MySQL 数据库篇（一）入门到上手：Ubuntu 环境安装、基础操作与核心概念全解析

观众老爷们大家好 这里是邪修KING的独家频道 本文属于系列MySQL ——数据库管理 一起学Linux的小伙伴可订阅专栏： MySQL数据库篇 MySQL 作为当下最流行的开源关系型数据库，是后端开发、运维岗位的必备基础技能。本文将从 Ubuntu 系统下的安装部署入手，带你完成第一个学生信息库的创建与数据操作，再系统梳理数据库核心概念、SQL 分类与内核架构，帮你建立完整的 MySQL 入门认知。

一、Ubuntu 系统下 MySQL 的安装、校验与登录

1.1 检查 MySQL 是否已安装

在 Linux 环境中，我们可以通过which命令快速定位 MySQL 的客户端与服务端程序，判断是否完成安装：

which mysql   # 查看MySQL客户端程序路径
which mysqld  # 查看MySQL服务端程序路径

如果命令返回了对应的文件路径（例如/bin/mysql、/sbin/mysqld），则说明系统中已经安装了 MySQL。

除此之外，MySQL 服务端默认会监听 3306 端口，我们也可以通过端口监听状态，确认服务是否正常运行：

netstat -anp | grep 3306

正常运行时，会看到 tcp6 协议的 3306 端口处于LISTEN状态，对应的进程正是mysqld。

这里我们先明确两个基础概念：

• mysql：MySQL 的客户端程序，是我们和数据库服务交互的工具
• mysqld：数据库服务的服务器端进程，是真正提供数据存取服务的后台程序
  MySQL 本质上就是一套基于 C（客户端 mysql）/S（服务端 mysqld）模式的网络服务。

1.2 普通用户登录 MySQL

安装并启动服务后，我们通过 MySQL 客户端命令登录数据库，基础登录语法为：

mysql -u 用户名 -p

执行命令后终端会提示输入密码，输入正确密码即可进入 MySQL 交互终端。

• -u：指定登录的数据库用户名
• -p：表示使用密码验证，注意-p和密码之间不要加空格；也可以直接写-p密码，但不推荐该写法（密码会明文显示在命令行中）

登录成功后，我们就可以在终端中执行 SQL 语句，完成数据库的各类操作。

二、实战：创建学生信息库与数据操作

我们通过一个学生信息表的简单案例，快速上手数据库的基础增查操作。

2.1 创建并进入数据库

首先创建一个独立的数据库，用来存放学生相关数据：

create database helloworld;

创建完成后，使用use命令切换到目标数据库：

use helloworld;

看到Database changed的提示，就说明已经成功进入该数据库，后续操作都会默认作用在这个库上。

2.2 创建学生数据表

接下来我们创建一张student表，存储学生的姓名、年龄、性别信息：

create table student(
    name varchar(32),
    age int,
    gender varchar(2)
);

语句说明：

• create table：属于 DDL 语句，作用是创建数据表
• name varchar(32)：姓名字段，可变长度字符串类型，最长支持 32 个字符
• age int：年龄字段，整数类型
• gender varchar(2)：性别字段，可变长度字符串类型

2.3 插入学生数据

使用insert语句向表中插入数据：

insert into student(name,age,gender) values('张三',20,'男');

执行成功后会返回Query OK, 1 row affected，表示一行数据插入完成。我们可以重复执行该语句，插入多条测试数据。

2.4 查询与退出

使用select语句查询表中的全部数据：

select * from student;

其中*代表查询表中所有字段，执行后会以表格形式返回全部学生记录。

操作完成后，输入quit或exit即可退出 MySQL 终端，回到 Linux 命令行。

三、MySQL 核心基础概念全解

很多初学者容易混淆数据库、数据库服务器、表等概念，我们结合图示把这些基础概念梳理清楚。

3.1 服务器、数据库、表的层级关系

很多人会把 “数据库” 和 “数据库服务器” 混为一谈，二者是完全不同的概念：

• 数据库（DB）：是在磁盘或内存中存储的、有特定结构组织的数据集合，简单理解就是 “存放数据的仓库”，是一套持久化的数据存储方案。
• 数据库服务器：指安装在机器上的数据库管理系统程序（也就是mysqld进程），它负责管理所有数据库，提供数据增删改查、权限控制、事务保障等能力。

