欢迎您访问程序员文章站本站旨在为大家提供分享程序员计算机编程知识!
您现在的位置是: 首页  >  IT编程

python — 索引与pymysql模块

程序员文章站 2023-11-19 12:22:16
1. 索引 1.1 索引原理 1.什么是索引 ? 目录 索引就是建立起的一个在存储表阶段就有的一个存储结构,能在查询的时候加速。 2.索引的重要性: 读写比例 为 10:1,所有读(查询)的速度就至关重要了。 3.索引的原理: block 磁盘预读原理 相当于读文件操作的 :for line in ......

1. 索引

1.1 索引原理

1.什么是索引 ?-- 目录

索引就是建立起的一个在存储表阶段就有的一个存储结构,能在查询的时候加速。

2.索引的重要性:

读写比例 为 10:1,所有读(查询)的速度就至关重要了。

3.索引的原理:

block 磁盘预读原理

相当于读文件操作的 :for line in f

python — 索引与pymysql模块

每个索引块可以存4096个字节

读硬盘的io操作的时间非常的长,比cpu执行指令的时间长很多,尽量的减少io次数才是读写数据的主要要解决的问题。

1.2 数据库的存储方式

1.数据库的存储方式:

  • 1.新的数据结构 —— 树

    python — 索引与pymysql模块

    缺点:容易出现数据只在一端,造成读取慢(io操作次数多)。

    python — 索引与pymysql模块

  • 2.平衡树 balance tree - b树

    python — 索引与pymysql模块

    缺点:存储的数据长度大、能存储的数据条数有限,造成书的高度比较大,读取效率很低。

    python — 索引与pymysql模块

  • 3.在b树的基础上进行了改良 - b+树

    • 1.分支节点和根节点都不在存储实际的数据了,让分支和根节点能存储更多的索引的信息,就降低了树的高度,所有的实际数据都存储在叶子节点中
    • 2.在叶子节点之间加入了双向的链式结构,方便在查询中的范围条件。

    python — 索引与pymysql模块

4.mysql当中所有的b+树索引的高度都基本控制在3层:

  • 1.io操作的次数非常稳定
  • 2.有利于通过范围查询

5.什么会影响索引的效率? —— 树的高度

  • 1.对哪一列创建索引,选择尽量短的列做索引
  • 2.对区分度高的列建索引,重复率超过了10%,那么就不适合创建索引。

1.3 聚集索引和辅助索引

  • 在innodb中 :聚集索引和辅助索引并存的

    聚集索引 - 主键 、更快

    • 只有主键是聚集索引

    • 数据直接存储在树结构的叶子节点

      python — 索引与pymysql模块

    辅助索引 - 除了主键之外所有的索引都是辅助索引 、稍慢

    • 数据不直接存储在树中

      python — 索引与pymysql模块

  • 在myisam中 :只有辅助索引,没有聚集索引

1.4 索引的种类

1.索引的种类:

  • primary key 主键 ,是聚集索引 ,约束的作用:非空 + 唯一

    联合主键

  • unique 自带索引 ,是辅助索引 ,约束的作用:唯一

    联合唯一

  • index 是辅助索引,没有约束作用

    联合索引

注意:按大项分有三个种类:primary key 、unique 、index

​ 细分有6个种类:primary key 、联合主键 、unique 、联合唯一 、index 、联合索引

2.看一下如何创建索引、创建索引之后的变化

create index 索引名字 on 表(字段)

删除索引 :drop index 索引名 on 表名字;

3.索引是如何发挥作用的?

select * from 表 where id = xxxxx;

  • 以email为条件查询:
    • 不添加索引的时候,肯定慢
    • 查询的字段不是索引字段,也慢
  • id作为条件的时候:
    • 在id字段没有索引的时候,效率低
    • 在id字段有索引之后,效率高

1.5 索引不生效的原因

1.索引不生效的原因:

<1.>要查询的数据的范围大

与范围相关的:

  • 1.< >= <= !=(!=几乎命中不了索引)

  • 2.between and

    select * from 表 order by age limit 0,5;

    select * from 表 where id between 1000000 and 1000005;

