【原理解析】MySQL的数据存在磁盘上到底长什么样
以下文章作者xiongbw
前言
--
在之前我们聊过了为什么 MySQL 索引要用 B+tree ，而且还这么快。里面曾多处提到了找数据要从我们电脑的磁盘上找，今天就来说一说 MySQL 中的数据在磁盘上，它到底是如何进行存储的？长什么样？
存储引擎
百度百科是这样定义存储引擎的：MySQL 中的数据用各种不同的技术存储在文件（或者内存）中，这些不同的技术以及配套的相关功能在 MySQL 中被称作存储引擎。
简单来说就是不同的存储引擎，我们的数据存储的格式也会不一样。就好比图片有不同的格式，比如：.jpg, .png, .gif 等等……
“扫盲：存储引擎是作用在表上的。”
现在 MySQL 中常用的存储引擎有两种：MyISAM 和 InnoDB。
MySQL 5.5之前，MyISAM 是默认的存储引擎。
MySQL 5.5开始，InnoDB 是默认的存储引擎。
主要区别
|
| MyISAM | InnoDB |
| --- | --- | --- |
| 事务 | 不支持❌ | 支持 |
| 表/行锁 | 只有表锁 | 还引入了行锁 |
| 外键 | 不支持❌ | 支持✔ |
| 全文索引 | 支持✔ | 版本5.6 开始支持 |
| 读写速度 | 更快 | 更慢 |
MyISAM 最致命的一点就是不支持事务，而 InnoDB 支持。所以现在 InnoDB 已经成为我们使用的标配、最主流的存储引擎了。
相关命令
查询当前数据库支持的存储引擎
show engines;查询当前默认的存储引擎
show variables like '%storage_engine%';查询表的相关信息
show table status like '表名';MyISAM
每个 MyISAM 表都以3个文件存储在磁盘上。这些文件的名称以表名开头，以扩展名指示文件类型。
.frm 文件（frame）存储表结构；
.MYD 文件（MY Data）存储表数据；
.MYI 文件（MY Index）存储表索引。
MySQL 里的数据默认是存放在安装目录下的 data 文件夹中，也可以自己修改。
下面我创建了以 MyISAM 作为存储引擎的一张表 t_user_myisam。
.MYI 文件组织索引的方式就是 B+tree。叶子节点的 value 处存放的就是索引所在行的磁盘文件地址。
底层查找过程：
首先会判断查找条件 where 中的字段是否是索引字段，如果是就会先拿着这字段去 .MYI 文件里通过 B+tree 快速定位，从根节点开始定位查找；
找到后再把这个索引关键字（就是我们的条件）存放的磁盘文件地址拿到 .MYD 文件里面找，从而定位到索引所在行的记录。
“表逻辑上相邻的记录行数据在磁盘上并不一定是物理相邻的。”
InnoDB
一张 InnoDB 表底层会对应2个文件在文件夹中进行数据存储。
.frm 文件（frame）存储表结构；
.ibd 文件（InnoDB Data）存储表索引+数据。
下面我创建了以 InnoDB 作为存储引擎的一张表 t_user_innodb。
很显然，InnoDB 把索引和数据都放在一个文件里存着了。毫无疑问，InnoDB 表里面的数据也是用 B+tree 数据结构组织起来的。
下面我们来看看它具体是怎么存储的。
.ibd 存储数据的特点就是 B+tree 的叶子节点上包括了我们要的索引和该索引所在行的其它列数据。
底层查找过程：
首先会判断查找条件 where 中的字段是否是索引字段，如果是就会先拿着这字段去 .ibd 文件里通过 B+tree 快速定位，从根节点开始定位查找；
找到后直接把这个索引关键字及其记录所在行的其它列数据返回。
聚集（聚簇）索引
聚集索引：叶子节点包含了完整的数据记录。
简单来说就是索引和它所在行的其它列数据全部都在一起了。
很显然，MyISAM 没有聚集索引，InnoDB 有，而且 InnoDB 的主键索引就是天然的聚集索引。
有聚集索引当然就有非聚集索引（稀疏索引）。对于 MyISAM 来说，它的索引就是非聚集索引。因为它的索引和数据是分开两个文件存的：一个 .MYI 存索引，一个 .MYD 存数据。
为什么 DBA 都建议表中一定要有主键，而且推荐使用整型自增？
“注意：这里是推荐，没说一定。非要用 UUID 也不拦着你?”
为什么要有主键？
因为 InnoDB 表里面的数据必须要有一个 B+tree 的索引结构来组织、维护我们的整张表的所有数据，从而形成 .idb 文件。
那和主键有什么关系？
如果 InnoDB 创建了一张没有主键的表，那这张表就有可能没有任何索引，则 MySQL会选择所有具有唯一性并且不为 null 中的第一个字段的创建聚集索引。
如果没有唯一性索引的字段就会有一个隐式字段成为表的聚集索引：而这个隐式字段，就是 InnoDB 帮我们创建的一个长度为 6字节 的整数列 ROW_ID，它随着新行的插入单调增加，InnoDB 就以该列对数据进行聚集。
使用这个 ROW_ID 列的表都共享一个相同的全局序列计数器（这是数据字典的一部分）。为了避免这个 ROW_ID 用完，所以建议表中一定要单独建立一个主键字段。
为什么推荐使用整型自增？
首先整型的占用空间会比字符串小，而且在查找上比大小也会比字符串更快。字符串比大小的时候还要先转换成 ASCII 码再去比较。
如果使用自增的话，在插入方面的效率也会提高。
不使用自增，可能时不时会往 B+tree 的中间某一位置插入元素，当这个节点位置放满了的时候，节点就要进行分裂操作（效率低）再去维护，有可能树还要进行平衡，又是一个耗性能的操作。
都用自增就会永远都往后面插入元素，这样索引节点分裂的概率就会小很多。
二级索引
除聚集索引之外的所有索引都叫做二级索引，也称辅助索引。
它的叶子节点则不会存储其它所有列的数据，就只存储主键值。
底层查找过程：
每次要找数据的时候，会根据它找到对应叶子节点的主键值，再把它拿到聚集索引的 B+tree 中查找，从而拿到整条记录。
优点：保持一致性和节省空间。
参考资料
