Mysql优化系列之索引（index）

一、简介

• 什么是索引？
  Mysql官方定义：索引（index）是帮助Mysql高效获取数据的 排好序 的 数据结构 。
  简单来说，可以理解为：索引是数据结构。

• 为什么要使用索引？
  MySQL索引的建立对于MySQL的高效运行是很重要的，索引可以大大提高MySQL的检索速度。打个比方，如果合理的设计且使用索引的MySQL是一辆兰博基尼的话，那么没有设计和使用索引的MySQL就是一个人力三轮车。

二、索引的数据类型

上面介绍索引知道了索引就是数据结构，那么，我们都知道，数据结构有：hash表，二叉树，红黑树，B-Tree，B+树等
例如有如下表数据：

col1	col2
1	34
2	77
3	5
4	91
5	22
6	89
7	23

那么有一条sql查询语句：

select * from table where col2 = 89;

二叉树

那么使用二叉树查询如下（col2创建索引的情况下）：

二叉树索引结构

根据二叉树的类型（右边节点的值大于父节点的值）可以推论，从根节点 34 开始，需要进行两次的磁盘I/O操作，就可以查询到二叉树的key和value，key存的是89这个值，value是“0x77”，也就是该条数据所对应的磁盘文件指针。然后再根据磁盘指针“0x77”，可以查找到该行 col1=6,col2=89所对应的数据结果。
如果说col2的值比较大，表数据又比较多，那可能就需要N次磁盘I/O操作才能查询到数据，效率比较低。
再比如：把col1增加索引，col1为自增列的情况下，

select * from table where col1 = 6;

那么二叉树的结果为：

col1为索引的二叉树

因为是自增列，所以右边节点的值会一直大于父节点，最终变成这样的单边增长树。那么在执行上面的sql查询语句，会经过6次磁盘I/0操作。

所以二叉树不适合mysql的索引数据结构。

红黑树

同样的，把col1增加索引，col1为自增列的情况下，

select * from table where col1 = 6;

那么红黑树的结果为：

红黑树

从图中可以看出来，需要三次操作就能找到 col1=6的节点。由于数据量比较少，所以查询比较快。如果有几十上百万的数据，那么就容易造成树的节点比较深，导致树的高度不可控，所以红黑树不适合mysql的索引数据结构。

B+树

在mysql中，索引用到的是 B+树，B+Tree的高度是可控的，mysql通常是3到5层。注意：B+Tree只在最末端叶子节点存数据，叶子节点是以双向链表的形势互相指向的。
使用B+树结构存储的优点：

• 非叶子节点不存储data，只存储索引(冗余)，可以放更多的索引
• 叶子节点包含所有索引字段
• 叶子节点用指针连接，提高区间访问的性能

B+树示例图

b+树性质

• 索引字段要尽量的小
  我们知道I/O次数取决于b+数的高度h，假设当前数据表的数据为N，每个磁盘块的数据项的数量是m，则有h=㏒(m+1)N，当数据量N一定的情况下，m越大，h越小；而m = 磁盘块的大小 / 数据项的大小，磁盘块的大小也就是一个数据页的大小，是固定的，如果数据项占的空间越小，数据项的数量越多，树的高度越低。这就是为什么每个数据项，即索引字段要尽量的小，比如int占4字节，要比bigint8字节少一半。这也是为什么b+树要求把真实的数据放到叶子节点而不是内层节点，一旦放到内层节点，磁盘块的数据项会大幅度下降，导致树增高。当数据项等于1时将会退化成线性表。

• 索引的最左匹配特性（即从左往右匹配）
  当b+树的数据项是复合的数据结构，比如(name,age,sex)的时候，b+数是按照从左到右的顺序来建立搜索树的，比如当(张三,20,F)这样的数据来检索的时候，b+树会优先比较name来确定下一步的所搜方向，如果name相同再依次比较age和sex，最后得到检索的数据；但当(20,F)这样的没有name的数据来的时候，b+树就不知道下一步该查哪个节点，因为建立搜索树的时候name就是第一个比较因子，必须要先根据name来搜索才能知道下一步去哪里查询。比如当(张三,F)这样的数据来检索时，b+树可以用name来指定搜索方向，但下一个字段age的缺失，所以只能把名字等于张三的数据都找到，然后再匹配性别是F的数据了， 这个是非常重要的性质，即索引的最左匹配特性。

hash

在mysql中，创建索引，也可以使用hash表，

创建hash索引

mysql会对hash索引创建一个hash值对应的表，每一个索引字段对应一个hash值
如果在查询语句执行的时候，

select * from table where col2 = 49;

索引为hash索引，则mysql会对sql语句进行优化，mysql底层自己的hash算法，所以hash索引查询会非常快，速度会比BTree还快。

select * from table where col2 = hash(49);

hash特点：

• 哈希索引只包含哈希码和指针，不存储数据字段值
• 哈希索引数据并不是按循序存储的，因此无法用于排序
• 因为要通过查询值计算确定的哈希码，所以哈希索引不支持部分匹配，不支持范围查找，只支持等值比较查询
• 当哈希冲突很多的时候，效率会降低
  基于以上特点，所以mysql中最常见的索引，都使用的是B+树索引。

三、索引的优缺点

• 优点：可以快速检索，减少I/O次数，加快检索速度；根据索引分组和排序，可以加快分组和排序；
• 缺点：索引本身也是表，因此会占用存储空间，一般来说，索引表占用的空间的数据表的1.5倍；索引表的维护和创建需要时间成本，这个成本随着数据量增大而增大；构建索引会降低数据表的修改操作（删除，添加，修改）的效率，因为在修改数据表的同时还需要修改索引表；