开发者社区 数据库 文章 正文

一文读懂 MySQL 中的索引

2023-10-16 87
版权
版权声明：
本文内容由阿里云实名注册用户自发贡献，版权归原作者所有，阿里云开发者社区不拥有其著作权，亦不承担相应法律责任。具体规则请查看《 阿里云开发者社区用户服务协议》和 《阿里云开发者社区知识产权保护指引》。如果您发现本社区中有涉嫌抄袭的内容，填写 侵权投诉表单进行举报，一经查实，本社区将立刻删除涉嫌侵权内容。
本文涉及的产品
云数据库 RDS MySQL，集群系列 2核4GB
推荐场景：
搭建个人博客
RDS MySQL Serverless 基础系列，0.5-2RCU 50GB
推荐场景：
学生管理系统数据库设计 搭建个人博客
云数据库 RDS MySQL，高可用系列 2核4GB
简介： 一文读懂 MySQL 中的索引

文章目录

1. 索引概述

1.1 索引概述

1.2 优点

1.3 缺点

1.6 常见索引概念

1.6.1 聚簇索引

1.6.2 二级索引（辅助索引、非聚簇索引）

1.6.3 联合索引

1.8 MyISAM索引的原理

1.9 MyISAM 与 InnoDB对比

1.10 索引的代价

2. 索引的创建与设计原则

2.1 索引的声明与使用

2.1.1 索引的分类

2.1.2 创建索引

2.1.2.1 创建表的时候创建索引

2.1.2.2 在已经存在的表上创建索引

2.1.3 删除索引


微信截图_20231016165719.png

1. 索引概述

1.1 索引概述

MySQL官方对索引的定义为：索引（Index）是帮助MySQL高效获取数据的数据结构。


索引的本质：索引是数据结构。你可以简单理解为“排好序的快速查找数据结构”，满足特定查找算法。 这些数据结构以某种方式指向数据， 这样就可以在这些数据结构的基础上实现 高级查找算法 。


1.2 优点

（1）类似大学图书馆建书目索引，提高数据检索的效率，降低数据库的IO成本 ，这也是创建索引最主 要的原因。


（2）通过创建唯一索引，可以保证数据库表中每一行 数据的唯一性 。


（3）在实现数据的 参考完整性方面，可以 加速表和表之间的连接 。换句话说，对于有依赖关系的子表和父表联合查询时， 可以提高查询速度。


（4）在使用分组和排序子句进行数据查询时，可以显著 减少查询中分组和排序的时间 ，降低了CPU的消耗。


1.3 缺点

增加索引也有许多不利的方面，主要表现在如下几个方面：


（1）创建索引和维护索引要 耗费时间 ，并且随着数据量的增加，所耗费的时间也会增加。


（2）索引需要占 磁盘空间 ，除了数据表占数据空间之外，每一个索引还要占一定的物理空间， 存储在磁盘上 ，如果有大量的索引，索引文件就可能比数据文 件更快达到最大文件尺寸。


