MySQL-SQL优化

矫情吗；* 2023-10-08 17:02 34阅读 0赞

#### 文章目录 ####

*  一、插入数据
 *   *  1、insert
     *  2、大批量插入数据
 *  二、主键优化
 *   *  （1）数据组织方式
     *  （2）页分裂
     *  （3）页合并
     *  （4）索引设计原则
 *  三、order by优化
 *  四、group by优化
 *  五、limit优化
 *  六、count优化
 *   *  1、概述
     *  2、count用法
 *  七、update优化

## 一、插入数据 ##

### 1、insert ###

（1）优化方案一

批量插入数据

Insert into tb_test values(1,'Tom'),(2,'Cat'),(3,'Jerry');

（2）优化方案二

手动控制事务

start transaction;
    insert into tb_test values(1,'Tom'),(2,'Cat'),(3,'Jerry');
    insert into tb_test values(4,'Tom'),(5,'Cat'),(6,'Jerry');
    insert into tb_test values(7,'Tom'),(8,'Cat'),(9,'Jerry');
    commit;

（3）优化方案三

主键顺序插入，性能要高于乱序插入。

主键乱序插入 : 8 1 9 21 88 2 4 15 89 5 7 3
    主键顺序插入 : 1 2 3 4 5 7 8 9 15 21 88 89

### 2、大批量插入数据 ###

如果一次性需要插入大批量数据(比如: 几百万的记录)，**使用insert语句插入性能较低**，此时可以使用MySQL数据库提供的load指令进行插入。操作如下：

![在这里插入图片描述][d79313e05ace4e6e8566c5076a210ef5.png_pic_center]

可以执行如下指令，将数据脚本文件中的数据加载到表结构中：

-- 客户端连接服务端时，加上参数 -–local-infile
    mysql –-local-infile -u root -p
    -- 设置全局参数local_infile为1，开启从本地加载文件导入数据的开关
    set global local_infile = 1;
    -- 执行load指令将准备好的数据，加载到表结构中
    load data local infile '/root/sql1.log' into table tb_user fields
    terminated by ',' lines terminated by '\n' ;

> **主键顺序插入性能高于乱序插入**

示例演示:

A. 创建表结构

CREATE TABLE `tb_user` (
        `id` INT(11) NOT NULL AUTO_INCREMENT,
        `username` VARCHAR(50) NOT NULL,
        `password` VARCHAR(50) NOT NULL,
        `name` VARCHAR(20) NOT NULL,
        `birthday` DATE DEFAULT NULL,
        `sex` CHAR(1) DEFAULT NULL,
    PRIMARY KEY (`id`),
    UNIQUE KEY `unique_user_username` (`username`)
    ) ENGINE=INNODB DEFAULT CHARSET=utf8 ;

B. 设置参数

-- 客户端连接服务端时，加上参数 -–local-infile
    mysql –-local-infile -u root -p
    -- 设置全局参数local_infile为1，开启从本地加载文件导入数据的开关
    set global local_infile = 1;

C. load加载数据

load data local infile '/root/load_user_100w_sort.sql' into table tb_user
    fields terminated by ',' lines terminated by '\n';

![在这里插入图片描述][cafc320dca4b4d1ca8e2c2fc5d427fb9.png_pic_center]

我们看到，插入100w的记录，17s就完成了，性能很好。

> **在load时，主键顺序插入性能高于乱序插入**

## 二、主键优化 ##

主键顺序插入的性能是要高于乱序插入的。

### （1）数据组织方式 ###

在InnoDB存储引擎中，表数据都是根据主键顺序组织存放的，这种存储方式的表称为索引组织表 (index organized table IOT)。

![在这里插入图片描述][7881fc2904ac448ca0bea59cf6d598ad.png_pic_center]

行数据，都是存储在聚集索引的叶子节点上的。而我们之前也讲解过InnoDB的逻辑结构图：

![在这里插入图片描述][aeb8189f139146569bdfd95f2acdf6e1.png_pic_center]

在InnoDB引擎中，数据行是记录在逻辑结构 page 页中的，而每一个页的大小是固定的，默认16K。 那也就意味着， 一个页中所存储的行也是有限的，如果插入的数据行row在该页存储不小，将会存储 到下一个页中，页与页之间会通过指针连接。