一台 MySQL 服务器（一个mysqld进程）可以管理多个数据库，开发中通常会给每个业务应用创建一个独立的数据库；而一个数据库中又会创建多张数据表，用来对应业务中的不同实体（比如学生表、课程表、成绩表）。

整体层级关系为：客户端 → MySQL服务端 → 数据库 → 数据表。

3.2 为什么不用普通文件存储数据？

有人会提出疑问：普通文件也能存储数据，为什么一定要用数据库？
普通文件确实具备基础的数据存储能力，但从用户和开发者的角度，它缺乏完善、高效的数据管理能力：

1. 查询效率：在文件中查找特定数据需要遍历整个文件，数据量大时效率极低；数据库可以通过索引实现秒级精准查询。
2. 并发控制：多用户同时修改文件时，很容易出现数据覆盖、错乱；数据库提供了事务和锁机制，保障并发场景下的数据一致性。
3. 数据约束：数据库可以定义字段类型、非空、唯一、外键等约束，从底层保证数据的合法性；普通文件无法原生支持这类校验。
4. 权限管控：数据库可以精细控制不同用户的读写、修改权限；文件只能做操作系统级别的粗粒度权限控制。
5. 备份与恢复：数据库提供了完善的备份、容灾、故障恢复机制；文件备份只能手动拷贝，数据出错后恢复成本极高。

3.3 SQL 语言的三大分类

SQL（结构化查询语言）是操作关系型数据库的标准语言，按照功能可以分为三大类：

1. DDL（Data Definition Language，数据定义语言）
   作用：维护数据的存储结构，对库、表、索引等结构对象进行创建、修改、删除。
   代表指令：

• create：创建数据库、数据表、索引等
• drop：删除数据库、数据表等
• alter：修改表结构、库属性等

2. DML（Data Manipulation Language，数据操纵语言）
   作用：对数据表中的数据进行增、删、改操作。
   代表指令：

• insert：插入数据
• delete：删除数据
• update：修改数据

其中DQL（Data Query Language，数据查询语言）通常被单独划分出来，专门负责数据查询，核心指令就是select，也是日常开发中最常用的 SQL 语句。

3. DCL（Data Control Language，数据控制语言）
   作用：负责数据库的权限管理和事务控制。
   代表指令：

• grant：给用户授予操作权限
• revoke：收回用户的操作权限
• commit：提交事务，持久化数据修改

3.4 存储引擎：MySQL 的底层数据内核

存储引擎是数据库管理系统中，实现数据存储、索引构建、数据更新与查询的底层技术方案。
MySQL 最核心的设计特点就是插件式存储引擎，它支持多种存储引擎，我们可以根据业务场景灵活选择，就像更换零件一样自由切换。

我们可以通过命令查看当前 MySQL 支持的所有存储引擎：

show engines;

返回结果中会展示每个引擎的支持状态、功能说明，以及是否支持事务、XA、保存点等能力。

常见的存储引擎特点：

• InnoDB：MySQL 的默认存储引擎，支持事务、行级锁、外键约束，是最通用的事务型引擎，适合绝大多数业务场景。
• MyISAM：不支持事务，仅支持表级锁，读操作速度快，适合读多写少的非事务场景。
• Memory：数据直接存储在内存中，访问速度极快，但服务重启后数据会丢失，适合做临时表、热点数据缓存。

