MySQL索引

目录

前言

1.什么是索引

2.认识磁盘

3.MySQL与磁盘交互的基本单位

4.对索引的理解

5.索引操作

总结

---

前言

        hello,各位小伙伴，大家好！很高兴又和大家见面了，今天我们要介绍的内容是MySQL中一个重要的话题就是索引，很多小伙伴可能是第一次听索引这个词，不过不用担心，所谓的索引本质上提高MySQL查询效率的一种方案。下面关于索引这个话题，我们就一起来具体看看吧。

1.什么是索引

        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。

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。

了解了索引的概念之后，下面我们就通过一个具体的例子来见见索引：

案例：
通过一个海量表，在查询的时候，看看没有索引和有索引的区别。通过对比体现出索引的价值

--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， 拷贝下面代码就可以了，暂时不用理解
-- 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 ;
-- 执行存储过程，添加8000000条记录
call insert_emp(100001, 8000000);

没有索引：查询员工编号为998877的员工

可以发现在没有索引的时候查询，耗时为4.82秒 

创建索引：

mysql> alter table EMP add index(empno);
Query OK, 0 rows affected (23.60 sec)
Records: 0  Duplicates: 0  Warnings: 0

有了索引之后再去查看员工编号为998877的员工：

        此时查询可以观察到 ，查询时间变为0.01秒了，相比之下，有了索引之后查询速度有了质的提升，下面我们通过硬件到软件再到MySQL理解索引是如何做到查询效率提升的。

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

下面来认识以下磁盘：

a.磁盘的构成：

b.盘片的构成：

        扇区 数据库文件，本质其实就是保存在磁盘的盘片当中。也就是上面的一个个小格子中，就是我们经常所说的扇区。当然，数据库文件很大，也很多，一定需要占据多个扇区。

数据库文件，本质其实就是保存在磁盘的盘片当中，就是一个一个的文件

        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。

定位扇区：

柱面(磁道): 多盘磁盘，每盘都是双面，大小完全相等。那么同半径的磁道，整体上便构成了一个

柱面：每个盘面都有一个磁头，那么磁头和盘面的对应关系便是1对1的，所以我们只需要知道，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。

结论：

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)。那么在系统软件上，就直接按照扇区(512字节，部分4096字节),进行IO交互吗？显然不是
        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。故，系统读取磁盘，是以块为单位的，基本单位是 4KB 。

了解了磁盘是如何定位一个文件的过程之后，下面我们再通过系统的视角看看对于文件是如何操作的。

3.MySQL与磁盘交互的基本单位

        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。

mysql> SHOW GLOBAL STATUS LIKE 'innodb_page_size';
+------------------+-------+
| Variable_name  | Value |
+------------------+-------+
| Innodb_page_size | 16384 |   -- 16*1024=16384
+------------------+-------+
1 row in set (0.01 sec)

        也就是说，磁盘这个硬件设备的基本单位是 512 字节，而 MySQL InnoDB引擎 使用 16KB 进行IO交互。即，MySQL 和磁盘进行数据交互的基本单位是 16KB 。这个基本数据单元，在 MySQL 这里叫做page

操作系统和MySQL以及磁盘之间的关系如图所示：

小结：

通过前面的学习，我们可以建立下面几个共识：

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。

4.对索引的理解

建立测试表：

mysql> create table if not exists user(
    -> id int primary key,
    -> age int not null,
    -> name varchar(20) not null
    -> );
Query OK, 0 rows affected (0.05 sec)

插入多条记录：

注意：这里并没有按照主键的大小顺序进行插入

mysql> insert into user (id, age, name) values(3, 18, '杨过');
Query OK, 1 row affected (0.01 sec)
mysql> insert into user (id, age, name) values(4, 16, '小龙女');
Query OK, 1 row affected (0.00 sec)
mysql> insert into user (id, age, name) values(2, 26, '黄蓉');
Query OK, 1 row affected (0.01 sec)
mysql> insert into user (id, age, name) values(5, 36, '郭靖');
Query OK, 1 row affected (0.00 sec)
mysql> insert into user (id, age, name) values(1, 56, '欧阳锋');
Query OK, 1 row affected (0.00 sec)