  • 3.like

    • 结果的范围大 索引不生效
    • 如果 abc% 索引生效,%abc索引就不生效

<2.>如果一列内容的区分度不高,索引也不生效

  • 如:name列

<3.>索引列不能在条件中参与计算

  • select * from s1 where id*10 = 1000000; 索引不生效

<4.>对两列内容进行条件查询

  • and :and条件两端的内容,优先选择一个有索引的,并且树形结构更好的,来进行查询(效率也会更高)。两个条件都成立才能完成where条件,先完成范围小的,缩小后面条件的压力。

    • select * from s1 where id =1000000 and email = 'eva1000000@oldboy';
  • or :带or条件的,不会进行优化,只是根据条件从左到右依次筛选。

    条件中带有or的要想命中索引,这些条件中所有的列都是索引列。

    • select * from s1 where id =1000000 or email = 'eva1000000@oldboy';

<5.>联合索引

创建联合索引:create index ind_mix on s1(id,name,email);

  • select * from s1 where id =1000000 and email = 'eva1000000@oldboy';   能命中索引
  • 1.在联合索引中如果使用了or条件索引就不能生效:

    select * from s1 where id =1000000 or email = 'eva1000000@oldboy'; 不能命中索引

  • 2.最左前缀原则 :在联合索引中,条件必须含有在创建索引的时候的第一个索引列。

    select * from s1 where id =1000000;    能命中索引
    select * from s1 where email = 'eva1000000@oldboy';  不能命中索引
    
    # 联合索引 (a,b,c,d)
    a,b 、 a,c  、 a  、 a,d  、 a,b,d  、 a,c,d  、 a,b,c,d # 等含有a索引的都能命中索引
    # 不含a索引的其他索引都不能命中。
  • 3.在整个条件中,从开始出现模糊匹配的那一刻,索引就失效了

    select * from s1 where id >1000000 and email = 'eva1000001@oldboy';   不能命中索引
    
    select * from s1 where id =1000000 and email like 'eva%';    能命中引

2.什么时候用联合索引?

  • 只对a 、对abc 条件进行索引,而不会对b,对c进行单列的索引的时候。

3.对于单列的索引:

  • 选择一个区分度高的列建立索引,条件中的列不要参与计算,条件的范围尽量小,使用and作为条件的连接符

4.使用or来连接多个条件:

  • 在满足上述条件(单列的索引)的基础上,对or相关的所有列分别创建索引。

1.6 一些索引名词

1.覆盖索引

如果我们使用索引作为条件查询,查询完毕之后,不需要回表查,就是覆盖索引。

python — 索引与pymysql模块

explain select id from s1 where id = 1000000;
explain select count(id) from s1 where id > 1000000;

2.合并索引

对两个字段分别创建索引,由于sql的条件让两个索引同时生效了,那么这个时候这两个索引就成为了合并索引

3.执行计划 explain

如果你想在执行sql语句之前就知道sql语句的执行情况,那么可以使用执行计划。

# 情况1:
如果有30000000条数据,使用sql语句查询需要20s,
explain sql语句   --> 并不会真正的执行sql,而是会给你列出一个执行计划
# 情况2:
        20条数据 --> 30000000
            explain sql

4.建议

<1>建表、使用sql语句的时候注意的:

  • char 代替 varchar
  • 连表 代替 子查询
  • 创建表的时候 :固定长度的字段放在前面

<2> utf8 与 utf8mb4 :

  • utf8 不是能全量显示中文的编码,如很多不常用的生僻字 和 emoji 表情(emoji 是一种特殊的 unicode 编码,常见于 ios 和 android 手机上),以及任何新增的 unicode 字符等等
  • utf8mb4 能全量显示中文的编码

以后如果遇到使用 utf8 出现乱码的情况,可以更改为 utf8mb4 进行编码。

1.7 慢查询优化的基本步骤

  1. 先运行看看是否真的很慢,注意设置sql_no_cache

1.where条件单表查,锁定最小返回记录表。这句话的意思是把查询语句的where都应用到表中返回的记录数最小的表开始查起,单表每个字段分别查询,看哪个字段的区分度最高
2.explain查看执行计划,是否与第1步预期一致(从锁定记录较少的表开始查询)
3.order by limit 形式的sql语句让排序的表优先查
4.了解业务方使用场景
5.加索引时参照建索引的几大原则
6.观察结果,不符合预期继续从0分析

1.8 慢日志管理

python — 索引与pymysql模块

1.慢日志

  • 执行时间 > 10
  • 未命中索引
  • 日志文件路径

2.配置:

  • 内存

    show variables like '%query%';

    show variables like '%queries%';

    set global 变量名 = 值

  • 配置文件

    mysqld --defaults-file='e:\wupeiqi\mysql-5.7.16-winx64\mysql-5.7.16-winx64\my-default.ini'

    my.conf内容:

    • slow_query_log = on
    • slow_query_log_file = d:/....

