1. indexing works
磁盘预读：4096字节
b树：balance tree
b+树：数据只存储在叶子节点；在子节点之间加入了双向地址连接，更方便地在子节点之间进行数据的读取
索引原理
innodb:
聚集索引：对主键创建索引，并将该行所有数据存到树形结构里
辅助索引：除了主键之外所有的索引都是辅助索引
回表：只查询一个索引并不能解决查询中的问题，还需要到具体的表 中去获取整行数据
myisam:只有辅助索引
索引种类：
primary key 非空 + 唯一 + 聚集索引
unique 唯一 + 辅助索引
index 普通索引（辅助索引）
创建索引：create index index_name on 表(字段); # 创建索引后查询效率大幅提高，文件所占硬盘资源大幅提高
删除索引：drop index index_name on 表;
索引优缺点：
优：查找速度快
缺：浪费空间，拖慢写的速度 #不要在程序中创建无用的索引
2. The proper use of the index
1.所查询的列不是创建了索引的列
2.在条件中不能带运算或者函数，必须是“字段 = 值”
3.如果创建索引的列的内容重复率高也不能有效利用索引 # 重复率不超过10%的列比较适合做索引
4.数据对应的范围如果太大的话，也不能有效利用索引 # between and > < >= <= != not in
5.like如果把%放在最前面也不能命中索引
6.多条件情况
and：只要一个条件列是索引列就可以命中索引
or:只有所有条件列都是索引才能命中索引
7.联合索引：在多个条件相连的情况下，使用联合索引的效率要高于使用单字段的索引
create index index_mix on 表(字段a,字段b);
1.创建索引的顺序a,b条件中从哪一个字段开始出现了范围，索引就失效
2.联合索引在使用的时候遵循最左前缀原则
3.联合索引中只有使用and能生效，使用or失效
3.mysql ending
explain:查看sql语句的执行计划
explain select * from 表 where 条件; # 查看是否命中了索引，命中的索引的类型
覆盖索引： explain出来的是using index；不用回表
索引合并： explain出来的是 using union；创建索引的时候分开创建的，用的时候（or的多条件情况下）合一起了
mysql开启慢日志：通过配置文件开启，筛选出程序中耗时长的sql语句
七表查询速度慢怎么办？
1.表结构：尽量用固定长度的数据类型代替可变长数据类型；把固定长度的字段放在前面
2.数据的角度：如果表中的数据越多，查询效率越慢
列多：垂直分表 行多：水平分表
3.sql的角度:
尽量把条件写细致，where条件多做筛选
多表情况下尽量连表代替子查询
创建有效的索引，规避无效索引
4.配置角度：开启慢日志，确认有问题的sql语句
5.数据库：读写分离（解决数据库读的瓶颈）
数据库的导入导出
备份表：
mysqldump -uroot -p123 数据库 > 地址 # 整个库的表和数据
mysqldump -uroot -p123 库名 表名 表名 > 地址 # 单表（多表）的数据
备份库：
mysqldump -uroot -p123 --databases 库名 库名 > 地址 # 多库
恢复数据：
进入mysql切换到要恢复数据的库下面
sourse 之前备份的地址
开启事务，给数据加锁(行级锁)
begin;
select 字段 from 表 where 条件 for update;
update 表名 set 字段 = 值 where 条件;
commit;
4.sql injection
import pymysql
conn = pymysql.connect(host='127.0.0.1', user='root', password="123",database='day42')
cur = conn.cursor()
user = "kunkun' or 1=1 ;-- " # 因'--'注释的特性，导致此种写法形成sql注入
password = '*******'
sql = "select * from userinfo where username = %s and password =%s;"
cur.execute(sql,(user,password))
ret = cur.fetchone()
print(ret)
cur.close()
conn.close()