[MySQL]MySQL索引

[MySQL]MySQL索引

1. 索引的概念

索引：提高数据库的性能，索引是物美价廉的东西了。不用加内存，不用改程序，不用调sql，只要执行 正确的 create index ，查询速度就可能提高成百上千倍。但是天下没有免费的午餐，查询速度的提高 是以插入、更新、删除的速度为代价的，这些写操作，增加了大量的IO。所以它的价值，在于提高一个 海量数据的检索速度。

• MySQL的服务器本质是在内存中的，因此MySQL的CRUD操作也在内存当中，索引也是如此。
• 索引提高效率的方式：对组织数据的方式进行重构。

常见索引分为：

• 主键索引(primary key)
• 唯一索引(unique)
• 普通索引(index)
• 全文索引(fulltext)–解决中子文索引问题。

示例： 先整一个海量表，在查询的时候，看看没有索引时有什么问题？

使用如下SQL语句创建一个拥有海量数据的表：

drop database if exists `index_demon`;
create database if not exists `index_demon` default character set utf8;
use `index_demon`;

-- 构建一个8000000条记录的数据
-- 构建的海量表数据需要有差异性，所以使用存储过程来创建

-- 产生随机字符串
delimiter $$
create function rand_string(n INT)
returns varchar(255)
begin
declare chars_str varchar(100) default
'abcdefghijklmnopqrstuvwxyzABCDEFJHIJKLMNOPQRSTUVWXYZ';
declare return_str varchar(255) default '';
declare i int default 0;
while i < n do
set return_str =concat(return_str,substring(chars_str,floor(1+rand()*52),1));
set i = i + 1;
end while;
return return_str;
end $$
delimiter ;

-- 产生随机数字
delimiter $$
create function rand_num( )
returns int(5)
begin
declare i int default 0;
set i = floor(10+rand()*500);
return i;
end $$
delimiter ;

-- 创建存储过程，向雇员表添加海量数据
delimiter $$
create procedure insert_emp(in start int(10),in max_num int(10))
begin
declare i int default 0;
set autocommit = 0;
repeat
set i = i + 1;
insert into EMP values ((start+i)
,rand_string(6),'SALESMAN',0001,curdate(),2000,400,rand_num());
until i = max_num
end repeat;
commit;
end $$
delimiter ;

-- 雇员表
CREATE TABLE `EMP` (
  `empno` int(6) unsigned zerofill NOT NULL COMMENT '雇员编号',
  `ename` varchar(10) DEFAULT NULL COMMENT '雇员姓名',
  `job` varchar(9) DEFAULT NULL COMMENT '雇员职位',
  `mgr` int(4) unsigned zerofill DEFAULT NULL COMMENT '雇员领导编号',
  `hiredate` datetime DEFAULT NULL COMMENT '雇佣时间',
  `sal` decimal(7,2) DEFAULT NULL COMMENT '工资月薪',
  `comm` decimal(7,2) DEFAULT NULL COMMENT '奖金',
  `deptno` int(2) unsigned zerofill DEFAULT NULL COMMENT '部门编号'
);

-- 执行存储过程，添加8000000条记录
call insert_emp(100001, 8000000);

首先将以上SQL语句导入到一个本地的文本文件中，然后在Linux系统中使用rz命令将该文件导入：

然后在MySQL中使用source执行导入的SQL语句文件：

由于服务器配置的限制，数据量太大可能会导致MySQL卡住，需要耐心等待：

最后执行完成，用时大概7分钟11.79秒：

完成后，会新增一个index_demon数据库：

数据库中有一个EMP表：

查看表结构：

由于表中数据量很大，我们只查看一下前5行数据：

经过多次测试发现正常查询某条记录大概需要4.2秒左右：

然后对表添加索引，花费了大概20.88秒：

有了索引之后，查找的效率大大提高了：

2. 认识磁盘

MySQL 给用户提供存储服务，而存储的都是数据，数据在磁盘这个外设当中。

磁盘是计算机中的一个机械设备，相比于计算机其他电子元件，磁盘效率是比较低的，在加上IO本身的特征，要想更好的理解MySQL的效率问题，我们必须要了解磁盘的结构和工作原理。

磁盘的内部结构

• 磁盘 – 由很多盘片组成，用于存储数据。
• 主轴 – 能够将磁盘进行高速旋转。
• 磁头 – 磁盘的每个盘片都有一个对应的磁头，用于读取对应盘片中数据，不与盘面接触。

