【MySQL資料庫】第四章解讀：Schema與資料類型最佳化（上）

前言：

高效能的基石：良好的邏輯、實體設計，根據系統要執行的查詢語句設計schema

本章關注MySQL資料庫設計，介紹mysql資料庫設計與其他關係型資料庫管理系統的區別

schema：【源】

schema就是資料庫物件的集合，這個集合包含了各種對象如：表、視圖、預存程序、索引等。為了區分不同的集合，就需要給不同的集合起不同的名字，預設情況下一個使用者對應一個集合，使用者的schema名等於使用者名稱，並作為該使用者預設schema。所以schema集合看上去像使用者名稱。

如果把database看作是一個倉庫，倉庫很多房間（schema），一個schema代表一個房間，table可以看作是每個房間中的儲物櫃，user是每個schema的主人，有操作資料庫中每個房間的權利，就是說每個資料庫映射的user有每個schema（房間）的鑰匙。 SQL server和Oracle mysql有別

4.1選擇最佳化的資料類型

原則：

1、更小的通過更好，盡量使用可正確儲存資料的最小的資料類型（占更少的磁碟 記憶體 CPU緩衝，處理時需要CPU周期更少：更快），但能罩得住資料，存不下就尷尬了

2、簡單就好：簡單類型（更少CPU周期），使用MySQL內建類型存時間，整型存ip，整型較字元代價低（字元集和校對定序使字元較複雜）

3、盡量避免null：最好指定為not null

*）null列使用更多的儲存空間，mysql裡需要特殊處理

*）null使索引、索引統計和值比較更複雜；可為null的列被索引時，每個索引記錄需額外的位元組

例外：InnoDB使用單獨位bit儲存null,so對於稀疏資料（很多值為null）有很好的空間效率，不適合MyISAM

4.1.1整數類型【參考】

整數whole number

tinyint(8位儲存空間) smallint(16) mediumint(24) int(32) bigint(64)

1、儲存值的範圍：，N是儲存空間的位元

2、unsigned：可選、不容許負值，可使正數的上限提高一倍：tinyint unsigned 0~255，tinyint-128~127

3、有無符號使用相同的儲存空間，相同的效能

可為整型指定寬度，例如INT(11)，對於大多數應用無意義，不會限制值的合法範圍，只是規定了互動工具顯示字元的個數，對於儲存和計算，int（1）和int（20）是相同的；

實數real number：帶小數

float和double，mysql使用duble作為內部浮點計算的類型

decimal：儲存精確的小數，mysql伺服器自身實現，decimal(18,9)18位，9位小數，9個位元組（前4後4點1）

盡量只在對小數進行精確計算時才使用（額外的空間和計算開銷），如財務資料

資料量大時，考慮使用bigint代替，將需要儲存的貨幣單位據小數的位元乘以相應的倍數

浮點：

建議：只指定類型、不定精度（mysql），這些精度非標準，mysql會悄選類型、或存時對值取捨

儲存同樣範圍的值時，比decimal更少的空間，float4位元組存 double8位元組（更高精度範圍）

4.1.3字串類型

varchar和char：

前提：innodb和myisam引擎，最主要的字串類型

磁碟儲存：儲存引擎儲存的方式與在記憶體、磁碟上的不能不一樣，所以mysql伺服器從引擎取值需轉格式

varchar：

1、儲存可變字串，比定長節省空間的（僅使用必要的空間），但如果表使用row_format=fixed，行會定長儲存

2、需使用1/2額外位元組記錄字串長度；1）列max長度<=255位元組，1位元組表示，否2位元組，2）採用latinl字元集，varchar（10）列需11個位元組的儲存空間，varchar（1000）1002位元組，2位元組儲存長度資訊

