《MySQL实战45讲》——学习笔记09 “普通索引和唯一索引、change buffer 和 redo log“

09 | 普通索引和唯一索引，应该怎么选择？

普通索引和唯一索引的查询过程

先举个例子，假设你在维护一个市民系统，每个人都有一个唯一的身份证号，如果市民系统需要按照身份证号查姓名，就会执行类似这样的 SQL 语句：

select name from t_user where id_card = 'abcxyz';

现在考虑在 id_card 字段上建索引：由于身份证号字段比较大，而每个二级索引的叶子节点会存放主键，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；所以不建议把身份证号当做主键；

那么现在有两个选择：要么给id_card字段创建唯一索引，要么创建一个普通索引；如果业务代码已经保证了不会写入重复的身份证号，那么这两个选择逻辑上都是正确的；

简单起见，我们还是用前面的文章中的例子（主键ID，普通索引k）来说明，假设字段k上的值都不重复；如下图所示；

接下来，我们就从这两种索引对查询语句和更新语句的性能影响来进行分析；先分析下查询性能；

先说结论：查询性能上，普通二级索引与唯一索引的差距微乎其微！

假设，执行查询的语句是 select id from T where k=5；

这个查询语句在索引树k上查找的过程：先从B+树从树根开始，按层搜索到叶子节点，也就是图中右下角的这个数据页，然后在数据页内部通过二分法来定位记录；

（1）对于普通索引来说：查找到满足条件的第一个记录 (5,500) 后，需要查找下一个记录，直到碰到第一个不满足 k=5 条件的记录；
（2）对于唯一索引来说：由于索引定义了唯一性，查找到第一个满足条件的记录后，就会停止继续检索；

由于B+数的特性，即叶子节点是有序的，因此"直到碰到第一个不满足 k=5 条件的记录"很快就能完成，只需接着第一条满足条件的记录按序往后找，直到找到不满足条件的记录即可；这相对于"找到第一个满足条件的记录后，就会停止继续检索"，多占用的查询性能几乎可以忽略不计；

为什么"普通二级索引与唯一索引的查询性能差距很小"？

InnoDB的数据是按数据页为单位来读写的，也就是说，当需要读一条记录的时候，并不是将这个记录本身从磁盘读出来，而是以页为单位，将其整体读入内存；

（1）如果k=5的这条记录与"接下来第一条不满足k=5条件"的记录都在同一个数据页内，则对于普通索引来说，要多做的一次“查找和判断下一条记录”的操作，就只需要在内存中完成一次指针寻找和一次计算，几乎不耗费性能；

（2）如果k=5的这条记录与"接下来第一条不满足k=5条件"的记录不在同一个数据页内，如k=5这个记录刚好是这个数据页的最后一个记录，那么要取下一个记录，必须读取下一个数据页，这个操作会稍微复杂一些，多了一次IO操作，即会多一次从磁盘读取一个数据页到内存的过程；

但是，对于整型字段，一个数据页（InnoDB中每个数据页的大小默认是16KB）可以放近千个key，因此出现这种情况的概率会很低；所以，我们计算平均性能差异时，仍可以认为这个操作成本对于现在的CPU来说可以忽略不计

change buffer的机制？

先介绍change buffer的机制：当需要更新一个数据页时，如果数据页在内存中就直接更新，而如果这个数据页还没有在内存中的话，在不影响数据一致性的前提下，InnoDB会将这些更新操作缓存在change buffer中，这样就不需要立即从磁盘中读入这个数据页了；在下次查询需要访问这个数据页的时候，将数据页读入内存，然后执行change buffer中与这个页有关的操作；通过这种方式就能保证这个数据逻辑的正确性；

需要说明的是，虽然名字叫作change buffer，实际上它是可以持久化的数据；也就是说，change buffer在内存中有拷贝，也会被写入到磁盘上；

将change buffer中的操作应用到原数据页，得到最新结果的过程称为merge；

触发merge的场景：（1）除了访问这个数据页会触发merge外，（2）系统有后台线程会定期merge；（3）在数据库正常关闭（shutdown）的过程中，也会执行merge操作；

change buffer带来的好处很明显：（1）如果能够将更新操作先记录在change buffer，减少读磁盘，语句的执行速度会得到明显的提升；而且，（2）数据读入内存是需要占用buffer pool的，所以这种方式还能够避免占用内存，提高内存利用率；

