《MySQL45讲》笔记—索引

索引

索引是为了提高数据查询效率，就像书的目录一样。如下图，索引和数据就是位于存储引擎中：

索引常见模型

哈希表

以键值对存储的数据结构。适用于只有等值查询的场景。

有序数组

在等值查询和范围查询场景中性能都特别优秀。但是有序数组索引只适用于静态存储引擎，如果需要更新数据的话就成本太高了。

二叉树

每个节点的左儿子小于父节点，父节点又小于右儿子。二叉树的搜索效率是最高的，但是实际上大多数的数据库存储并不使用二叉树，因为索引不止存在内存中，还要写道磁盘上。一般使用N叉树，这个N取决于数据块的大小。

数据库发展到今天，跳表、LSM树等数据结构也被应用于引擎设计中，但是数据库底层存储的核心就是基于这些数据模型的。

InnoDB的索引模型

表都是根据主键顺序以索引的形式存放的，这种存储方式称为索引组织表。InnoDB使用了B+树的索引模型，所以数据都是存储在B+树中的。

索引类型分为主键索引和非主键索引：

• 主键索引：叶子节点存的是整行数据，也被称为聚簇索引
• 非主键索引：叶子节点内容是主键的值，也被称为二级索引

基于主键索引和普通索引的查询有什么区别？

• 如果语句是select *fromTwhere ID=500，即主键查询方式，则只需要搜索ID这棵B+树；
• 如果语句是select *fromTwhere k=5，即普通索引查询方式，则需要先搜索k索引树，得到ID
  的值为500，再到ID索引树搜索一次。这个过程称为回表。

也就是说，基于非主键索引的查询需要多扫描一棵索引树，所以尽量使用主键查询。

为什么InnoDB选择B+树作为数据结构

B树

• B树在非叶子节点也要存储数据，** B 树的每个节点都包含数据（索引+记录）**，而用户的记录数据的大小很有可能远远超过了索引数据，这就需要花费更多的磁盘 I/O 操作次数来读到「有用的索引数据」。
• 而B+树叶子节点才会存放索引+记录，非叶子节点只会存放索引。非叶子节点的索引也会同时存在于子结点中。

相同磁盘I/O次数下，B+可以查到更多节点。而且B+树叶子采用的是双链表，适合于MySQL中常见的基于范围的顺序查找，而B树无法做到这一点。

二叉树

太高了。

hash

hash只适合等值查询，不适合范围查询。

索引维护

• 自增主键：是指自增列上定义的主键，在建表语句中一般是这么定义的： NOTNULL PRIMARY
  KEY AUTO_INCREMENT。
  插入新纪录的时候可以不指定ID的值，系统会获取当前ID最大值+1作为下一条记录的ID值，也就是说，自增主键的插入数据模式，符合递增插入的场景，每次插入一条新纪录都是追加操作，都不涉及到挪动其他记录也不会触发叶子节点的分裂。

有没有什么场合适合使用业务字段直接做主键呢？有的，比如有些业务场景需求是：
1、 只有一个索引
2、 该索引必须是唯一索引
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问题。这个时候就要优先将这个索引设置为主键，尽量使用主键查询，避免每次查询需要搜索两棵树。

覆盖索引

如果执行的语句是select ID fromTwhere k between 3 and 5，这时只需要查ID的值，而ID的值已经在K索引树上了，因此可以直接提供查询结果，不需要回表。也就是说，在这个查询里面，索引k已经覆盖了我们的查询需求。
覆盖索引是指 SQL 中 query 的所有字段，在索引 B+Tree 的叶子节点上都能找得到的那些索引，从二级索引中查询得到记录，而不需要通过聚簇索引查询获得，可以避免回表的操作。

联合索引

建立在多列上的索引称为联合索引。

最左前缀

可以看到，索引项是按照索引定义里面出现的字段顺序排序的。

• 当你的逻辑需求是查到所有名字是“张三”的人时，可以快速定位到ID4，然后向后遍历得到所有
  需要的结果。
• 如果你要查的是所有名字第一个字是“张”的人，你的SQL语句的条件是"where name like
  ‘张%’"。这时，你也能够用上这个索引，查找到第一个符合条件的记录是ID3，然后向后遍历，
  直到不满足条件为止。

