MySQL问题4

MySQL中varchar和char的区别

在 MySQL 中，VARCHAR 和 CHAR 都是用于存储字符串类型的字段，但它们在存储方式、性能、适用场景等方面存在明显区别：

1. 存储方式

举例：

CHAR(10): 存 'abc'，存储为 'abc       '（右侧补7个空格）
VARCHAR(10): 存 'abc'，只占 3 + 1 = 4 个字节

2. 性能对比

CHAR 读取更快，但除非数据长度始终一致，否则它占用空间较大。

3. 使用场景推荐

4. 其他注意事项

• 最大长度限制

  • CHAR 最多 255 个字符。
  • VARCHAR 最多 65535 字节（注意字符集影响，如 utf8 每字符占 3 字节）。

• 行格式限制

  • InnoDB 表中，如果 VARCHAR 太长，可能会被拆分存储到“溢出页”。

口诀：

「定长用 CHAR，变长用 VARCHAR；空间选 VARCHAR，速度选 CHAR。」

MySQL中count()、count(1)和count(字段名)的区别

在 MySQL 中，COUNT()、COUNT(1)、COUNT(字段名) 都是用于统计行数的聚合函数，但它们在统计逻辑、NULL 处理、性能优化等方面存在区别。

1 、三者区别

示例：

假设有一张表 users：

1. SELECT COUNT(*) FROM users;

返回 4，统计全部行。

2. SELECT COUNT(1) FROM users;

返回 4，和 COUNT(*) 一样，1只是个常量。

3. SELECT COUNT(name) FROM users;

返回 2，因为只有两行 name 不是 NULL。

4. SELECT COUNT(age) FROM users;

返回 2，同样只统计非 NULL 的 age。

2、性能区别

• COUNT(*) 是最推荐使用的统计行数方式：

  • MySQL 优化器会做特别优化，不实际读取列，直接走统计信息。

• COUNT(1) 理论上和 COUNT(*) 等价，区别不大，但没有 COUNT(*) 优化彻底。

• COUNT(字段名) 性能较慢，因为需要判断字段是否为 NULL。

区别：

1. COUNT(*)：最全、最快，连 NULL 也算。
2. COUNT(1)：等价于 COUNT(*)，但没优化优势。
3. COUNT(字段)：只数非 NULL 的字段行。

MySQL的B+树中查询数据的全过程

假设我们有以下索引结构（id 是主键）：

          [30 | 60]
         /    |    \
     [10 20] [40 50] [70 80 90] ← 叶子节点，存数据

• 根节点 [30, 60]：索引 key，不存数据
• 叶子节点：[10,20], [40,50], [70,80,90] 存储完整行数据（聚簇索引）
• 每个节点就是一页（Page），约16KB

1、查询过程（以查询 id = 70 为例）

步骤一：从根节点开始搜索

• 根节点 key 为 [30, 60]
• 70 > 60 → 选择第三个子节点：[70, 80, 90]

步骤二：进入叶子节点

• 叶子节点是 [70, 80, 90]
• 在叶子节点内部做二分查找或顺序查找
• 找到 id=70 对应的整行数据（聚簇索引）

查找完成！

2、全过程总结（图解）

           +-------------+
           |  30   60    |   ← 根节点 (非叶子)
           +-------------+
            /     |      \
     +----------+ +------+---------+
     |10 20 ... | |40 50 ...| 70 80 90 ← 叶子节点
     +----------+ +------+---------+

• 查询 id=45：

  • 根节点：[30,60] → 45 位于中间 → 走中间分支
  • 进入 [40,50] 节点 → 找到 45 或返回不存在

示例：B+树结构示意图

以一个主键索引为例（InnoDB 聚簇索引），建表如下：

CREATE TABLE users (
  id INT PRIMARY KEY,
  name VARCHAR(20)
);

假设表中数据如下（id 是主键）：

id: 10, 20, 30, 40, 50, 60, 70, 80, 90

经过 B+ 树组织后，大概结构如下：

                             [40]
                          /       \
               [10, 20, 30]       [50, 60, 70] --------> [80, 90]
                (页1)              (页2)                    (页3)

• [] 表示一个页（Page），每页约16KB，包含多个 key
• 叶子节点之间通过链表相连（→），支持范围查找
• 中间节点只存索引 key，不存数据
• 叶子节点存完整行数据（id, name）

查询过程可视化：查找 id = 70

Step 1：从根节点开始
┌───────────────┐
│     [40]      │ ← 根节点（非叶子）
└───────────────┘
        │
        └── id > 40，向右走

Step 2：进入右子树
┌────────────────────┐
│   [50, 60, 70]      │ ← 叶子节点，页2
└────────────────────┘

Step 3：在页2中顺序查找
   找到了 id = 70，对应整行数据 name = 'Tom'

查询完成，最多访问两页内存/磁盘页。

范围查询过程：查找 id BETWEEN 60 AND 85

Step 1：从根节点 [40] 开始，id > 40 → 右子树

Step 2：访问页2 [50, 60, 70] → 拿到 60, 70

Step 3：顺着链表 → 页3 [80, 90] → 拿到 80，停止

最终结果：60, 70, 80