    注意:修改配置文件之后,需要重启服务

3.日志管理

详见网址:https://www.cnblogs.com/eva-j/articles/10126413.html#_label8

2. pymysql模块

2.1 使用pymysql模块

python相当于是客户端

import pymysql
conn = pymysql.connect(host='127.0.0.1', user='root', password="123",database='day40') # python与mysql连接
cur = conn.cursor()   # 创建 数据库操作符:游标

# 增加数据
cur.execute('insert into employee(emp_name,sex,age,hire_date) '
            'values ("郭凯丰","male",40,20190808)')

# 删除数据
cur.execute('delete from employee where id = 18')
conn.commit() # 提交
conn.close()

# 查询数据
import pymysql
conn = pymysql.connect(host='127.0.0.1', user='root', password="123",database='day40')
cur = conn.cursor(pymysql.cursors.dictcursor)   # 想要输出为字典格式时加上pymysql.cursors.dictcursor
cur.execute('select * from employee where id > 10')
ret = cur.fetchone()  # 查询第一条数据
print(ret['emp_name'])
ret = cur.fetchmany(5) # 查询5条数据
ret = cur.fetchall()  # 查询所有的数据
print(ret)
conn.close()

2.2 数据备份和事务

1.数据库的逻辑备份

语法:mysqldump -h 服务器 -u用户名 -p密码 数据库名 > 备份文件.sql

#示例:
#单库备份
mysqldump -uroot -p123 db1 > db1.sql
mysqldump -uroot -p123 db1 table1 table2 > db1-table1-table2.sql

#多库备份
mysqldump -uroot -p123 --databases db1 db2 mysql db3 > db1_db2_mysql_db3.sql

#备份所有库
mysqldump -uroot -p123 --all-databases > all.sql

2.数据恢复

#方法一:
[root@egon backup]# mysql -uroot -p123 < /backup/all.sql

#方法二:
mysql> use db1;
mysql> set sql_log_bin=0;   #关闭二进制日志,只对当前session生效
mysql> source /root/db1.sql

3.事务

begin;  # 开启事务
select * from emp where id = 1 for update;  # 查询id值,for update添加行锁;
update emp set salary=10000 where id = 1; # 完成更新
commit; # 提交事务(解锁)

python — 索引与pymysql模块

注意3个关键点:

  • begin
  • commit
  • for update

2.3 sql注入

create table userinfo(
id int primary key auto_increment,
name char(12) unique not null,
password char(18) not null
)

insert into userinfo(name,password) values('alex','alex3714')

# 用户名和密码到数据库里查询数据
# 如果能查到数据 说明用户名和密码正确
# 如果查不到,说明用户名和密码不对
username = input('user >>>')
password = input('passwd >>>')
sql = "select * from userinfo where name = '%s' and password = '%s'"%(username,password)
print(sql)

-- :表示注释掉--之后的sql语句
select * from userinfo where name = 'alex' ;-- and password = '792164987034';
select * from userinfo where name = 219879 or 1=1 ;-- and password = 792164987034;
select * from userinfo where name = '219879' or 1=1 ;-- and password = '792164987034';

上面的输入情况都能查询到结果,所以存在安全隐患,这种存在安全隐患的情况就叫 sql注入。

为了避免 sql注入,在用pymysql时,不要再自己去拼接sql语句了,要让mysql模块自己去拼接。

import pymysql

conn = pymysql.connect(host = '127.0.0.1',user = 'root',
                       password = '123',database='day41')
cur = conn.cursor()
username = input('user >>>')
password = input('passwd >>>')
sql = "select * from userinfo where name = %s and password = %s"
cur.execute(sql,(username,password))  # 让mysql模块去拼接
print(cur.fetchone())
cur.close()
conn.close()