### （2）页分裂 ###

页可以为空，也可以填充一半，也可以填充100%。每个页包含了2-N行数据(如果一行数据过大，会行 溢出)，根据主键排列。

A. 主键顺序插入效果

①. 从磁盘中申请页， 主键顺序插入

![在这里插入图片描述][1e79b2d3ba3b447898ace3bca9461014.png_pic_center]

②. 第一个页没有满，继续往第一页插入  
![在这里插入图片描述][5cf43fb2f2314b72a506401923e44f05.png_pic_center]

③. 当第一个也写满之后，再写入第二个页，页与页之间会通过指针连接

![在这里插入图片描述][6296a7cb37f14bf5bcb611f9f1ec5f5c.png_pic_center]

④. 当第二页写满了，再往第三页写入

![在这里插入图片描述][55ebbd04b54f4994bbe611c2853aaa7c.png_pic_center]

B. 主键乱序插入效果

①. 加入1\#,2\#页都已经写满了，存放了如图所示的数据

![在这里插入图片描述][c2be235e833f4e9ea32bfdd0cd377827.png_pic_center]

②. 此时再插入id为50的记录，我们来看看会发生什么现象

会再次开启一个页，写入新的页中吗？

![在这里插入图片描述][4614779f89584cf4a98ec7c4a8126734.png_pic_center]

不会。因为，索引结构的叶子节点是有顺序的。按照顺序，应该存储在47之后。

![在这里插入图片描述][2426f2fb92fa4371b8afb7bb6440bffb.png_pic_center]

但是47所在的1\#页，已经写满了，存储不了50对应的数据了。 那么此时会开辟一个新的页 3\#。

![在这里插入图片描述][02ebf5bb91494a3dabd61661bb6e8842.png_pic_center]

但是并不会直接将50存入3\#页，而是会将1\#页后一半的数据，移动到3\#页，然后在3\#页，插入50。

![在这里插入图片描述][352a25f75dfa44a79e4a8516bc2fd7d7.png_pic_center]

移动数据，并插入id为50的数据之后，那么此时，这三个页之间的数据顺序是有问题的。 1\#的下一个 页，应该是3\#， 3\#的下一个页是2\#。 所以，此时，需要重新设置链表指针。  
![在这里插入图片描述][b6fa800adfad43288a39e51c694beb87.png_pic_center]

上述的这种现象，称之为 “页分裂”，是比较耗费性能的操作。

### （3）页合并 ###

目前表中已有数据的索引结构(叶子节点)如下：

![在这里插入图片描述][07ee802f8ca947e398859ba9420f5506.png_pic_center]

当我们对已有数据进行删除时，具体的效果如下: 当删除一行记录时，实际上记录并没有被物理删除，只是记录被标记（flaged）为删除并且它的空间 变得允许被其他记录声明使用。

![在这里插入图片描述][2e6531949790466a8c0bd23d064b583d.png_pic_center]

当我们继续删除2\#的数据记录

![在这里插入图片描述][1ec588ed3a80423e8d5c646d3c70377e.png_pic_center]

当页中删除的记录达到 MERGE\_THRESHOLD（默认为页的50%），InnoDB会开始寻找最靠近的页（前 或后）看看是否可以将两个页合并以优化空间使用。

![在这里插入图片描述][36f72550b8c4458d90be93152aa2dced.png_pic_center]

删除数据，并将页合并之后，再次插入新的数据21，则直接插入3\#页

![在这里插入图片描述][ce7b7458b5e843c7ac481d4ca8d5a05b.png_pic_center]

这个里面所发生的合并页的这个现象，就称之为 “页合并”。

> **知识小贴士： MERGE\_THRESHOLD：合并页的阈值，可以自己设置，在创建表或者创建索引时指定。**

### （4）索引设计原则 ###

满足业务需求的情况下，尽量降低主键的长度。

插入数据时，尽量选择顺序插入，选择使用AUTO\_INCREMENT自增主键。

尽量不要使用UUID做主键或者是其他自然主键，如身份证号。

业务操作时，避免对主键的修改。

![在这里插入图片描述][34db30338ae14c9c99c7b23e2787a711.png_pic_center]

## 三、order by优化 ##

MySQL的排序，有两种方式：

Using filesort : 通过表的索引或全表扫描，读取满足条件的数据行，然后在排序缓冲区sort buffer中完成排序操作，所有不是通过索引直接返回排序结果的排序都叫 FileSort 排序。

