mysql InnoDB 索引结构

目录

前言

1. InnoDB常见的索引

2. B+树索引

2.1 二分查找法

2.2 二叉查找树

2.3 平衡二叉树

2.4 B树索引

2.5 B+树索引

2.5.1 聚集索引

2.5.2 非聚集索引

2.5.3 聚集索引与非聚集索引区别

---

前言

        索引的本质是让mysql以最高效、扫描行数最少的方式找到需要的数据。索引作用很大，但是也不索引越多，查询性能就越高。同样索引太少，也不行。所以如何给应用程序创建合适的索引至关重要。我认为最好的方式，是根据业务发展的需要，可以动态的对创建索引进行调整。如业务初期数据量不多的时候，可以先不建索引，待业务增速比较快的时候，对查询的需求增多的时候，可以根据具体的业务场景的数据流进行创建或者调整。当然，如果可以提交预判业务上的查询需求，可以在初期的时候把索引创建好。创建合适的索引也是非常有技术含量的。

1. InnoDB常见的索引

        B+树索引、全文索引、哈希索引

2. B+树索引

        B+树索引的结构类似于二叉树，可以根据键值快速的找到数据。这里需要注意的是，B+树索引实际找到并不是具体的行，而被查找数据行所在的页，然后把页读取到内存中，再在内存中查询与查询条件匹配的数据，最后返回。为了更好的理解B+树的结构和算法，先熟悉一下与B+树结构类似的二叉树和二分查询法

2.1 二分查找法

        二分查找法的基本思想是：

        1、将记录按有序化（升序或降序）排列；

        2、以排好序列的中点位置为比较对象，如果要查找的元素小于该中点元素，则待查找的序列范围可以缩小到左半部分，否则为右半部分。

        3、通过一次比较，查找范围可以缩小一半，以此类推，直到找到结果。

2.2 二叉查找树

二叉树规则：左子树的键值总是小于根节点的键值，右子树的键值总是大于根节点的键值。

        二叉树的定义规则比较简单，查询的思想就是二分查找法，有些情况下查找效率比较高，如图下：树的高度比较平衡、低，有些情况下会变成顺序查找，效率就不高了，如图二：根限情况下，二叉查找树变成了一个单向链表了。

2.3 平衡二叉树

        为了解决二叉查找树在某些情况下查找效率低的问题，平衡二叉树出现了。平衡二叉树的定义规则除了要满足基本二叉树的定义规则外，还必须满足任何节点的两个子树的高度最大差为1。上图一，是满足平衡二叉树的定义，图二就不满足。平衡二叉树的查找速度的确很快，不过维护平衡二叉树的代价也是比较大的，即当树增加或减少节点的时候，需要通过左旋或右旋操作，来调整树的树结构，使其继续保持平衡。

2.4 B树索引

        mysql的InnoDB存储引擎早期的索引结构是B树，其本质就是平衡二叉树。

        上一篇文章已经分享过msyql的InnoDB存储引擎的逻辑存储结构分别是由表空间、段、区、页、行组成，页是InnoDB存储引擎磁盘管理的最小单位。B树索引的结构如下图，节点的基本单位是页，叶子节点中存入的行数据，非叶子节点存储的是索引键和指针，根节点、非叶子节点、叶子节点之间以指针相连。

        假如我要查找id=33的王小红，那么其查询流程是这样的：

        1、先找到根节点，也就是页1，这里特别说明一下，mysql的B树索引的根节点一般会提前缓存到内存中，比较发现33小于60，那么根据页1中的指针p1找到了页2;

        2、找到页2后，与页2中的键值比较后，发现33在30与50之间，那么根据页2中的指针p2找到页6；

        3、页6已经是叶子节点了，把页6中数据读取到内存中，然后匹配到id=33的王小红，最后返回。

2.5 B+树索引

        B+树的实质是B树的进一步优化，再来看一下B+树的结构图:

        与B树不的点：

        1、非叶子节点是不存储数据的，仅存键值，B树的非叶子节点不仅有键值，还会存储数据。

        2、叶子节点与非叶子节点之间通过双向链表相连。

        小结一下，我们可以得到一个结论：

        1、B树和B+树索引的根节点是缓存到内存中，每向下查找一次都要进行一次磁盘读取 ，那如果树的高度越低，读取磁盘的次数就越少，查询性能就越高。

        2、B树和B+树索引的结构是平衡二叉树，为了保持树的平衡性，每次对表的增、删、改操作都需要对索引结构进行分裂调整，如果索引列建的很多，那么分裂调整索引占用的资源就越多，数据库的整体性能就会下降，这下明白为啥索引不一定越多越好了吧。

        3、页是mysql的InnoDB存储引擎最小的磁盘管理单位，其大小是固定的，默认是16k，如果有限的页空间里存储是键值，而不是数据，那么页中就会存储更大键值范围，那么树的高度就会更低，读取磁盘的次数更少，查询性能也就更高，所以B+树索引要优于B树。

        4、B+树的叶子节点存储的是数据，且叶子节点之间是双向链表相连，数据内部是单向链表，那么B+树索引的列在范围查询、排序更有优势。（索引从结构上分有B+树索引、全文索引、哈希索引，使用的时候应该根据实际场景选择，而不是瞎建。）

2.5.1 聚集索引

        其实B+树还可以细分，表按主键构造一颗B+树索引，那这样的索引就称为聚集索引。通常情况下，每张表都会建一个自增主键，那么这个id就是键值，叶子节点上与键值相对应的就是数据行。

2.5.2 非聚集索引

        按非主键列构建的B+树索引，就是非聚集索引。

2.5.3 聚集索引与非聚集索引区别

        1、根本区别在于聚集索引的叶子节点存储有键值和数据行，非聚集索引的叶子节点存储的是键值和指向聚集索引的指针。

        2、通过聚集索引查询数据的时候，在叶子节点匹配到数据后就可以直接返回了；通过非聚集索引列查询数据的时候，在叶子节点匹配到的不是数据行，而是指向聚集索引的指标，所以需要再根据指针再去取实际的数据，通常这个动作叫回表查询。（现在明白为啥有人反复说，表一定要有一个主键了吧）