数据库中的索引

  很多朋友在操作数据库的时候经常会用到索引，通过索引获取数据的确可以让这个sql语句运行的更快，但是很多人并不知道为什么使用索引会变快，更不用说索引的一些弊端了，今天主要介绍一下索引。

1. 索引结构：

     首先声明，索引有很多种，B树索引、hash索引、位图索引、文本索引等等，这里仅介绍工作中用的最多的B树索引。

     其实B树索引就像名字所描述的那样，就是一棵平衡树(balance tree，当然肯定不止这么简单)，这里以mysql的innodb存储引擎为例，平衡树非叶节点存储的是（key，address）、即索引值以及下一层某块地址这样的数据结构；而叶子节点在非主键索引中存储的是（key, primary key）、即索引值以及对应的主键值这样的键值对结构，在主键索引中存储的是（primary key， content）、即主键值以及这一行内容。
   

    以下是一个两层索引的结构图：（红色代表一个数据块即数据库IO最小单元，蓝色代表上面讨论   的键值对）

    

    以一个数据块16k，一个非（primary key， content）类型的键值对50+4 bytes 为例，则一个数   据块可以存储约（1600/50）=300个这样的键值对结构，那么到了第二层，就可以存储（300*300）   =9w条被索引数据对应的主键信息，到了第三层就是（300*300*300）=2700w，以此类推，飞速增长。

    当然随着数据的增减，rdbms会自动维护索引，这也是为什么索引对查询有利，对增删改有弊的原   因。

 2.简单比较：

     以上面的索引为例，现在假设有一张9w行的表，一个非主键索引就占有约300个数据块，那么这    里不妨假设主键索引占有600个数据块（包括叶节点的所有数据，当然实际生产应该只会更大）。

     在oracle中，lotp系统缓存命中率低于95%通常都会建议增加内存，因此这里假设所有的索引数    据以及表数据都存放在内存中了。

   场景一：在有索引列的情况下，获取某一行数据

    在这种情况下，如果全表扫描，则需要扫描约（1+600）/2=300个数据块；如果根据上面的索引    则需要扫描2（根据索引列获取主键）+2（不妨假设这里主键索引也只有两层）=4个数据块，理想    情况下后者只用前者4/300=1/75的时间。

   场景二：全表扫描

    在这种情况下，若果全表扫描，则扫描600个数据块；如果根据上述索引则需要扫描4*9w=36w个    数据块，此时后者时间远大于前者！

     在这个场景下，通过计算600/4=125，可以知道如果通过索引获取的数据超过125行那么利用索    引的效率还不如全表扫描，在oracle RBO的年代里面可能真的就会不管成本有索引就用索引，但是    现在oracle已经将优化策略改成CBO了，在扫描行太多的情况下会选择全表扫描，mysql是怎么处理    的还不清楚。

3.索引利弊

 1）索引是随机读的

    如果笔者没有记错，计算机组成原理中，cache会将内存中临近的数据cache到CPU中，虽然内存    跟cache的速度相差没有内存与磁盘那么明显，但是随机的内存读，肯定还是没有将数据全部cache    到CPU快的。

 2）索引并不适合大量查询

     就像上面的例子，如果扫描行超过125行那么还不如全表扫描，虽然在工作中会不一样，但希望    大家做范围扫描的时候多注意一下，不要一次扫描的行太多。

 3）索引耗费空间

    其实索引说白了就是一个只有两列的数据表，在innodb中有一列已经确定了就是主键（即使没    有指定主键，mysql也会自己创建一个），这也是为什么主键不要太长的原因之一，对于一个有n个    B树索引的表，主键要存储n+1次，被索引的列也要多存储一次。

4.补充

   其实索引要考虑的东西还有很多，比如聚合因子、锁相关信息等等，希望大家有空的时候自己在下面多多研究。

                        2016.12.24

                        肯草在深圳