MYSQL（05）-索引原理

Mysql两种索引结构：B+Tree索引和Hash索引的区别和使用场景

• Hash索引：使用hash散列的形式，已KV格式存数，查找单条数据的时候速度很快，但是范围查找和排序的时候效率慢，目前就只有MEMORY引擎显式地支持这种索引，底层会维护一个类似KV结构的文件

• B+tree索引 :是mysql使用最频繁的一个索引数据结构，是Inodb和Myisam存储引擎模式的索引类型。相对Hash索引，B+树在查找单条记录的速度比不上Hash索引，但是因为更适合排序等操作。Myisam 和 Innodb默认都是使用B+Tree实现的

B+Tree作为mysql数据库索引原理

• 与普通的二叉树不同，B-Tree允许每个节点有更多的子节点，将每个节点的数据量增大，这样设计很复合磁盘的设计原则，让每个节点的数据大小正好放在磁盘的一个页上，这样从而减少磁盘的IO的次数，从而减少寻址的时间

• 而mysql使用的是B+Tree，除了拥有B-Tree的优先，相对于B-Tree,他更适合外部存储(一般指磁盘存储),由于内节点(非叶子节点)不存储data，所以一个节点可以存储更多的内节点，每个节点能索引的范围更大更精确。也就是说使用B+树单次磁盘IO的信息量相比较B树更大，IO效率更高

• mysql是关系型数据库，经常会按照区间来访问某个索引列，B+树的叶子节点间按顺序建立了链指针，加强了区间访问性，所以B+树对索引列上的区间范围查询很友好。而B树每个节点的key和data在一起，无法进行区间查找。

MYISAM和INNODB索引B+TREE的区别

• MYISAM引擎中--非聚集索引

  • 使用B+TREE的时候，索引文件和数据文件是分离的，索引文件仅保存数据记录的地址，又叫做非聚集索引

  • 主键索引和非主键索引都保存在.myi文件中，然后指向.myd中的内存

  • 

• INNODB引擎中--聚集索引

  • 使用B+TREE的时候，表数据文件本身就是按照B+TREE组织的索引接口，叶子节点data域保存了完成的数据记录，这个索引key是数据表的主键，因此INNODB表数据文件本身就是主索引，又叫做聚集索引

  • 索引文件（就是本身的文件）保存在.ibd文件中的，副索引文件也是保存在.ibd中的但是指向的地址是主索引的地址，所以是执行了两次查询

  • 

索引覆盖

在上图中可以看到，如果使用name作为的索引，属于二级索引，查询条件为name的时候先查询到name索引中指定的主键，然后再回表查询，这样"回表"查询是需要消耗IO性能的，所以我们在设计查询的时候最好能够避免这种回表查询。

概念：当能通过检索索引就可以读取想要的数据，那就不需要再到数据表中读取行了。如果一个索引包含了（或覆盖了）满足查询语句中字段与条件的数据就叫做覆盖索引，简单解释来说就是查询的正好是name字段的时候查询条件也使用的name，这样的话就无需回表查询，增加查询速度

显示效果：当发起一个被索引覆盖的查询（也叫索引覆盖查询）时，在EXPLAIN的Extra列可以看到“Using index”的信息。

索引下推

MySQL 5.6引入了索引下推优化，默认开启，使用以下命令可以将其关闭。

SET optimizer_switch = 'index_condition_pushdown=off';

官方文档中给的例子和解释如下：
people表中（zipcode，lastname，firstname）构成一个索引
SELECT * FROM people WHERE zipcode='95054' AND lastname LIKE '%etrunia%' AND address LIKE '%Main Street%';

如果没有使用索引下推技术，则MySQL会通过zipcode='95054'从存储引擎中查询对应的数据，返回到MySQL服务端，然后MySQL服务端基于lastname LIKE '%etrunia%'和address LIKE '%Main Street%'来判断数据是否符合条件。 如果使用了索引下推技术，则MYSQL首先会返回符合zipcode='95054'的索引，然后根据lastname LIKE '%etrunia%'和address LIKE '%Main Street%'来判断索引是否符合条件。如果符合条件，则根据该索引来定位对应的数据，如果不符合，则直接reject掉。 有了索引下推优化，可以在有like条件查询的情况下，减少回表次数。

• innodb引擎的表，索引下推只能用于二级索引。就像之前提到的，innodb的主键索引树叶子结点上保存的是全行数据，所以这个时候索引下推并不会起到减少查询全行数据的效果。

• 索引下推一般可用于所求查询字段（select列）不是/不全是联合索引的字段，查询条件为多条件查询且查询条件子句（where/order by）字段全是联合索引。假设表t有联合索引（a,b）,下面语句可以使用索引下推提高效率 select * from t where a > 2 and b > 10;

索引的最左匹配原则

非常重要的原则，mysql会一直向右匹配直到遇到范围查询(>、<、between、like)就停止匹配，比如a = 1 and b = 2 and c > 3 and d = 4 如果建立(a,b,c,d)顺序的索引，d是用不到索引的，如果建立(a,b,d,c)的索引则都可以用到，a,b,d的顺序可以任意调整。

索引使用原则

• =和in可以乱序，比如a = 1 and b = 2 and c = 3 建立(a,b,c)索引可以任意顺序，mysql的查询优化器会帮你优化成索引可以识别的形式

• 尽量选择区分度高的列作为索引,区分度的公式是count(distinct col)/count(*)，表示字段不重复的比例，比例越大我们扫描的记录数越少，唯一键的区分度是1，而一些状态、性别字段可能在大数据面前区分度就是0，那可能有人会问，这个比例有什么经验值吗？使用场景不同，这个值也很难确定，一般需要join的字段我们都要求是0.1以上，即平均1条扫描10条记录

• 索引列不能参与计算，保持列“干净”，比如from_unixtime(create_time) = ’2014-05-29’就不能使用到索引，原因很简单，b+树中存的都是数据表中的字段值，但进行检索时，需要把所有元素都应用函数才能比较，显然成本太大。所以语句应该写成create_time = unix_timestamp(’2014-05-29’);

• 尽量的扩展索引，不要新建索引。比如表中已经有a的索引，现在要加(a,b)的索引，那么只需要修改原来的索引即可

普通索引，唯一索引的选择

在普通索引和唯一索引的使用成本上，主要在于更新操作的时候，普通索引数据的更新，直接将数据更新到change buffer中，然后change buffer会定期的刷新到磁盘即可，而唯一索引需要去对比索引是否是唯一的，如果更新的数据在change buffer中，则对比的过程可以直接在内存中，这样时间成不不大，但是如果更新的数据不在change buffer中，那么更新就需要去IO磁盘进行查询对比，这样就会导致更新过程缓慢。所以如果业务上没有要求必须唯一的化，尽量使用普通索引，这样的成本会更低