磁盘中的一个盘片结构

磁盘由多个盘片组成，盘片具有磁性，使用磁性特点来记录对应的二进制数据。

• 磁道： 磁盘表面被分为许多同心圆，每个同心圆称为一个磁道，每个磁道都有一个编号，最外面的是0磁道。
• 扇区： 每个磁道被划分成若干个扇区，每个扇区的存储容量为512字节，每个扇区都有一个编号。

我们在使用Linux，所看到的大部分目录或者文件，其实就是保存在硬盘当中的，所以，最基本的，找到一个文件的全部，本质，就是在磁盘找到所有保存文件的扇区，而我们能够定位任何一个扇区，那么便能找到所有扇区，因为查找方式是一样的。

MySQL中的数据库和表也是通过文件形式存储在硬盘中的：

因此知道如何在磁盘中如何定位扇区，找到对应的文件，才能知道MySQL中的数据如何找到。

定位扇区

定位扇区的步骤：

• 定位数据所在的是哪一个盘面 – 也就是选择哪一个对应的磁头。
• 定位数据在所在盘面的哪一个的磁道。
• 定位数据在所在磁道中的哪一个扇区。

磁头（Heads）、柱面(Cylinder)(等价于磁道)、扇区(Sector)对应的编号。即可在磁盘上定位所要访问的扇区。这种磁盘数据定位方式叫做 CHS 。不过实际系统软件使用 的并不是 CHS （但是硬件是），而是 LBA ，一种线性地址，可以想象成虚拟地址与物理地址。系统 将 LBA 地址最后会转化成为 CHS ，交给磁盘去进行数据读取。

我们现在已经能够在硬件层面定位，任何一个基本数据块了(扇区)。但是在系统软件上，不是直接按照扇区(512字节),进行IO交互，原因如下：

• 如果操作系统直接使用硬件提供的数据大小进行交互，那么系统的IO代码，就和硬件强相关，换言之，如果硬件发生变化，系统必须跟着变化
• 从目前来看，单次IO 512字节，还是太小了。IO单位小，意味着读取同样的数据内容，需要进行多次磁盘访问，会带来效率的降低。
• 之前学习文件系统，就是在磁盘的基本结构下建立的，文件系统读取基本单位，就不是扇区，而是数据块。

综上原因，系统读取磁盘，是以块为单位的，基本单位是 4KB 。

磁盘随机访问与连续访问

• 随机访问：本次IO所给出的扇区地址和上次IO给出扇区地址不连续，这样的话磁头在两次IO操作之间需要作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。
• 因此尽管相邻的两次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很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进行寻址的，连续访问不需要过多的定位，故效率比较高。

3. MySQL与磁盘交互的基本单位

而 MySQL 作为一款应用软件，可以想象成一种特殊的文件系统。它有着更高的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 InnoDB 存储引擎讲解)。这个基本数据单元，在 MySQL 这里叫做page（注意和系统的page区分）。

• MySQL作为一款应用层软件无法直接与磁盘内的数据进行访问，只能通过操作系统来访问。
• 由于操作系统是按4KB大小的数据块和磁盘进行访存，而MySQL访存的基本单位是16KB。
• 操作系统为MySQL设置一个缓冲区，一次性从磁盘访存4次数据给MySQL使用。
• MySQL从操作系统为其准备的缓冲区中取数据到自身的缓冲区进行操作。

查看MySQL访存基本单位：

SHOW GLOBAL STATUS LIKE 'innodb_page_size';

4. 建立共识

• MySQL 中的数据文件，是以page为单位保存在磁盘当中的。
• MySQL 的 CURD 操作，都需要通过计算，找到对应的插入位置，或者找到对应要修改或者查询的数 据。
• 而只要涉及计算，就需要CPU参与，而为了便于CPU参与，一定要能够先将数据移动到内存当中。
• 所以在特定时间内，数据一定是磁盘中有，内存中也有。后续操作完内存数据之后，以特定的刷新 策略，刷新到磁盘。而这时，就涉及到磁盘和内存的数据交互，也就是IO了。而此时IO的基本单位 就是Page。
• 为了更好的进行上面的操作， MySQL 服务器在内存中运行的时候，在服务器内部，就申请了被称为 Buffer Pool 的的大内存空间，来进行各种缓存。其实就是很大的内存空间，来和磁盘数据进 行IO交互。
• 为何更高的效率，一定要尽可能的减少系统和磁盘IO的次数

