MySQL索引

MySQL索引

1. 没有索引产生的问题

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

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

• 查询员工编号为998877的员工

select * from EMP where empno=998877;

可以看到耗时4.58秒，这还是在本机一个人来操作，在实际项目中，如果放在公网中，假如同时有1000个人并发查询，那很可能就死机。

• 解决方法，创建索引

alter table EMP add index(empno);

创建索引后查询几乎耗时0.00秒，速度很快

2. 索引认识准备工作

MySQL的本质是在内存中的，所有数据库的CURD操作，全部都是在内存中的进行的，索引也是如此。索引是一种特定组织数据，用来提高效率的。

2.1 硬件理解(认识磁盘)

2.1.0 MySQL与存储

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，可以知道，如何提交效率，是MySQL 的一个重要话题。

2.1.1 磁盘基础知识

(1) 物理结构认识

一个磁盘由多个盘片叠加而成，盘片的表面涂有磁性物质，这些磁性物质用来记录二进制数据。因为正反两面都可涂上磁性物质，故一个盘片可能会有两个盘面。

(2) 磁盘中一个盘片

(3) 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。

题外话：

• 从上图可以看出来，在半径方向上，距离圆心越近，扇区越小，距离圆心越远，扇区越大
• 那么，所有扇区都是默认512字节吗？目前是的，我们也这样认为。因为保证一个扇区多大，是由比特位密度决定的。
• 不过最新的磁盘技术，已经慢慢的让扇区大小不同了，不过我们现在暂时不考虑

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。(当然，有一些内存文件系统，如： proc ， sys 之类，我们不考虑)。

结论：

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。

(4) 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

• 故在硬件层面上定位所要访问的扇区： 只需知道：磁头(Heads)、柱面(Cylinder)(等价于磁道)、扇区(Sector)对应的编号, 这种磁盘数据定位方式叫做CHS。实际软件系统层面：并不是CHS , 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：

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，是直接按照扇区(512字节，部分4096字节),进行IO交互吗？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

(5) 磁盘随机访问(Random Access)与连续访问(Sequential Access)

• 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，随机访问不需要过多的定位，故效率比较高。

2.2 软件理解

• MySQL是一款应用级软件，在系统角度是一个应用级进程，在网络角度是一个应用层的服务，故在MySQL之下并不是硬件，而是操作系统。

• MySQL因为有着它有着更高的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

  • 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。
  • 这里的16KB从逻辑上来看，就好像MySQL直接与磁盘之间进行16KB的交互，但是MySQL作为应用层服务并不与硬件打交道，OS才是硬件的管理者。16KB是站在MySQL角度向OS提出的，OS与磁盘交互是以4KB为单位进行的，那么16KB的数据OS会以4*4KB方式与磁盘进行交互。

• OS内部存在文件缓冲区，当mysql想要进行CURD对表内容增删查改时，就会得到文件的fd; 此时MySQL就可以调用write接口向OS文件的缓冲区进行写操作，OS就会调用fsync等接口把数据刷新到磁盘上。

查看MySQL InnoDB引擎使用与磁盘交互的基本单位：

mysql> SHOW GLOBAL STATUS LIKE 'innodb_page_size';

2.3 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
• 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。MySQL在进行IO的时候，会把数据写到Buffer Pool ，刷新时把Buffer Pool 内的数据写到OS内的缓冲区中，在刷新到磁盘里。
• 为了更高的效率，一定要尽可能的减少系统和磁盘IO的次数

3. 一个现象和一个结论

建立测试表

mysql> create table if not exists user (
    -> id int primary key,   #一定要添加主键哦，只有这样才会默认生成主键索引
    -> age int not null,
    -> name varchar(16) not null
    -> );

查看表

插入多条记录，注意，我们并没有按照主键的大小顺序插入哦

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，发现竟然结果默认是有序的！

(1) 现象

看到的现象：我们向一个具有主键的表中，乱序插入数据，发现数据会自动排序

提出问题：谁做的？为什么这么做？

(2) 重谈Page

• 如何理解mysql中page的概念？

  • 在mysql的内部, 一定需要并且会存在大量的page，也就决定了，mysql必须要将多个同时存在的page管理起来，怎么管理所有的mysql内的page呢？需要先描述，再组织！
  • 所以不要简单的将page认为是一个内存块，在page的内部也必须写入对应的管理信息
  • 我们可以简单地将page描述成下面这样的结构体，大小是16KB

所谓的申请page，其实就是在new page，然后将所有的page用链表的形式管理起来。就完成了在buffer pool内部，对mysql的page进行了建模。

• 为何MySQL和磁盘进行IO交互的时候，要采用Page的方案进行交互呢?用多少，加载多少不行吗?