Using index : 通过有序索引顺序扫描直接返回有序数据，这种情况即为 using index，不需要 额外排序，操作效率高。

对于以上的两种排序方式，Using index的性能高，而Using filesort的性能低，我们在优化排序操作时，尽量要优化为 Using index。

接下来，我们来做一个测试：

A. 数据准备

把之前测试时，为tb\_user表所建立的部分索引直接删除掉

drop index idx_user_phone on tb_user;
    drop index idx_user_phone_name on tb_user;
    drop index idx_user_name on tb_user;

![在这里插入图片描述][4c9481378e9847a99a79c6b14d429ba1.png_pic_center]

B. 执行排序SQL

explain select id,age,phone from tb_user order by age ;

![在这里插入图片描述][2e4475cde98840a1aab2cc12aaba50d1.png_pic_center]

explain select id,age,phone from tb_user order by age, phone ;

![在这里插入图片描述][c26e07e57ad94f24a7b987191cb9d551.png_pic_center]

C. 创建索引

-- 创建索引
    create index idx_user_age_phone_aa on tb_user(age,phone);

D. 创建索引后，根据age, phone进行升序排序

explain select id,age,phone from tb_user order by age；

![在这里插入图片描述][326638a3f3af47518b9c2b31ee0ae995.png_pic_center]

explain select id,age,phone from tb_user order by age , phone;

![在这里插入图片描述][a58d895494bc47dfbee325ad607ac44d.png_pic_center]

建立索引之后，再次进行排序查询，就由原来的Using filesort， 变为了 Using index，性能 就是比较高的了。

E. 创建索引后，根据age, phone进行降序排序

explain select id,age,phone from tb_user order by age desc , phone desc;

![在这里插入图片描述][255b8101cc9d42cca80730f82e8c977d.png_pic_center]

也出现 Using index， 但是此时Extra中出现了 Backward index scan，这个代表反向扫描索引，因为在MySQL中我们创建的索引，默认索引的叶子节点是从小到大排序的，而此时我们查询排序 时，是从大到小，所以，在扫描时，就是反向扫描，就会出现 Backward index scan。 在 MySQL8版本中，支持降序索引，我们也可以创建降序索引。

F. 根据phone，age进行升序排序，phone在前，age在后。

explain select id,age,phone from tb_user order by phone , age；

![在这里插入图片描述][fe2ee5d2df164f5aaca8512ae0692571.png_pic_center]

排序时,也需要满足最左前缀法则,否则也会出现 filesort。因为在创建索引的时候， age是第一个字段，phone是第二个字段，所以排序时，也就该按照这个顺序来，否则就会出现 Using filesort。

G. 根据age, phone进行降序一个升序，一个降序

explain select id,age,phone from tb_user order by age asc , phone desc

![在这里插入图片描述][e8beda27b2f643a380f9b38a7f7d8a2a.png_pic_center]

因为创建索引时，如果未指定顺序，默认都是按照升序排序的，而查询时，一个升序，一个降序，此时 就会出现Using filesort。

![在这里插入图片描述][3043a16aecde4b8da9c0d90f2f55193f.png_pic_center]

为了解决上述的问题，我们可以创建一个索引，这个联合索引中 age 升序排序，phone 倒序排序。

H. 创建联合索引(age 升序排序，phone 倒序排序)

create index idx_user_age_phone_ad on tb_user(age asc ,phone desc);

![在这里插入图片描述][5be6db92423442cf87b03594e9fae8bb.png_pic_center]

I. 然后再次执行如下SQL

explain select id,age,phone from tb_user order by age asc , phone desc

![在这里插入图片描述][5e9670be995845ceba667dfa153325f9.png_pic_center]

升序/降序联合索引结构图示:  
![在这里插入图片描述][baf9ddbac5304bbfb8d32f817ffd2552.png_pic_center]  
![在这里插入图片描述][f217c8e19abf4cc38409831c1d244cb4.png_pic_center]

由上述的测试,我们得出order by优化原则:

