MySQL进阶必备知识(三)：带你最快入门索引！！

前文

  继上篇：MySQL进阶必备知识(二)：行格式、数据页结构，本篇继续分享MySQL另一大知识点：索引。说到索引，基本是MySQL最最核心的一点了，当然不同的存储引擎实现的方式不同，本篇还是基于MySQL默认的innodb引擎来阐述。
  首先提几个问题，带着问题往下看(以下指代的都是innodb)：

• 什么是索引？为什么要有索引？怎么使用索引？
• 索引的类型都有哪些？聚簇索引、联合索引、唯一索引、普通索引、覆盖索引、二级索引都指的哪些？
• 创建一个包含2个列的索引，和创建2个包含1个列的索引，差别是？
• 除了B+tree的索引，你还知道其他索引？innodb又支持多少种索引？
• 索引的优缺点(如果优点你仅仅能提出加快查询，那这篇文章值得一看)
• 是否为字段创建索引时，应该考虑什么？如果要创建前缀索引，该如何选择？
• 二级索引的“回表”指的是什么？索引一定比全表扫描要快吗？

索引简介

  在认识新概念的时候，基本就三个问题：是什么，为什么，怎么用。

• 索引是什么？
  答：简单地说，就是存储引擎为了加快找到记录的数据结构。在innodb里，这种数据结构就是指的B+ Tree。
• 为什么要有索引？
  答：当然是为了加快找到记录！
• 索引怎么用？
  答：可以在建表的时候定义，也可以在建完表后用alter增加，具体如下：

# 建表时创建age的索引
create table demo(age int,key idx_age(age));
# 建完表后创建age的索引
create table demo(age int);
alter table demo add index idx_age(age);

  从上一篇数据页和行格式我们知道，如果全表扫描找一条数据，需要遍历数据页，然后再遍历页里的记录，如果这张表数据达到百万、千万级，那速度可想而知。索引就是构造了一个“目录”的形式，因为记录都是存在页里的，而在MySQL里要定位到对应的页则通过页号+空间号(暂时了解)即可，所以通过索引构造目录，在目录里存放着页号+该页的最小记录(对应的索引列)，然后通过目录定位到对应的页，再找到对应的记录即可。
  关于索引的简介到此，另外补充(关联前两篇)：
1.B+Tree构造的索引，存放的都是索引页(页的类型一种)，而在这里又要区分叶子页和非叶子页，亦称数据页和目录页，这两者存放的记录通过行格式里record_type来标识，1为目录页，0为数据页。
2.索引的构成依赖于排序，以哪个列构造索引，则需要按照对应的列在目录页开始排序，然后数据页也是从小到大排序，方便查找记录时快速定位！而排序规则又依赖于第一篇介绍的collation。

索引的类型

  索引的类型有很多种分法，比如：

• 按照存储引擎：哈希索引(memory)、B+Tree索引(innodb)、B-Tree索引(MyISAM)等等
• 按照innodb类型：聚簇索引、二级索引
• 按照innodb功能：唯一索引、普通索引、联合索引、覆盖索引、前缀索引

  看着有点多，但是存储引擎的分法了解即可，知道有这么个索引就好。重点聊下innodb的索引类型。不过哈希索引也是蛮重要的，这里简单介绍：

• 哈希索引只有memory引擎显示支持(memory引擎的默认索引)！(与之相对的innodb某种情况下隐式创建)
• 哈希索引的优势：即数据结构散列表的优势！速度贼快，要远远快于B+Tree，因为都不需要定位，直接匹配即可。
• 主要的劣势：哈希冲突、不支持范围查找(仅支持key等值查找)
• 应用：在《高性能MySQL》里提到，由于hash索引的查询高效，所以在查找一些复杂的字符串可以手动创建hash索引，比如查找url这种，有的很长，如果真的通过字符串比对效率还是很慢，所以可以增加一个字段(比如命名MD5_url)，然后在代码里实现封装亦或者在MySQL里定义个触发器也行。

聚簇索引和二级索引

  innodb里最重要的索引->聚簇索引，“聚簇”咋听起来比较难记，实际上理解了就好记，因为含义指的是数据紧密的聚集在一起，这也是这个索引的定义，将所有的数据都存储在该索引上，而聚簇索引也是innodb默认在表创建时创建的！，另外，聚簇索引是依赖于主键来进行排序的，而在行格式那章讲过，在表中如果没有主键，则innodb默认会帮忙建一个主键id！所以定义是：

• 页的记录、页与页之间、目录项记录全部都是按主键大小进行排序
• B+树的叶子节点存放的是完整的数据
• innodb引擎默认帮我们建立

  与聚簇索引相对的即二级索引，即我们自己手动建的都是二级索引，二级索引与聚簇索引的区别是：

• 页的记录、页与页之间、目录项记录全部都是按所建索引列的大小排序
• B+树的叶子节点存放的是索引列+主键(聚簇索引引则是所有数据)
• 目录项(非叶子节点)存放的是索引列+页号（聚簇索引则是主键+页号）
• 拿到对应的索引列后需要回表操作

  上面的第四点，即回表操作是二级索引最大的特点，因为聚簇索引所在的B+Tree，当在目录项找到了所在页号后，就可以在页号直接找到对应的记录，但二级索引不行，只能找到对应记录所在的主键，然后通过主键回到聚簇索引再进行一次查找！所以二级索引需要查找二次！
  这里另外提一句，MyIsam的索引全部都是“二级索引”格式，即它们都需要回表操作！这是因为MyIsam存储数据的格式是将索引和记录分开，记录以一行行的形式存在数据文件里(每一行对应行号)，而索引里就存放着索引列+行号，即使是主键索引，也是主键+行号，所以都需要回表！

