MySQL_索引学习笔记

索引

索引的概念

1. 概念：索引（index）是帮助数据库高效获取数据的数据结构，数据库系统维护查找数据的特定数据结构，这些数据结构指向我们的数据，通过高效算法高效查找

2. 学习过的数据结构：

   • 链表
   • hash表
   • 二叉树
   • 红黑树

3. 无索引的查询

   select * from emp where age = 19;
   

   • 无索引的情况下，需要全文检索，全表扫描，性能会很低。

   

4. 有索引查询

   select * from emp where age = 19;
   

   • 有索引，扫描特别快，时间复杂度极大降低，提高了查询速度

   

5. 优缺点

   优点	缺点
   提高了查询速度，降低数据库 io 的成本	索引也需要维护，也需要占用空间
   通过索引列对数据进行排序，降低排序成本，降低了CPU的消耗	对于表的 INSERT,UPDATE,DELETE 效率降低

索引结构

1. 存储引擎层支持索引，也就是说不通的存储引擎可能支持不同的索引。
   

2. 数据引擎和索引结构之间的关系
   

3. 注意：没有特别说明，提问的数据索引都是 B+树索引，基本上面试中，说出B+tree索引和hash索引就可以了

Hash 索引

1. 使用Hash算法，将键值换算成hash值，映射到对应槽位
   
2. 特点：查询非常快
   • Hash 索引只支持对等比较（=，in）,不支持范围查询（between,>,<）
   • 索引不支持排序
   • 如果没有hash 冲突的时候，查找一次就行了。比B+tree 索引还要快。
3. Mysql 支持 Hash 索引的就是 Memory,Innodb 支持hash 索引，是通过指定条件下自动构建。

二叉树

1. 注意：加入我们mysql 构建的二叉树数据结构索引，比较理想的就是平衡的二叉树。

2. 问题：

   • id的插入是自增的，此时二叉树变成了单向链表

     

   • 此时做查询时，会存在如下问题

     • 顺序插入的时候，会形成链表，查询性能很低。
     • 如果数据量很大的情况，层级会很深，查询速度会很慢。

   • 演示网址

     • https://www.cs.usfca.edu/~galles/visualization/
     • https://visualgo.net

红黑树

1. 问题：
   • 红黑树还是一颗二叉树，会存在层级较深的问题，查询速度也会很慢

B-Tree

1. 多叉路平衡查找树，相对于每个二叉树，每个节点有多个分支（多叉）。

2. 度数：一个节点子节点的个数，一个最大度数为4（4级）的b-tree为例，每个节点只能存储3key,4个指针。

3. 特点：
   • 5阶B数，每一个节点最多有4个K，有5个指针。
   • 当存储元素达到key 的数量时，中间元素向上分裂。
   • 叶子节点和非叶子节点都会存放数据。

B+Tree

1. 注意：

   • 叶子节点存放数据，非叶子节点存放索引结构。
   • 叶子节点通过一个指针进行关联，编程了一个链表的结构
   • 当需要裂变的时候，非叶子节点的数据也会出现在叶子节点
   • 蓝色框的只存索引结构

注意： Mysql B+Tree 其实进行优化的，在原来的 B+Tree 的基础上，增加了一个指向相邻叶子节点的链表指针，就形成了带有顺序的指针B+Tree,提高区间访问性能。

索引分类

• 主键索引
• 唯一索引
• 常规索引

聚集索引与二级索引

1. 需求

   • 查询步骤
     • 根据 name 去二级索引查询到具体的id=4
     • 根据得到的id=4去到聚集索引里面查找，最终拿到这一行的数据

   select *from  emp where name = 'ez';
   

2. 注意：

   • 数据关联在聚集索引子节点的
   • 二级索引只是关联聚集索引的id
   • 非聚集索引的查询都是通过回表查询查询出的数据

3. 聚集索引的选取规则：

   • 如果存在主键，选择主键作为聚集索引
   • 如果不存在主键，会去选择第一个唯一索引（UNIQUE）作为聚集索引。
   • 如果都没有，那么 Innodb 会默认生成一个 rowid 作为隐藏的聚集索引。

面试题

1. innodb 为什么选择 B+Tree 做为索引结构

   • 对于Hash 索引，Hash 索引不支持范围查询不支持排序
   • 对于二叉树索引，层级更多，搜索效率低
   • B-Tree 来说，无论是子节点，还是非叶子节点都存放数据，每一页的数据只有16K，如果非叶子节点存放数据了，那么每一页存储的数据就会变少，指针和键值都会变少

2. 分析sql 判断查询效率高低

   • id 是主键
   • name 建立了普通索引

   A select * from emp where id = 3;
   
   B select * from emp where name ='ez';
   

   • 答案：
     • A sql 查询速度高于B sql
     • Asql 直接使用聚集索引，可以直接返回 row 信息
     • Bsql 先使用二级索引去查找出id=3 然后再去通过聚集索引查找出 row,需要回表查询，所以效率低

3. Innodb 主键索引使用 B+Tree 能够存储多少数据？

   • 假设一行数据为1K，一页可以存储16行数据。Innodb 指针固定占用 6个字节，主键bigint 8,int 4
   • 高度为2
     • 16*1024 = x * 8 + (x+1)*6 x = 1170 指针就是 1171 *16
   • 高度为3
     • 1171*1171 * 16 =千万级的 （只需要记住MySQL是一个千万级的数据库就行，数据量在大，就要考虑分库分表了）

索引语法

1. 查询索引

   SHOW INDEX FROM table_name ;
   

2. 创建

   CREATE [ UNIQUE | FULLTEXT ] INDEX index_name ON table_name ( index_col_name,... ) ;
   

3. 删除索引

   DROP INDEX index_name ON table_name ;
   

4. 通过sql 操作索引

   • 为用户名创建索引

     create index ix_user_name on user(user_name);
     

   • 给 phone 建立索引（唯一索引）

     create unique  index  ix_phone on user(phone);
     

   • 给专业和年龄和状态建立联合索引

     create index ix_p_age_s on user(profession,age,status);
     

   • 给专业建索引

     create index ix_p on user(profession);
     

   • 查一下所有索引

     show index from user;
     

   • 删除 ix_p 索引

     drop index ix_p on user;