数据库原理
- 2020 年 10 月 21 日
- 笔记
记录物理存储
定长记录
变长记录
多记录存储
物理邻接存储
指针连接存储
大字段存储（BLOBS）
文件组织方式
- 堆文件
- 顺序文件
- 搜索快
- 插入删除慢
- 散列文件
- 插入删除快
- 存取快
- 不需要为存储索引
- 记录随机
- 不能排序
- 有可能导致桶倾斜
- 聚簇文件
- 把多个表物理存储在一起
- 提高多表关联查询
- 降低单表查询效率
- 按列存储
- 提高提取单列的效率
- 数据压缩更好
索引
聚集索引
索引的顺序与数据文件的顺序一致，例如mysql的主键索引，一般一个表只有一个聚集索引
- 当记录的物理位置发生变化，索引文件需要同步变化
辅助索引
索引的顺序与数据文件的顺序不一致，索引的值为主键，需要通过二级查询才能到达记录
- 当记录的物理位置发生变化，索引文件不需要变化
稠密索引
为每个键建立索引
稀疏索引
在顺序文件中，只为每个块建立一个索引键
有序索引
索引是按序排列的，例如B+树索引
散列索引
索引是无序的，通过hash来访问数据
静态散列
动态散列
- 可扩展散列
-
线性散列
index=hash(key)%n，当发生冲突时，index++
-
多段散列
多级索引
使用稠密和稀疏索引建立多级索引
查询与优化
查询代价的度量
响应时间 = 磁盘存储时间+CPU运算时间+数据传输时间
对于本地大型数据库一般只考虑磁盘存取时间
查询处理过程
- SQL语句
- 语法分析
- 生成逻辑查询
- 优化逻辑查询
- 创建并生成物理查询
-
查询执行引擎
-
查询结果
关系查询算法
选择/投影/连接
- 投影：select 子句
- 选择：where子句
- 连接：join子句
查询算法
- 基于排序的算法
- 基于散列的算法
- 基于索引的算法
- 一趟或多趟算法
一趟排序算法
实现的算法包括并，交，差，消除重复元组
如果内存可以至少容纳一个表的数据，可以把一个表的数据全部加载在内存，然后对键进行排序，然后通过扫描第二表表，一趟把结果计算出来
多趟排序算法
在两个表的数据都非常非常大，此时则需要先用归并算法得出两个表的排序记录，然后再在内存堆两个排序表进行并交差等运算，运算的过程中设计多次的磁盘读入和写出
多趟散列算法
- 为每个表建立k个桶
- 扫描每个表并发记录hash到k个桶
- 在内存中加载两个表的第i个桶，进行并交差运算
- 如果第i个桶的数据量大于内存可以装载的数量，则需要对第i个进行二次hash，直到内存可以装载为止
基于索引的算法
- 遍历第一个表
- 通过第一个表的键直接通过索引查询第二个表
- 在内存中进行并交叉运算
运算过程方式
实体化方法
每次运算的中间结果重新写回磁盘，下一个运算再次从磁盘读取中间结果并进行再次运算，直到得出结果
- 非常稳定安全
- 慢
流水式方法
每次运算的中间结果保存在内存，下次运算直接从内存获得中间结果并进行再次运算，直到得出结果
- 快
- 不安全，有可能内存无法达到要求，发生内存溢出
查询优化
- 通过关系运算的等价变换简化逻辑查询
- 通过选择运算下移而减少查询代价
- 通过对多个方案的估量，选择一种物理查询，确定每个查询子句是否使用索引查询还是线性查询，是否使用归并
故障恢复
-
错误的数据输入
例如用户错误数据类型，效率低的sql
需要对客户端进行限制，并制定策略检测和禁止某些危险行为
-
系统错误
由于掉电，软件错误造成内存中数据丢失或者错误
通过数据库的恢复机制，从日志和事务中对数据进行恢复
-
介质故障
由于磁盘局部故障，例如磁头损坏，扇区损坏
通过存储的奇偶校验或者使用RAID技术
-
灾难性故障
发生不可逆转的灾难，导致数据据介质完全损坏，无法对介质进行任何的恢复
通过多地即时备份
事务
特定ACID
-
Atomicity 原子性
事务是一个不可分割的单元，要么全部成功，要么全部失败
-
Consistency 一致性
事务前后数据的完整性必须保证业务的一致性
-
Isolation 隔离性
多个事务在并发处理时，互相隔离
-
Durability 持久性
事务一旦提交，它对数据的修改是永久的，即时此时发生数据库发生系统故障，也不应该对此有任何影响
日志
SQL执行过程
- 写入日志
- 执行SQL
日志记录的信息
- 事务开始
- 事务成功提交
- 事务提交失败
- 数据表更： 事务ID update A oldValue newValue
- 检查点
undo日志
规则
- 写日志到磁盘
- 更新数据到磁盘
- 把Commit T写入日志
恢复机制
从后往前找日志，把没有Commit T的事务进行撤销
检查点
检查点包括开始部分和结束部分
