对于数据库来说,最常使用的操作不是插入和删除,而是查找。只要为数据库加上正确的索引,查找的速度就会提高很多。但是查找效率的提高是以插入,删除数据的速度为代价的。
常见的索引分为:
添加索引的语法是:index(字段)添加索引也是需要消耗时间的,但是一旦添加了就不需要进行重复添加了。
为了更加清晰的看到这一现象,我们建立一个拥有海量数据的数据库,并通过查询时间的变化体现索引的价值:
该数据库大概有八百多万条数据,在没有加入索引的时候,查询数据,发现时间在7s到9s之间。
下面对数据库进行加入索引:
mysql> alter table EMP add index(empno);
此时显示添加成功,下面我们再重复查询一下上述数据:
会发现时间已经变成了0.0几秒。
这就是索引的作用,大大提高了搜索的效率。
要理解索引的底层原理,我们需要先认识磁盘,因为MySQL是可以近似认为是直接和磁盘打交道的(实际上也是将数据从磁盘先加载到内存)。
MySQL数据库对数据的访问,全部都是内存中进行的,定期将数据刷新到磁盘中,所以MySQL是多线程的。
MySQL在启动的时候,就会直接给自己malloc出一大块内存空间(buffer_pool),然后由这个buffer_pool将数据刷新到磁盘中。刷新的过程是一个系统调用,如果不想让OS帮忙做这件事,也可以手动刷新:
所以数据库访问磁盘的方式,大致是这样的,与用户访问磁盘的方式基本相同。只不过有了数据库之后,用户直接访问数据库即可。
这里的一切交互指的是I/O交互,要理解I/O交互,首先需要认识一下磁盘。
我们可以把磁盘近似认为一个柱状结构,它的每一个切面都有很多个同心圆,每个同心圆称为一个磁道。每个磁道都有一个编号,最外面的磁道的编号是0。每个磁道又被划分成若干段(段又叫扇区),每个扇区存储的容量为512字节。每个扇区都有一个编号。
如果我们知道磁头位置,柱面位置,扇区位置即可定位扇区,磁头,柱面和扇区都是有对应的编号的。这种磁盘数据定位的方式我们称为CHS。不过实际上系统软件使用的并不是CHS(但是硬件是),而是LBA。它是一种线性地址,可以类比虚拟地址与物理地址。系统将LBA地址最后会转化为CHS,交给磁盘去进行数据读取,不过我们现在不关心这些细节,知道这个东西,让我们逻辑自洽起来就好。
在系统上不是以扇区大小(512字节)为单位进行数据交互的。
因此引入了数据块,系统读取磁盘是以块为单位的,基本单位是4KB。
而MySQL是一个应用软件很难想象成一种特殊的文件系统,它有着更高级的IO场景。所以为了提高基本的IO效率,MySQL进行IO的基本单位是16KB(后面统一使用InnodeDB存储引擎讲解)
mysql> show global status like 'innodb_page_size';
16384/1024=16。
也就是说,磁盘这个硬件设备基本单位是512字节,而MySQL innodb引擎使用的是16KB进行IO交互。即MySQL和磁盘进行数据交互的基本单位是16KB。这个基本数据单元,在MySQL这里叫做page(注意和系统的page进行区分)。
但是在实际上MySQL还是通过内存与磁盘交互的,可以理解为16KB的数据被分为四份,进行内存与磁盘间的交互。
因为局部性原理。
当要查找一条数据的时候,假设第一次加载了id=1的数据,第二次要查找id=2的数据,还需要再加载一次,这样就进行了两次IO。
而这两条数据数值相近,很可能就保存在同一个Page中,那么第一次查询id=1的时候,id=2已经被加载到内存了,就不需要再进行IO了。当然也可能不在,当不在的时候再去进行IO也不迟。
以上原理称为局部性原理,其实IO效率低下的最主要矛盾不是IO单次数据量的大小,而是IO的次数。
随机访问:本次IO所给出的扇区地址和上次IO给出的扇区地址不连续,这样的话磁头在两次IO操作之间需要比较大的移动动作才能重新开始读写数据。
连续访问:如果当次IO给出的扇区地址与上次IO结束的扇区地址是连续的,那磁头就能很快的开始这次IO操作,这样的多个IO操作称为连续访问。
因此尽管相邻两次IO操作在同一时刻发出,但如果它们的请求的扇区地址相差较大的话也只能称为随机访问,而非连续访问。
磁盘是通过机械运动寻址的,随机访问不需要过多的定位,效率比较高。
首先建立一个测试表:
mysql> create table user(
-> id int primary key,---一定要添加主键
-> age int not null,
-> name varchar(16) not null
-> );
mysql> insert into user(id,age,name) values(3,18,'祖国人'),
-> (4,16,'星光'),
-> (2,26,'梅芙女王'),
-> (5,36,'屠夫'),
-> (1,56,'士兵男孩')
-> ;
我们是乱序插入的,但是显示出来之后是有序的,这是为什么呢?这是因为为了方便以后的主键索引,所以在有主键的情况下进行了默认的排序。
系统中一定存在大量的I/O请求(多个进程),OS需要对这些IO请求来进行管理,管理的方式还是先描述,再组织。可以将每一个请求看成一个结构体,通过链表的形式来进行链接。同时在磁盘中一定存在一个IO运行队列以及等待队列。
