，就会回表 - 代价 - 结果行很多时，会变成大量随机 I/O，把一次索引扫描变成大量主键点查 - 覆盖索引 - 如果一个查询所需要的列都包含在某个二级索引里，引擎只读索引即可返回结果，无需回表 - EXPLAIN 查看覆盖索引 - Extra：Using index 表示只用索引就能满足查询列，结合 type/key/rows 判断是否想要查询的覆盖索引 - 实验 - EXPLAIN -  -  -  -  - 两条都可能用 key=idx_user_cnt，第一条更容易出现 Extra: Using index (覆盖索引) - 使用 EXPLAIN ANALYZE 看实际的执行效果会更直观 -  -  -  -  - actual time/rows：第二条通常更慢 - loops：多次取行 - 覆盖索引升级：把查询列塞进索引 - idx_user_cnt 也能覆盖 id，因为二级索引叶子也包含主键 id -  -  - 单列索引 vs 联合索引 - 单列索引的劣势 -  - idx_user 能够快速定位符合条件的集合 - 这些订单在索引里按照 user_id 分组，组内不保证按照 created_at 排序 - 为了排序，需要先取出数据，再做排序 (Using filesort)，最后再取前 20 - 联合索引的优势：变排序为索引顺序扫描 - CREATE INDEX idx_user_ct ON orders(user_id, created_at); - 执行逻辑：先定位到 user_id=123 的区间，再在这个区间按照 create_at 顺序向后扫描，扫到 20 条就停 - 联合索引顺序 (a,b,c) - 等值过滤列 (=/IN 选择性高) - 排序列 (ORDER BY/BETWEEN/>=) - 实验 - 清理环境 - SHOW INDEX FROM orders; - ALTER TABLE orders DROP INDEX idx_user_ct; - 只有单列索引 -  -  - Extra: Using filesort - row：通常偏大 - 加上联合索引 -  - Extra：filesort 消失，包含 Using index，rows 通常更小 - 最左前缀 + 范围条件 - 最左前缀 - 对于联合索引 (a,b,c)，Mysql 可以高效使用 (a) (a,b) (a,b,c) 而不能高效使用 b、c 和 b、c - 等值匹配 vs 范围匹配 - 等值：=、IN(...) - 范围：> >= < <= BETWEEN LIKE 'prefix%' - 联合索引能够向右继续使用下一列，需要前面的列是等值匹配 - 实验 - 命中最左前缀（只用 user_id） -  -  - 等值 + 范围 -  - 只有 created_at （最左前缀缺失） -  -  - key = NULL / type = ALL - key_len 判断索引使用了几列 - 联合索引的 key_len 会变小 - 排序优化 (Using filesort 的消除) - Using filesort 含义 - MySQL 不能直接按照索引顺序输出结果，需要额外排序 - 排序可能在内存完成，内存不足才会落盘成临时文件 - 是性能风险信号，排序行数越大越危险 - ORDER BY 能否走索引排序的判定条件 - ORDER BY 的列序必须匹配索引前缀 - 索引是 (a,b)，ORDER BY a，ORDER BY a,b 可以满足 - WHERE 的过滤要让排序区间连续 - WHERE a = 常量，ORDER BY b - 排序方向要一致 - ORDER BY created_at DESC - 实验 - 观察 filesort -  -  - 建立匹配索引，消除 filesort -  -  - GroupBy 与临时表 - GROUP BY 策略 - Sorting Aggregation (排序聚合) - 先把数据按 group ky 排序 - 再顺序扫描，连续相同 key 的行聚合 - 如果排序不能通过索引完成，可能出现 Using filesort - Hash aggregation - 用哈希表按 group key 存聚合状态 - 一边扫描一边更新聚合值 - 哈希表大/需要落盘中间结果 -> 出现 Using temporary - Using temporary - 在 Extra 中看到 Using temporary 表示 MySQL 需要创建临时表来保存中间结果。 - 临时表可能存在内存，也可能落盘 - 触发条件 - GROUP BY 的 key 无法直接利用索引顺序 - 同时有 GROUP BY，order by 与 group by 不一致 - 分组结果集很大 - 选择了很多列 - 实验 - 按照用户统计付费订单数与 GMV - 典型报表 -  -  - Using temporary 几乎必现 - Using filesort 也很常见 - 函数分组 -  - DATE(created_at) 对列做函数，会让 idx_ct(created_at) 很难直接用于分组有序输出，通常会扫描大量行 + 临时表 + 排序/哈希 - 使用索引改善 GROUP BY - GROUP BY 很难做到完全不 temporary - 减少扫描行数 (rows) - 让过滤走索引 - 尽量用窄表/覆盖减少回表与临时表宽度 - 索引失效 - 对索引列做函数 - B+Tree 的定位能力被破坏 - B+Tree 索引快是能对原始列值做范围定位 - 写成：WHERE DATE(created_at) = '2026-02-13' 索引里面存的是完整的 create_at 值，对它做了 DATE() 变化，很难精确映射到索引的连续区间 - 反例 -  -  - 正例 -  -  - 隐式类型转换 - EXPLAIN SELECT * FROM orders WHERE user_id = '123'; - EXPLAIN SELECT * FROM orders WHERE user_id = 123; - LIKE - B+Tree 只能做前缀有界范围 - 'Phone%' 等价一个范围，有连续区间 - '%Pro%' 无法形成连续区间 - OR、NOT、!=、NOT IN - OR 导致优化器放弃单一路径，建议改成 UNION ALL 两段 - !=、NOT 选择性差，扫描大 - EXPLAIN - type （引擎如何找数据），从好到差： - const/system：通过主键或唯一索引直接定位到一行 - ref：用非唯一索引的等值匹配，返回一组行 - range：索引范围扫描，BETWEEN、>=、LIKE - index：全索引扫描，把整棵索引从头扫到尾 - ALL：全表扫描 - key/possible_keys：为什么选择这个索引 - possible_keys：优化器认为可能有用的索引集合 - key：最终选择的索引 - rows/filtered：一眼估算工作量 - rows：优化器估算要读多少行，越大越危险。不是精确值，但是可以判断是否值得优化 - filtered：估算过滤后能留下多少百分比，越小代表过滤越强 - rows * filtered% = 经过 where 过滤后剩余行数 - Extra：性能信号灯（最重要） - Using Where - 表示存储引擎返回行后，SQL 层还需要再做 WHERE 过滤 - 很常见，不一定坏 - 坏的情况：Using where + rows 很大，说明扫很多再过滤 - Using index （覆盖索引） - 表示只用索引就能拿到所有的查询列 - 常用于：只查索引列 + 主键 - 一般是好信号，要结合 Type - ref/range + Using index：常见的高效覆盖 - index + Using index：可能是全索引扫描 - Using filesort（额外排序） - 不利用索引完成 ORDER BY，需要额外排序步骤 - 排序量大可能落盘，速度慢 - Using temporary （临时表） - GROUP BY/DISTINCT/复杂排序 需要临时表存中间结果 - 可能内存，可能落盘（数据大） - Using index condition （ICP 索引条件下推） - 把部分过滤下推到存储引擎层，在扫描索引时就过滤一部分 - 不等于覆盖索引，仍然可能回表 - 索引条件下推 - 把原本回表后需要在 Server 层做的过滤，尽可能提前到存储引擎层，在扫描二级索引时就过滤掉一些不满足条件的记录 - JOIN 与驱动表选择 - MySQL 优化器通常选择“成本更低“的表做驱动表（先过滤更强的） - 驱动表过滤越强越好，被驱动表必须有匹配索引（join key） - JOIN 优化 = 选对驱动表 + 给被驱动表 join key 索引。 - 深分页 OFFSET 优化 - OFFSET 本质：先找到前 1000 行再丢弃掉，成本随着 offset 线性增长 - KeySet：用上次最后一条记录的排序键继续查 - 游标分页 -  事务与并发控制 - 事务与并发控制 - ACID - A 原子性：要么全成功，要么全失败，依靠 undo log + 回滚机制 - C 一致性：约束/规则不被破坏 - I 隔离性：并发事务互不干扰到你能接受的程度 - D 持久性：提交后不丢（redo log + 刷盘策略 + 崩溃恢复） - autocommit - autocommit=1 默认 - SELECT @@autocommit - 每一条 DML 语句执行完成都会自动提交 - autocommit=0 - 会话级：需要手动 COMMIT/ROLLBACK - 容易造成忘记提交的长事务 - SET SESSION autocommit = 0; - 一致性视图 - 一致性读 - 普通 SELECT (不带锁子句) 是一致性读 - 不加锁（不阻塞别人写），读到的是某一个一致性快照上的数据 - 好处：读并发极高 - 代价：读到的可能不是最新提交的值 - 锁定读 - SELECT ... FOR UPDATE （排他锁） - SELECT ... LOCK IN SHARE MODE （共享锁） - 会对读到的记录加锁，会阻塞其他事务对这些记录的写 - 实验 - 数据准备 -  - autocommit=1 下，一条 UPDATE 自动提交 - SessionA - UPDATE tx_demo SET val = val + 1 WHERE id = 1; - SessionB - SELECT val FROM tx_demo WHERE id = 1; - SessionB 立刻看到 + 1 后的值 - 显示事务 + ROLLBACK - SessionA -  - SessionB - SELECT val FROM tx_demo WHERE id = 1; - A 在事务内能看到更新后的值 - B 在 A 未提交前看不到变化 - A rollback 后，变化消失，所有会话回到原值 - Commit 的可见性 - Session A -  - Session B - SELECT val FROM tx_demo WHERE id = 1; - Commit 后 B 才能看到新值 - 一致性读 + 锁定读 - Session A （不提交） -  - Session B - UPDATE tx_demo SET val = val + 1 WHERE id = 1; -- 这里会阻塞等待锁 - Session A 把 FOR UPDATE 换成普通 SELECT -  - Session B 不会被 A 的普通 SELECT 阻塞 - 普通 SELECT 不会挡住别人的 UPDATE （MVCC） - FOR UPDATE 会挡住别人的UPDATE （行锁） - 隔离级别与三大现象 - 4 级隔离： -  - 实验 - 数据准备 -  - 脏读 - SessionA -  - SessionB -  - Session A 再次读到 - RU：A 可能读到 999 - RC/RR：A 不会读到 999 - 不可重复读 - 同一事务中，两次读取同一行，结果不同（因为其他事务提交了更新） - SessionA -  - SessionB -  - SESSIONA 再次读 - RC：A 第二次读到 222 - RR：A 第二次读到 200 - 幻读 - 同一事务，两次按照同一条件查询，返回的行集合不同（因为别的事务插入/删除了符合条件的行） - SessionA -  - SessionB -  - RR 下前后两次读到的都是 2 - RC 下前第一次读到 2，第二次读到了 3 - 锁定读 FOR UPDATE 与 next-key lock - SessionA -  - SessionB -  - RR + For Update：B 的插入会被阻塞，被 A 的 next-key lock 挡住 - RC 下 FOR Update 的锁范围更小，不一定锁 GAP。 - 结论 - RU 几乎不用：会出现脏读，业务不可接受 - RC 会出现可重复读/幻读，但是并发更松，锁冲突相对较少 - RR 一致性读更稳定：同一事务多次读结果一致 - MVCC（版本链 + Read View） - InnoDB 里面一条记录行在并发更新下会形成版本链 - 当前记录页里保存的是最新版本（Latest Committed 或未提交版本） - 旧版本信息存在 undo log 里面，通过指针串起来（版本链） - 每个版本都有创建它的事务标识：trx_id（以及用于回滚/版本回溯的指针） - Read View：决定你对这个事务能看见哪些版本 - 做快照读时(普通 SELECT)，InnoDB 会用一个 Read View 来做可见性判断。 - 对于某条记录的某个版本（由 trx_id 标识）： - 如果这个版本是你自己事务写的 -> 可见 - 如果创建该版本的事务在你创建 Read View 时已提交 -> 可见 - 如果创建该版本的事务在你 Read View 时仍未提交（或之后才开始）-> 不可见 -> InnoDB 会沿着 undo 版本回溯，找到一个可见的旧版本。 - RC 与 RR 的关键差异：Read View 的生命周期 - RR：同一事务内的快照读通常复用同一个 Read View -> 两次普通 SELECT 结果一致 - RC：每条语句的快照读都可能生成新的 Read View（语句级一致性）-> 第二次 SELECT 可能看到别的事务提交的新数据 - 快照读 vs 当前读 - 快照读 - 普通 SELECT - 用 Read View + undo 回溯读旧版本 - 通常不加行锁 -> 读不阻塞写，写不阻塞读 - 当前读 - SELECT ... FOR UPDATE - SELECT ... LOCK IN SHARE MODE - UPDATE/DELET - 这些需要读取当前最新且可用于修改/锁定的版本，并对记录/范围加锁 - 当前读不是靠 MVCC 保证一致，是通过锁 - 实验 - 创建表 -  - RR 下的可重复读 - SessionA -  - SessionB -  - B 的提交产生了新版本，但是 A 的 ReadView 让它不可见，于是回溯到 v=100 - 当前读会阻塞 (FOR UPDATE) - SessionA -  - SessionB -  - FORUPDATE 是当前读 + 加锁，阻塞并发写，不走 MVCC 的无锁读 - MVCC 的工程代价 - 长事务会让旧版本无法清理 - 高频更新会制造大量版本 - 行锁结构（Record/Gap/Next-Key） - 锁的位置：索引 - InnoDB 的行锁不是锁表的行号，而是锁索引记录和索引记录之间的间隙 - 三种锁的定义 - Record Lock （记录锁） - 锁住某个具体索引记录 - 典型：按主键/唯一索引等值锁定一行 - 影响：阻塞别人对该记录的 UPDATE/DELETE - Gap Lock（间隙锁） - 锁住索引记录之间的空档范围 - 作用：阻止别人往这个 Gap 里 INSERT 新记录 - 常见于 RR 下的范围锁定读/范围更新 - Next-Key Lock（临建锁） - = Record Lock + Gap Lock - 锁住某条索引记录以及它前面的 Gap - 什么时候出现哪种锁 - 等值命中 主键/唯一索引 - SELECT * FROM t WHERE id = 10 FOR UPDATE; - 通常只需要 Record Lock - 唯一性保证不可能插入另一个 id=10，没必要锁 Gap - 等值命中 非唯一索引 - SELECT * FROM t WHERE k = 10 FOR UPDATE; -- k 是普通索引 - 可能对 k=10 对应的一组索引记录加锁 - 同时可能涉及 next-key/gap 防止插入新的 k=10 造成集合变化 - 范围查询 - SELECT * FROM t WHERE k BETWEEN 10 AND 20 FOR UPDATE; - RR 下通常会对索引 k 的范围加 next-key（覆盖整个区间） - 锁定义语义 - FOR UPDATE（排他锁 X） - 语义：我接下来要修改这些记录，不允许别人并发改/删/锁定 - 会阻塞： - 别人对同一记录的 UPDATE/DELETE - 别人对同一记录的 SELECT ... FOR UPDATE - 在 RR 下，可能阻塞落在同一范围的 INSERT（gap/next-key） - 典型场景 - 扣库存 - 余额扣减 - 状态机推进 - LOCK IN SHARE MODE - 我希望别人不要修改这些记录，但是允许别人也读 - 会阻塞： - 别人对同一记录的 UPDATE/DELETE（写需要 X 锁，与 S 冲突） - 允许别人 SELECT/SELECT ... LOCK IN SHARE MODE - 不建议这样写，建议直接用 FOR UPDATE - 丢失更新与两种解决方案（乐观/悲观） - 丢失更新：两个并发事务基于同一个旧值做读-改-写，后提交的覆盖先提交的写，导致先提交的修改丢失了 - 错误写法 - SELECT stock FROM products WHERE id = 1; 读到 10 - 应用层算出 new_stock = 10 - 3 = 7 - UPDATE products SET stock = 7 WHERE id = 1; - 两个事务同时做，会把其中一个扣减覆盖掉 - 解决方案 1：悲观锁 - 不相信并发环境下别人不会动它，先把行锁住，再读再改写 - 乐观锁 - 我允许并发发生，但提交更新时必须检测数据没人改过，否则失败重试 - 版本号乐观锁（CAS 思路） - 条件更新（无显示 version，适合库存/额度） - 死锁与锁等待排查 - 锁等待 - 表现：某条语句一直卡住（直到超时） - 原因：要的锁被别人持有，只能等 - 结果：最终等到锁释放成功，要么超时失败 - 参数：innodb_lock_wait_timeout，默认 50s - 死锁 - 表现：两（或多）个事务形成循环等待，A 等 B 的锁，B 等 A 的锁 - InnoDB 会主动检测并选择一个事务回滚 - 故障排查 SOP - 用 data_lock_waits 找 blocking_pid - 用 data_locks 看锁类型/索引/是否 GAP - 用 innodb status 还原死锁链路或等待细节 - 找谁挡谁 -  - waiting_pid：卡住的那条 SQL - blocking_pid：真正的持锁者 - blocking_sql：它在做什么 - 到底等什么的锁 -  - INDEX_NAME：锁在哪个索引，PRIMARY 还是某个二级索引 - LOCK_MODE：是否包含 GAP - LOCK_STATUS：WAITING/GRANTED - InnoDB Status：死锁/等待的人话版证据 - SHOW ENGINE INNODB STATUS - LATEST DETECTED DEADLOCK：最近一次死锁的完整链路，SQL、索引、锁类型 - TRANSACTIONS：当前锁等待 - Processlist：快速识别 MDL/DDL - SHOW PROCESSLIST; - Waiting for table metadata lock -> 多半是 DDL 或者是长事务 MDL - 实验 - 准备表 -  - 死锁类型 A：加锁顺序不一致 - SessionA -  - SessionB -  - 预期：其中一个会话报 deadlock 并回滚 - 下单事务边界设计（订单+明细+库存+支付状态） - 典型下单链路与拆分原则 - 本地事务：创建订单 + 明细 + 预扣/冻结库存 - 事务外：调用支付（或下游） - 本地事务：处理支付回调（幂等）+推进订单状态+扣减冻结/确认库存 - 订单状态机 - 最小状态集 - CREATED：订单已创建 - PENDING_PAYMENT：等待支付 - PAID：支付成功 - CANCELLED：取消/超时取消 - REFUNDED：已退款 - 关键约束：状态推进必须单向并且有条件 - PENDING_PAYMENT -> PAID - PENDING_PAYMENT -> CANCELLED - PAID -> REFUND - 三种库存策略 - 直接扣减 - 下单时直接 stock = stock - n - 风险：支付失败要补偿（回滚库存），需要可靠的取消/超时机制。 - 冻结库存 - 库存分为 - available_stock 可售 - frozen_stock 冻结（锁定给待支付订单） - 下单 available -= n，frozen += n - 支付成功 frozen -= n （确认出库） - 取消/超时：available += n，frozen -= n - 库存流水 - 用流水记录变更，按流水聚合库存 - 适合强一致性审计，但是实现复杂，读性能压力高（需要物化） - 事务边界设计 - 下单：创建订单+明细+冻结库存 - 幂等键：idempotency_key （来自客户端/业务生成），订单表加唯一约束） - 事务内步骤 - 插入订单 - 插入订单明细 - 冻结库存 - 示例 -  - 调用支付（事务外） - 事务提交后，再调用： - 支付下单 api - 生成支付链接 - 为什么在事务外 - 支付调用可能慢/失败/重试 - 事务内长期持有锁、占连接、阻塞其他订单和库存写，放大锁等待与死锁 - 支付回调（本地事务 2）：幂等落库+状态推进+确认库存 -  - 订单超时取消（本地事务 3）：状态推进+释放冻结 -  - 事务日志（redo/undo/binlog）与两阶段提交（2PC） - redo/undo/binlog - redo：InnoDB，物理页级，WAL - 解决：持久性 + 崩溃恢复 - 记录对数据页做了什么修改，更偏物理意义，用于崩溃后重放到数据页 - 采用 WAL(Write-Ahead Logging)：先写日志，再异步刷脏页 - 即使数据页还没刷盘，只要 redo 持久化，崩溃后也能恢复 - 简单理解：数据库修改先写在便签（redo），再慢慢抄到大账本（数据页）。 - undo log：InnoDB，逻辑回滚信息 + 旧版本 - 解决：原子性 + MVCC - 回滚：事务失败时，按 undo 把修改撤销 - MVCC：提供旧版本，让快照读能读到“过去的值“ - 代价：长事务会让 undo 堆积 - binlog（MySQL Server 层，逻辑日志） - 解决：复制（主从）+点时间恢复（PITR）+ 审计 - 记录逻辑事件：如“某表插入了哪些行/执行了什么语句“ - 不属于 InnoDB，而是 MySQL Server 层统一管理 - 主从复制依赖 binlog（从库拉取并重放） - 为什么 redo 不等于 binlog：解决的是不同问题 -  - 两阶段提交 (2PC)：保证 redo 与 binlog 同生共死 - 核心问题：提交时要同时写 redo 和 binlog，如果写到一半崩溃，会出现灾难性不一致 - 只写了 redo，没写 binlog： - 主库崩溃恢复后数据存在，但从库永远看不到（复制丢事务） - 只写了 binlog，没写 redo： - 主库崩溃恢复后数据不存在，但从库重放后出现 - MySQL 用 2PC 把 redo 与 binlog 的提交绑定在一起 - 关键流程 - 事务准备阶段（Prepare） - InnoDB 写 redo log prepare（表示：我已经把这个事务的 redo 记录齐了，处于可提交状态） - 写 binlog - Server 层把该事务写入 binlog（并根据配置决定是否 fsync） - 提交阶段（Commit） - InnoDB 写 redo log commit（表示事务正式提交） - 崩溃恢复判定规则 - 有 prepare 无 commit：看 binlog 是否存在该事务；存在补 commit，否则回滚 - 有 commit：一定提交（重放 redo） - 关键可靠性参数 - innodb_flush_log_at_trx_commit：控制 redo 的刷盘策略 - 1（最安全）：每次提交都把 redo 刷盘（fsync） - 2：每次提交写到 OS cache，每秒 fsync（可能丢失 1s 事务） - 0：每秒写 + 刷（风险更大） - sync_binlog：控制 binlog 的刷盘策略 - 1 （最安全）：每次提交都 fsync binlog。 - 0：由 OS 决定何时刷（可能丢） - 长事务危害与治理 - 长事务 - 事务持续时间长 - 事务持有锁很久 - 事务一直没有结果 - 危害 - undo 膨胀 + MVCC 历史版本堆积 - 锁等待/吞吐下降 - 死锁概率上升 - MDL 阻塞 DDL/DML - 复制延迟 - 自增锁/热点资源争用加剧 - 备份/一致性快照变慢或变大 - 定位长事务 - 查看当前正在跑的会话 - SHOW PROCESSLIST; - Time 很大 - State 出现 Locked/Waiting for ... lock/Waiting for table metadata lock - 直接找活的最久的事务 -  - trx_age_sec 最大的 - trx_state 是否 RUNNING/LOCK WAIT - trx_query 在做什么 - 精准定位谁在等谁 -  - 查看锁明细 - SHOW ENGINE INNODB STATUS - 止血：如何让系统恢复 - 让持锁事务提交/回滚 - KILL 持锁连接 - 缩短等待 - 如果是 MDL 卡住，定位 DDL/持锁事务，结束它们，避免高峰 DDL - 制度化 - 应用层硬约束 - 事务内禁止外部调用 - 事务内只做：必要的几条 SQL - 所有事务用 try { ...; commit } catch { rollback } finally { cleanup } - 连接池必须保证 - 出错时 rollback - 归还连接前清理会话状态 - 设置超时 - 业务接口超时 - DB 侧锁等待超时策略 - 批处理/大事务拆分 - 错误示例：UPDATE t SET ... WHERE created_at < '...'; - 按照主键或时间分片，分批提交 - DDL 发布规范 - 高峰期不做 DDL - 选择 online DDL 能力 - 先建索引再切流，或者用灰度策略 - 对 "Waiting for table metadata lock" 设置报警 - 监控报警 - information_schema.innodb_trx 种 trx_age 超阈值数量 - 锁等待数量/时间 - undo 表空间增长 - 复制延迟 表设计与数据治理 - 表设计与数据治理 - 建模方法与边界 - 建模方法 - 列出核心用例 - 查询（读）：用户订单列表、订单详情、支付结果、库存可售、待支付超时扫描。 - 命令（写）：创建订单、锁/冻结库存、支付回调、取消订单、发货。 - 抽实体与关系 - 订单 - 订单明细 - 库存 - 支付交易/回调 - 事件/审计 - 定边界 - 哪些字段属于状态（可覆盖可更新） - 哪些属于事件/流水（只追加不更新） - 哪些属于派生/统计（可重建，允许异步） - 边界划分 - 状态表 - 特点：一行代表一个业务对象的当前状态，会被更新 - 示例 orders - status、paid_at、cancelled_at 这写会变 - 读多写少，但是必须写正确（条件更新/事务） - 适用于需要当前值的读 - 事件表 - 特点：只追加，不覆盖；用于审计、追溯、重放。 - 示例 order_events - 记录状态变迁：PENDING -> PAID，以及时间、操作者、来源 - 永远不 UPDATE，只 INSERT - 适用 - 查发生过什么 - 重建派生数据 - 流水表 - 特点：和事件表很像，更偏可对账、可汇总 - inventory_ledger、payment_txn - 每次扣减，冻结，释放都记录一条流水 - 可做对账：库存表 = 初始 + 流水汇总 - 适用：资金/库存这种需要强审计的域 - 聚合表 - 特点：为查询加速而存在，可异步更新，可重建 - user_order_summary，daily_gmv - 允许最终一致 - 目标让核心查询不扫大表 - 边界经验 - 状态表保证在线业务 - 时间流水表保证可追溯与对账 - 聚合表保证性能与体验 - 电商“订单-库存-支付“ - 建议最小表集 - orders：订单状态表 - order_iterms：订单明细 1-N - inventory：库存状态表 - payment_notify 或 paymenet_txn：支付回调/交易流水 - order_events：订单事件表 - 边界怎么定 - 订单当前状态只在 