A. 根据排序字段建立合适的索引，多字段排序时，也遵循最左前缀法则。

B. 尽量使用覆盖索引。

C. 多字段排序, 一个升序一个降序，此时需要注意联合索引在创建时的规则（ASC/DESC）。

D. 如果不可避免的出现filesort，大数据量排序时，可以适当增大排序缓冲区大小 sort\_buffer\_size(默认256k)。

## 四、group by优化 ##

分组操作，我们主要来看看索引对于分组操作的影响。

首先我们先将 tb\_user 表的索引全部删除掉 。

drop index idx_user_pro_age_sta on tb_user;
    drop index idx_email_5 on tb_user;
    drop index idx_user_age_phone_aa on tb_user;
    drop index idx_user_age_phone_ad on tb_user;

![在这里插入图片描述][924a6227a04a48f3ab38c9f6dc9fb72c.png_pic_center]

接下来，在没有索引的情况下，执行如下SQL，查询执行计划：

explain select profession , count(*) from tb_user group by profession；

![在这里插入图片描述][e5993498201d474fadb96406528f95f1.png_pic_center]

然后，我们在针对于 profession ， age， status 创建一个联合索引。

create index idx_user_pro_age_sta on tb_user(profession , age , status);

紧接着，再执行前面相同的SQL查看执行计划。

explain select profession , count(*) from tb_user group by profession ;

![在这里插入图片描述][c80b1415b5b743bd95d51484fce9ffa6.png_pic_center]

再执行如下的分组查询SQL，查看执行计划：

![在这里插入图片描述][a99ab13d036e44a1ba825be0591152e6.png_pic_center]

我们发现，如果仅仅根据age分组，就会出现 Using temporary ；而如果是根据 profession,age两个字段同时分组，则不会出现 Using temporary。原因是因为对于分组操作， 在联合索引中，也是符合最左前缀法则的。

所以，在分组操作中，我们需要通过以下两点进行优化，以提升性能：

A. 在分组操作时，可以通过索引来提高效率。

B. 分组操作时，索引的使用也是满足最左前缀法则的。

## 五、limit优化 ##

在数据量比较大时，如果进行limit分页查询，在查询时，越往后，分页查询效率越低。

来看看执行limit分页查询耗时对比：

![在这里插入图片描述][8770891bf65d47198d0936537fe356c2.png_pic_center]

通过测试我们会看到，越往后，分页查询效率越低，这就是分页查询的问题所在。

因为，当在进行分页查询时，如果执行 limit 2000000,10 ，此时需要MySQL排序前2000010 记录，仅仅返回 2000000 - 2000010 的记录，其他记录丢弃，查询排序的代价非常大 。

优化思路: 一般分页查询时，通过创建覆盖索引能够比较好地提高性能，可以通过覆盖索引加子查询形式进行优化。

explain select * from tb_sku t , (select id from tb_sku order by id
    limit 2000000,10) a where t.id = a.id;

## 六、count优化 ##

### 1、概述 ###

select count(*) from tb_user

在之前的测试中，我们发现，如果数据量很大，在执行count操作时，是非常耗时的。

*  MyISAM 引擎把一个表的总行数存在了磁盘上，因此执行 count(\*) 的时候会直接返回这个数，效率很高；但是如果是带条件的count，MyISAM也慢。
 *  InnoDB 引擎就麻烦了，它执行 count(\*) 的时候，需要把数据一行一行地从引擎里面读出来，然后累积计数。

### 2、count用法 ###

如果说要大幅度提升InnoDB表的count效率，主要的优化思路：自己计数(可以借助于redis这样的数据库进行,但是如果是带条件的count又比较麻烦了)。

用法：count（\*）、count（主键）、count（字段）、count（数字）

<table> 
 <thead> 
  <tr> 
   <th>count用 法</th> 
   <th>含义</th> 
  </tr> 
 </thead> 
 <tbody> 
  <tr> 
   <td>count(主 键)</td> 
   <td>InnoDB 引擎会遍历整张表，把每一行的主键id 值都取出来，返回给服务层。 服务层拿到主键后，直接按行进行累加(主键不可能为null)</td> 
  </tr> 
  <tr> 
   <td>count(字 段)</td> 
   <td>没有not null 约束 : InnoDB 引擎会遍历整张表把每一行的字段值都取出来，返回给服务层，服务层判断是否为null，不为null，计数累加。 有not null 约束：InnoDB 引擎会遍历整张表把每一行的字段值都取出来，返 回给服务层，直接按行进行累加。</td> 
  </tr> 
  <tr> 
   <td>count(数 字)</td> 
   <td>InnoDB 引擎遍历整张表，但不取值。服务层对于返回的每一行，放一个数字“1” 进去，直接按行进行累加。</td> 
  </tr> 
  <tr> 
   <td>count(*)</td> 
   <td>InnoDB引擎并不会把全部字段取出来，而是专门做了优化，不取值，服务层直接 按行进行累加。</td> 
  </tr> 
 </tbody> 
</table>