查看插入结果：

mysql> select* from user;
+----+-----+-----------+
| id | age | name      |
+----+-----+-----------+
|  1 |  56 | 欧阳锋    |
|  2 |  26 | 黄蓉      |
|  3 |  18 | 杨过      |
|  4 |  16 | 小龙女    |
|  5 |  36 | 郭靖      |
+----+-----+-----------+
5 rows in set (0.00 sec)

发现竟然默认是有序的，为什么会这样呢？

关于这个问题的答案，我们在后续的内容进行揭晓。

在前面我们已经知道了MySQL在IO的过程中是以Page为基本单位的，可能有小伙伴就会有疑问了，为什么会以Page为基本单位进行交互呢？

        举例说明：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。
细心的小伙伴可能会问：你怎么保证，用户一定下次找的数据，就在这个Page里面？

        关于这个问题只能说，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。

理解了MySQL在IO的过程中是以Page为基本单位之后，接下来，我们进一步对Page进行深入，看看MySQL是如何管理Page的。

        MySQL要管理很多的数据表文件，而要管理好这些文件，就需要先描述再组织，可以简单理解一个个文件是有一个或者多个Page构成的

一个Page内部对数据的组织方式，如图所示：

        不同的 Page ，在 MySQL 中，都是 16KB ，使用 prev 和 next 构成双向链表，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，从上面的Page内数据记录可以看出，数据是有序且彼此关联的。 

为什么数据库在插入数据时要对其进行排序呢？
        插入数据时排序的目的，就是优化查询的效率。页内部存放数据的模块，实质上也是一个链表的结构，链表的特点也就是增删快，查询修改慢，所以优化查询的效率是必须的。正式因为有序，在查找的时候，从头到后都是有效查找，没有任何一个查找是浪费的，而且，如果运气好，是可以提前结束查找过程的。

理解多个Page

        通过上面的分析，我们知道，上面页模式中，只有一个功能，就是在查询某条数据的时候直接将一整页的数据加载到内存中，以减少硬盘IO次数，从而提高性能。但是，我们也可以看到，现在的页模式内部，实际上是采用了链表的结构，前一条数据指向后一条数据，本质上还是通过数据的逐条比较来取出特定的数据。
        如果有1千万条数据，一定需要多个Page来保存1千万条数据，多个Page彼此使用双链表链接起来，而且每个Page内部的数据也是基于链表的。那么，查找特定一条记录，也一定是线性查找。这效率也太低了。

多个Page对数据的组织方式，如图所示：

如何优化查询效率呢？

举一个生活中的例子：

我们在看《谭浩强C程序设计》这本书的时候，如果我们要看<指针章节>，找到该章节有两种做法
a.从头逐页的向后翻，直到找到目标内容

b.通过书提供的目录，发现指针章节在234页(假设)，那么我们便直接翻到234页。同时，查找目录的方案，可以顺序找，不过因为目录肯定少，所以可以快速提高定位
本质上，书中的目录，是多花了纸张的，但是却提高了效率，所以，目录，是一种“空间换时间的做法”

同样的道理，在MySQL中对于Page优化查询效率的问题也是通过引入页目录的方式解决的：

单页情况

针对单页的情况也可以引入目录。

        引入了目录。比如，我们要查找id=4记录，之前必须线性遍历4次，才能拿到结果。现在直接通过目录2[3]，直接进行定位新的起始位置，提高了效率。现在我们可以再次正式回答上面的问题了，为何通过键值 MySQL 会自动排序？

多页情况：

        MySQL 中每一页的大小只有 16KB ，单个Page大小固定，所以随着数据量不断增大， 16KB 不可能存下所有的数据，那么必定会有多个页来存储数据。

        在单表数据不断被插入的情况下， MySQL 会在容量不足的时候，自动开辟新的Page来保存新的数据，然后通过指针的方式，将所有的Page组织起来。 

        需要注意，上面的图，是理想结构，大家也知道，目前要保证整体有序，那么新插入的数据，不一定会在新Page上面，这里仅仅做演示。
        这样，我们就可以通过多个Page遍历，Page内部通过目录来快速定位数据。可是，貌似这样也有效率问题，在Page之间，也是需要 MySQL 遍历的，遍历意味着依旧需要进行大量的IO，将下一个Page加载到内存，进行线性检测。这样就显得我们之前的Page内部的目录，有点杯水车薪了。
如何解决呢？

解决方案，其实就是我们之前的思路，给Page也带上目录。
使用一个目录项来指向某一页，而这个目录项存放的就是将要指向的页中存放的最小数据的键值。
和页内目录不同的地方在于，这种目录管理的级别是页，而页内目录管理的级别是行。

