一.发展史
1.文件存储（所有的内容都存在文件中）
2.单文件存储（key-value）（存储在多个文件中，会有一张存地址的表key-对应的磁盘路径，查找速度回相对快）
3.层次数据（key-value）
key1parent：k2
child：K3
key2……key3……4.网状数据库
在层次数据库的基础中（上图）行数据如果超过16K，数据库就会自动创建溢出桶，溢出桶超过16K，溢出桶也会创建溢出桶，形成网状数据库。
故：设计数据库时尽量计算一下所有列加在一起的长度尽量不要超过16K
此问题也不用考虑，DBA可以通过工具进行碎片整理，将溢出的桶整理，将同一个行数据尽量保持在同一个主桶中
二.性能（索引）
1.B+索引一般用于唯一索引（主键等）
目前会要求数据库内存大点是为了存储索引内容（目前索引会将索引对应的字段存入到索引体系中）
故：索引字段尽量不要太长（会增加存储索引的内容，从而占用数据库内存）
索引尽量用整型，其次浮点型、再其次是varchar型
2.varchar型索引优化
例如：A表的varchar字段：UUID
需要添加一个字段CRC（32）【此字段存储UUID字段转换成CRC（32）int类型的字段】
查询语句的写法
select 字段 from 表
where CRC(32) =? 【因为数据量相当大是，CRC(32) 会有重复（即使UUID是不重复的），故UUID字段查询条件还是要加入，但是因为先过滤了CRC（32），UUID过滤之后，重复的数据量就会很少，检索速度也会很高】
and UUID = ?
3.组合索引
例如：索引A 组合了A、B、C三个字段
数据库后台操作时，实际会添加三个索引
index（A）
index（A、B）
index（A、B、C）
故：如果创建了A、B、C的组合索引，再搜索A或者A、B或者ABC的时候索引会起作用，搜索BC索引不起作用
索引会遵循左坠索引原则（具体可以查看一下，不同的数据库原则会不太一样，mysql遵循此原则）
三.发展趋势
SQL语言：是非存储性语言
只是一个报表语语言、表示层语言
SQL语言本身就会降低数据的处理速度
nosql，就是不通过sql语音，直接操作数据库，速度回相对比较高
Habse：表示层语言 phinx
hadoop：表示层语言Hive
