存储引擎对比

MySQL存储引擎对比

关系数据库表是用于存储和组织信息的数据结构，可以将表理解为由行和列组成的表格，类似于Excel的电子表格的形式。有的表简单，有的表复杂，有的表根本不用来存储任何长期的数据，有的表读取时非常快，但是插入数据时去很差；而我们在实际开发过程中，就可能需要各种各样的表，不同的表，就意味着存储不同类型的数据，数据的处理上也会存在着差异，那么。对于MySQL来说，它提供了很多种类型的存储引擎，我们可以根据对数据处理的需求，选择不同的存储引擎，从而最大限度的利用MySQL强大的功能。这篇博文将总结和分析各个引擎的特点，以及适用场合，并不会纠结于更深层次的东西。

在MySQL客户端中，使用以下命令可以查看MySQL支持的引擎。

show engines;

特性

引擎/特性	事务	读写阻塞	锁定	索引	缓存
MyISAM	MyISAM存储引擎不支持事务，所以对事务有要求的业务场景不能使用	不仅会在写入的时候阻塞读取，MyISAM还会在读取的时候阻塞写入，但读本身并不会阻塞另外的读	其锁定机制是表级索引，这虽然可以让锁定的实现成本很小但是也同时大大降低了其并发性能	存放真实数据的地址	MyISAM可以通过key_buffer缓存以大大提高访问性能减少磁盘IO，但是这个缓存区只会缓存索引，而不会缓存数据
InnoDB	具有较好的事务支持：支持4个事务隔离级别，支持多版本读	读写阻塞与事务隔离级别相关	其锁定机制是行级锁定，通过索引实现，全表扫描仍然会是表锁，注意间隙锁的影响	存储的是真实的数据	具有非常高效的缓存特性：能缓存索引，也能缓存数据
NDBCluster	和Innodb一样，支持事务			新版本索引以及被索引的数据必须存放在内存中，老版本所有数据和索引必须存在与内存中

适用场景

引擎/场景	事务支持	读/写比	数据一致性	并发	内存
MyISAM	不需要事务支持的	以读为主，数据修改相对较小(阻塞问题)	数据一致性要求不高	并发相对较低(锁定机制问题)	内存要求不大
InnoDB	需要事务支持(具有较好的事务特性)	数据更新较为频繁的场景	数据一致性要求较高	行级锁定对高并发有很好的适应能力，但需要确保查询是通过索引完成	硬件设备内存较大，可以利用InnoDB较好的缓存能力来提高内存利用率，尽可能减少磁盘IO
NDBCluster		查询简单，过滤条件较为固定，每次请求数据量较少，又不希望自己进行水平Sharding		具有非常高的并发需求，但是单个请求的响应并不是非常的critical

MyISAM

MyISAM表是独立于操作系统的，这说明可以轻松地将其从Windows服务器移植到Linux服务器；每当我们建立一个MyISAM引擎的表时，就会在本地磁盘上建立三个文件，文件名就是表名。例如，我建立了一个MyISAM引擎的tb_Demo表，那么就会生成以下三个文件：

1.tb_demo.frm，存储表定义； 2.tb_demo.MYD，存储数据； 3.tb_demo.MYI，存储索引。

MyISAM表无法处理事务，这就意味着有事务处理需求的表，不能使用MyISAM存储引擎。MyISAM存储引擎特别适合在以下几种情况下使用：1.选择密集型的表。MyISAM存储引擎在筛选大量数据时非常迅速，这是它最突出的优点。2.插入密集型的表。MyISAM的并发插入特性允许同时选择和插入数据。例如：MyISAM存储引擎很适合管理邮件或Web服务器日志数据。

最佳实践：

尽量索引(缓存机制)
调整读写优先级，根据实际需求确保重要操作更优先
启用延迟插入改善大批量写入性能
尽量顺序操作让insert数据都写入到尾部，减少阻塞
分解大的操作，降低单个操作的阻塞时间
降低并发数，某些高并发场景通过应用来进行排队机制
对于相对静态的数据，充分利用Query Cache可以极大的提高访问效率
MyISAM的Count只有在全表扫描的时候特别高效，带有其他条件的count都需要进行实际的数据访问

