MySQL进阶篇之索引1

02、索引

2.1、索引概述

1、介绍

索引(index)是帮助MySQL高效获取数据数据结构有序)。在数据之外,数据库系统还维护着满足特定查找算法的数据结构,这些数据结构以某种方式引用(指向)数据,这样就可以在这些数据结构上实现高级查找算法,这种数据结构就是索引。

2、演示

MySQL进阶篇之索引1_第1张图片

备注:上述二叉树索引结构只是一个示意图,并不是真实的索引结构。

3、优缺点

优势 劣势
提高数据检索的速率,降低数据库的IO成本 索引列也是要占用空间的。
通过索引列对数据进行排序,降低数据排序的成本,降低CPU的消耗。 索引大大提高了查询效率,同时却也降低更新表的速度,如对表进行INSERT、UPDATE、DELETE时,效率降低。

2.2、索引结构

2.2.1、介绍

MySQL的索引是在存储引擎层实现的,不同的存储引擎有不同的结构,主要包含以下几种:

索引结构 描述
B+Tree索引 最常见的索引类型,大部分引擎都支持B+树索引
Hash索引 底层数据结构是用哈希表实现的,只有精确匹配索引列的查询才有效,不支持范围查询
R-tree(空间索引) 空间索引是MyISAM引擎的一个特殊索引类型,主要用于地理空间数据类型,通常使用较少
Full-text(全文索引) 是一种通过建立倒排索引,快速匹配文档的方式。类似于Lucene,Solr,ES
索引 InnoDB MyISAM Memory
B+Tree索引 支持 支持 支持
Hash索引 不支持 不支持 支持
R-tree索引 不支持 支持 不支持
Full-text 5.6版本之后支持 支持 不支持

我们平常所说的索引,如果没有特别指明,都是指B+树结构组织的索引。

2.2.2、BTree

1、二叉树

MySQL进阶篇之索引1_第2张图片

二叉树缺点:

① 顺序插入时,会形成一个链表,查询性能大大降低。

② 大数据量情况下,层级越深,检索速度慢。

2、红黑树

解决了二叉树的缺点①

MySQL进阶篇之索引1_第3张图片

红黑树缺点:

① 大数据量情况下,层级越深,检索速度慢。

3、BTree(多路平衡查找树)

① 例如:一棵最大度数(max-degree)为5(5阶)的BTree(每个节点最多存储4个key,5个指针):

知识小贴士:树的度数指的是一个节点的子节点个数。

MySQL进阶篇之索引1_第4张图片

② 插入100、65、169、368、900、556、780、35、215、1200、234、888、158、90、1000、88、120、268、250数据为例

MySQL进阶篇之索引1_第5张图片

具体动态变化的过程可以参考网站:https://www.cs.usfca.edu/~galles/visualization/BTree.html

2.2.3、B+Tree

1、以一颗最大度数(max-degree)为4(4阶)的B+Tree(每个节点最多存储3个key,4个指针)为例:

MySQL进阶篇之索引1_第6张图片

2、 插入100、65、169、368、900、556、780、35、215、1200、234、888、158、90、1000、88、120、268、250数据为例

MySQL进阶篇之索引1_第7张图片

B+Tree与BTree区别(B+Tree的特点):

  • 所有的数据都会出现在叶子节点
  • 叶子结点构成一个单向有序链表

3、MySQL索引数据结构对经典的B+Tree进行了优化。在原B+Tree的基础上,增加一个指向相邻叶子结点的链表指针,就形成了带有顺序指针的B+Tree,提高区间访问的性能。

MySQL进阶篇之索引1_第8张图片

2.2.4、Hash

1、哈希索引就是采用一定的hash算法,将键值换算成新的hash值,映射到对应的槽位上,然后存储在hash表中。

如果两个(或多个)键值,映射到一个相同的槽位上,他们就产生了hash冲突(也称为hash碰撞),可以通过链表来解决。

2、Hash索引特点:

  • Hash索引只能用于对等比较(=,in),不支持范围查询(between,>,<,…)
  • 无法利用索引完成排序操作
  • 查询效率高,通常只需要一次检索就可以了,效率通常要高于B+Tree索引

3、存储引擎支持

在MySQL中,支持Hash索引的是Memory引擎,而InnoDB中具有自适应hash功能,hash索引是存储引擎根据B+Tree索引在指定条件下自动构建的。

2.2.5、思考题

为什么InnoDB存储引擎选择使用B+Tree索引结构?

