在任何一种数据库中，都会有各种各样的日志，记录着数据库工作的方方面面，以帮助数据库管理员追踪数据库曾经发生过的各种事件。MySQL 也不例外，在 MySQL 中，有 4 种不同的日志，分别是错误日志、二进制日志（BINLOG 日志）、查询日志和慢查询日志，这些日志记录着数据库在不同方面的踪迹。 错误日志是 MySQL 中最重要的日志之一，它记录了当 mysqld 启动和停止时，以及服务器在运行过程中发生任何严重错误时的相关信息。当数据库出现任何故障导致无法正常使用时，可以首先查看此日志。 该日志是默认开启的，查看日志位置指令：

随着公司业务快速发展，数据库中的数据量猛增，访问性能也变慢了，优化迫在眉睫。原因在于关系型数据库本身比较容易成为系统瓶颈，单机存储容量、连接数、处理能力都有限。当单表的数据量达到 1000W 或 100G 以后，由于查询维度较多，即使添加从库、优化索引，做很多操作时性能仍下降严重。 解决上述问题通常有以下两种方案： 通过提升服务器硬件能力来提高数据处理能力，比如增加存储容量 、CPU 等，这种方案成本很高，并且如果瓶颈在 MySQL 本身那么提高硬件也是有很的

随着应用业务数据不断的增大，应用的响应速度不断下降，在检测过程中我们不难发现大多数的请求都是查询操作。 此时，我们可以将数据库扩展成主从复制模式，将读操作和写操作分离开来，多台数据库分摊请求，从而减少单库的访问压力，进而应用得到优化。 本次测试使用两个虚拟机： ip：192.168.2.21（主） ip：192.168.2.22（从）

笔者之前写过 《MySQL 性能优化技巧》 文章，但没有涉及到 MySQL 安全方面的知识。虽说这是 DBA 需要学习的内容与后端开发人员关系不大，但俗话说技多不压身，即便不深入学习，也需要对其相关内容有所了解。 测试环境 MySQL 5.7.20 以下便是笔者浅学后的内容总结。

MongoDB 虽说是文档型数据库，但是在学习和使用其语法时发现又与 MySQL 有些相似之处，在此记录点滴日后复习。 https://docs.mongodb.com/manual/reference/sql-aggregation-comparison/ 关键字和函数相关 https://docs.mongodb.com/manual/reference/sql-comparison/ 语句相关

MongoDB 是由 C++ 语言编写的，是一个基于分布式文件存储的开源数据库系统。 MongoDB 旨在为 WEB 应用提供可扩展的高性能数据存储解决方案。

最近公司项目添加新功能，上线后发现有些功能的列表查询时间很久。原因是新功能用到旧功能的接口，而这些旧接口的 SQL 查询语句关联5,6张表且编写不够规范，导致 MySQL 在执行 SQL 语句时索引失效，进行全表扫描。原本负责优化的同事有事请假回家，因此优化查询数据的问题落在笔者手中。笔者在查阅网上 SQL 优化的资料后成功解决了问题，在此从全局角度记录和总结 MySQL 查询优化相关技巧。 数据查询慢，不代表 SQL 语句写法有问题。 首先，我们需要找到问题的源头才能“对症下药”。笔者用一张流程图展示 MySQL 优化的思路：

闲暇之余在虚拟机安装了 Centos 7.2 系统，按照 《简单安装MySQL（RPM方式）》 这篇文章安装 MySQL ，发现由于包依赖的问题安装失败，于是索性在官网查询相关文档进行 MySQL 的安装。 本次安装选择 Installing MySQL on Linux Using the MySQL Yum Repository 方式