联合索引、覆盖索引、前缀索引、唯一索引、普通索引

唯一索引、普通索引

  在二级索引下，又分为几种索引，其中唯一索引和普通索引又包括了联合索引、覆盖索引、前缀索引，这两者顾名思义就是前者针对字段值唯一的字段建索引(如果字段不唯一，则会报错)，后者则可以针对任何字段内容建立索引。两者的键索引语句也不相同，如下：

唯一索引：alter table xx add unique index_name(column);
普通索引：alter table xx add index index_name(column);

  当我们执意要给重复字段增加唯一索引，则报错如下：

  为什么要有唯一索引的存在呢？就是因为它与聚簇索引一致，当我们要查询这两者索引里的一条数据时，通过目录索引可以极快地定位到对应的数据页，然后定位到对应的记录，就是因为没有重复值！而这个速度被innodb称之为const，即contance常量速度。熟悉算法的应该知道O(1)即是我们说的const速度！

联合索引

  说到联合索引就回到了所提问题的第三个，即单列索引和多列索引！前面所讲的索引都是基于单列索引，而在innodb里还有多列索引：指的是一个索引(B+Tree)服务于多个字段。定义如下：
—> 为多个列建立索引，当第一个列相同的时候比较对第二个列进行排序所建的索引

  所以为多个字段建立多个单列索引，和为多个字段建立1个单列索引是大大不同的，区别如下：

• 前者要建立和维护多个B+Tree，后者则只建立一个
• 当where条件包含多个索引列，前者可能需要用到index merge(索引合并，即多个索引查找的内容取交集或并集后再回表查找！)；后者在满足多列匹配规则后可以直接获取结果然后回表！

  上述提到的多列匹配规则如下：

• 匹配左边的列：因为联合索引排序的关系，只能从最左边的列开始才能用上索引
• where条件把联合索引顺序颠倒：即使在where里顺序不同，因为优化器的原因，也不影响其匹配最左边的规则；
• 匹配范围值：即当最左边列相等时，第2个列是范围查询也能使用；但最左边列是范围查询，则后续的列无法用到索引。

覆盖索引

  讲完联合索引不得不说覆盖索引，定义：

• 当查询的列和索引一致的时候，就可以直接用二级索引而不需要回表，此时速度是最快的！也称为覆盖索引

  覆盖索引可谓是innodb里优化查询的非常重要的手段，因为它的定义，所以我们再select的时候最好不要select *，而是select需要的字段，这样可以减少回表操作！
  MySQL里最拖累查询速度的是：随机IO！指的就是回表操作，为什么索引那么快？因为排序后建立的B+Tree就是顺序IO，顺序IO即指的是在磁盘上读取时是相邻地址的数据，而随机IO顾名思义则是随机地址的数据。所以二级索引读取索引列很快，但是回表都是随机IO，速度则非常慢！
  所以用覆盖索引的速度是很快的！

前缀索引和索引选择性

  前缀索引则是innodb在索引上提供的一大新类，我们知道索引是按索引列从小到大排序的，而针对字符串这种的比对，就是从头到尾1个字符1个字符的比对，那如果有的字符串几十上百个字母，那花在比较的时间就太长了，这个时候有两个选择，一个是把字符串压缩或加密成MD5、SHA这种，利用hash的特性快速匹配。另一个也就是用前缀索引，因为我们完全没必要把整个字段都作为索引列，可以取该列的前几位比如前10位作为索引列！
  拖累索引最大的因素就是重复值！重复值过多，则排序后的结果就越难快速查找，所以重复值越少越好！在《高性能的MySQL》里提到了如何选择索引，如果要对一个字段建立索引，可以通过获取该列的基数来判断重复值的多寡，如下语句：

#获取索引列的不重复值
select count(distinct(字段名))/count(*) from table 

  而在前缀索引这里，可以通过left字段来分别获取前几位，比如下面的语句：

#分别获取前3、4、5列的不重复值来比较
select count(distinct(left(字段名,3)))/count(*) as sel3,
count(distinct(left(字段名,4)))/count(*) as sel4,
count(distinct(left(字段名,5)))/count(*) as sel5,
from table 

  当然上述只是重要参考，并不一定越大就越好，因为如果数据分布不平均，也会导致平均情况虽然好，但是最坏情况却很差！

索引的优缺点

  索引的优点：

• 大大减少了服务器需要扫描的数据量
• 辅助服务器避免排序和创建临时表(服务于比如去重、分组)
• 将随机IO变为顺序IO

  索引的缺点：

• 维护B+Tree的成本很高，如果频繁插入、删除，则每一次都得在所有的B+Tree进行增加、删除，同时如果涉及到页分裂，则会更复杂
• 回表的时间过长，所以在大表里(比如百万级、千万级数据)，因为回表的随机IO过多，还不如全表扫描！

如何建立合适的索引

• 只为用于搜索、排序或分组的列创建索引
• 考虑列的基数：即列的重复值，重复值越多，则排序越难，就无法快速查找，即索引就用不上了
• 索引字符串值的前缀：KEY idx_demo(name(10), birthday, phone_number)
  -比如name(10)，就可以根据name的前10位排序，这样在存储大字符串的时候是非常好的！但缺点就是排序时无法使用

总结

  本次就总结到此，关于索引的话题太多了，如何说也说不完。感兴趣的朋友可以拓展阅读《高性能的MySQL》第五章：创建高性能的索引！