> **按照效率排序的话，count(字段) < count(主键 id) < count(1) ≈ count(\*)，所以尽 量使用 count(星)。**

## 七、update优化 ##

主要需要注意一下update语句执行时的注意事项。

update course set name = 'javaEE' where id = 1 ;

当我们在执行删除的SQL语句时，会锁定id为1这一行的数据，然后事务提交之后，行锁释放。>

但是当我们在执行如下SQL时。

update course set name = 'SpringBoot' where name = 'PHP'

当我们开启多个事务，在执行上述的SQL时，我们发现行锁升级为了表锁。 导致该update语句的性能大大降低。>

> **InnoDB的行锁是针对索引加的锁，不是针对记录加的锁 ,并且该索引不能失效，否则会从行锁升级为表锁 。**

[d79313e05ace4e6e8566c5076a210ef5.png_pic_center]: https://img-blog.csdnimg.cn/d79313e05ace4e6e8566c5076a210ef5.png#pic_center
[cafc320dca4b4d1ca8e2c2fc5d427fb9.png_pic_center]: https://img-blog.csdnimg.cn/cafc320dca4b4d1ca8e2c2fc5d427fb9.png#pic_center
[7881fc2904ac448ca0bea59cf6d598ad.png_pic_center]: https://img-blog.csdnimg.cn/7881fc2904ac448ca0bea59cf6d598ad.png#pic_center
[aeb8189f139146569bdfd95f2acdf6e1.png_pic_center]: https://img-blog.csdnimg.cn/aeb8189f139146569bdfd95f2acdf6e1.png#pic_center
[1e79b2d3ba3b447898ace3bca9461014.png_pic_center]: https://img-blog.csdnimg.cn/1e79b2d3ba3b447898ace3bca9461014.png#pic_center
[5cf43fb2f2314b72a506401923e44f05.png_pic_center]: https://img-blog.csdnimg.cn/5cf43fb2f2314b72a506401923e44f05.png#pic_center
[6296a7cb37f14bf5bcb611f9f1ec5f5c.png_pic_center]: https://img-blog.csdnimg.cn/6296a7cb37f14bf5bcb611f9f1ec5f5c.png#pic_center
[55ebbd04b54f4994bbe611c2853aaa7c.png_pic_center]: https://img-blog.csdnimg.cn/55ebbd04b54f4994bbe611c2853aaa7c.png#pic_center
[c2be235e833f4e9ea32bfdd0cd377827.png_pic_center]: https://img-blog.csdnimg.cn/c2be235e833f4e9ea32bfdd0cd377827.png#pic_center
[4614779f89584cf4a98ec7c4a8126734.png_pic_center]: https://img-blog.csdnimg.cn/4614779f89584cf4a98ec7c4a8126734.png#pic_center
[2426f2fb92fa4371b8afb7bb6440bffb.png_pic_center]: https://img-blog.csdnimg.cn/2426f2fb92fa4371b8afb7bb6440bffb.png#pic_center
[02ebf5bb91494a3dabd61661bb6e8842.png_pic_center]: https://img-blog.csdnimg.cn/02ebf5bb91494a3dabd61661bb6e8842.png#pic_center
[352a25f75dfa44a79e4a8516bc2fd7d7.png_pic_center]: https://img-blog.csdnimg.cn/352a25f75dfa44a79e4a8516bc2fd7d7.png#pic_center
[b6fa800adfad43288a39e51c694beb87.png_pic_center]: https://img-blog.csdnimg.cn/b6fa800adfad43288a39e51c694beb87.png#pic_center
[07ee802f8ca947e398859ba9420f5506.png_pic_center]: https://img-blog.csdnimg.cn/07ee802f8ca947e398859ba9420f5506.png#pic_center
[2e6531949790466a8c0bd23d064b583d.png_pic_center]: https://img-blog.csdnimg.cn/2e6531949790466a8c0bd23d064b583d.png#pic_center
[1ec588ed3a80423e8d5c646d3c70377e.png_pic_center]: https://img-blog.csdnimg.cn/1ec588ed3a80423e8d5c646d3c70377e.png#pic_center