查看MySQL的配置文件，可以看到Buffer Pool的默认大小：

5. 索引的理解

创建测试表进行测试

创建了一个主键为序号, 包含年龄、姓名属性的用户表：

用户表的结构如下：

向表中插入一些无序的数据：

查看表中数据：

无序插入的数据，在表中按照主键的顺序出现。

为什么IO交互要使用page：

如上面的5条记录，如果MySQL要查找id=2的记录，第一次加载id=1，第二次加载id=2，一次一条记录，那 么就需要2次IO。如果要找id=5，那么就需要5次IO。 但，如果这5条(或者更多)都被保存在一个Page中(16KB，能保存很多记录),那么第一次IO查找id=2的时 候，整个Page会被加载到MySQL的Buffer Pool中，这里完成了一次IO。但是往后如果在查找id=1,3,4,5 等，完全不需要进行IO了，而是直接在内存中进行了。所以，就在单Page里面，大大减少了IO的次数。 我们不能严格保证，但是有很大概率，因为有局部性原理。 往往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。

理解单个page

MySQL 中要管理很多数据表文件，而要管理好这些文件，就需要 先描述，在组织 ,而一个个独立文件是由一个或者多个Page构成的。

• Page 在 MySQL 中，都是 16KB 。
• 单个page文件的结构由两个指针（ prev 和 next ）和数据构成。
• page文件中的数据由链表结构组织起来，因此在page页中增删数据的速度很快，但是查询的速度很慢。
• 因为有主键的问题， MySQL 会默认按照主键给我们的数据进行排序。

理解多个page

page通过一次加载16KB的数据的方式，减少IO，提高了了效率，但是数据库中不只是有一个page页：

• 多个page页是由prev 和 next 两个指针构成双向链表。
• 由于多个page页是用链表结构组织起来的，page页内的数据也是由链表结构组织起来的，因此查找数据时需要先遍历page页链表结构找到对应的page页，然后在对应的page页中遍历数据链表结构，因此效率很低。

页目录

由于page结构的限制，只能线性遍历搜素数据，效率很低，我们引入了页目录的概念。

页目录用于记录对应数据以及对应数据所在位置的结构。

这里的页目录就和我们平常看书的目录类似，我们想找到书的某一部分时，可以通过查看目录找到该部分所在章节，然后从该章节对应的页数在章节内寻找，大大提高了效率。于是我们在MySQL中的page页结构中也引入了页目录。

单表情况：

• page页中不仅存有prev、next指针和数据还有页目录。
• 查找数据时，通过页目录筛选数据可能在的位置，减少不必要的记录的遍历。
• page页的大小是固定的，引入页目录本质上是一种空间换时间的策略。

引入页目录后，比如我们要查找图中主键为4的数据，可以先遍历页目录发现主键大于目录2记录的主键数据3，目录1到目录2之间不可能存在，于是就减少了不必要记录的遍历，然后我们发现要找的记录会在目录2指向的位置往后，于是根据目录2指向的位置往后寻找。由于这种查找的方式是需要主键有序的，因此我们可以理解为什么在测试表中发现无序的插入数据，结果却是有序的。

多表情况：

在单个page页内引入了页目录提高了page页内链式结构的数据的查找效率，但是多个page页间仍然是链式结构的，导致了如果要查找特定page页，就要从page页链表的表头开始线性查找，但是一次只从磁盘中加载一个page页，寻找特定page页就要多次IO加载page页影响效率。因此将页目录的结构也使用在page页的查找上：

• 用一些page页专门记录页目录，page页内只存有页目录。
• 专门做页目录的page页中的页目录用于记录page页的编号，和指向对应page页的指针。
• 通过专门做页目录的page页查找对应page页，提高多个page页的查找效率。

同样的专门记录页目录的page页也是链式结构的，因此如果专门记录页目录的page页过多，page页的查找效率也会很低，因此我们需要一些page页记录这些page页的目录：

如此以来，我们建立了由上到下的结构用于提高查找效率，如果数据量增大，我们只需要不断增加向上增加page页就可以提高效率。在后续的查找过程中由上到下通过页目录筛选、除去不必要的page页不记录即可大大的提升查找效率。由于一个page页的大小为16KB，能够存储大量的页目录，因此不用担心，page页的层数过多。