  • 我们在查询表中的一条记录时，如果MySQL只将这条记录从磁盘加载到内存中，那么我们再次查询下一条记录时，还是需要与磁盘进行IO交互。查询一次记录，与磁盘进行一次IO交互
  • 但是，如果一些记录都保存在一个Page中(16KB，能保存很多记录)，那么第一次IO查找时，整个Page会被加载到MySQL的Buffer Pool中，这里完成了一次IO。往后如果在查找周围的数据时，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。
  • 那么怎么保证，用户一定下次找的数据，就在这个Page里面？不能严格保证，但是有很大概率，因为有局部性原理。

总结：MySQL以Page为基本单位与磁盘进行IO交互，可以减少MySQL与磁盘进行IO的次数，提高IO的效率

注：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。

4. 构建B+ 索引

4.1 单个page

• 在前面对重谈page的认识上，我们知道，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,我们目前可以简单理解成一个个独立文件是有一个或者多个Page构成的。
• 一个page，可以被描述成一个大小为16KB的结构体，该结构体中包含了存储数据的缓冲区，prev和next指针，然后将各个page结构体通过双向链表组织起来。
• 为了便于数据的插入和删除，一个page内部存储的数据记录会以单链表的形式组织起来。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。

说明：为什么数据库在插入数据时要对其进行排序呢？

优化查询效率。

在一个page内部存放数据模块本质是一个链表结构，链表增删快，查询修改慢，所以要优化查询效率

有序数据，从头到尾的查找都是有效查找，没有查找浪费，而且有机会提前结束查找过程

单个page引入页目录

上面的页模式中：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，从而提高性能但是现在的页模式内部，实际上是采用了链表结构，前一条数据指向后一条数据，本质上还是通过对数据线性遍历来取出特定的数据。

所以我们对单个page引入页目录

• 就像翻一本书的某个章节一样，我们可以从头逐步向后翻知道找到目标内容；我们也可以通过目录直接定位到要查找的章节，快速提高定位。所以书的目录是多花纸张，却提高效率的一种“ 以空间换时间 ”的做法。

• 在单个page内部引入目录，查找记录时不用再从头到尾线性遍历，我们先通过目录直接进行定位新的起始位置，提高了效率

• 这也就回答了现象中的问题：向一个具有主键的表中，乱序插入数据，发现数据会自动排序，这是mysqld自己做的，为何通过键值MySQL会自动排序？可以很方便引入目录

4.2 多个page

上面我们已经在单个page中引入了页目录的概念，提高了单个页内的查找效率。

但是如果数据很多，一定需要多个Page来保存多条数据，多个Page彼此使用双链表链接起来，即使每个Page内部存在页目录，我们在跨页搜索时，也是从前往后线性遍历这些目录，效率低下。

多个page引入页目录

使用之前的思路，我们给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
• 这种目录管理的级别是页，而页内目录管理的级别是行
• 其中，每个目录项的构成是：键值+指针

总结：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。

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。一旦数据增多，最底层的page增多，目录页增多时是不是也就意味着我们要线性遍历这些目录页呢？不用担心，可以在加目录页

最终构建出来的模型：

上面就是传说中的B+树，我们把这棵树称为mysql innode db下的索引结构

一般我们建表插入数据的时候，就是mysql innode db下的索引结构进行CURD操作。如果我们的表没有主键怎么办？也是这样的吗？也是，即使没有主键mysql也会为我们创建默认主键

特点：

• 叶子节点保存有数据，路上节点没有，即非叶子节点不要数据，只要目录项
  • 非叶子节点不存放数据，意味着可以存储更多的目录项，目录页，可以管理更多的叶子page，那么这棵树一定是一个矮胖型的树
  • 矮胖型的树途径其路上的节点减少，同时每一个节点都有目录项可以大大提高搜索效率，所以找到目标数据只需要更少的page，IO次数更少，IO层面上提高了效率，从而整体提高了搜索效率
• 叶子节点全部用链表级联起来
  • 这是B+树的特点，MySQL选择了这种结构
  • 选择B+树，我们比较希望范围查找

复盘一下

• 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，自定向下找，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

