1、介绍
索引(index)是帮助MySQL高效获取数据的数据结构(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
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。 |
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。
1、二叉树
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
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。
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
具体动态变化的过程可以参考网站:https://www.cs.usfca.edu/~galles/visualization/BTree.html
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:
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
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。
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:
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。
为什么InnoDB存储引擎选择使用B+Tree索引结构?
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:
具体使用:
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。
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