• page页整体的结构是一个B+树的结构。
• 除了B+树也够，也有使用其他结构的存储引擎，比如哈希结构。
• 除了InnoDB,大部分的存储引擎都采用B+树的结构。
• B+树结构只有叶子结点保存数据，并用链式结构存储，非叶子结点保存目录，非叶子节点只存目录的情况下可以存放大量目录，因此该B+树的整体结构是层数比较少的“矮胖”结构，顺着目录寻找page，由于层数少，因此寻找叶子节点需要加载的page页少，IO次数也就少，提高效率。
• InnooDB存储引擎下就是这种B+树的结构，因此在MySQL中对数据的增删查改就是在这个结构内进行的，如果我们没有设置主键，MySQL会生成隐藏的属性列作为排序属性，存在目录里用于管理数据，当然我们不设置主键时，也无法使用这个隐藏的属性列，因此查找数据时只能在叶子节点中线性遍历，因此效率很低。

简单复盘一下：

由于存储数据的page是链式结构，page内的数据是链式结构因此，查找数据只能线性遍历，效率很低，为此引入了只存储页目录的page，通过页目录知道数据在那个范围内，排除不需要遍历的page，由于只存储页目录的page的也是链式结构，因此需要有只存储页目录的page用来查找这些page页，最后形成的整体结构是B+树结构，通过这个结构可以排除大量不需要遍历的page，page页的加载次数只取决于B+树结构的层数，减少了IO,提升了效率。索引的本质就是数据结构。

其他的数据结构的问题

• 链表？线性遍历，效率太低。
• 二叉搜索树？退化问题，可能退化成为线性结构 。
• AVL &&红黑树？虽然是平衡或者近似平衡，但是毕竟是二叉结构，相比较多阶B+，意味着树整体过高，大家都是自顶向下找，层高越低，意味着系统与硬盘更少的IO Page交互。
• Hash？官方的索引实现方式中， MySQL 是支持HASH的，不过 InnoDB 和 MyISAM 并不支持.Hash跟 进其算法特征，决定了虽然有时候也很快(O(1))，不过，在面对范围查找就效率很低。

下面是几个常见的存储引擎，与其所支持的索引类型：

存储引擎	支持的索引类型
InnoDB	BTREE
MyISAM	BTREE
MEMORY/HEAP	HASH、BTREE
NDB	HASH、BTREE

• 这里的BTREE指的是B+树。

B树和B+树

B+树是B树的一种变形结构，那为什么我们没有采用普通的B树作为索引结构呢？

• 首先，普通B树中的所有结点中都同时包括索引信息和数据信息，由于一个Page的大小是固定的，因此非叶子结点中如果包含了数据信息，那么这些结点中能够存储的索引信息一定会变少，这时这棵树形结构一定会变得更高更瘦，当查询数据时就可能需要与磁盘进行更多次的IO操作。
• 其次，普通B树中的各个叶子结点之间没有连接起来，这将不利于进行数据的范围查找，而B+树的各个叶子结点之间是连接起来的，当我们进行范围查找时，直接先找到第一个数据然后继续向后遍历找到之后的数据即可，因此将各个叶子结点连接起来更有利于进行数据的范围查找。

聚簇索引和非聚簇索引

• 聚簇索引 – 数据与索引数据在一起索引方案。
• 非聚簇索引 – 数据与索引数据不在一起索引方案。
• InnoDB存储引擎采用的是聚簇索引。
• MyISAM采用的是非聚簇索引。

这个聚簇索引的结构，就是前文提到的只有叶子节点存储数据的B+树结构。

MyISAM索引结构：

MyISAM存储引擎同样采用的是B+树索引结构，不同的是叶子结点不存储数据，只存储数据的指针。

用存储文件来验证聚簇索引和非聚簇索引的结构：

InnoDB存储引擎采用聚簇索引：

MyISAM存储引擎采用非聚簇索引：

MyISAM主键索引结构：

• 和InnoDB的结构一样都是B+树结构，只是叶子结点不存储数据而是数据指针。
• 通过主键进行索引从上倒下查找到对应叶子结点，通过叶子节点存储的指针找到对应数据。

MyISAM普通索引结构：

• MyISAM普通索引和MyISAM主键索引结构一样。
• MyISAM普通索引和MyISAM主键索引的区别是值不能重复。

InnoDB普通索引结构：

• InnoDB普通索引和InnoDB主键索引的结构一样。
• InnoDB普通索引最后会索引到InnoDB主键索引对应的叶子结点，也就是从普通数据索引到对应主键数据，由于主键索引中存储了整条记录，因此找到对应主键数据，就找到了整条记录。
• 通过辅助（普通）索引，找到目标记录，需要两遍索引：首先检索辅助索引获得主键，然后用主键到主索引中检索获得记录。这种过程，就叫做回表查询。