只有普通索引可以使用change buffer？

对于唯一索引来说，所有的更新操作都要先判断这个操作是否违反唯一性约束，也就是先查再校验，校验完成后再写；先查意味着数据要先将数据页从磁盘读入内存；比如，要插入(4,400)这个记录，就要先判断现在表中是否已经存在k=4的记录，而这必须要将数据页读入内存才能判断；

如果都已经读入到内存了，那直接更新内存会更快，就没必要使用change buffer了；因此，唯一索引的更新就不能使用change buffer，实际上也只有普通索引可以使用；

change buffer用的是buffer pool里的内存，因此不能无限增大；change buffer的大小，可以通过参数innodb_change_buffer_max_size来动态设置；这个参数设置为50的时候，表示changebuffer的大小最多只能占用buffer pool的50%；

普通索引和唯一索引的更新过程

基于上面的change buffer的机制，来分析下在上文中的表中插入一个新记录(4,400)，InnoDB的处理流程是怎样的；

（1）第一种情况是，这个记录要更新的目标页在内存中；这时，InnoDB的处理流程如下：

对于唯一索引来说，找到3和5之间的位置，判断到没有冲突，插入这个值，语句执行结束；
对于普通索引来说，找到3和5之间的位置，插入这个值，语句执行结束；

这样看来，普通索引和唯一索引对更新语句性能影响的差别，只是一个判断，只会耗费微小的CPU时间；

（2）第二种情况是，这个记录要更新的目标页不在内存中；这时，InnoDB的处理流程如下：

对于唯一索引来说，需要将数据页读入内存，判断到没有冲突，插入这个值，语句执行结束；
对于普通索引来说，则是将更新记录在change buffer，语句执行就结束了；

将数据从磁盘读入内存涉及随机IO的访问，是数据库里面成本最高的操作之一；change buffer因为减少了随机磁盘访问，所以对更新性能的提升是会很明显的；

对于更新/插入频繁的表来说，当你把某个普通索引改成了唯一索引，这个表的内存命中率可能会大幅下降，从而更新性能下降；

change buffer 的适用场景

通过上面的分析可知，change buffer只限于用在普通索引的场景下，而不适用于唯一索引；但是，不是普通索引的所有场景下，使用change buffer都可以起到加速作用；

因为merge的时候是真正进行数据更新的时刻，而change buffer的主要目的就是将记录的变更动作缓存下来，所以在一个数据页做merge之前，change buffer记录的变更越多，收益就越大；

因此，对于写多读少的业务来说，页面在写完以后马上被访问到的概率比较小，此时change buffer的使用效果最好；这种业务模型常见的就是账单类、日志类的系统；

反过来，假设一个业务的更新模式是写入之后马上会做查询，那么即使满足了条件，将更新先记录在change buffer，但之后由于马上要访问这个数据页，会立即触发merge过程；这样随机访问IO的次数不会减少，反而增加了change buffer的维护代价；

普通索引和唯一索引该如何选择？

其实，这两类索引在查询能力上是没差别的，主要考虑的是对更新性能的影响；所以，在可以业务上保证插入的数据不会触发唯一约束时，建议你尽量选择普通索引；

如果所有的更新后面，都马上伴随着对这个记录的查询，那么你应该关闭change buffer，因为立即触发了merge，它缓存的更新操作没有起到作用，没有降低磁盘随机IO的频率；而在其他情况下，change buffer都能提升更新性能；

在实际使用中，普通索引和change buffer的配合使用，对于数据量大的表的更新优化还是很明显的；特别地，在使用机械硬盘时，change buffer这个机制的收效是非常显著的；

所以，当你有一个类似“历史数据”的库（频繁写，由于是归档数据因此很少读），并且出于成本考虑用的是机械硬盘时（机械硬盘的单次IO成本较大），那你应该特别关注这些表里的索引，尽量使用普通索引，然后把change buffer尽量开大，以确保这个“历史数据”表的数据写入速度；

change buffer 和 redo log的作用的区别？

WAL提升性能的核心机制，也的确是尽量减少随机读写，redo log和change buffer这两个概念确实容易混淆；下面举个栗子说明下二者在执行更新语句时的作用和区别；

mysql> insert into t(id,k) values(id1,k1),(id2,k2);

假设当前k索引树的状态：查找到位置后，k1所在的数据页在内存(InnoDB buffer pool)中，k2所在的数据页不在内存中；下面是带change buffer的更新状态图；

