9.8 KiB
9.8 KiB
tags, create time
| tags | create time | ||||||||
|---|---|---|---|---|---|---|---|---|---|
|
2026-05-16 07:30 |
InnoDB 深度解析
概述
InnoDB 是 MySQL 默认且最广泛使用的存储引擎。理解它的内部机制是优化查询和排查性能问题的基础。本节深入讲解 InnoDB 的五大核心组件及其协作方式。
架构总览
graph TB
subgraph "Buffer Pool"
BP["页缓存: 16KB/page"] --> BP1["Data Pages"]
BP --> BP2["Index Pages"]
BP --> BP3["Insert Buffer"]
BP --> BP4["LRU List"]
BP --> BP5["Free List"]
BP --> BP6["Flush List"]
end
subgraph "Redo Log"
RL1["Log Buffer: 内存缓冲区"] --> RL2["物理日志文件: ib_logfile0/1"]
end
subgraph "Undo Log"
UL1["Rollback Segment"] --> UL2["Undo Logs"]
end
subgraph "磁盘数据文件"
DF1["表空间: ibdata1 / .ibd"]
end
subgraph "Change Buffer"
CB["二级索引变更缓存"]
end
Client["SQL 请求"] --> BP
BP --> RL1 -- write path
BP --> UL1 -- transaction isolation
BP --> DF1 -- read path
BP --> CB -- secondary index cache
RL1 --> RL2
Clustered Index（聚簇索引）
InnoDB 的数据行就存储在聚簇索引的叶子节点中。这是 InnoDB 最关键的概念——没有聚簇索引就没有数据。
graph BT
A["主键: 100"] --> B["非叶子节点"]
C["主键: 50"] --> B
D["主键: 200"] --> E["非叶子节点"]
B --> F["叶子节点, row_id=1, name=Alice"]
B --> G["叶子节点, row_id=2, name=Bob"]
E --> H["叶子节点, row_id=3, name=Charlie"]
E --> I["叶子节点, row_id=4, name=David"]
F -.->"链表串联" G
G -.->"链表串联" H
H -.->"链表排序" I
style F fill:#00B6BC,color:#fff
style I fill:#00B6BC,color:#fff
[!TIP] 为什么一定要用自增主键？ 如果选随机值（如 UUID）作为主键，每次插入都可能在索引树的中间位置分叉，导致：
- 页分裂：16KB 页面满了要拆成两个，触发大量 I/O
- 写放大：相邻页变得不连续，顺序写变成随机写
- 空间浪费：页填充率下降（从 100% 降到 ~70%）
使用自增 INT/BIGINT 时，新记录总是在索引末尾追加——完美的顺序写模式。
Secondary Index（二级索引）
所有非主键索引都是二级索引。关键点：二级索引的叶子节点存储的是主键值，而不是行数据。
graph LR
subgraph "聚簇索引, PK=id"
CI1["id=1 → full row data"]
CI2["id=2 → full row data"]
CI3["id=3 → full row data"]
end
subgraph "二级索引, idx_email=email"
SI1["email='a@x.com' → pk=1"]
SI2["email='b@x.com' → pk=2"]
SI3["email='c@x.com' → pk=3"]
end
SI1 -.回表.-> CI1
SI2 -.回表.-> CI2
SI3 -.回表.-> CI3
style SI1 fill:#FF9F43,color:#000
style CI1 fill:#00D866,color:#fff
覆盖索引（Covering Index）
当查询需要的列全部在一个二级索引中时，无需回表，直接返回结果。这比普通查询快得多。
-- ❌ 普通查询：走 idx_email，但 SELECT * 需要回表查聚簇索引
SELECT * FROM users WHERE email = 'alice@example.com';
-- ✅ 覆盖索引：email + name 都在索引里，不需要回表
ALTER TABLE users ADD INDEX idx_email_name (email, name);
SELECT name FROM users WHERE email = 'alice@example.com';
-- EXPLAIN 会显示 Extra: Using index
-- ⚠️ 常见误区：查其他不在索引中的列，仍需回表
-- idx_email_name 包含的是 (email, name)，不包含 id
SELECT id FROM users WHERE email = 'alice@example.com';
-- 虽然 WHERE 条件匹配了索引，但 SELECT 的 id 不在索引中 → 仍需回表
Buffer Pool 详解
Buffer Pool 是 InnoDB 最重要的性能组件，它缓存了磁盘上的数据页和索引页。
flowchart TD
subgraph "Buffer Pool, N × 16KB Pages"
LRU["LRU List"] --> New["New Sub-list"]
New --> Young["Young Sub-list"]
Young --> Old["Old Sub-list"]
Old --> Free["Free List"]
Note1["INSERT/UPDATE\n→ 放 New 区"]
Note2["读未命中\n→ 从磁盘加载到 New 区"]
Note3["频繁访问\n→ 保持 Young 区\n（防污染旧页）"]
Note4["不再访问\n→ 淘汰到 Free 区"]
end
FlushList["Flush List, 脏页链表"] --> Disk["刷入磁盘 ibd 文件"]
LRU --> FlushList
Buffer Pool 关键参数
innodb_buffer_pool_size = 1G # 建议设为物理内存 50%~70%