一条结论：

由于具有主键索引和普通索引，因此一张表关联的B+树不止一个。

6. 索引操作

查看索引结构

• 方式一

show keys from table_name;

查看索引结构示例：

• Table – 表名
• Non_unique – 0表示唯一索引
• Key_name – 索引名
• Column_name – 索引属性
• Index_type – 索引结构

其中BTREE就是B+树。

表中不存在索引：

• 方式二

show index from table_name;

查看索引结构示例：

• 方式三

desc table_name;

查看索引结构示例：

• 这种查看方式显示信息太简略，不推荐。
• MySQL默认为主键添加索引。

创建主键索引

• 方式一

在创建表的时候，直接在字段名后指定 primary key。

• 方式二

在创建表的最后，指定某列或某几列为主键索引

• 方式三

创建表以后再添加主键

主键索引的特点：

• 由于存储引擎管理和存储数据方式，添加主键就相当于添加了索引。
• 在已创建的表中添加索引，就会在存储结构中添加一颗新的B+树结构存储索引。
• 一个表中，最多有一个主键索引，当然可以使复合主键。
• 主键索引的效率高（主键不可重复）。
• 创建主键索引的列，它的值不能为null，且不能重复 。
• 主键索引的列基本上是int。

创建唯一键索引

• 方式一

在定义时，在某列后直接指定unique唯一属性。

• 方式二

创建表时，在表的后面指定某列或某几列为unique。

• 方式三

创建表以后再添加唯一键。

唯一索引的特点：

• 一个表中，可以有多个唯一索引。
• 查询效率高。
• 如果在某一列建立唯一索引，必须保证这列不能有重复数据。
• 如果一个唯一索引上指定not null，等价于主键索引。

创建普通索引

• 方式一

在表的定义最后，指定某列为索引。

• 方式二

创建完表以后指定某列为普通索引。

• 方式三

创建一个自定义索引名为索引在表的属性上。

注意： 这里的索引名为自定义的my_index。

普通索引的特点：

• 一个表中可以有多个普通索引，普通索引在实际开发中用的比较多。
• 如果某列需要创建索引，但是该列有重复的值，那么我们就应该使用普通索引。

创建复合索引

复合索引就是将多个属性作为索引的普通索引。

• 方式一

在表的定义最后，指定某列为索引。

注意： 由于是多个属性作为一个索引，因此多个属性所属索引名相同。

• 方式二

创建完表以后指定某列为普通索引。

• 方式三

创建一个自定义索引名为索引在表的属性上。

创建全文索引

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检索，可以使用sphinx的中文版(coreseek)。

创建测试表：

创建测试表的代码如下：

CREATE TABLE articles (
id INT UNSIGNED AUTO_INCREMENT NOT NULL PRIMARY KEY,
title VARCHAR(200),
body TEXT,
FULLTEXT (title,body)
)engine=MyISAM;
-- 插入数据
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 ...');

测试表的结构和数据如下：

查看索引结构：

尝试查询某条记录：

用explain工具看一下，是否使用到索引：

• type : ALL --采用的是线性遍历的查找方式。
• key : NULL – 没有使用索引来查找。

尝试使用全文索引查询某条记录：

用explain工具看一下，是否使用到索引：

• type : fulltext – 使用了全文索引。
• key : title – 使用title索引查询的数据。

删除索引

• 方式一 – 删除主键索引

alter table table_name drop primary key;

• 方式二 – 删除其他索引

alter table table_name drop index index_name; 

• 索引名(index_name)就是查看表结构时中的 Key_name 字段。

注意： 索引名(index_name)不是属性名，删除其他索引时使用的是索引名。

注意： 使用的是索引名，Key_name对应的字段，不是属性名(Column_name对应的字段)：

• 方式三 – 删除自定义名索引

drop index index_name on table_name;

创建索引的原则

索引创建原则：

• 比较频繁作为查询条件的字段应该创建索引。
• 唯一性太差的字段不适合单独创建索引，即使频繁作为查询条件。
• 更新非常频繁的字段不适合作创建索引。
• 不会出现在where子句中的字段不该创建索引。