1.数据库概念

数据库概述

数据库（DATA BASE）指长期保存在计算机的存储设备上，按照一定规则组织起来，可以被各种用户或应用共享的数据集合。

数据库管理系统（DataBase Management System，DBMS）：指一种操作和管理数据库的大型软件，用于建立、使用和维护数据库，对数据库进行统一管理和控制，以保证数据库的安全性和完整性。用户通过数据库管理系统访问数据库中的数据

数据库分类

关系型数据库SQL:

关系型数据库是一个结构化的数据库，创建在关系模型（二维表格模型）基础上，一般面向于记录，存储数据是以表结构进行存储的

SQL 语句（标准数据查询语言）就是一种基于关系型数据库的语言，用于执行对关系型数据库中数据的检索和操作

主流的关系型数据库包括 Oracle、MySQL、SQL Server、Microsoft Access、DB2

非关系型数据库NOSQL:

NoSQL(NoSQL = Not Only SQL )，意思是“不仅仅是 SQL”，是非关系型数据库的总称

除了主流的关系型数据库外的数据库，都认为是非关系型，存储数据是以键值对进行存储

主流的 NoSQL 数据库有 Redis、MongBD、Hbase、CouhDB

差异：

1、数据存储方式不同
关系型和非关系型数据库的主要差异是数据存储的方式。关系型数据天然就是表格式的，因此存储在数据表的行和列中。数据表可以彼此关联协作存储，也很容易提取数据。

与其相反，非关系型数据不适合存储在数据表的行和列中，而是大块组合在一起。非关系型数据通常存储在数据集中，就像文档、键值对或者图结构。你的数据及其特性是选择数据存储和提取方式的首要影响因素。

2、扩展方式不同
SQL和NoSQL数据库最大的差别可能是在扩展方式上，要支持日益增长的需求当然要扩展。

为了支持更多并发量，SQL数据库是纵向扩展，也就是说提高处理能力，使用速度更快速的计算机，这样处理相同的数据集就更快了。因为数据存储在关系表中，操作的性能瓶颈可能涉及很多个表，这都需要通过提高计算机性能来客服。虽然SQL数据库有很大扩展空间，但最终肯定会达到纵向扩展的上限。
而NoSQL数据库是横向扩展的。因为非关系型数据存储天然就是分布式的，NoSQL数据库的扩展可以通过给资源池添加更多普通的数据库服务器(节点)来分担负载。

3、对事务性的支持不同
如果数据操作需要高事务性或者复杂数据查询需要控制执行计划，那么传统的SQL数据库从性能和稳定性方面考虑是你的最佳选择。SQL数据库支持对事务原子性细粒度控制，并且易于回滚事务。

虽然NoSQL数据库也可以使用事务操作，但稳定性方面没法和关系型数据库比较，所以它们真正闪亮的价值是在操作的扩展性和大数据量处理方面

相关概念

• Data：数据，是数据库中存储的基本对象，是描述事物的符号记录。
• Database：数据库，是长期储存在计算机内、有组织的、可共享的大量数据的集合。
• DBMS：数据库管理系统，是位于用户与操作系统之间的一层数据管理软件，用于科学地组织、存储和管理数据、高效地获取和维护数据。
• DBS：数据库系统，指在计算机系统中引入数据库后的系统，一般由数据库、数据库管理系统、应用系统、数据库管理员（DBA）构成。

数据库索引

数据库索引：
索引的作用相当于图书的目录，可以根据目录中的页码快速找到所需的内容，使对应于表的SQL语句执行得更快，可快速访问数据库表中的特定信息
主要作用：
提高查询效率
分类：
索引原理上分为三种：
btree（树）索引---hash索引---全文索引 
使用场景：
当数据表较大时使用索引，可以增加效率，索引的个数不是越多越好
btree索引类型：
唯一索引---主键索引---聚集索引---单列索引---组合索引