（3）虽然索引大大提高了查询速度，同时却会 降低更新表的速度 。当对表 中的数据进行增加、删除和修改的时候，索引也要动态地维护，这样就降低了数据的维护速度。


因此，选择索引时，需要综合考虑索引的优点和缺点。


提示：


索引可以提高查询速度，但是会影响插入记录的速度。这种情况下，最好的办法是先删除表中的索引，然后插入数据，插入完成后再创建索引。


1.6 常见索引概念

索引按照物理实现方式，索引可以分为 2 种：聚簇（聚集）和 非聚簇（非聚集）索引。


我们也把 非聚集索引 称为 二级索引 或者 辅助索引。


1.6.1 聚簇索引

特点：


使用记录主键值的大小进行记录和页的排序，这包括三个方面的含义：

页内的记录是按照主键的大小顺序排成一个单向链表 。

各个存放用户记录的页也是根据页中用户记录的主键大小顺序排成一个双向链表 。

存放目录项记录的页分为不同的层次，在同一层次中的页也是根据页中目录项记录的主键大小顺序排成一个双向链表 。

B+树的 叶子节点 存储的是完整的用户记录。 所谓完整的用户记录，就是指这个记录中存储了所有列的值（包括隐藏列）。

优点：


数据访问更快 ，因为聚簇索引将索引和数据保存在同一个B+树中，因此从聚簇索引中获取数据比非聚簇索引更快（非聚簇索引要回表）

聚簇索引对于主键的 排序查找 和 范围查找 速度非常快

按照聚簇索引排列顺序，查询显示一定范围数据的时候，由于数据都是紧密相连，数据库不用从多个数据块中提取数据，所以 **节省了大量的io **操作 。

缺点：


插入速度严重依赖于插入顺序 ，按照主键的顺序插入是最快的方式，否则将会出现页分裂，严重影响性能。因此，对于InnoDB表，我们一般都会定义一个自增的ID列为主键

更新主键的代价很高 ，因为将会导致被更新的行移动。因此，对于InnoDB表，我们一般定义主键为不可更新

限制：

微信截图_20231016165741.png

1.6.2 二级索引（辅助索引、非聚簇索引）

  • 二级索引访问需要两次索引查找（回表） ，第一次找到主键值，第二次根据主键值找到行数据
  • 微信截图_20231016165824.png
  • 微信截图_20231016165833.png
  • 概念：回表 我们根据这个以c2列大小排序的B+树只能确定我们要查找记录的主键值，所以如果我们想根据c2列的值查找到完整的用户记录的话，仍然需要到 聚簇索引 中再查一遍，这个过程称为 回表 。也就是根据c2列的值查询一条完整的用户记录需要使用到 2 棵B+树！


问题：为什么我们还需要一次 回表 操作呢？直接把完整的用户记录放到叶子节点不OK吗？


回答：

微信截图_20231016165856.png

微信截图_20231016165936.png

小结：聚簇索引和非聚簇索引的区别：


聚簇索引的 叶子节点 存储的就是我们的 数据记录， 非聚簇索引的 叶子节点 存储的是 数据位置（主键）。 非聚簇索引不会影响数据表的物理存储顺序。

一个表只能 有 一个聚簇索引， 因为只能有一种排序存储的方式， 但可以有 多个非聚簇索引， 也就是多个索引目录提供数据检索。

使用聚簇索引的时候，数据的 查询效率高， 但如果对数据进行插入，删除，更新等操作，效率会比非聚簇索引低。

1.6.3 联合索引

我们也可以同时以多个列的大小作为排序规则，也就是同时为多个列建立索引，比方说我们想让B+树按 照 c2和c3列 的大小进行排序，这个包含两层含义：


先把各个记录和页按照c2列进行排序。

在记录的c2列相同的情况下，采用c3列进行排序 。

为c2和c3列建立的索引的示意图如下：

微信截图_20231016170038.png

注意一点，以c2和c3列的大小为排序规则建立的B+树称为 联合索引 ，本质上也是一个二级索引。它的意思与分别为c2和c3列分别建立索引的表述是不同的，不同点如下：


建立 联合索引 只会建立如上图一样的1棵B+树。

为c2和c3列分别建立索引会分别以c2和c3列的大小为排序规则建立2棵B+树。

1.8 MyISAM索引的原理

下图是MyISAM索引的原理图

微信截图_20231016170055.png

如果我们在Col2上建立一个二级索引，则此索引的结构如下图所示：

微信截图_20231016170133.png

1.9 MyISAM 与 InnoDB对比

MyISAM的索引方式都是“非聚簇”的，与InnoDB包含1个聚簇索引是不同的。


小结两种引擎中索引的区别：


① 在InnoDB存储引擎中，我们只需要根据主键值对 聚簇索引 进行一次查找就能找到对应的记录，而在 MyISAM 中却需要进行一次 回表 操作，意味着MyISAM中建立的索引相当于全部都是 二级索引 。


② InnoDB的数据文件本身就是索引文件，而MyISAM索引文件和数据文件是 分离的 ，索引文件仅保存数 据记录的地址。


③ InnoDB的非聚簇索引data域存储相应记录 主键的值 ，而MyISAM索引记录的是 地址 。换句话说， InnoDB的所有非聚簇索引都引用主键作为data域。


④ MyISAM的回表操作是十分 快速 的，因为是拿着地址偏移量直接到文件中取数据的，反观InnoDB是通过获取主键之后再去聚簇索引里找记录，虽然说也不慢，但还是比不上直接用地址去访问。


⑤ InnoDB要求表必须有主键 （ MyISAM可以没有 ）。如果没有显式指定，则MySQL系统会自动选择一个可以非空且唯一标识数据记录的列作为主键。如果不存在这种列，则MySQL自动为InnoDB表生成一个隐含字段作为主键，这个字段长度为6个字节，类型为长整型。

