【MySQL优化(五)】InnoDB索引结构及特点

什么是索引

索引是帮助MySQL高效获取数据的排好序的数据结构

索引的存储

InnoDB, 表结构的定义存储在[表名.frm]中，索引和数据存储在[表名…ibd]文件中

索引的优点

1. 大大减少了服务器需要扫描的数据量
2. 帮助服务器避免排序和临时表
3. 将随机IO变成顺序IO

索引的分类

• 数据结构角度
  • B+Tree
  • Hash
• 物理存储角度
  • 聚簇索引（主键索引）
  • 非聚簇索引（二级索引）
• 逻辑角度
  • 主键索引
  • 唯一索引
  • 单列索引
  • 联合索引
  • 全文索引

索引结构

数据结构角度

B+Tree

问：为什么MySQL用B+Tree树作为索引的数据结构？
答： 因为数据库需要支持范围查找，同时要尽量控制每次查询过程中磁盘I/O的次数，即需要控制树高。

二叉树、红黑树

每层存储的元素较少，同样数据量的情况下，相比与B树和B+树，树高太高，导致每次查询过程中的I/O次数不可控可，大部分情况下I/O次数过多。

B树：

1. 非叶子节点也存储了数据，MySQL以页为单位存储和读取数据，每页大小16KB，由于非叶子节点也存储了数据，导致在非叶子节点每页可以存储的数据行会少很多（通常索引相比于整行数据的大小小很多），这样整体树的高度相对就较高，最终如果查询的数据是落在了叶子节点，那么会导致I/O次数过多，不稳定。
2. B树叶子节点没有用指针关联，若范围查找，找到第一个数据所在页后，若还需要查找其他数据，需要重新从根节点开始进行查找，效率不高。

B+树

1. 非叶子节点只存储索引（冗余索引）
2. 叶子节点存储索引和数据
3. 叶子节点使用双向指针相互连接形成一个双向链表方便范围查找

总结

由于B+树非叶子节点只存储了索引，这样大大提高了每个非叶子节点可以存储的数据行数量，保证了树的高度可控。同时叶子节点使用双向指针连接形成链表，在执行范围查询，排序等操作时避免了重复从根节点开始查找数据。所以InnoDB最终选择了B+树作为索引的数据结构。

扩展阅读

一个用自增整数(Int)作为主键的树高为3的B+树可以存储多少行数据。

Int需要4字节存储空间, InnoDB索引对应的指针大小为6字节，假设每行数据大小为1KB(在大多数场景中，MySQL数据行不会超过1KB大小)，参考上面的B+树图

第一层：根节点 - (16 * 1024) / (4 + 6) = 1638.4
第二层：非叶子节点 - (16 * 1024) / (4 + 6) = 1638.4
第三层：叶子节点 - (16 * 1024) / 1024 = 16

总共可以存储的数量是: 1638 * 1638 * 16 = 42928704

一共可以存储4000多万数据，所以大家明白InnoDB最终为什么选择使用B+树作为索引的数据结构了吧。

Hash

特点

• 只能满足 “=”、“IN” 查询，大多数时候执行此类查询时比B+树高效
• 无序，不支持范围查询
• 存在hash冲突问题，底层使用数组+链表（红黑树）来解决

Hash索引的限制

1. 哈希索引只包含哈希值和行指针，而不存储字段值，索引不能使用索引中的值来避免读取行
2. 哈希索引数据并不是按照索引值顺序存储的，所以无法进行排序
3. 哈希索引不支持部分列匹配查找，哈希索引是使用索引列的全部内容来计算哈希值
4. 哈希索引支持等值比较查询，也不支持任何范围查询
5. 访问哈希索引的数据非常快，除非有很多哈希冲突，当出现哈希冲突的时候，存储引擎必须遍历链表中的所有行指针，逐行进行比较，直到找到所有符合条件的行
6. 哈希冲突比较多的话，维护的代价也会很高

物理存储角度

聚簇索引（主键索引）

1. 每张InnoDB引擎表只有一个聚簇索引，即主键索引

2. 聚簇索引的叶子节点存储了整行的完整数据

3. 建议主动给每张表建一个主键，并且最好使用自增的整数，原因如下

   • 减少MySQL的负担，不要让MySQL来计算应该用哪列做主键或自己维护一个隐藏的主键列。
   • 考虑查询时的比较效率、大小、存储空间、页分裂树旋转等因素建议使用自增整数
   • 由于普通索引的叶子节点存储的是主键值，自增整型的占用的存储空间较小，所以普通索引占用的空间也就越小

   思考：什么时候不适用用自增整型做主键?

   业务场景：

   1. 只有一个索引
   2. 该索引必须是唯一索引
   
   即KV场景，读远大于写
   

   分析

   1. 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		
   2. 尽量使用主键查询，避免回表
   3. 所以此时最好的选择是直接将该索引设为主键
   

限制：

1. 聚簇数据最大限度地提高了IO密集型应用的性能，如果数据全部在内存，那么聚簇索引就没有什么优势
2. 插入速度严重依赖于插入顺序，按照主键的顺序插入是最快的方式
3. 更新聚簇索引列的代价很高，因为会强制将每个被更新的行移动到新的位置
4. 基于聚簇索引的表在插入新行，或者主键被更新导致需要移动行的时候，可能面临页分裂的问题
5. 聚簇索引可能导致全表扫描变慢，尤其是行比较稀疏，或者由于页分裂导致数据存储不连续的时候

非聚簇索引（二级索引）

1. 相比于聚簇索引，非聚簇索引每张表可以建多个
2. 非聚簇索引的叶子节点存储的是索引值和主键值

联合索引

思考：如何选择联合索引的顺序

• 最左前缀原则
• 区分度
• 范围查询
• 排序条件
• 尽量通过联合索引完成覆盖索引查询操作

扩展阅读

回表

先搜索二级索引树，得到主键的值，再到主键索引树搜索一次。这个过程称为回表。

页（page）的内部定位行数据

内部有个有序数组，二分法查找

系列文章

上一篇：【MySQL优化(四)】InnoDB数据类型解析及建表规约
下一篇：【MySQL优化(六)】MySQL Explain详解