如图所示：

存在一个目录页来管理页目录，目录页中的数据存放的就是指向的那一页中最小的数据。有数据，就可通过比较，找到该访问那个Page，进而通过指针，找到下一个Page。

其实目录页的本质也是页，普通页中存的数据是用户数据，而目录页中存的数据是普通页的地址。
可是，我们每次检索数据的时候，该从哪里开始呢？虽然顶层的目录页少了，但是还要遍历啊？不用担心，可以在加目录页

如图所示：

细心的小伙伴可能发现了，这种数据组织的方式本质上就是B+树，没错，是的！MySQL对数据的组织方式底层采用的是B+树。

小结：

Page分为目录页和数据页。目录页只放各个下级Page的最小键值。
查找的时候，自顶向下找，只需要加载部分目录页到内存，即可完成算法的整个查找过程，大大减
少了IO次数

InnoDB 在建立索引结构来管理数据的时候，其他数据结构为何不行？

链表：需要进行线性遍历，也就会有非常多次的IO

二叉搜索树:退化问题，可能退化成为线性结构,也就会有非常多次的IO

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，在面对范围查找就明显不行，另外还有其他差别。

为何选择B+树而不选择B树呢？

关于B树和B+树两种数据结构在对数据的组织方式上是非常相似的，如图所示：

B树：

B+树：

 

B树和B+树的区别是：

a.B树节点，既有数据，又有Page指针，而B+树，只有叶子节点有数据，其他目录页，只有键值和
Page指针
b.B+树叶子节点，全部相连，而B树没有

为何选择B+树
节点不存储data，这样一个节点就可以存储更多的key。可以使得树更矮，所以IO操作次数更少。
叶子节点相连，更便于进行范围查找

如何理解聚簇索引和非聚簇索引？

MyISAM 存储引擎-主键索引
MyISAM 引擎同样使用B+树作为索引结果，叶节点的data域存放的是数据记录的地址。下图为 MyISAM表的主索引， Col1 为主键。

其中， MyISAM 最大的特点是，将索引Page和数据Page分离，也就是叶子节点没有数据，只有对应数据的地址。相较于 InnoDB 索引， InnoDB 是将索引和数据放在一起的。 

mysql> create table if not exists test1(
    -> id int primary key,
    -> name varchar(20) not null
    -> )engine=MyISAM;
Query OK, 0 rows affected (0.01 sec)

-rw-r----- 1 mysql mysql 8586 Jul 14 18:11 test1.frm --表结构数据
-rw-r----- 1 mysql mysql    0 Jul 14 18:11 test1.MYD --该表对应的数据
-rw-r----- 1 mysql mysql 1024 Jul 14 18:11 test1.MYI --该表对应的主键索引数据

其中， MyISAM 这种用户数据与索引数据分离的索引方案，叫做非聚簇索引

mysql> create table if not exists test2(
    -> id int primary key,
    -> name varchar(20) not null
    -> )engine=InnoDB;
Query OK, 0 rows affected (0.04 sec)

-rw-r----- 1 mysql mysql  8586 Jul 14 18:16 test2.frm --表结构数据
-rw-r----- 1 mysql mysql 98304 Jul 14 18:16 test2.ibd --该表对应的主键索引和用户数据

        其中， InnoDB 这种用户数据与索引数据在一起索引方案，叫做聚簇索引，当然，MySQL 除了默认会建立主键索引外，我们用户也有可能建立按照其他列信息建立的索引，一般这种索引可以叫做辅助（普通）索引。
        对于 MyISAM ,建立辅助（普通）索引和主键索引没有差别，无非就是主键不能重复，而非主键可重复。下图就是基于 MyISAM 的 Col2 建立的索引，和主键索引没有差别。

同样， InnoDB 除了主键索引，用户也会建立辅助（普通）索引，我们以上表中的 Col3 建立对应的辅助
索引如下图： 

可以看到， InnoDB 的非主键索引中叶子节点并没有数据，而只有对应记录的key值。
所以通过辅助（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
为何 InnoDB 针对这种辅助（普通）索引的场景，不给叶子节点也附上数据呢？原因就是太浪费空间了。 

了解了索引实现的方式之后，下面我们就来看看在MySQL中对索引的操作。

5.索引操作

创建主键索引：

第一种方式

-- 在创建表的时候，直接在字段名后指定 primary key
create table user1(id int primary key, name varchar(30));

