Mysql学习笔记 【索引】

本文深度参考Mysql45讲

索引作用

加速提高查询数据的作用，就像目录一样。

索引模型

构建索引时间复杂度
查询方式：等值查询，区间查询时间复杂度，空间复杂度

哈希模型

• 索引构建
  通过key哈希值构建索引，如果发生冲突的话，采用拉链表的模式。
  构建索引效率，o1
• 查询效率
  等值查询: o1查询
  范围查询: 效率巨低
• 删除效率 o1
• 应用场景
  等值查询的场景

有序数组

• 索引构建
  key值有序增加
  构建索引效率 o(n),需要移动后面所有的记录
• 查询效率
  等值查询: o(logn)查询
  范围查询: o(logn)
• 删除效率 o(n)
• 应用场景
  静态数据，比如历史记录信息

搜索树

树型结构保存索引
采用多叉树的原因在于索引可能存在磁盘中，多叉树层级较低，可以减少和磁盘的交互。Innodb N叉树的N为1200

• 索引构建 o(logn)
• 查询效率 o(logn)
• 删除效率 o(logn)

本身没有问题，只不过是随着写的变多了，叶子结点存储可能更离散。

跳表

结合树和有序数组的优点，也是采用分层结构，每一层有序。
它比搜索树点在于增加删除时，比较简单只影响相邻节点，不涉及子树的调整。
和其他相比，范围查找具有优势。在最底层找到范围小值，顺序查找即可。搜索树(B树)需要中序遍历(搜索树叶子节点也可能有有序链表)。

• 索引构建 o(logn)
• 查询效率 o(logn)
• 删除效率 o(logn)

LSM树

前面的结构都是基于结果的存储，lsm树(log structured merge tree)存的是日志记录。

• 参考多级缓存的结构，先写缓存，(再排序)再刷磁盘。这样随机性变成一定程度的顺序写。
• 读取时内存和磁盘合并读取，磁盘上也需要多路归并。

WAL是为了防止内存数据丢失，先进行顺序写磁盘。

InnoDB的索引

InnoDB索引使用B+树，搜索树+叶子指针

主键索引

主键索引同聚簇索引，叶子结点存储的是整行数据

非主键索引

非主键索引的叶子结点存储的是主键的值，也称为二级索引。查询非主键索引需要查询主键索引才可以得到具体的记录。这个叫做回表。

索引的维护

• 插入/删除新的记录时，需要和主键索引的构造一致，保持有序。

主键索引中最下层是具体记录，所以说新的记录插入位置需要和主键索引保持一致。使用自增主键时，能保证新插入数据是增量的。

• 主键长度要小
  二级索引的叶子结点是主键索引，所以要小一点。

只有kv场景，只有一个索引，这时候可以不考虑其他索引大小问题。

索引查询优化

思路就是对于查询
如何构建索引树，使得可以减少回表。
如何复用已有的索引树，减少空间占用。

覆盖索引

查询的结果直接在索引树上，这样就不需要回表了。但是需要增加空间。

最左前缀原则

索引的排序是按照key值字典序构造的，所以查询时遇到like A%，也可以使用已有的索引进行加速。

索引下推

查询时，不满足最左前缀的部分，也可以在查询索引时进行过滤，减少回表次数。
比如说(A,B)联合索引，查询A like “张%” and B = 10 and is male=1， 那么可以查索引时，进行判断，减少回表次数。