• GreatSQL社区原创内容未经授权不得随意使用，转载请联系小编并注明来源。

1. 导言

我们在采用InnoDB引擎的情况下，编写SQL语句WHERE条件的时候，可以通过AND操作符来提高数据的过滤能力，当然，在使用AND操作符也有许多需要注意的地方，就好比一条更新语句：

mysql>update testtable set price = 52.0,name = 'test_name';

本意是将表内对应字段重置为指定信息，可是现在不小心写成了：

mysql>update testtable set price = 52.0 and name = 'test_name';

这个时候，我们查看表发现：

mysql> select * from testtable;
+----+----------+------------+
| id | name     | price      |
+----+----------+------------+
| 1  | old_name |  0.00      |
| 2  | old_name |  0.00      |
+----+----------+------------+

显然，系统会把AND当做判断条件进行逻辑判断，这里所有列都不满足条件，所以结果为0。此时，我们可以利用事务回滚特性，回滚这个update，而为了更好地理解，我们需要重新来看看这一条update语句

2. binlog和redo log

现有一条SQL语句：

mysql>update testtable set price = price + 1 where id = 5;

我们知道，这条语句在分析器是进行词法和语法解析，并且知道这是一条更新语句。并由优化器决定要使用id这个索引。然后，执行器负责具体执行，找到这一行，然后更新。说到更新流程，说到更新操作，我们不得不提到两个日志模块：binlog和redo log

2.1 binlog

先来说一说binlog，该日志存在于Server层次中，是使用存储引擎都可以使用的日志模块，binlog是逻辑日志，记录的是这个语句的原始逻辑，比如“给id=5这一行的price字段值加1”
binlog的日志文件是可以追加写入的。“追加写入”是指binlog日志文件写到一定大小后会切换到下一个文件进行写入，可以设置sync_binlog为1，让每次事务的binlog都持久化保存到磁盘中

2.2 redo log

而重做日志redo log是MySQL中InnoDB引擎才有的日志，它是物理日志，即记录的内容是“在某个数据页上做了什么修改“

MySQL对于每一次的更新操作如果都需要写进磁盘，然后磁盘也要找到对应的那条记录，然后再更新，过程中的IO成本、查找成本都很高。redo log有效的提升了更新效率

redo log是固定大小的，比如可以配置为一组4个文件，每个文件的大小是1GB，那么总共就可以有4GB的空间去记录我们进行的操作。从头开始写，写到末尾就又回到开头循环写，如下图：

write pos是当前记录的位置，一边写一边后移，写到第log_3文件末尾后就回到log_0文件开头。checkpoint是当前要释放的位置，也是往后推移并且循环的，释放记录前要把记录更新到数据文件。如果write pos追上checkpoint，那就表明全部空间都满了，这时候不能再执行新的更新，得停下来先释放掉一些位置，让checkpoint继续推进

当有一条记录需要更新的时候，InnoDB引擎就会先将数据更新到内存，再把记录写到redo log里面，这个时候更新就算完成了。同时，InnoDB引擎会在适当的时候，将这个操作记录更新到磁盘里面，而这个更新往往是在系统比较空闲的时候做,可以设置 innodb_flush_log_at_trx_commit为1，表示每次事务的redo log都直接持久化到磁盘中

2.3 binlog和redo log的区别

3. InnoDB引擎下模拟执行过程

可参考下图：

• 执行器先通过引擎取到id=5的这一行。id是为该表主键，因此引擎根据BTREE索引查找找到id=5的这一行。如果该行所在的数据页本来就在内存中，就直接返回给执行器；否则，需要先从磁盘读入内存，然后再返回

• 执行器拿到引擎给的行数据，把price值加上1，得到新的一行数据，再调用引擎接口写入这行新数据

• 引擎将这行新数据更新到内存中，同时将这个更新操作记录到redo log里面，此时redo log处于prepare状态。然后告知执行器执行完成了，随时可以提交事务。执行器生成这个操作的binlog，并把binlog写入磁盘

• 执行器调用引擎的提交事务接口，引擎把刚刚写入的redo log改成提交commit状态，更新完成

Enjoy GreatSQL :)