第二种方式

-- 在创建表的最后，指定某列或某几列为主键索引
create table user2(id int, name varchar(30), primary key(id));

第三种方式

create table user3(id int, name varchar(30));
-- 创建表以后再添加主键
alter table user3 add primary key(id);

主键索引的特点：
        一个表中，最多有一个主键索引，当然可以使用复合主键
        主键索引的效率高
        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

创建唯一索引：

第一种方式

-- 在表定义时，在某列后直接指定unique唯一属性。
create table user4(id int primary key, name varchar(30) unique);

第二种方式

-- 创建表时，在表的后面指定某列或某几列为unique
create table user5(id int primary key, name varchar(30), unique(name));

第三种方式

create table user6(id int primary key, name varchar(30)）；
alter table user6 add unique(name);

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：

第一种方式

create table user8(id int primary key,
name varchar(20),
email varchar(30),
index(name) --在表的定义最后，指定某列为索引
);

第二种方式

create table user9(id int primary key, name varchar(20), email
varchar(30));
alter table user9 add index(name); --创建完表以后指定某列为普通索引

第三种方式

create table user10(id int primary key, name varchar(20), email
varchar(30));
-- 创建一个索引名为 idx_name 的索引
create index idx_name on user10(name);

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)。

创建表：

CREATE TABLE articles (
id INT UNSIGNED AUTO_INCREMENT NOT NULL PRIMARY KEY,
title VARCHAR(200),
body TEXT,
FULLTEXT (title,body) --指定全文索引
)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 ...');

查询有没有database数据

如果使用如下查询方式，虽然查询出数据，但是没有使用到全文索引

mysql> select * from articles where body like '%database%';
+----+-------------------+------------------------------------------+
| id | title       | body                   |
+----+-------------------+------------------------------------------+
|  1 | MySQL Tutorial  | DBMS stands for DataBase ...       |
|  5 | MySQL vs. YourSQL | In the following database comparison ... |
+----+-------------------+------------------------------------------+

可以用explain工具看一下，是否使用到索引：

mysql> explain select * from articles where body like '%database%'\G
*************************** 1. row ***************************
     id: 1
select_type: SIMPLE
   table: articles
    type: ALL
possible_keys: NULL
    key: NULL <== key为null表示没有用到索引
  key_len: NULL
    ref: NULL
    rows: 6
   Extra: Using where
1 row in set (0.00 sec)

如何使用全文索引呢？

mysql> SELECT * FROM articles
 -> WHERE MATCH (title,body) AGAINST ('database');
+----+-------------------+------------------------------------------+
| id | title       | body                   |
+----+-------------------+------------------------------------------+
|  5 | MySQL vs. YourSQL | In the following database comparison ... |
|  1 | MySQL Tutorial  | DBMS stands for DataBase ...       |
+----+-------------------+------------------------------------------+

通过explain来分析这个sql语句

mysql> explain SELECT * FROM articles WHERE MATCH (title,body) AGAINST
('database')\G
*************************** 1. row ***************************
     id: 1
select_type: SIMPLE
   table: articles
    type: fulltext
possible_keys: title
    key: title <= key用到了title
  key_len: 0
    ref:
    rows: 1
   Extra: Using where

查询索引：

第一种方法： show keys from 表名

ysql> show keys from goods\G
*********** 1. row ***********
   Table: goods  <= 表名
Non_unique: 0    <= 0表示唯一索引
 Key_name: PRIMARY <= 主键索引
Seq_in_index: 1
Column_name: goods_id <= 索引在哪列
 Collation: A
Cardinality: 0
 Sub_part: NULL
  Packed: NULL
   Null:
Index_type: BTREE  <= 以B+树形式的索引
  Comment:
1 row in set (0.00 sec)

第二种方法: show index from 表名

删除索引

第一种方法-删除主键索引： alter table 表名 drop primary key;
第二种方法-其他索引的删除： alter table 表名 drop index 索引名； 索引名就是show keys
from 表名中的 Key_name 字段
mysql> alter table user10 drop index idx_name;
第三种方法方法： drop index 索引名 on 表名
mysql> drop index name on user8;

总结

        以上就是关于MySQL中索引的实现方式以及操作的介绍，相信看完本篇王章之后，关于索引的内容就可以完全掌握了。