微信截图_20231016170149.png

1.10 索引的代价

索引是个好东西，可不能乱建，它在空间和时间上都会有消耗：


空间上的代价

每建立一个索引都要为它建立一棵B+树，每一棵B+树的每一个节点都是一个数据页，一个 页 默认会占用 16KB 的存储空间，一棵很大的B+树由许多数据页组成，那就是很大的一片存储空间。


时间上的代价

每次对表中的数据进行 增、删、改 操作时，都需要去修改各个B+树索引。而且我们讲过，B+树每层节点都是按照索引列的值 从小到大的顺序排序 而组成了 双向链表 。不论是叶子节点中的记录，还是内节点中的记录（也就是不论是用户记录还是目录项记录）都是按照索引列的值从小到大的顺序而形成了一个单向链表。而增、删、改操作可能会对节点和记录的排序造成破坏，所以存储引擎需要额外的时间进行一些 记录移位 ， 页面分裂 、 页面回收 等操作来维护好节点和记录的排序。如果我们建了许多索引，每个索引对应的B+树都要进行相关的维护操作，会给性能拖后腿。


一个表上索引建的越多，就会占用越多的存储空间，在增删改的时候，性能就会越差。为了能建立又好又少的索引，我们得学学这些索引在哪些条件下起作用的。



2. 索引的创建与设计原则

2.1 索引的声明与使用

2.1.1 索引的分类


MySQL的索引包括普通索引、唯一性索引、全文索引、单列索引、多列索引 和 空间索引等。


从 功能逻辑 上说，索引主要有 4 种，分别是普通索引、唯一索引、主键索引、全文索引。

按照 物理实现方式 ，索引可以分为 2 种：聚簇索引 和 非聚簇索引。

按照 作用字段个数 进行划分，分成 单列索引 和 联合索引。

普通索引

微信截图_20231016170228.png

  1. 唯一性索引

微信截图_20231016170241.png

  1. 主键索引
  2. 微信截图_20231016170318.png
  3. 单列索引

微信截图_20231016170326.png

  1. 多列(组合、联合)索引
  2. 微信截图_20231016170400.png
  3. 全文索引
  4. 微信截图_20231016170416.png
  5. 微信截图_20231016170429.png
  6. 补充：空间索引
  7. 微信截图_20231016171048.png
  8. 小结：不同的存储引擎支持的索引类型也不一样

InnoDB ：支持 B-tree、Full-text 等索引，不支持 Hash索引；

MyISAM ： 支持 B-tree、Full-text 等索引，不支持 Hash 索引；

Memory ：支持 B-tree、Hash 等索引，不支持 Full-text 索引；

NDB ：支持 Hash 索引，不支持 B-tree、Full-text 等索引；

Archive ：不支持 B-tree、Hash、Full-text 等索引；


2.1.2 创建索引

微信截图_20231016171100.png

2.1.2.1 创建表的时候创建索引

微信截图_20231016171133.png

CREATE TABLE dept(
  -- 主键自动创建索引
  dept_id INT PRIMARY KEY AUTO_INCREMENT,
  dept_name VARCHAR(20)
);
CREATE TABLE emp(
  emp_id INT PRIMARY KEY AUTO_INCREMENT,
  --  自动创建唯一性索引
  emp_name VARCHAR(20) UNIQUE,
  dept_id INT,
  --  自动创建外键索引
  CONSTRAINT emp_dept_id_fk FOREIGN KEY(dept_id) REFERENCES dept(dept_id)
);

但是，如果显式创建表时创建索引的话，基本语法格式如下：

CREATE TABLE table_name [col_name data_type]
[UNIQUE | FULLTEXT | SPATIAL] [INDEX | KEY] [index_name] (col_name [length]) [ASC |
DESC]

UNIQUE 、 FULLTEXT 和 SPATIAL 为可选参数，分别表示唯一索引、全文索引和空间索引；

INDEX 与 KEY 为同义词，两者的作用相同，用来指定创建索引；

index_name 指定索引的名称，为可选参数，如果不指定，那么MySQL默认col_name为索引名；

col_name 为需要创建索引的字段列，该列必须从数据表中定义的多个列中选择；

length 为可选参数，表示索引的长度，只有字符串类型的字段才能指定索引长度；

ASC 或 DESC 指定升序或者降序的索引值存储。

创建普通索引

在book表中的year_publication字段上建立普通索引，SQL语句如下：

CREATE TABLE book(
  book_id INT ,
  book_name VARCHAR(100),
  authors VARCHAR(100),
  info VARCHAR(100) ,
  comment VARCHAR(100),
  year_publication YEAR,
  -- 声明索引
  INDEX index_bname(book_name)
);
  1. 创建唯一索引
CREATE TABLE test1(
  id INT NOT NULL,
  name varchar(30) NOT NULL,
  -- 声明唯一索引
  UNIQUE INDEX uk_index_name(name)
);

