MySQL能去哪里学习？

首先，学习基本的SQL语法。完成这个后，你就可以编写SQL语句了。这一步推荐：W3Schools的 SQL 教程。

其次，学习数据库的主要功能和使用方法，比如用户相关或者权限相关等等。

我推荐两本书：

一、《MySQL必知必会》 这本书讲的非常全，从基本概念，到查询到插入新建表，用户的管理，都有具体的例子，非常适合没有任何基础的同学来学习Mysql，总之这本书学习的方法就是：1、十分钟了解下数据库的基本概念 2、找到练手的数据库 3、对照着上面的内容去敲。本书里也有大量的内容是讲sql的，可以结合w3c的sql教程一起，有取舍地看。

二、《数据库系统概念》这本书是dba必看的。看完这些并且实践+思考之后，可以算入门了。接下来对于希望深入学习的童鞋我推荐几本书（很多大神都这么推荐），《高性能MySQL(第3版)》、 《MySQL技术内幕(第4版)》，《MySQL技术内幕 InnoDB存储引擎》，《深入理解MySQL》还有Mysql的官网。读完这些东西，再加些丰富的经验，理论上来讲就具备DBA的水平了。十分推荐阅读Planet MySQL上汇总的博客，特别是Percona's MySQL &InnoDB performance and scalability blog但是，正如我开头所言的。

面对问题的时候一定要积极思考！比如：我问你，面对一个并发量比较高的场景，如何配置mysql的连接数？你可能会回答：“哦，就是调高max_connection的数值吧。”那，你有没有思考过调到多少是最合适的呢？为什么这样设置就最合适呢？也许你会回答：“恩我知道，可以看系统之前的max_used_connection的数值，然后来设置。也可以调高back_log的值。”那你有没有思考过，max_connection连接数太高会有什么不好的影响呢？back_log设置的太高有什么不好的地方呢？max_connect的上限其实是取决于mysql能获得的文件描述符的数量，也就是说你就算设置成10000，最后也是没用的，系统会根据机器的情况自动调低。也许你会回答：“恩我知道，设置太高，会有系统开销...”那你有没有思考过，这些开销具体是什么呢？是什么工作导致了需要这些内存开销？也许你还会回答，在连接创建的时候，会立刻为它分配连接缓冲区以及查询缓冲区，这些都会吃内存。那你有没有思考过，占据的资源具体是多少呢？取决于哪些因素呢？好了，我们先结束这个问题。回到知乎的问题上来，其实我说了这么多，就是表达要如何自学mysql。所以的所以，你必须不断思考，才能在工作中面对具体场景的时候，非常淡定地推断：“哦，一定是这里出了问题。应该怎么怎么做。”面对问题，拿出打破砂锅问到底的精神，先思考一番，给出自己的假设，不要着急地去找度娘，谷歌。思考过后，带着你的推断或者答案，大胆地去搜索吧！去看看别人的见解，去看看官方的描述！这才是一个工程师应有的态度。最后我想给出一些有价值的学习资料。可以省去一些时间。-电子书：我认为多看书还是有好处的。有些书值得反复看许多遍，有时候只看一遍无法深刻理解吸收，思考也不够充分

我们都知道，服务器数据库的开发一般都是通过java或者是PHP语言来编程实现的，而为了提高我们数据库的运行速度和效率，数据库优化也成为了我们每日的工作重点，今天，昌平IT培训http://www.kmbdqn.cn/就一起来了解一下mysql服务器数据库的优化方法。

为什么要了解索引真实案例案例一：大学有段时间学习爬虫，爬取了知乎300w用户答题数据，存储到mysql数据中。

那时不了解索引，一条简单的“根据用户名搜索全部回答的sql“需要执行半分钟左右，完全满足不了正常的使用。

案例二：近线上应用的数据库频频出现多条慢sql风险提示，而工作以来，对数据库优化方面所知甚少。

例如一个用户数据页面需要执行很多次数据库查询，性能很慢，通过增加超时时间勉强可以访问，但是性能上需要优化。

索引的优点合适的索引，可以大大减小mysql服务器扫描的数据量，避免内存排序和临时表，提高应用程序的查询性能。

索引的类型mysql数据中有多种索引类型，primarykey，unique，normal，但底层存储的数据结构都是BTREE有些存储引擎还提供hash索引，全文索引。

BTREE是常见的优化要面对的索引结构，都是基于BTREE的讨论。

B-TREE查询数据简单暴力的方式是遍历所有记录如果数据不重复，就可以通过组织成一颗排序二叉树，通过二分查找算法来查询，大大提高查询性能。

而BTREE是一种更强大的排序树，支持多个分支，高度更低，数据的插入、删除、更新更快。

现代数据库的索引文件和文件系统的文件块都被组织成BTREE。

btree的每个节点都包含有key，data和只想子节点指针。

btree有度的概念d>=1。

假设btree的度为d，则每个内部节点可以有n=[d+1，2d+1)个key，n+1个子节点指针。

树的大高度为h=Logb[(N+1)/2]。

索引和文件系统中，B-TREE的节点常设计成接近一个内存页大小(也是磁盘扇区大小)，且树的度非常大。

这样磁盘I/O的次数，就等于树的高度h。

假设b=100，一百万个节点的树，h将只有3层。

即，只有3次磁盘I/O就可以查找完毕，性能非常高。

索引查询建立索引后，合适的查询语句才能大发挥索引的优势。

另外，由于查询优化器可以解析客户端的sql语句，会调整sql的查询语句的条件顺序去匹配合适的索引。

---