4.3 其他数据结构为何不行

• 链表，还是需要线性遍历
• 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(高瘦树)，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
• B树：非叶子节点既有page指针又存放数据，导致每个B树非叶子节点存放的页目录变少，可能会增加整个树的高度，而B树的叶子节点没有全部相连，范围查找需要重新遍历这棵树

B+ vs B

两者区别：

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

选择B+树

1. 非叶子节点不存放数据，可以管理更多叶子节点，使树变成矮胖型的树，找到目标数据只需要更少的page，IO次数更少
2. 叶子节点全部用链表级联起来，便于我们进行范围查找

4.4 聚簇索引 VS 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

两种索引

• 非聚簇索引：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

• 聚簇索引：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

MyISAM ：

InnoDB ：

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

4.5 总结(核心问题)

• 如何理解硬盘
• 如何理解柱面，磁道，扇区，磁头
• InnoDB 主键索引和普通索引
• MyISAM 主键索引和普通索引
• 其他数据结构为何不能作为索引结构，尤其是B+和B
• 聚簇索引 VS 非聚簇索引

5. 索引操作

5.1 创建索引

(1) 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

create table user1(id int primary key, name varchar(30));

• 方式二：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));

• 方式三：创建表以后再添加主键

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，当然可以使符合主键
• 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

(2) 创建唯一索引(属于普通索引)

• 方式一：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);

• 方式二：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));

• 方式三：创建表以后再添加唯一键

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

比如下面带有主键索引的表结构，我们添加唯一索引后，查询索引会发现有两个，要区分开索引名称和列名称

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

(3) 创建普通索引

• 方式一：在表的定义最后，指定某列为索引

create table user8(id int primary key,
    name varchar(20),
    email varchar(30),
    index(name) 
);

• 方式二：创建完表以后指定某列为普通索引

create table user9(id int primary key, name varchar(20), email varchar(30));
alter table user9 add index(name);

• 方式三：创建一个索引名为 idx_name 的索引

create table user10(id int primary key, name varchar(20), email varchar(30));
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

(4) 创建复合索引

mysql> alter table itest add index(name, email);

创建的复合索引其实是一颗B+索引，会发现name和email的普通键一样，复合索引的作用在于指定多个字段构建一颗B+树，如果需要高频的通过name找到email的操作，就可以构建复合索引，这样就避免了回表查询，通过索引找另一个索引的方式叫索引覆盖。

从key_name中的名字也可以看出，他们的B+树都是name，也就是以第一个字段的名字作为Key值。所以，此表目前仅仅存在两棵B+树。

创建复合索引完成，后续可以使用name进行查找，也可以使用(name,email)进行查找，但是不能使用email进行查找，这是索引的最左匹配原则。

如果要删掉name索引结构，这两个的索引同时都会消失，这就是因为两个索引同属于一个B+树

(5) 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只支持英文，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）

# 创建全文索引
CREATE TABLE articles (
id INT UNSIGNED AUTO_INCREMENT NOT NULL PRIMARY KEY,
title VARCHAR(200),
body TEXT,
FULLTEXT (title,body) # 创建全文索引
)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：

# 普通查询
select * from articles where body like '%database%';

# 可以用explain工具看一下，是否使用到索引
explain select * from articles where body like '%database%' \G

• 使用全文索引查询

explain select * from articles where match(title,body) against ('database');

5.2 查询索引

• 方式一

show keys from 表名

• 方式二

show index from 表名;

mysql> show index from test1\G;
*************************** 1. row ***************************
        Table: test1    # 表名
   Non_unique: 0        # 0表示唯一索引
     Key_name: PRIMARY  # 主键索引的名称
 Seq_in_index: 1
  Column_name: id       # 以那一列为索引构建的B+树,即索引在哪一列
    Collation: A
  Cardinality: 0
     Sub_part: NULL
       Packed: NULL
         Null: 
   Index_type: BTREE    # 索引类型(B+树)
      Comment: 
Index_comment: 
1 row in set (0.00 sec)

• 方式三

desc 表名;

可以看出当前表是主键索引

5.3 删除索引

• 方式一：删除主键索引

 alter table 表名 drop primary key;

• 方式二：其他索引的删除

# 索引名就是show keysfrom 表名中的 Key_name 字段
alter table 表名 drop index 索引名; 

直接像删除主键索引一样删除，唯一索引是不行的，由此可见唯一索引其实就是普通索引

唯一索引的删除就是用删除普通索引的方法

• 方式三：

drop index 索引名 on 表名

5.4 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