四、MySQL 内核架构全景解析

我们通过 MySQL 的整体架构图，来理解一条 SQL 语句从客户端发出，到底经历了哪些处理环节。

整个 MySQL Server 从上到下可以分为几个核心层级：

4.1 连接池层（Connection Pool）

这是客户端请求进入 MySQL 的第一层，负责连接处理、身份认证与安全校验。

• 管理客户端的网络连接，验证用户名、密码和主机访问权限
• 负责连接复用、线程管理，避免每次请求都新建连接，提升性能
• 做基础的安全校验，比如权限初判、基础注入检测

4.2 SQL 接口与解析优化层

这一层是 MySQL 的 “处理大脑”，负责 SQL 语句的解析与优化：

1. SQL Interface（SQL 接口）
   接收客户端发来的 SQL 语句，支持 DML、DDL、存储过程、触发器、视图等各类 SQL 语法。
2. Parser（解析器）
   对 SQL 语句进行词法分析、语法分析，检查 SQL 语法是否合法，然后生成语法解析树，交给后续环节处理。
3. Optimizer（优化器）
   这是 MySQL 的性能核心，它会对解析后的 SQL 进行执行优化：比如选择哪个索引、表的连接顺序、如何改写 SQL 效率更高，最终生成最优的执行计划。
4. Caches（缓存）
   包含全局查询缓存和各引擎专属的缓存，把常用的查询结果、数据页缓存在内存中，大幅提升查询速度。（注：MySQL 8.0 版本后已移除全局查询缓存）

4.3 插件式存储引擎层

存储引擎是真正负责数据读写的底层模块，MySQL 通过插件式架构支持 InnoDB、MyISAM、Memory、Archive 等多种引擎。
不同存储引擎的实现逻辑完全不同：有的支持事务，有的不支持；有的数据持久化到磁盘，有的只存在内存中。上层的 SQL 层不关心底层用什么引擎，只需要和存储引擎的标准接口交互即可，这就是插件化架构的灵活性。

4.4 文件系统与日志层

最底层是操作系统的文件系统和各类日志文件：

• File System：数据最终会持久化存储在磁盘文件系统上，比如 Linux 的 ext4、Windows 的 NTFS，也支持 SAN、NAS 等网络存储设备。
• Logs and Files：包含各类日志和数据文件，比如二进制日志 binlog、错误日志、慢查询日志，以及 InnoDB 的 redo 日志、undo 日志，还有数据文件、索引文件等。这些文件保障了数据的持久化、故障恢复和事务安全。

4.5 服务与工具集

除了核心的 SQL 执行链路，MySQL 还提供了一整套管理工具与服务，比如备份恢复、安全管理、主从复制、数据库集群、表分区等功能，支撑数据库的日常运维与高可用部署。

---

以上就是 MySQL 入门的全部基础内容，从环境安装到实战操作，再到核心概念与内核架构，我们建立了完整的知识框架。后续我们会继续深入学习 SQL 进阶用法、索引原理、事务与锁机制等内容，一步步掌握 MySQL 的核心能力。

---

最后科普一下数据库分类：
数据库整体可以分为关系型数据库（SQL）、非关系型数据库（NoSQL） 两大体系，同时还有面向专项场景的领域数据库、融合架构的 NewSQL 等类别，下面按分类介绍主流的数据库产品。

一、关系型数据库（SQL 型）

这类数据库基于关系模型设计，以「表 - 行 - 列」的结构化方式存储数据，支持标准 SQL 语言，严格遵循 ACID 事务特性，适合数据结构稳定、要求数据强一致性的业务场景。

1. MySQL
   最主流的开源关系型数据库，轻量易用、生态完善，默认 InnoDB 引擎支持事务与行级锁，是 Web 后端开发的标配数据库，广泛应用于互联网、中小企业各类业务系统。
2. PostgreSQL
   开源的 “全功能” 关系型数据库，支持复杂查询、JSON/JSONB、地理信息、自定义类型等高级特性，并发处理能力强，常被用于数据仓库、GIS 系统、复杂业务系统。
3. Oracle
   老牌商业闭源数据库，功能、稳定性、安全性都属于顶级，支持海量数据与复杂企业级场景，是金融、运营商、大型国企的主流选择，但授权成本极高。
4. Microsoft SQL Server
   微软推出的商业关系型数据库，和 Windows 生态、.NET 技术栈深度绑定，内置丰富的报表、BI、数据分析工具，适合 Windows 平台的企业级应用。
5. SQLite
   轻量嵌入式文件型数据库，不需要独立的服务进程，体积只有几百 KB，直接集成在应用程序中使用。广泛用于手机 APP、桌面软件、嵌入式设备、浏览器本地存储。
6. IBM DB2
   IBM 推出的企业级商业数据库，主打大型机、高端服务器场景，在金融、银行等传统大型企业中应用较多，稳定性与兼容性极强。