该语句执行完毕之后，使用SHOW CREATE TABLE查看表结构：

SHOW INDEX FROM test1 \G
  1. 主键索引
    设定为主键后数据库会自动建立索引，innodb为聚簇索引，语法：
  • 随表一起建索引：
CREATE TABLE student (
  id INT(10) UNSIGNED AUTO_INCREMENT ,
  student_no VARCHAR(200),
  student_name VARCHAR(200),
  PRIMARY KEY(id)
);
  • 删除主键索引：
ALTER TABLE student drop PRIMARY KEY ;
  • 修改主键索引：必须先删除掉(drop)原索引，再新建(add)索引
  1. 创建单列索引
CREATE TABLE test2(
  id INT NOT NULL,
  name CHAR(50) NULL,
  INDEX single_idx_name(name(20))
);

该语句执行完毕之后，使用SHOW CREATE TABLE查看表结构：

SHOW INDEX FROM test2 \G
  1. 创建联合索引
    举例：创建表test3，在表中的id、name和age字段上建立组合索引，SQL语句如下：
CREATE TABLE test3(
  id INT(11) NOT NULL,
  name CHAR(30) NOT NULL,
  age INT(11) NOT NULL,
  info VARCHAR(255),
  INDEX multi_idx(id,name,age)
);

注意：查询时要遵循最左前缀原则，否则索引不能名中。

  1. 创建全文索引
    举例1：创建表test4，在表中的info字段上建立全文索引，SQL语句如下：
CREATE TABLE test4(
  id INT NOT NULL,
  name CHAR(30) NOT NULL,
  age INT NOT NULL,
  info VARCHAR(255),
  FULLTEXT INDEX futxt_idx_info(info)
) ENGINE=MyISAM;

在MySQL5.7及之后版本中可以不指定最后的ENGINE了，因为在此版本中InnoDB支持全文索引。

举例2：

CREATE TABLE articles (
id INT UNSIGNED AUTO_INCREMENT PRIMARY KEY,
title VARCHAR (200),
body TEXT,
FULLTEXT index (title, body)
) ENGINE = INNODB ;

举例3：

CREATE TABLE `papers` (
  `id` int(10) unsigned NOT NULL AUTO_INCREMENT,
  `title` varchar(200) DEFAULT NULL,
  `content` text,
  PRIMARY KEY (`id`),
  FULLTEXT KEY `title` (`title`,`content`)
) ENGINE=MyISAM DEFAULT CHARSET=utf8;

不同于like方式的的查询：

SELECT * FROM papers WHERE content LIKE ‘%查询字符串%’;

全文索引用match+against方式查询：

SELECT * FROM papers WHERE MATCH(title,content) AGAINST (‘查询字符串’);

注意点:


使用全文索引前，搞清楚版本支持情况；

全文索引比 like + % 快 N 倍，但是可能存在精度问题；

如果需要全文索引的是大量数据，建议先添加数据，再创建索引。

创建空间索引

空间索引创建中，要求空间类型的字段必须为 非空 。

举例：创建表test5，在空间类型为GEOMETRY的字段上创建空间索引，SQL语句如下：

CREATE TABLE test5(
  geo GEOMETRY NOT NULL,
  SPATIAL INDEX spa_idx_geo(geo)
) ENGINE=MyISAM;
2.1.2.2 在已经存在的表上创建索引

在已经存在的表中创建索引可以使用ALTER TABLE语句或者CREATE INDEX语句。

  1. 使用ALTER TABLE语句创建索引 ALTER TABLE语句创建索引的基本语法如下：
ALTER TABLE table_name ADD [UNIQUE | FULLTEXT | SPATIAL] [INDEX | KEY]
[index_name] (col_name[length],...  [ASC | DESC])
  1. 使用CREATE INDEX创建索引CREATE INDEX语句可以在已经存在的表上添加索引，在MySQL中，
    CREATE INDEX被映射到一个ALTER TABLE语句上，基本语法结构为：
CREATE [UNIQUE | FULLTEXT | SPATIAL] INDEX index_name
ON table_name (col_name[length],...) [ASC | DESC]