orders，不要在多张表复制写 - 所有发生过的动作进 order_events（可追溯） - 支付回调必须有独立表 + 唯一约束做幂等（不要只靠 orders） - 库存推荐冻结模型：inventory.available/frozen，支付成功/取消再结算 - 主键设计 - InnoDB 的数据行物理组织顺序就是主键顺序 - 主键越短越好：二级索引都要携带主键值 - 主键越递增越好：写入更顺序，减少页分裂与随机 I/O - 主键一旦选错很难改 - 主键方案 - 自增 BIGING（最常用，默认推荐） - 雪花/时间有序 ID（推荐的分布式主键） - UUID （不推荐当主键） - 业务号 （一般不建议） - 字段类型与表达 - 字段类型选型 - 金额 - DECIMAL(18,2) - 金额最小货币单位方案：用 BIGINT 存分/厘，但要统一单位与换算 - 对账/财务更偏 DECIMAL - 时间 - DATETIME(3)：推荐默认(毫秒精度，语义不依赖死区转换) - TIMESTAMP(3)：会受 session 时区影响，范围更小 - 业务事件时间（下单时间、支付时间）：优先 DATETIME(3) - 需要跟 UTC/时区联动的场景才考虑 TIMESTAMP - 列表分页建议 ORDER BY created_at DESC, id DESC - 状态/枚举 - TINYINT/SMALLINT 存 code - 代码层映射枚举 - 字符串与文本 - VARCHAR - 适合短文本：订单号、手机号、渠道、外部交易号 - 可建索引、可唯一约束 - TEXT/BLOB - 适合长文本：备注、富文本、日志原文 - TEXT 不能有默认值 - 需要检索的长文本：用搜索引擎倒排，不能指望 MySQL 上做 LIKE 全文 - JSON - 适合 payload/扩展字段 - 不适合高频过滤/排序字段 - JSON 里需要检索的 key 提取成独立列并建索引 - Boolean - MySQL 没有真正 boolean，常用 TINYINT(1) 或者 BIT(1) - 工程上，推荐 TINYINT(1) NOT NULL DEFAULT 0 - NULL 策略 - 建议尽量 NOT NULL - NULL 引入三值逻辑：=，<> 的行为让过滤结果看起来怪 - 统计聚合、唯一约束语义、索引选择也更复杂 - 三值逻辑 - col = NULL 永远为 NULL（不是 true） - 判断 NULL：必须 IS NULL/IS NOT NULL - 字符集与排序规则 - 全库统一 utf8mb4 - 排序规则要统一、可预测 - 表达层面：默认值、精度、约束、生成列 - 默认值 - 时间戳列：created_at/updated_at 建议在应用层写入或触发器默认值策略统一 - 唯一约束与幂等设计 - 唯一约束 - 保证在表内某个键组合只出现一次，是数据层的硬规则，不依赖应用正确性 - 适用：唯一表示、去重、幂等落库的最终防线 - 优点：并发下天然正确 - 幂等 - 保证同一请求执行多次，结果与执行一次等价 - 三要素 - 如何识别同一请求 - 重复请求如何处理 - 副作用怎么避免重复 - 幂等写入的 4 种标准写法 - INSERT ... ON DUPLICATE KEY UPDATE - 第一次插入，第二次则更新某些字段 - INSERT IGNORE - 重复就忽略，不需要更新 - 条件更新（状态机幂等） - 先插流水再改状态 - 软删、审计与可追溯 - 审计字段设计 - created_at DATETIME(3) NOT NULL - updated_at DATETIME(3) NOT NULL - created_by BIGINT NULL (或 NOT NULL + 0) - updated_by BIGINT NULL - created_from VARCHAR(32) NULL (来源：WEB/APP/ADMIN/JOB) - updated_from VARCHAR(32) NULL - 软删除 - 典型软删字段 - is_deleted TINYINT(1) NOT NULL DEFAULT 0 - deleted_at DATETIME(3) NULL - deleted_by BIGINT NULL - delete_reason VARCHAR(64) NULL - 为什么要软删 - 合规与可追溯：能恢复、可审计 - 避免误删不可逆 - 支持撤销/恢复业务 - 状态表 + 事件表 - 仅靠 updated_at 不够，真正追溯需要事件表 - 状态表（当前态） - 事件表（历史轨迹） - order_id - event_type - event_at - operator_id - source - payload - 归档、冷热分离与保留策略 - 归档：把低频/历史数据搬离在线库 - 原因 - 表越来越大 -> 索引越来越大 -> buffer pool 命中下降 -> 查询变慢 - 索引膨胀 -> 写入/更新维护成本变高 -> TPS 下降 - 备份窗口变长、DDL 变更风险大 - 冷数据占用昂贵的 SSD，成本不划算 - 技术手段 - 归档到历史表 - orders(热) + orders_archive(冷) - 分区 - PARTITION BY RANGE (TO_DAYS(created_at))，按月/周分区 - 冷库（另一个 MySQL 实例） - 对象存储/数仓（S3/OSS + Parquet 或 Clickhouse） - 历史明细导出到对象存储，提供离线查询 - 变更与在线 DDL - MDL：MySQL 对表加 Metadata Lock 来保证 DDL 与 DML 的一致性。 运维与排障 - 运维与排障 - 指标体系 - 指标分层 - 业务层（用户感知层） - QPS：每秒 SQL 请求数 - TPS：每秒事务提交数（更接近写负载与提交压力） - RT(P95/P99)：请求响应时间分位数：95%/99% 的请求在这个时间内完成。 - 错误率：SQL 执行失败的比例与类型 - 慢查询数量/慢查询占比：超过 long_query_time 的语句数量 (slow log) - 连接与线程层指标 - Threads_connected（当前连接数）：当前已建立的客户端连接数量 - Threads_running（正在执行的线程数）：正在执行的线程连接数 - max_connections 使用率：Threads_connected/max_connections - InnoDB 引擎层指标 - Buffer Pool Hit Rate（缓冲池命中率）：逻辑读有多少比例直接命中内存，而不是去磁盘读页。 - InnoDB 行操作速率（InnoDB 层行读写的频率） - 行锁等待强度：行锁等待次数与等待总时长。 - redo 生成速率 - 脏页比例/flush 压力 - OS 资源层指标 - CPU 与 load - 磁盘 IO - 内存 (swap/page cache) - 网络 体系架构 - mysql 体系架构 - Server 层 - 连接与会话管理 - 客户端连接管理：TCP/Unix Socket，握手认证 - 线程模型：一连接一线程 - 会话上下文：事务隔离级别，临时表，用户变量，prepared statement 等 - SQL 接收与解析 - 词法/语法分析：把 SQL 文本解析成 AST - 预处理：语义检查 - 优化器 - 生成执行计划：选择访问路径、Join 顺序、Join 算法 - 成本估算依赖：统计信息、索引基数、直方图、代价模型 - 典型产物：EXPLAIN 输出 - 执行器 (Executor) - 按执行计划逐步执行 - 调用存储引擎 API 取行，写行 - 负责把结果返回给客户端 - Using filesort、Using temporary 等现象大多发生在执行阶段 - 查询缓存-8.0移除 - 元数据与权限 - Server 日志：binlog（逻辑日志） - binlog 在 Server 层：用于复制（主从）与点时间恢复 - 提交时与 InnoDB redo 通过 2PC 保持一致性 - Storage Engine 层（存储引擎层） - 内存结构 - Buffer Pool：缓存数据页与索引页 - Change Buffer：对二级索引的变更做缓冲 - 磁盘结构 - 表空间：存数据页/索引页 - redo log：WAL，保证崩溃恢复 - undo log：回滚与 MVCC 版本链 - doublewrite buffer：防止部分写导致页损坏 - 索引与访问 - 聚簇索引：PRIMARY KEY 叶子存整行 - 二级索引：叶子存二级键 + 主键值 - 访问路径：范围扫描、点查、回表、覆盖索引 - 事务与 MVCC - 事务隔离：RC/RR/Serializable - MVCC：读视图 + undo 版本链 - 锁：行锁、间隙锁、next-key 锁 - 崩溃恢复 - 依赖 redo：重放已经提交事务对页的修改 - undo：回滚未提交事务 - SELECT 查询典型数据流 - 客户端连接进入 Server 层，会话建立 - Parser 解析 SQL -> AST - Optimizer 基于统计信息选择计划 - Executor 执行计划：通过 Handler 调用 InnoDB 读取行 - InnoDB 在 Buffer Pool 找页 - 结果返回客户端 - 架构图 -  - 事务提交典型数据流 - Executor 调用 InnoDB 写行，更新 buffer pool 中的数据页，产生 undo - 生成 redo WAL，记录页修改 - 提交时 2PC - InnoDB 写 redo prepare - Server 写 binlog - InnoDB 写 redo commit - 后台线程刷脏页到数据文件，不要求提交同步 附录 docker-componse.yml
...