MYSQL索引-上

前言

今天同事做数据清理的时候发现我这边有一张表没有主键，这个表有两个字段，ID和Name，ID作者唯一索引，在我印象里，一个数据表如果没有主键索引，它会内部创建主键索引，创建的标准就是唯一性，我觉得应该是使用ID创建内部的主键索引。
所以，会有两个问题
第一个问题，如果确实使用ID创建了内部的主键索引，直接通过ID查询确实只会有一次 B+ 树的搜索，这样的话唯一索引其实就是没有意义的浪费。
第二个问题，如果不是通过ID创建内部的主键索引，而且通过其他方式内建的主键索引，那么 ID查询就需要就需要先通过二级索引 ID 搜索 B+ 树 查询到主键索引，再通过主键索引搜索B+树查询到数据记录，得需要两次的 索引树的查询。
所以这种做法怎么着都是不合理的。
下午补习了丁奇老师的 MYSQL45讲 的关于索引的的两节 深入浅出索引，做个笔记

innodb 索引模型

我们都知道，InnoDB 使用了 B+ 树索引模型，数据都是存储在 B+ 树的叶子节点上的。每一个索引都会对应一个 B+ 树。
简单的建表语句，ID是主键索引，k是普通索引，对应两颗B+ 树

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

索引k是1对应的ID是100，以此类推，2对应200，3对应300...
可以看到
主键索引的叶子节点存的是整行数据，也称聚簇索引
非主键索引的叶子节点内容是主键的值，也称二级索引

根据上面的索引结构说明，我们来讨论一个问题：基于主键索引和普通索引的查询有什么区别？

• 如果语句是 select * from T where ID=500，即主键查询方式，则只需要搜索 ID 这棵 B+ 树；
• 如果语句是 select * from T where k=5，即普通索引查询方式，则需要先搜索 k 索引树，得到 ID 的值为 500，再到 ID 索引树搜索一次。这个过程称为回表。
• 也就是说，基于非主键索引的查询需要多扫描一棵索引树。因此，我们在应用中应该尽量使用主键查询。

索引维护

B+ 树为了维护索引有序性，在插入新值的时候需要做必要的维护。以上面这个图为例，如果插入新的行 ID 值为 700，则只需要在 R5 的记录后面插入一个新记录。如果新插入的 ID 值为 400，就相对麻烦了，需要逻辑上挪动后面的数据，空出位置。
而更糟的情况是，如果 R5 所在的数据页已经满了，根据 B+ 树的算法，这时候需要申请一个新的数据页，然后挪动部分数据过去。这个过程称为页分裂。在这种情况下，性能自然会受影响。
除了性能外，页分裂操作还影响数据页的利用率。原本放在一个页的数据，现在分到两个页中，整体空间利用率降低大约 50%。当然有分裂就有合并。当相邻两个页由于删除了数据，利用率很低之后，会将数据页做合并。合并的过程，可以认为是分裂过程的逆过程。

基于上面的索引维护过程说明，我们来讨论一个案例：

你可能在一些建表规范里面见到过类似的描述，要求建表语句里一定要有自增主键。当然事无绝对，我们来分析一下哪些场景下应该使用自增主键，而哪些场景下不应该。

自增主键是指自增列上定义的主键，在建表语句中一般是这么定义的： NOT NULL PRIMARY KEY AUTO_INCREMENT。
插入新记录的时候可以不指定 ID 的值，系统会获取当前 ID 最大值加 1 作为下一条记录的 ID 值。
也就是说，自增主键的插入数据模式，正符合了我们前面提到的递增插入的场景。每次插入一条新记录，都是追加操作，都不涉及到挪动其他记录，也不会触发叶子节点的分裂。
而有业务逻辑的字段做主键，则往往不容易保证有序插入，这样写数据成本相对较高。

除了考虑性能外，我们还可以从存储空间的角度来看。假设你的表中确实有一个唯一字段，比如字符串类型的身份证号，那应该用身份证号做主键，还是用自增字段做主键呢？
由于每个非主键索引的叶子节点上都是主键的值。如果用身份证号做主键，那么每个二级索引的叶子节点占用约 20 个字节，而如果用整型做主键，则只要 4 个字节，如果是长整型（bigint）则是 8 个字节。

显然，主键长度越小，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。

所以，从性能和存储空间方面考量，自增主键往往是更合理的选择。有没有什么场景适合用业务字段直接做主键的呢？还是有的。
比如，有些业务的场景需求是这样的：
只有一个索引；该索引必须是唯一索引。
你一定看出来了，这就是典型的 KV 场景。由于没有其他索引，所以也就不用考虑其他索引的叶子节点大小的问题。
这时候我们就要优先考虑上一段提到的“尽量使用主键查询”原则，直接将这个索引设置为主键，可以避免每次查询需要搜索两棵树。