innodb_buffer_pool_instances = 8 # 并发实例数（GB 级配置 > 1GB 时）
innodb_buffer_pool_dump_at_exit = ON # mysqld 关闭时保存缓冲池状态
innodb_buffer_pool_load_at_startup = ON # 启动时恢复上一次状态
[!QUESTION] 如何判断 Buffer Pool 是否够大？ 查看两个关键状态变量：
SHOW STATUS LIKE 'Innodb_buffer_pool_read%';
变量 含义 Innodb_buffer_pool_read_requestsBuffer Pool 读取请求总数 Innodb_buffer_pool_reads无法命中、必须回磁盘读取的次数 命中率 =
1 - reads / read_requests，正常应在 99%+。持续低于 95% 说明需要增大innodb_buffer_pool_size。
Redo Log（重做日志）
Redo Log 是 InnoDB 特有的物理日志，用于保证事务的 Durability。
flowchart LR
A["事务修改数据页\nBuffer Pool 中的脏页"] --> B["同时写入 Redo Log Buffer"]
B --> C{flush_log_at_trx_commit}
C -->|1| D["立即刷盘"]
C -->|2| E["写入 OS Cache，每秒刷盘"]
C -->|0| F["每秒刷盘，commit 也异步"]
D --> G["磁盘持久化 ✅"]
E --> G
F --> G
style D fill:#00D866,color:#fff
Redo Log 的特性
- 循环写入：大小固定（默认各 48MB），写满后从头覆盖
- 物理日志：记录「在哪个页的哪个偏移改了什么字节」，而非 SQL
- Crash Safe：崩溃恢复时重放 Redo Log 恢复到一致状态
- 两阶段提交（2PC）：协调 Redo Log 和 Binlog 的一致性
[!NOTE] flush_log_at_trx_commit 三种模式
值 行为 安全性 性能 1 commit 时立即 fsync 磁盘 最高（ACID） 最低 2 commit 时写 OS Cache，每秒 fsync 偶尔丢失 1s 数据 较高 0 每秒写 OS Cache + fsync，commit 异步 可能丢多条事务 最高 生产环境强烈推荐
1。设为2能在大部分场景接近相同性能，但在 OS 崩溃时会丢数据。
Undo Log（回滚日志）
与 Redo Log（向前恢复）不同，Undo Log 用于将数据回退到修改前的状态。它支持两个关键功能：
flowchart LR
subgraph "事务 A: UPDATE users SET balance = balance - 100 WHERE id = 1"
A1["修改前备份 → Undo Log"] --> A2["修改 Buffer Pool"]
end
subgraph "事务 B: UPDATE users SET balance = balance + 100 WHERE id = 1"
B1["等待锁 / MVCC 隔离"] --> B2["读取历史版本"]
end
A1 -.提供回退能力.-> ROLLBACK["ROLLBACK 操作"]
B2 -.快照读隔离.-> SNAPSHOT["SNAPSHOT READ"]
style A1 fill:#FF9F43,color:#000
style ROLLBACK fill:#FF6B6B,color:#fff
style SNAPSHOT fill:#00D866,color:#fff
Undo Log 的核心用途
- 事务回滚（ROLLBACK）：执行相反操作还原原始值，如 UPDATE 的反向是 INSERT（新行）或 UPDATE（旧值）
- MVCC 多版本并发控制：通过 Read View + Undo Log Version Chain 实现不同事务看到不同的数据快照
- 灾难恢复：配合 Redo Log，rollback 未提交的事务
[!TIP] Undo Log vs Redo Log
对比项 Undo Log Redo Log 方向 回退（undo） 重做（redo） 逻辑/物理 逻辑日志（记录SQL语义） 物理日志（记录页面偏移） 生命周期 事务提交后可立即回收（purge） 必须保留到 checkpoint 之后 空间 可动态增长（undo tablespace） 固定大小、循环复用
Change Buffer（变更缓冲）
Change Buffer 缓存了对非唯一二级索引页的修改操作，等该页被读到时再合并写入磁盘。这对 INSERT-heavy 场景有显著加速效果。
flowchart TD
A["INSERT 到二级索引\n页面不在 Buffer Pool 中"] --> B["写入 Change Buffer"]
B --> C["减少随机磁盘 I/O"]
D["后续读取该页\n页面进入 Buffer Pool"] --> E["合并 Change Buffer 中的操作"]
E --> F["一次性更新磁盘"]
C --> G["性能提升 20%~30%"]
E --> G
style B fill:#FF9F43,color:#000
style G fill:#00D866,color:#fff
[!NOTE] Change Buffer 的限制
- 只对非唯一索引生效（唯一索引需要在插入前检查冲突，必须实时读写磁盘）
- 对 UPDATE/DELETE 同样有效
- 可以通过
innodb_change_buffer_max_size控制最大占比（默认 25%）
关联笔记
索引相关
- hhs/MySQL/16-B+Tree 索引原理 — 聚簇索引 / 二级索引的数据结构基础
- hhs/MySQL/18-联合索引与最左前缀 — 覆盖索引与最左前缀原则的关系
- hhs/MySQL/19-EXPLAIN 完全指南 — 用 EXPLAIN 验证是否命中覆盖索引（Using index）
事务与并发控制
- hhs/MySQL/23-ACID 与原子性实现 — Undo Log 保证原子性的核心机制
- hhs/MySQL/24-隔离级别与可见性 — MVCC 配合二级索引的可见性判断
- hhs/MySQL/26-锁机制总览 — InnoDB 行锁与 Buffer Pool 的协同
日志与高可用
- hhs/MySQL/29-Binary Log — Binlog 与 Redo Log 的两阶段提交（2PC）
整体架构
- hhs/MySQL/01-MySQL 架构与进程模型 — Server 层与 InnoDB 引擎的分层协作