开始节点对目前正在活动的事务IdList进行记录
如果数据库检查到所有的IdList都已经完成，则打印一个结束检查点
- 如果从后往前遍历第一个遇到检查点的开始，则找上一个检查点的开始的位置开始遍历
- 如果从后往前遍历第一个遇到检查点的结束，则找此检查点的开始位置开始遍历
- 上一个检查点之前的事务是已经写入磁盘并进行了撤销
- 扫描此检查点之后的事务，对没有提交的事务进行撤销
- 事务有可能跨越多个检查点，此时需要再往前遍历
缺点
频繁将数据更新到磁盘，导致性能不高
redo日志
规则
- 先记录数据更新日志
- 写入Commit T
- 后把数据一次性从内存写入磁盘
恢复机制
重做已经提交的事务
检查点
与undo类似，只是把撤销改成重做
事务并发
问题
- 数据丢失
- 脏读，读到了未提交的数据
- 幻读，同一个事务两次读同一个变量，是不一样的值
调度
串行调度
两个事务，按照顺序一个接一个的执行
可串行化调度
两个事务，通过指令穿插的方式执行，执行的结果与串行执行的结果一致
冲突可串行化调度
不可串行化调度
在某个事务的一个并发结果与串行化调度的结果不一致
锁
保证可串行化的预防型策略
- 共享锁：读锁S
- 排它锁：写锁X
加锁产生的问题
- 在事务内随意的解锁，会导致不可串行化调度
- 两个事务加锁顺序不对，导致死锁
- 多个事务不断的加读锁，导致先加写锁的事务饿死
两阶段锁协议
- 增长阶段：事务获得锁，而不能解锁
- 缩减阶段：事务解锁，而不能获得锁
严格两阶段锁
在提交前释放锁
遵循两阶段锁的并发控制算法是冲突可串行化调度。但仍然存在死锁和级联回滚的发生。
强两阶段锁
在提交之前不允许释放任何锁
可以避免级联回滚，但依然存在死锁
多粒度锁
- 显式加锁：对元组单独加锁时，为显式加锁
- 隐式加锁：对元组加锁时，会同时对它的所有祖先加意向锁
意向锁
- IS锁：当后代显式加S锁时，对此节点加意向读锁
- IX锁：当后代显式加X锁时，对此节点加意向写锁
- SIX锁：对该节点加S锁，并加IX锁
可串行化多粒度锁协议
- 加锁时遵循上面的矩阵
- 从根节点由上往下加锁
- 遵循两阶段锁协议
- 由下往上解锁
死锁
- 对锁进行排序，再加锁
- 死锁检测，系统定时加测是否存在T1->T2->T1这样的依赖环，并根据策略回滚环中的其中一些事务，来打破死锁等待的局面
- 抢占与回滚技术：对事务赋予一个时间戳，如果事务回滚，则重启该事务，并保持原有时间戳，通过比较两个事务的时间错的大小，来决定回滚哪个事务
- 超时机制：为每个事务定义一个等待超时时间，超时则回滚
选择事务回滚的策略：
- 选择代价最小的事务
- 为了防止饿死，将回滚次数考虑到代价中
- 锁的协议开销大，并发提升有限
基于时间戳的调度协议
保证可串行化的预防型策略
- TS(T)：事务开始执行的时间戳
- W(Q)：在Q数据项上，写入的事务最大的时间戳
- R(Q)：在Q数据项上，读取的事务最大的时间戳
执行协议
-
T执行Read(Q)
if TS(T) < W(Q)，回退
if TS(T) > W(Q)，执行，并更新R(Q) = (TS(T), R(Q))
-
T执行Write(Q)
if TS(T) < R(Q)，回退
If TS(T) < W(Q)，回退（可以优化成忽略T对Q的写，并继续执行来提高并行度）
否则执行，并更新W(Q) = TS(T)
-
T回退，并赋予新的时间戳，重新执行
基于有效性检验的调度协议
保证可串行化的诊治型策略
- 读阶段：读数据并保存在局部变量，并在局部变量中更新数据
- 有效性检查阶段：检查如果把局部变量更新到数据库中而不违背可串行性
- 写阶段：把数据更新到数据库
协议的术语
- start(T)：T开始执行的时间
- validation(T)：完成有效性检查的时间
- Finish(T)：完成写的时间
- RS(T)：读数据项的集合
- WS(T)：写数据项的集合
有效性检查失败情况
- 场景1
- U比T先开始
- RS(T)和WS(U)有交集
- U先确认
- T校验失败
- 场景2
- U比T先执行
- T写入X
- U写入X
- U先确认
- T校验失败
规则
对于T和先于它执行的U满足以下某一条件，则U和T可串行化
- finish(U)<start(T)
- WS(U)与RS(T)无交集，finish(U)<validation(T)
- WS(T)与RS(T)无交集，WS(U)与WS(T)无交集，validation(U)<validation(T)
事务隔离性级别
严格执行隔离会严重降低吞吐量，因此需要系统根据应用灵活设置隔离级别
- 可串行化
- 可重复度
- 读已提交
- 读未提交