InnoDB

InnoDB是一个健壮的事务型存储引擎，这种存储引擎已经被很多互联网公司使用，为用户操作非常大的数据存储提供了一个强大的解决方案。我的电脑上安装的MySQL 5.6.13版，InnoDB就是作为默认的存储引擎。InnoDB还引入了行级锁定和外键约束，在以下场合下，使用InnoDB是最理想的选择：1.更新密集的表。InnoDB存储引擎特别适合处理多重并发的更新请求。2.事务。InnoDB存储引擎是支持事务的标准MySQL存储引擎。3.自动灾难恢复。与其它存储引擎不同，InnoDB表能够自动从灾难中恢复。4.外键约束。MySQL支持外键的存储引擎只有InnoDB。5.支持自动增加列AUTO_INCREMENT属性。一般来说，如果需要事务支持，并且有较高的并发读取频率，InnoDB是不错的选择。

最佳实践：

主键尽可能小，避免给Secondary index带来过大的空间负担
避免全表扫描，因为会使用表锁
尽可能缓存所有的索引和数据，提高响应速度
在大批量小插入的时候，尽量自己控制事务而不要使用autocommit自动提交
合理设置innodb_flush_log_at_trx_commit参数值，不要过度追求安全性
避免主键更新，因为这会带来大量的数据移动

MEMORY

使用MySQL Memory存储引擎的出发点是速度。为得到最快的响应时间，采用的逻辑存储介质是系统内存。虽然在内存中存储表数据确实会提供很高的性能，但当mysqld守护进程崩溃时，所有的Memory数据都会丢失。获得速度的同时也带来了一些缺陷。它要求存储在Memory数据表里的数据使用的是长度不变的格式，这意味着不能使用BLOB和TEXT这样的长度可变的数据类型，VARCHAR是一种长度可变的类型，但因为它在MySQL内部当做长度固定不变的CHAR类型，所以可以使用。一般在以下几种情况下使用Memory存储引擎：1.目标数据较小，而且被非常频繁地访问。在内存中存放数据，所以会造成内存的使用，可以通过参数max_heap_table_size控制Memory表的大小，设置此参数，就可以限制Memory表的最大大小。2.如果数据是临时的，而且要求必须立即可用，那么就可以存放在内存表中。3.存储在Memory表中的数据如果突然丢失，不会对应用服务产生实质的负面影响。 Memory同时支持哈希索引和B树索引。B树索引的优于哈希索引的是，可以使用部分查询和通配查询，也可以使用<、>和>=等操作符方便数据挖掘。哈希索引进行“相等比较”非常快，但是对“范围比较”的速度就慢多了，因此哈希索引值适合使用在=和<>的操作符中，不适合在<或>操作符中，也同样不适合用在order by子句中。可以在表创建时利用USING子句指定要使用的版本。例如：

create table users
(
    id smallint unsigned not null auto_increment,
    username varchar(15) not null,
    pwd varchar(15) not null,
    index using hash (username),
    primary key (id)
)engine=memory;

上述代码创建了一个表，在username字段上使用了HASH哈希索引。下面的代码就创建一个表，使用BTREE索引。

create table users
(
    id smallint unsigned not null auto_increment,
    username varchar(15) not null,
    pwd varchar(15) not null,
    index using btree (username),
    primary key (id)
)engine=memory;

MERGE

MERGE存储引擎是一组MyISAM表的组合，这些MyISAM表结构必须完全相同，尽管其使用不如其它引擎突出，但是在某些情况下非常有用。说白了，Merge表就是几个相同MyISAM表的聚合器；Merge表中并没有数据，对Merge类型的表可以进行查询、更新、删除操作，这些操作实际上是对内部的MyISAM表进行操作。Merge存储引擎的使用场景。对于服务器日志这种信息，一般常用的存储策略是将数据分成很多表，每个名称与特定的时间端相关。例如：可以用12个相同的表来存储服务器日志数据，每个表用对应各个月份的名字来命名。当有必要基于所有12个日志表的数据来生成报表，这意味着需要编写并更新多表查询，以反映这些表中的信息。与其编写这些可能出现错误的查询，不如将这些表合并起来使用一条查询，之后再删除Merge表，而不影响原来的数据，删除Merge表只是删除Merge表的定义，对内部的表没有任何影响。

NDBCluster |分布式存储引擎

尽可能让查询简单，避免数据的跨节点传输，尽可能满足SQL节点的计算性能，大一点的集群SQL节点会明显多余Data节点，在各节点之间尽可能使用万兆网络环境互联，以减少数据在网络层传输过程中的延时。

最近更新于0001-01-01