3、節省儲存空間，利於效能；但在update可能使行變得比原來更長、需做額外工作

合適的情況：

1）字串列最大長度比平均長度大很多；2）列的更新少（不擔心片段）；3）使用UTF-8字串，每個字元均使用不同的位元組數儲存

char：

1、定長，據長度分配空間，刪除all末尾空格；長度不夠、空格填充

2、儲存空間上更有效率，char(1)來儲存只有Y N的值 1個位元組 ，varchar2位元組，還有一個記錄長度

適合的情況：

1）適合儲存很短的字串；2）或all值接近同一個長度；3）經常變更的資料，儲存不易片段

對應空格、儲存：

char類型儲存時末尾空格被刪；資料如何儲存取決於儲存引擎，Memory引擎只支援定長的行（最大長度分配空間）

binary，varbinary：儲存二進位字串，位元組碼，長度不夠、\0來湊（不是空格）檢索時不會去

慷慨不是明智的：varchar（5）和varchar（100）儲存‘hell’空間開銷一樣，長的列消耗更多記憶體

blob和text：大資料

分別用二進位和字元方式儲存，分別屬於兩組不同的資料類型：字元類型：tinytext、smalltext、text、mediumtext、longtext，對應的二進位類型是tinyblob、smallblob、blob、mediumblob、longblob，兩類僅有的不同：blob類型儲存的是二進位，無定序或字元集，text有字串 定序；

MySQL會把每個blob和text當做獨立的對象處理，儲存引擎儲存時會做特殊處理，當值太大，innoDB使用專門的外部儲存地區進行儲存，此時每個值在行內需要1~4個位元組儲存一個指標，然後在外部儲存實際的值；

mysql對他們的列排序：只對每列前max_sort_length位元組排序；且不能將列全部長度的字串進行索引，也不能使用這些索引消除排序；

如果explain執行計畫的extra包含using temporary：這個查詢使用了隱式暫存資料表

使用enum代替字串類型

定義時指定取值範圍，對1～255個成員的枚舉需要1個位元組儲存；對於256～65535個成員，需要2個位元組儲存。最多可以有65535個成員，ENUM類型只能從成員中選擇一個；和set相似

可把不重複的固定的字串儲存成一個預定義的集合，mysql在儲存枚舉時會據列表值的數量壓縮到1/2位元組中，在內部會將每個值在列表中的位置儲存為整數（從1開始，必須進行尋找才能轉換為字串，開銷、列表小 可控），且在表的.frm檔案中保持“數字-字串”映射關係的“尋找表”；

將一個數字儲存到一個 ENUM 中，數字被當作為一個索引值，並且儲存的值是該索引值所對應的枚舉成員： 在一個 ENUM字串中儲存數字是不明智的，因為它可能會打亂思維；ENUM 值依照列規格說明中的列表順序進行排序。(ENUM 值依照它們的索引號排序。)舉例來說，對於 ENUM("a", "b") "a" 排在 "b" 後，但是對於 ENUM("b", "a")， "b" 卻排在 "a" 之前。Null 字元串排在非Null 字元串前，NULL 值排在其它所有的枚舉值前。為了防止意想不到的結果，建議依照字母的順序定義 ENUM列表。也可以通過使用GROUP BY CONCAT(col) 來確定該以字母順序排序而不是以索引值。【源】

排序時安裝建立表時的順序排序的（應該是）；枚舉最不好的地方：字串列表是固定的，添加刪除字串須使用alter table；在‘尋找表’時採用整數主鍵避免基於字串的值進行關聯；

4.1.4日期和時間

datetime：大範圍的值 1001 9999 s YYYYMMDDHHMMSS 與時區不轉換 8位元組

預設，以可排序、無歧義的格式顯示datetime：2008-01-02 22:33:44

timestamp：1970 2038，1970 1 1以來的秒數，時區 4位元組

from_unixtime將unix時間戳記轉日期，unix_timestamp將日期轉unix時間戳記

插入時沒有指定第一個timestamp列的值，設定為目前時間，插入記錄時，預設更新第一個timestamp列的值，timestamp類為not null，盡量使用timestamp（空間效率高）；