2.1.3 删除索引

  1. 使用ALTER TABLE删除索引 ALTER TABLE删除索引的基本语法格式如下：
 ALTER TABLE table_name DROP INDEX index_name;
  1. 使用DROP INDEX语句删除索引 DROP INDEX删除索引的基本语法格式如下：
DROP INDEX index_name ON table_name;

提示: 删除表中的列时，如果要删除的列为索引的组成部分，则该列也会从索引中删除。如果组成

索引的所有列都被删除，则整个索引将被删除。

文章标签：
云数据库 RDS MySQL 版
关系型数据库
索引
MySQL
存储
SQL
关键词：
云数据库 RDS MySQL 版索引
相关实践学习
如何在云端创建MySQL数据库
开始实验后，系统会自动创建一台自建MySQL的 源数据库 ECS 实例和一台 目标数据库 RDS。
全面了解阿里云能为你做什么
阿里云在全球各地部署高效节能的绿色数据中心，利用清洁计算为万物互联的新世界提供源源不断的能源动力，目前开服的区域包括中国（华北、华东、华南、香港）、新加坡、美国（美东、美西）、欧洲、中东、澳大利亚、日本。目前阿里云的产品涵盖弹性计算、数据库、存储与CDN、分析与搜索、云通信、网络、管理与监控、应用服务、互联网中间件、移动服务、视频服务等。通过本课程，来了解阿里云能够为你的业务带来哪些帮助     相关的阿里云产品：云服务器ECS 云服务器 ECS（Elastic Compute Service）是一种弹性可伸缩的计算服务，助您降低 IT 成本，提升运维效率，使您更专注于核心业务创新。产品详情: https://www.aliyun.com/product/ecs
我有一颗五叶草
目录
相关文章
互联网课堂
|
3天前
|
SQL 关系型数据库 MySQL
深入解析MySQL的EXPLAIN：指标详解与索引优化
MySQL 中的 `EXPLAIN` 语句用于分析和优化 SQL 查询，帮助你了解查询优化器的执行计划。本文详细介绍了 `EXPLAIN` 输出的各项指标，如 `id`、`select_type`、`table`、`type`、`key` 等，并提供了如何利用这些指标优化索引结构和 SQL 语句的具体方法。通过实战案例，展示了如何通过创建合适索引和调整查询语句来提升查询性能。
互联网课堂
38 9
德国都芳最好
|
1月前
|
缓存 关系型数据库 MySQL
MySQL索引策略与查询性能调优实战
在实际应用中，需要根据具体的业务需求和查询模式，综合运用索引策略和查询性能调优方法，不断地测试和优化，以提高MySQL数据库的查询性能。
德国都芳最好
89 9
技术自由圈/原疯狂创客圈
|
2月前
|
存储 关系型数据库 MySQL
阿里面试：为什么要索引？什么是MySQL索引？底层结构是什么？
尼恩是一位资深架构师，他在自己的读者交流群中分享了关于MySQL索引的重要知识点。索引是帮助MySQL高效获取数据的数据结构，主要作用包括显著提升查询速度、降低磁盘I/O次数、优化排序与分组操作以及提升复杂查询的性能。MySQL支持多种索引类型，如主键索引、唯一索引、普通索引、全文索引和空间数据索引。索引的底层数据结构主要是B+树，它能够有效支持范围查询和顺序遍历，同时保持高效的插入、删除和查找性能。尼恩还强调了索引的优缺点，并提供了多个面试题及其解答，帮助读者在面试中脱颖而出。相关资料可在公众号【技术自由圈】获取。
技术自由圈/原疯狂创客圈
110 6
猿java
|
2月前
|
存储 NoSQL 关系型数据库
为什么MySQL不使用红黑树做索引
本文详细探讨了MySQL索引机制，解释了为何添加索引能提升查询效率。索引如同数据库的“目录”，在数据量庞大时提高查询速度。文中介绍了常见索引数据结构：哈希表、有序数组和搜索树（包括二叉树、平衡二叉树、红黑树、B-树和B+树）。重点分析了B+树在MyISAM和InnoDB引擎中的应用，并讨论了聚簇索引、非聚簇索引、联合索引及最左前缀原则。最后，还介绍了LSM-Tree在高频写入场景下的优势。通过对比多种数据结构，帮助理解不同场景下的索引选择。
猿java
119 6
程序员飞鱼
|
2月前
|
SQL 关系型数据库 MySQL
案例剖析：MySQL唯一索引并发插入导致死锁！
案例剖析：MySQL唯一索引并发插入导致死锁！
程序员飞鱼
179 0
案例剖析：MySQL唯一索引并发插入导致死锁！
蓝易云
|
7天前
|
缓存 关系型数据库 MySQL
MySQL 索引优化以及慢查询优化
通过本文的介绍，希望您能够深入理解MySQL索引优化和慢查询优化的方法，并在实际应用中灵活运用这些技术，提升数据库的整体性能。
蓝易云
47 18
蓝易云
|
6天前
|
缓存 关系型数据库 MySQL
MySQL 索引优化以及慢查询优化
通过本文的介绍，希望您能够深入理解MySQL索引优化和慢查询优化的方法，并在实际应用中灵活运用这些技术，提升数据库的整体性能。
蓝易云
17 7
蓝易云
|
5天前
|
缓存 关系型数据库 MySQL
MySQL 索引优化与慢查询优化：原理与实践
通过本文的介绍，希望您能够深入理解MySQL索引优化与慢查询优化的原理和实践方法，并在实际项目中灵活运用这些技术，提升数据库的整体性能。
蓝易云
26 5
蓝易云
|
9天前
|
存储 关系型数据库 MySQL
Mysql索引：深入理解InnoDb聚集索引与MyisAm非聚集索引
通过本文的介绍，希望您能深入理解InnoDB聚集索引与MyISAM非聚集索引的概念、结构和应用场景，从而在实际工作中灵活运用这些知识，优化数据库性能。
蓝易云
57 7
喜欢猪猪
|
25天前
|
关系型数据库 MySQL Java
MySQL索引优化与Java应用实践
【11月更文挑战第25天】在大数据量和高并发的业务场景下，MySQL数据库的索引优化是提升查询性能的关键。本文将深入探讨MySQL索引的多种类型、优化策略及其在Java应用中的实践，通过历史背景、业务场景、底层原理的介绍，并结合Java示例代码，帮助Java架构师更好地理解并应用这些技术。
喜欢猪猪
25 2