  • 相对于二叉树,层级更少,搜索效率高;
  • 相对于BTree,无论是叶子结点还是非叶子结点,都会保存数据,这样导致一页中存储的键值减少,指针跟着减少,要同样保存大量数据,只能增加树的高度,导致性能的降低;
  • 相对于Hash索引,B+Tree支持范围匹配及排序操作。

2.3、索引分类

1、索引分类

分类 含义 特点 关键字
关键索引 针对于表中主键创建的索引 默认自动创建,只能有一个 PRIMARY
唯一索引 避免同一个表中某数据列中的值重复 可以有多个 UNIQUE
常规索引 快速定位特定数据 可以有多个
全文索引 全文索引查找的是文本中的关键词,而不是比较索引中的值 可以有多个 FULLTEXT

2、在InnoDB存储引擎中,根据索引的存储形式,又可以分为以下两种:

分类 含义 特点
聚集索引(Clustered Index) 将数据存储与索引放到了一块,索引结构的叶子节点保存了行数据 必须有,而且只有一个
二级索引(Secondary Index) 将数据与索引分开存储,索引结构的叶子节点关联的是对应的主键 可以存在多个

聚集索引的选取规则:

  • 如果存在主键,主键索引就是聚集索引。
  • 如果不存在主键,将使用第一个唯一(UNIQUE)索引作为聚集索引。
  • 如果表没有主键,或没有合适的唯一索引,则InnoDB会自动生成一个rowid作为隐藏的聚集索引。

MySQL进阶篇之索引1_第9张图片

具体使用:

MySQL进阶篇之索引1_第10张图片

回表查询:先根据条件在二级索引找到对应的主键值,再将主键值在聚集索引中查找,找到对应的行数据。

即:先根据name='Arm’在二级索引中找到对应的id值为10,再将id=10在聚集索引中查找,找到对应的row。

3、思考题

① 以下SQL语句,哪个执行效率高?为什么?

select * from user where id = 10;
select * from user where name = 'Arm';

# 备注:id为主键,name字段创建的有索引;

答:第一个SQL语句执行效率高。

第一个SQL语句,直接在聚集索引进行查询,只需要扫描一次索引。

第二个SQL语句,先根据name='Arm’在二级索引中找到对应的id值为10,再将id=10在聚集索引中查找,找到对应的行数据。需要扫描两次索引。

② InnoDB主键索引的B+Tree高度为多高呢?

假设:一行数据大小为1k,一页中可以存储16行这样的数据。InnoDB的指针占用6个字节的空间,主键即使为bigint,占用字节数为8。

MySQL进阶篇之索引1_第11张图片

2.4、索引语法

1、索引语法

  • 创建索引

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

    一个索引只关联一个字段,这个索引称之为单列索引;

    一个索引关联多个字段,这个索引称之为联合索引或组合索引。

  • 查看索引

    SHOW INDEX FROM table_name;
    
  • 删除索引

    DROP INDEX index_name ON table_name;
    

2、按照下列的需求,完成索引的创建

① name字段为姓名字段,该字段的值可能会重复,为该字段创建索引。

create index idx_user_name on tb_user(name);

② phone手机号字段的值,是非空,且唯一的,为该字段创建唯一索引。

create unique index idx_user_phone on tb_user(phone);

③ 为profession、age、status创建联合索引。

create index idx_user_profession_age_status on tb_user(profession,age,status);

④ 为email建立合适的索引来提升查询效率。

create index idx_user_email on tb_user(email);

注意:
后三节内容:https://blog.csdn.net/kuaixiao0217/article/details/128754022

你可能感兴趣的:(mysql,数据库,linux,索引)