这条更新语句做了如下的操作（按照图中的数字顺序）：

1. Page1在内存中，直接更新内存（图中的1）；
2. Page2没有在内存中，就在内存的change buffer区域，记录下“我要往Page2插入一行”这个信息（图中的2）；
3. 将上述两个动作记入redo log中（图中的3和4）；
4. 图中的两个虚线箭头，是后台操作，数据落盘；

 做完1-3，更新操作的事务就完成了；执行这条更新语句的成本很低，就是写了两处内存，然后写了一处磁盘（两次操作合在一起写了一次磁盘），而且还是顺序写的；图中的两个虚线箭头，是后台操作；

接下来执行一个查询操作：

select * from t where k in (k1, k2);

这里画了这两个读请求的流程图；条件：如果读语句发生在更新语句后不久，内存中的数据都还在，那么此时的这两个读操作就与系统表空间（ibdata1）和 redo log（ib_log_fileX）无关了；所以，图中就没画出这两部分，如下所示；

从图中可以看到：

1. 读Page1的时候，直接从内存返回；

可能存在疑问——WAL之后如果读数据，是不是一定要读盘，是不是一定要从redolog里面把数据更新以后才可以返回？其实是不用的；可以看一下上图，虽然(id1,k1)还未落盘，磁盘上还是之前的数据，但是这里读(id1,k1)时直接从内存返回结果，结果是正确的；

2. 要读Page2的时候，需要把Page2从磁盘读入内存中，然后应用changebuffer里面的操作日志，生成一个正确的版本并返回结果；可以看到，直到需要读Page2的时候，这个数据页才会被读入内存；

所以，如果要简单地对比这两个机制在提升更新性能上的收益的话，redo log主要节省的是随机写磁盘的IO消耗（转成顺序写），而change buffer主要节省的则是随机读磁盘的IO消耗；

解释一下，redo log 与 change buffer(含磁盘持久化) 这2个机制，不同之处在于——分别优化了整个变更流程的不同阶段； 先不考虑redo log、change buffer机制，简化抽象一个变更（insert、update、delete）流程：

步骤1：从磁盘读取待变更的行所在的数据页，读取至内存页中；
步骤2：对内存页中的行，执行变更操作；
步骤3：将变更后的数据页，写入至磁盘中；

步骤1涉及随机读磁盘IO；步骤3涉及随机写磁盘IO；

change buffer机制优化了步骤1——将更新命令存于change buffer而非更新前就将数据页刷入内存中，从而避免了随机读磁盘IO；

redo log机制优化了步骤3——将更新命令按序先落在redo log而非逐条立即落盘，避免了随机写磁盘IO，将随机写磁盘，优化为了顺序写磁盘（写redo log，确保crash-safe）；

关于作用的时机， change buffer机制不是一直会被应用到，仅当待操作的数据页当前不在内存中，需要先读磁盘加载数据页时，change buffer才有用武之地；而 redo log机制，为了保证crash-safe，一直都会用到；

思考题

问题（1）：如果某次写入使用了change buffer机制，之后主机异常重启，是否会丢失内存中的change buffer和数据？

答案是不会丢失；虽然是只更新内存，但是在事务提交的时候，我们把change buffer的操作也记录到redo log里了，所以崩溃恢复的时候，不仅可以对数据的变更恢复，内存中change buffer的变更也能恢复；

问题（2）：文中提到 "将 change buffer 中的操作应用到原数据页，得到最新结果的过程称为 merge"，那么merge的过程是否会把数据直接写回磁盘？

merge的执行流程是这样的：

1. 从磁盘读入数据页到内存（老版本的数据页）；
2. 从change buffer里找出这个数据页的change buffer记录(可能有多个），依次应用，得到新版数据页；
3. 写redo log；这个redo log包含了数据的变更和change buffer的变更，到这里merge过程就结束了；这时候，数据页和内存中change buffer对应的磁盘位置都还没有修改，属于脏页，之后各自刷回自己的物理数据，就是另外一个过程了；

也就是merge只会走到"将change buffer记录因此应用得到最新的数据，并将更新记录到redo log"这一步，而不是马上刷入磁盘，落盘有专门的异步任务去做；
 

下篇文章：待定

本章参考：09 | 普通索引和唯一索引，应该怎么选择？-极客时间