你真的懂数据库的索引吗（上篇）

=========================================================================

前情提要

哈哈题目标题党了，其实我也是个学习的小白，这是学习记录，共勉 。
微语：慢下来，你才能走得更快。如今的我已经慢慢理解其中的道理了，好了废话不多说，直接进入主题。索引，一个高大上的名词，通俗来说就是目录，通过它能快速定位到你查找的位置。

索引常用数据结构以及B+树

常用数据结构

首先了解索引之前需要先了解哈希表、有序数组和搜索树。

1. Hash表这种数据结构底层是由数组实现的。通过Hash算法把对应的key值转化成相应的数组下标，value值则存放在数组的这个位置。Hash算法的实现很复杂，经过它的换算，Hash值一般不会相等，但数据多了之后就难以避免了，这个时候就需要解决Hash冲突。解决Hash冲突有两种方法，一种是开放寻址法，另外一种就是链表法。开放寻址法这里就不概述了，重点来看看链表法，其实就是把相同Hash值对应的value值存放到链表中。查找的时候就遍历链表得到数据。
   缺点：经过Hash算法算出来的数据一般都不是递增有序的，所以在进行范围区间查询的时候，需要把每个数据都搜索一遍，这个是比较慢的。
   应用场景：适合等值查询，NoSQL引擎。

2. 有序数组，顾名思义就是排序的数组，这种结构在等值查询和范围查询都是十分优秀的。可以利用二分法快速查找到数据，但是数组虽然查找速度很快，但是他有个明显的缺点，就是插入数据的时候，为了保持数组有序，需要进行大量的数据搬移，这个效率就很低了。
   应用场景：适合静态存储引擎，就是不怎么更新数据

3. 搜索树，二叉搜索树特点是按照中序遍历可以得到从小到大的排序，因为它的左子节点小于父节点，而父节点又小于它的右子节点，二叉搜索树的搜索速度很快，但是同理，当你插入数据的时候，也需要考虑去维持这颗二叉搜索树的平衡。不过二叉树的应用场景很少，其原因就是因为它的树高，当数据很多的时候，二叉树的树高将会很高。索引不止存在内存中，还存在磁盘中，当树高很高的时候，就意味着，查询要去访问很多的数据块，这个操作是极其耗时的。为了少读磁盘，这个时候就应该使用多叉树。以InnoDB为例，这个多是1200，当树的高度为4的，差不多已经可以存储17亿的数据，一般来说数根节点都是放在内存中的，所以查找这个17亿的数据，只需要访问三次磁盘即可，这样就可以大大提高效率。
   多叉树优点：读写性能快，适配磁盘访问方式，所以被广泛应用在数据库引擎中。

数据库底层的存储基本上都是基于上述的模型。

说完了数据模型，接下来进入正题。Mysql的索引是在存储引擎中实现的，所以就说明没有统一的标准，不同引擎有自己不同的工作方式。

InnoDB的索引模型

在InnoDB中，表以主键顺序为索引的形式存放的，InnoDB的数据都是存储在B+树中的。每个索引就对应一颗B+树。
B+树的特征：
1.有k个子树的中间节点包含有k个元素（B树中是k-1个元素），每个元素不保存数据，只用来索引，所有数据都保存在叶子节点。
2.所有的叶子结点中包含了全部元素的信息，及指向含这些元素记录的指针，且叶子结点本身依关键字的大小自小而大顺序链接。
3.所有的中间节点元素都同时存在于子节点，在子节点元素中是最大（或最小）元素。
B+树的优势：
1.单一节点存储更多的元素，使得查询的IO次数更少。
2.所有查询都要查找到叶子节点，查询性能稳定。
3.所有叶子节点形成有序链表，便于范围查询。

B+树和二叉树、平衡二叉树一样都是经典的数据结构。B+树中，所有记录节点都是按键值的大小顺序存放在同一层的叶子节点上，由各叶子节点指针进行连接。
如下图：

示例：以字段a为索引的建表语句

create table T(
id int primary key,
a int not null,
name varchar(16),
index(a) engine = InnoDB;
)