struct request_io
{
char* start,end;
pid_t id;
}
struct disk
{
struct request_io queue;
struct task_struct* wait_queue;
}
类比到MySQL,MySQL中在任何一个时刻一定存在大量的Page,MySQL本身也需要对这些Page来进行管理。方式依然是先描述,再组织。
struct Page
{
struct Page* prev;
struct Page* next;
char buffer[];//Page空间
}
以上这些内容都是存在于内存中的。
不同的Page,在MySQL中,都是16KB,使用prev和next构成双向链表,因为有主键的问题,MySQL会默认按照主键给我们的数据来进行排序,从上面的Page中的数据可以看出,它们也是使用链表进行连接的,是彼此进行关联的。
插入数据不按照插入的顺序,而进行排序的原因:
插入数据进行排序的目的就是提高查找的效率,页内部存放数据的模块,实际上也是一个链表的结果,链表的特点也就是增删查改,查询修改慢,所以优化查询的效率是必须的。
正因为有序,在查找的时候,从头到后都是有效查询,没有任何一个查找时浪费的,而且如果运气好,是可以提前结束查找的过程的。
通过上面的分析,我们知道:在查询某条数据的时候直接将一整页的数据加载到内存中,以减少IO次数,从而提高性能。但是我们也可以看到,在内部,每一条数据也是通过链表链接起来的,本质上还是需要取出来特定的数据进行逐条比较。
但别忘了,这些数据都是有序的,我们可以根据这些数据的有序性,为每一个Page建立一个目录。
建立目录一定会耗费空间,但是会提高查找的效率,比如假设每一百个数据为一个目录中的内容我们要找第222个数据,那么我们直接从目录中的200页开始找起就可以了。
因此一个Page中的真正的结构是这样的
目录的引入就大大提高了单个Page中的查找效率。
以上只是一个Page的情况,只解决了在一个Page中进行查找的效率的问题。不过Page也是使用链表链接起来的,在查找的时候需要先找到这个Page,然后在Page中查找,显然使用遍历的方式进行查找太浪费时间了。
MySQL解决这个问题的方式还是使用目录,不过这次做的是页的目录,将每页的数据的最小编号作为这个页的编号,然后创建目录页,目录页中的内容是一个个指针,指向各个页。
我们可以来计算一下,每一个页目录中至少有一个数据和一个指针,暂时不考虑前后指针,它的大小大概是8字节,则:
16*1024/8=2048
即一个目录Page可以索引2048个存储数据的Page。那么如果Page非常非常多,导致目录也很多呢?梅开二度,为目录Page也创建一个目录Page。
这样在查找的时候,就可以先将最顶端的Page先加载到内存中,然后一层一层进行排除,最终找到要索引的值。比如我们要找18:
只需要查询三次即可找到。
我们可以看出这实际上就是一棵B+树,MySQL底层就是使用B+树来建立索引的。这棵完整的B+树是存在于磁盘中的,而内存中有不完整的B+树。
MySQL解决搜索效率的问题从两方面入手:
1.Page解决效率的问题
2.Page和Page之间解决效率的问题
两种解决方式都是建立一棵B+树来解决。所有的数据既有可能在磁盘中,也有可能在buffer_pool中,所有的数据必须以Page为单位进行IO,以Page为单位进行组织。
在MySQL内部,将Page以B+树的方式组织起来,形成的数据结构和与其配套的查找算法称为索引。
以上讲的都是innodb引擎下的主键索引。它是一种将用户数据和索引数据放在一起的方案,称为聚簇索引。而MyISAM引擎是将用户数据和索引数据进行分离。做法就是将数据页中的用户数据改成存放用户数据的地址。
因此在解耦方面,MyISAM更有优势。它的叶子节点不保存数据,而是保存数据的地址。
我们可以观察一下两种引擎建立索引的不同之处:
mysql> create table mtest( id int primary key, name varchar(11) not null)engine=MyISAM;
mysql> create table istest(
-> id int primary key,
-> name varchar(11) not null
-> )engine=InnoDB;
此时我们就分别使用MyISAM引擎和InnoDB引擎建立一个表。
查询索引的方式是:
mysql> show index from istest\G;
mysql> show index from mtest\G;
此时我们就可以看到该表的索引了,这里只有一个索引,即主键索引。
其中BTree表示的是B+树。
通常情况下,我们使用的就是主键索引。主键索引的特点在于,当我们指定主键之后,MySQL会自动为其创建索引,而不需要我们自己操作,因此我们只需要指定主键即可。
//建表时直接指定主键的两种方式
mysql> create table user1(id int primary key,name varchar(30));