可以看到，不只是索引的全部定义，只要满足最左前缀，就可以利用索引来加速检索。这个最左
前缀可以是联合索引的最左N个字段，也可以是字符串索引的最左M个字符。

如何索引内字段顺序？

考虑索引的复用能力：第一原则是，如果通过调整顺序，可以少维护一个索引，那么这个顺序往往就是需要优先考虑采用的。

索引下推

MySQL 5.6 引入的索引下推优化（index condition pushdown)， 可以在索引遍历过程中，对索引中包含的字段先做判断，直接过滤掉不满足条件的记录，减少回表次数。

• 对于这条语句

mysql> select * from tuser where name like '张%' and age=10 and ismale=1

没有下推

这个过程InnoDB并不会去看age的值，只是按顺序把“name第一个字是’张’”的记录一条条取出来回表。因此，需要回表4次。

有下推

InnoDB在(name,age)索引内部就判断了age是否等于10，对于不等于10的记录，直接判断并跳过。在这个例子中，只需要对ID4、ID5这两条记录回表取数据判断，就只需要回表2次。

什么时候需要索引？什么时候不需要？

需要索引

• 字段有唯一性限制的，比如商品编码；
• 经常用于 WHERE 查询条件的字段，这样能够提高整个表的查询速度，如果查询条件不是一个字段，可以建立联合索引。
• 经常用于 GROUP BY 和 ORDER BY 的字段，这样在查询的时候就不需要再去做一次排序了，因为我们都已经知道了建立索引之后在 B+Tree 中的记录都是排序好的。

不需要索引

• WHERE 条件，GROUP BY，ORDER BY 里用不到的字段，索引的价值是快速定位，如果起不到定位的字段通常是不需要创建索引的，因为索引是会占用物理空间的。
• 字段中存在大量重复数据，不需要创建索引，比如性别字段，只有男女，如果数据库表中，男女的记录分布均匀，那么无论搜索哪个值都可能得到一半的数据。在这些情况下，还不如不要索引，因为 MySQL 还有一个查询优化器，查询优化器发现某个值出现在表的数据行中的百分比很高的时候，它一般会忽略索引，进行全表扫描。
• 表数据太少的时候，不需要创建索引；
• 经常更新的字段不用创建索引，比如不要对电商项目的用户余额建立索引，因为索引字段频繁修改，由于要维护 B+Tree的有序性，那么就需要频繁的重建索引，这个过程是会影响数据库性能的。

索引优化

前缀索引优化

使用前缀索引是为了减小索引字段大小，可以增加一个索引页中存储的索引值，有效提高索引的查询速度。在一些大字符串的字段作为索引时，使用前缀索引可以帮助我们减小索引项的大小。
不过，前缀索引有一定的局限性，例如：

• order by 就无法使用前缀索引；
• 无法把前缀索引用作覆盖索引；

覆盖索引优化

可以建立一个联合索引，即「商品ID、名称、价格」作为一个联合索引。如果索引中存在这些数据，查询将不会再次检索主键索引，从而避免回表。所以，使用覆盖索引的好处就是，不需要查询出包含整行记录的所有信息，也就减少了大量的 I/O 操作。

主键索引自增

建表的时候，默认将主键索引设置为自增的。

索引最好设置为NOT NULL约束

• 索引列存在 NULL 就会导致优化器在做索引选择的时候更加复杂，更加难以优化，因为可为 NULL 的列会使索引、索引统计和值比较都更复杂，比如进行索引统计时，count 会省略值为NULL 的行。
• NULL 值是一个没意义的值，但是它会占用物理空间，所以会带来的存储空间的问题。

防止索引失效

避免写出索引失效的查询语句，否则这样的查询效率是很低的。

索引失效的情况

• 当我们使用左或者左右模糊匹配的时候，也就是 like %xx 或者 like %xx%这两种方式都会造成索引失效；
• 当我们在查询条件中对索引列做了计算、函数、类型转换操作，这些情况下都会造成索引失效；
• 联合索引要能正确使用需要遵循最左匹配原则，也就是按照最左优先的方式进行索引的匹配，否则就会导致索引失效。
• 在 WHERE 子句中，如果在 OR 前的条件列是索引列，而在 OR 后的条件列不是索引列，那么索引会失效。