索引的优点：
1.通过建立索引可以极大地提高在数据库中获取所需信息的速度，同时还能提高服务器处理相关搜索请求的效率
2.设计数据库时，通过创建一个惟一的索引，能够在索引和信息之间形成一对一的映射式的对应关系，增加数据的惟一性特点。
3.能提高数据的搜索及检索速度，符合数据库建立的初衷。
4.能够加快表与表之间的连接速度，这对于提高数据的参考完整性方面具有重要作用。
5.在信息检索过程中，若使用分组及排序子句进行时，通过建立索引能有效的减少检索过程中所需的分组及排序时间，提高检索效率。

bree索引
（1）所有关键字都出现在叶子结点的链表中（稠密索引），且链表中的关键字恰好是有序的
（2）非叶子结点存储的是叶子结点的索引（稀疏索引），叶子结点存储的是关键字和数据
（3）非叶子结点不能存数据
（4）顺序存储，每一个叶子节点到根结点的距离是相同的
（5）根节点横向也有链指针
可以用Btree索引进行全关键字、关键字范围和关键字前缀查询。如果使用索引，必须保证按索引最左边前缀进行查询。由于Btree中节点是顺序存储的，可以对查询结果进行order by。
限制：
（1）查询必须从索引的最左边的列开始
（2）不能跳过某一索引列。
（3）存储引擎不能使用索引中范围条件右边的列。
例如，如果你的查询语句为WHERE last_name=”Smith” AND first_name LIKE ‘J%’ AND dob=’1976-12-23’，则该查询只会使用索引中的前两列，因为LIKE是范围查询。

hash索引
简单地说，哈希索引就是采用一定的哈希算法，把键值换算成新的哈希值，检索时不需要类似B+树那样从根节点到叶子节点逐级查找，只需一次哈希算法即可立刻定位到相应的位置，速度非常快。
从上面的图来看，Btree索引和Hash索引的明显区别是：
（1）如果是等值查询，那么哈希索引明显有绝对优势，因为只需要经过一次算法即可找到相应的键值；当然了，这个前提是，键值都是唯一的。如果键值不是唯一的，就需要先找到该键所在位置，然后再根据链表往后扫描，直到找到相应的数据；
（2）从示意图中也能看到，如果是范围查询检索，这时候哈希索引就毫无用武之地了，因为原先是有序的键值，经过哈希算法后，有可能变成不连续的了，就没办法再利用索引完成范围查询检索；
同理，哈希索引也没办法利用索引完成排序，以及like ‘xxx%’ 这样的部分模糊查询（这种部分模糊查询，其实本质上也是范围查询）；
（3）哈希索引也不支持多列联合索引的最左匹配规则；
（4）Btree的关键字检索效率比较平均，不像Hash那样波动幅度大，在有大量重复键值情况下，哈希索引的效率也是极低的，因为存在所谓的哈希碰撞问题。

增加索引优势：
1，加快查询速度
2，创建唯一索引来保证数据表中数据的唯一性
3，实现数据的完整性，加速表和表之间的连接
4，减少分组和排序的时间

索引的分类：
唯一索引
     主键索引：创建索引的字段如果有主键约束，那么该字段会自动变为主键索引，也可以对一个普通字段添加主键索引，要求字段值非空且唯一，主键索引是特殊的唯一索引
     唯一索引：创建索引的字段如果有主键约束，那么该字段会自动变为唯一索引，也可以对一个普通字段添加唯一索引，要求字段值唯一
单列索引：对指定的字段添加索引，对索引字段的值没有要求
组合索引：对多个字段组合在一起创建一个索引

全文索引：指定对myisam存储引擎表创建全文索引，并且要求全文索引字段的数据类型为字符串类型(char,varchar)，可以对索引字段的值进行全文查找，一般用于文章类型的数据的搜索

创建索引的规则
(1)创建索引并非 ' 是越多越好
(2)数据量小得表最好不要创建索引
(3)避免对经常更新的数据创建索引
(4)在条件表达式中经常用到的不同值较多的列创建索引
(5)当唯一性是某种数据本身的特征时，我们创建唯一性索引
(6)在频繁进行排序或分组的列上建立索引，如果排序的列有多个，可以创建全文索引

#查看数据表创建的索引信息
show  index    from   表名\G
主键索引  创建主键  就相当于创建了一个索引
主键属于索引中一种 在数据库关系表中为表定义主键将自动创建主键索引，主键所以是唯一索引的类型  该索引要求主键中的每个值都是唯一的  当在查询中使用主键索引，可以加快数据的访问
主键索引的创建

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70