mysql> create table user2(
-> id int,
-> name varchar(30),
-> primary key(id)
-> );
//建表后指定主键
mysql> create table user3( id int, name varchar(30) );
mysql> alter table user3 add primary key(id);
当我们指定主键之后,其实也就默认使用了主键索引。
//建表时在表的最后指定索引
mysql> create table user8(
-> id int primary key,
-> name varchar(20),
-> email varchar(30),
-> index(name)
-> );
//建表后指定某列为索引
mysql> alter table user8 add index(email);
//新建一个索引并取别名
mysql> create table user10(
-> id int primary key,
-> name varchar(20),
-> email varchar(30)
-> );
mysql> create index idx_name on user10(name);
如果不取别名,那么索引的名字应该为列的名字。同时,一个表中可以有多个索引。
可以看到user8是有三个索引的。分别是主键索引,name和email。而且结构都是B+树。
当创建唯一键的时候,和主键一样,MySQL也为其创建了索引,因此我们只需要建立唯一键即可:
//建表的时候建立唯一键
mysql> create table user4(
-> id int primary key,
-> name varchar(30) unique
-> );
//建表的时候再最后指定唯一键
mysql> create table user5(
-> id int primary key,
-> name varchar(30),
-> unique(name)
-> );
//建表之后添加索引
mysql> create table user6( id int primary key, name varchar(30) );
mysql> alter table user6 add unique(name);
我们目前使用的所有索引建立都是基于一列的,一列的信息量都不大,但如果一列是一篇文章呢?
当对文章字段或有大量文字的字段进行检索时,会使用到全文索引。MySQL提供全文索引机制,但是有要求,要求表的存储引擎必须是MyISAM,而且默认的全文索引支持英文,不支持中文,如果对中文进行全文索引,可以使用sphinx的中文版(coreseek)。
我们建立一个表并向其中插入数据:
mysql> CREATE TABLE articles (
-> id INT UNSIGNED AUTO_INCREMENT NOT NULL PRIMARY KEY,
-> title VARCHAR(200),
-> body TEXT,
-> FULLTEXT (title,body)
-> )engine=MyISAM;
mysql> INSERT INTO articles (title,body) VALUES
-> ('MySQL Tutorial','DBMS stands for DataBase ...'),
-> ('How To Use MySQL Well','After you went through a ...'),
-> ('Optimizing MySQL','In this tutorial we will show ...'),
-> ('1001 MySQL Tricks','1. Never run mysqld as root. 2. ...'),
-> ('MySQL vs. YourSQL','In the following database comparison ...'),
-> ('MySQL Security','When configured properly, MySQL ...');
此时我们使用一段话来模拟一篇文章,下面我们来查询一下有没有database数据:
mysql> select * from articles where body like '%database%';
mysql> explain select * from articles where body like '%database%'\G;//使用explain工具可以看出是否用到了索引
我们发现,使用这条语句是完全可以查询到的,但是却没有用到索引:
如何使用全文索引呢?
mysql> select* from articles where match(title,body) against('database');
mysql> explain select* from articles where match(title,body) against('database');