这里又引出两个概念：

1. 主键索引：主键索引的叶子节点存的是整行数据。在InnoDB中，主键索引也被称为聚簇索引
2. 非主键索引：非主键索引的叶子节点存放的是主键的值，在InnoDB中，非主键索引被称为二级索引

这里举个例子来说明上述两个概念，比如一条SQL语句，SELECT * FROM T WHERE ID = 1
这种主键查询方式，则只会去搜索ID这颗B+树。如果是SELECT * FROM T WHERE a = 1；这个非主键索引，就会先根据a这个索引找到主键的值，再拿着主键的值去主键的b+树查询数据。这种方式成为回表。

索引的维护

在InnoDB中，B+树要保持索引的有序性，所以在插入新值的时候要对B+树进行维护。
维护分为以下几种情况：

1. 索引值最大的时候，直接插入到末尾。
2. 索引值在中间的时候，这个时候就比较麻烦，需要搬动数据。搬动数据的时候，可能会出现页数据已经满的情况，这个时候就需要申请一个新的数据页，并把数据挪过去。这种就称为页分裂。页分裂操作会引起性能的降低和数据页的利用率。有页分裂的同时就有页合并，当两个页删除了数据的时候，利用率变得很低，这个时候就会对页进行合并。

自增主键可以在一定程度避免这种数据分页情况的发生，一般来说采用自增主键是合理选择，长度小普通索引的叶子节点就越小，普通索引占用的空间也就越小。
在特定的业务场景下，只有一个索引，而且这个索引还是唯一索引，这个时候就适合用业务字段来做主键。
PS：在没有主键的表，InnoDB会默认创建一个Rowid做主键

索引的优化以及一些原则

覆盖索引

例如SELECT id FROM T WHERE k BETWEEN 1 AND 3这个语句，因为是直接查询ID，所以可以避免回表的过程，提高效率，这个就称为覆盖索引。覆盖索引可以减少树的搜索次数，显著提升查询性能，所以使用覆盖索引是一个常用的性能优化手段。
先来看看一个建立联合索引SQL语句

CREATE TABLE 'user'(
'id' int(10) NOT NULL,
'name' varchar(32) NOT NULL,
'age' varchar(32) NOT NULL,
PRIMARY KEY('id'),
KEY 'name_age'('name','age') 
)

基于覆盖索引，我们可以在高频请求上来建立联合索引，这样就不需要回表查询整行记录，可以大大提高性能。不过索引的维护是需要浪费资源的，所以在建立来联合索引的时候需要考虑的更多。

最左前缀原则

B+树的索引结构，可以利用最左前缀来定位记录。最左前缀：顾名思义，就是会InnoDB会根据优先根据最左边的字段来匹配索引，所以在建立联合索引的时候，要合理安排所以内字段的顺序。第一原则，看能否通过调整字段顺序，来少维护一个索引，这样的顺序一般就是优先采用的。
如果有联合索引（a,b）又有基于a,b的各自查询，像查询条件里面只有b的语句的时候，（a,b）这个联合索引就无法使用，这个时候就必须同时维护（a,b）（b）这两个索引。这个时候就要考虑空间的问题，由字段的大小来考虑。

索引下推

在MYSQL5.6之前，InnoDB并不会去看联合索引（a,b）中b的值，只是把匹配a的值取出来，找到对应的ID，并一个个去回表，因为没有匹配b的值，所以查询到的数据可能比较多，这样回表的话性能消耗也比较大。MYSQL5.6之后就引入索引下推，这样先匹配a,b的值，过滤后的数据就比较少，也就能减少回表的次数，可以提高效率。

PS：删除表的记录，可能索引还在，还是会占用很多内存，这个时候可以考虑重建索引
如果大家看的觉得有收获，可以收藏等待索引下篇