[36f72550b8c4458d90be93152aa2dced.png_pic_center]: https://img-blog.csdnimg.cn/36f72550b8c4458d90be93152aa2dced.png#pic_center
[ce7b7458b5e843c7ac481d4ca8d5a05b.png_pic_center]: https://img-blog.csdnimg.cn/ce7b7458b5e843c7ac481d4ca8d5a05b.png#pic_center
[34db30338ae14c9c99c7b23e2787a711.png_pic_center]: https://img-blog.csdnimg.cn/34db30338ae14c9c99c7b23e2787a711.png#pic_center
[4c9481378e9847a99a79c6b14d429ba1.png_pic_center]: https://img-blog.csdnimg.cn/4c9481378e9847a99a79c6b14d429ba1.png#pic_center
[2e4475cde98840a1aab2cc12aaba50d1.png_pic_center]: https://img-blog.csdnimg.cn/2e4475cde98840a1aab2cc12aaba50d1.png#pic_center
[c26e07e57ad94f24a7b987191cb9d551.png_pic_center]: https://img-blog.csdnimg.cn/c26e07e57ad94f24a7b987191cb9d551.png#pic_center
[326638a3f3af47518b9c2b31ee0ae995.png_pic_center]: https://img-blog.csdnimg.cn/326638a3f3af47518b9c2b31ee0ae995.png#pic_center
[a58d895494bc47dfbee325ad607ac44d.png_pic_center]: https://img-blog.csdnimg.cn/a58d895494bc47dfbee325ad607ac44d.png#pic_center
[255b8101cc9d42cca80730f82e8c977d.png_pic_center]: https://img-blog.csdnimg.cn/255b8101cc9d42cca80730f82e8c977d.png#pic_center
[fe2ee5d2df164f5aaca8512ae0692571.png_pic_center]: https://img-blog.csdnimg.cn/fe2ee5d2df164f5aaca8512ae0692571.png#pic_center
[e8beda27b2f643a380f9b38a7f7d8a2a.png_pic_center]: https://img-blog.csdnimg.cn/e8beda27b2f643a380f9b38a7f7d8a2a.png#pic_center
[3043a16aecde4b8da9c0d90f2f55193f.png_pic_center]: https://img-blog.csdnimg.cn/3043a16aecde4b8da9c0d90f2f55193f.png#pic_center
[5be6db92423442cf87b03594e9fae8bb.png_pic_center]: https://img-blog.csdnimg.cn/5be6db92423442cf87b03594e9fae8bb.png#pic_center
[5e9670be995845ceba667dfa153325f9.png_pic_center]: https://img-blog.csdnimg.cn/5e9670be995845ceba667dfa153325f9.png#pic_center
[baf9ddbac5304bbfb8d32f817ffd2552.png_pic_center]: https://img-blog.csdnimg.cn/baf9ddbac5304bbfb8d32f817ffd2552.png#pic_center
[f217c8e19abf4cc38409831c1d244cb4.png_pic_center]: https://img-blog.csdnimg.cn/f217c8e19abf4cc38409831c1d244cb4.png#pic_center
[924a6227a04a48f3ab38c9f6dc9fb72c.png_pic_center]: https://img-blog.csdnimg.cn/924a6227a04a48f3ab38c9f6dc9fb72c.png#pic_center
[e5993498201d474fadb96406528f95f1.png_pic_center]: https://img-blog.csdnimg.cn/e5993498201d474fadb96406528f95f1.png#pic_center
[c80b1415b5b743bd95d51484fce9ffa6.png_pic_center]: https://img-blog.csdnimg.cn/c80b1415b5b743bd95d51484fce9ffa6.png#pic_center
[a99ab13d036e44a1ba825be0591152e6.png_pic_center]: https://img-blog.csdnimg.cn/a99ab13d036e44a1ba825be0591152e6.png#pic_center
[8770891bf65d47198d0936537fe356c2.png_pic_center]: https://img-blog.csdnimg.cn/8770891bf65d47198d0936537fe356c2.png#pic_center