热门文章

最新文章

  • 1
    RDS入门——Excel文件转存到RDS数据库实践
  • 2
    PostgreSQL SQL HINT的使用
  • 3
    Mysql数据库初始化后更改数据存储目录
  • 4
    mysql M-S 主从配置
  • 5
    MySQL学习笔记_2_MySQL创建数据表（上）
  • 6
    Reactive Spring实战——响应式MySql交互
  • 7
    Linux命令：MySQL系列之四--MySQL管理创建CREATE表和索引
  • 8
    [MySQL]命令行工具和基本操作
  • 9
    mysql中的时间函数---运维常用
  • 10
    mysql索引优化
  • 1
    Java医院绩效考核系统源码B/S+avue+MySQL助力医院实现精细化管理
    80
  • 2
    Linux对MySQL语法校验
    89
  • 3
    【MySQL系列笔记】分库分表
    212
  • 4
    mysql 设置环境变量与未设置环境变量连接数据库的区别
    162
  • 5
    服务器Linux系统配置mysql数据库主从自动备份
    214
  • 6
    mysqlTools 一分钟部署安装本mysql多个版本，解锁繁琐部署过程
    419
  • 7
    golang使用gorm操作mysql3，数据查询
    97
  • 8
    golang使用gorm操作mysql2
    62
  • 9
    golang使用gorm操作mysql1
    115
  • 10
    Hbase与MySQL对比，区别是什么？
    309

    • 相关课程

    更多
  • MySQL企业常见架构与调优经验分享
  • 云数据库MySQL版快速上手教程
  • 阿里云云原生数据仓库AnalyticDB MySQL版 使用教程
  • MySQL实战进阶
  • 数据库及SQL/MySQL基础
  • 云数据库MySQL快速入门

    • 相关电子书

    更多
  • 搭建电商项目架构连接MySQL
  • 搭建4层电商项目架构，实战连接MySQL
  • PolarDB MySQL引擎重磅功能及产品能力盛大发布

    • 相关实验场景

    更多
  • MySQL基础-学生管理系统数据库设计
  • 如何快速连接云数据库RDS MySQL
  • MySQL数据库快速部署实践
  • MySQL引擎及架构优化
  • 基于EBS部署高性能的MySQL服务
  • 使用CloudLens采集RDS日志并进行审计分析

    • 推荐镜像

    更多
  • mysql
  • mariadb
  • postgresql
    • 下一篇
    阿里云oss存储简介和如何使用