二、非关系型数据库（NoSQL 型）

这类数据库不强制要求固定的表结构，支持灵活的数据模型，主打高并发读写、海量数据存储、横向扩展，是对传统关系型数据库的补充，适合数据结构多变、高并发的互联网场景。

1. 键值型数据库（Key-Value）

以「键 - 值」的格式存储数据，读写性能极高，结构最简单。

• Redis：最流行的内存键值数据库，支持字符串、哈希、列表、集合等多种数据结构，性能极强，常用来做缓存、会话存储、排行榜、限流、分布式锁。
• Memcached：轻量级纯内存缓存，功能比 Redis 简单，仅支持字符串键值，多用于简单的热点数据缓存。

2. 文档型数据库

以类 JSON 的文档格式存储数据，结构灵活，支持嵌套数据。

• MongoDB：最主流的文档数据库，使用 BSON（二进制 JSON）存储，无需提前定义表结构，适合数据模型不固定的场景，比如内容管理、社交应用、物联网数据。

3. 列存储数据库

以 “列” 为单位存储数据，适合海量数据的批量写入与查询，主打大数据场景。

• HBase：基于 Hadoop 生态的分布式列存数据库，支持 PB 级数据存储，适合海量日志、用户画像、历史数据归档等大数据场景。
• Cassandra：分布式高可用列存数据库，无单点故障，支持跨区域部署，适合高写入、高可用要求的场景。

4. 图数据库

专门存储「实体与实体之间的关系」，擅长处理关联数据查询。

• Neo4j：最流行的图数据库，原生图存储与图计算，适合社交关系、知识图谱、推荐系统、路径规划等强关联场景。
• NebulaGraph：国产开源高性能图数据库，支持超大规模图数据，适合企业级知识图谱、风控等场景。

三、专项领域数据库

面向特定业务场景设计的垂直领域数据库：

1. 时序数据库（TSDB）
   专门存储时间序列数据（带时间戳的指标数据），针对海量时序数据的写入、压缩、查询做了深度优化。
   代表：InfluxDB、TDengine（国产物联网时序库）、Prometheus（监控指标存储）。
   适用场景：设备监控、运维监控、物联网传感器数据、金融行情数据。
2. 全文检索数据库
   专门做全文索引与模糊检索，支持分词、相关性排序、复杂搜索。
   代表：Elasticsearch（ES）、Solr，均基于 Lucene 引擎开发。
   适用场景：站内搜索、商品搜索、日志分析、数据检索系统。
3. 向量数据库
   专门存储与检索高维向量数据，是 AI 大模型时代的核心基础设施，用于语义检索、知识库匹配。
   代表：Milvus、Pinecone、Weaviate。

四、NewSQL 分布式关系型数据库

融合了关系型数据库的 SQL 支持、事务 ACID 特性，和 NoSQL 的分布式扩展、高可用能力，解决传统关系型数据库海量数据下的扩容瓶颈。

• TiDB：国产开源 NewSQL，完全兼容 MySQL 语法，支持水平扩展，适合高并发、海量数据的互联网业务。
• Google Spanner：谷歌自研的全球分布式 NewSQL，是分布式数据库的标杆产品。

---

以上就是本期内容了，感谢各位观看

转载自 CSDN-专业IT技术社区

原文链接：https://blog.csdn.net/mogreat/article/details/164453658