可以使用bigint類型儲存微妙層級的時間戳記，或double存秒之後的小數部分，或使用MariaDB代替MySQL；

4.1.5 位

bit：mysql5.0

前與tinyint同義字，新特性

bit（1）單個位的欄位，bit（2）2個位，最大長度64個位

行為因儲存引擎而異，MyISAM打包儲存all的BIT列（17個單獨的bit列只需要17個位儲存，myisam3位元組ok），其他引擎Memory和innoDB為每bit列使用足夠儲存的最小整數類型來存放，不節省儲存空間；

mysql把bit當做字串類型，檢索bit（1）值、結果是包含二進位0/1的字串，數字內容相關的情境檢索，將字串轉成數字，大部分應用，best避免使用；

set

建立表時，就指定SET類型的取值範圍 ：屬性名稱 SET('值1','值2','值3'...,'值n')，“值n”參數表示列表中的第n個值，這些值末尾的空格將會被系統直接刪除，欄位元素順序 系統自動按照定義時的順序顯示 重複 只存一次。

其基本形式與ENUM類型一樣。SET類型的值可以取列表中的一個元素或者多個元素的組合。取多個元素時，不同元素之間用逗號隔開。SET類型的值最多隻能是有64個元素構成的組合，根據成員的不同，儲存上也有所不同：【參考，同enum】

1～8成員的集合，佔1個位元組。9～16成員的集合，佔2個位元組。17～24成員的集合，佔3個位元組。25～32成員的集合，佔4個位元組。33～64成員的集合，佔8個位元組。

需要保持很多true、false值，可考慮合并這些列到set類型，在mysql內部以一系列打包的位的集合來表示的（有效利用儲存空間）且mysql有find_in_set、field函數，方便在查詢中使用；

缺點：改變列的定義代價高，需要alter table，無法再set上通索引尋找

在整數列按位操作：

代替set的方式：使用整數封裝一系列的位：可把8個位封裝到tinyint中，且按位操作來使用，為位定義名稱常量來簡化這個工作，但是這樣查詢語句較難寫且難理解

4.1.6選擇標識符identifier

識別欄位：自增長列【源】

1）可不用手動插入值，系統提供預設序列值;2)不要求和主鍵搭配 ; 3)要求是unique key；

4）一個表最多一個；5）類型只能是數值；5）可通過set auto_increment_increment=3;

選擇識別欄位類型時

考慮儲存類型、mysql對這種類型怎麼執行計算和比較，確定後確保在all關聯表中使用same類型，類型間要精確匹配；

技巧：

1、整數類型：整數通常最好的選擇，很快且可使用auto_increment

2、enum和set類型，儲存固定資訊

3、字串：避免，耗空間較數字慢，myisam表特別小心（預設對字串壓縮使用、查詢慢）

1）完全“隨機”字串MD5/SHA1/UUID函數產生的新值 會任意分布在很大的空間內，導致insert及部分的select變慢：插入值隨機的寫到索引的不同位置，insert變慢(頁分裂 磁碟隨機訪問 聚簇索引片段）；select變慢、邏輯上相鄰的行分布在磁碟和記憶體不同的地方；隨機值導致緩衝對all類型的查詢語句效果都變差（使緩衝賴以工作的訪問局部性原理失效）

聚簇索引，實際儲存的循序結構與資料存放區的物理結構一致，通常來說物理順序結構只有一種，一個表的聚簇索引也只能有一個，通常預設都是主鍵，設定了主鍵，系統預設就為你加上了聚簇索引；【源】

非聚簇索引記錄的物理順序與邏輯順序沒有必然的聯絡，與資料的儲存物理結構沒有關係；一個表對應的非聚簇索引可以有多條，根據不同列的約束可以建立不同要求的非聚簇索引；

2）儲存uuid，移除-符號，或者用unhex轉換uuid值為16位元組的數字，且儲存在binary（16）列中，檢索時通過hex函數格式化為16進位格式;

UUID產生的值與加密散列函數(sha1)產生的值不同特徵：uuid分布不均勻，有一定順序，不如遞增整數

當心自動產生的schema：

嚴重性能問題，很大的varchar、關聯列不同的類型；

orm會儲存任意類型的資料到任意類型的後端資料存放區中，並沒有設計使用更優的類型儲存，有時為每個對象每個屬性使用單獨行，設定使用基於時間戳記的版本控制，導致單個屬性會有多個版本存在；權衡

4.1.7特殊類型資料：空

相關文章：

【MySQL資料庫】第三章解讀：伺服器效能剖析（上）

【MySQL資料庫】第三章解讀：伺服器效能剖析 （下）