解密MySQL 8.0 multi-valued indexes

本文作者：叶金荣，知数堂联合创始人，MySQL DBA课程讲师。Oracle MySQL ACE，MySQL布道师。有多年MySQL及系统架构设计经验，擅长MySQL企业级应用、数据库设计、优化、故障处理等。

multi-valued indexes有什么特点。

什么是multi-valued index

MySQL 8.0.17起，InnoDB引擎新增了对JSON数据类型的多值索引，即multi-valued index。它的作用是针对JSON数据类型中，同一条记录有多个值的情况，加上索引后，根据这些值条件查询时，也可以指向同一条数据。

假设有一条数据是 {"user":"Bob","zipcode":[94477,94536]}，意为Bob这位用户，他拥有多个邮编"94477"和"94536"，这时候如果我们想对zipcode属性加索引，就可以选择使用多值索引了，在以往是不支持这个方式的。可以像下面这样创建索引：（建议在PC端或横版观看，下同）

[[email protected]]> CREATE INDEX zips ON t1((
CAST(data->'$.zipcode' AS UNSIGNED ARRAY)));

在本例中的多值索引实际上是采用基于CAST()的函数索引，CAST()转换后选择的数据类型除了BINARY和JSON，其他都可以支持。目前multi-valued index只针对InnoDB表中的JSON数据类型，其余场景还不支持。

multi-valued index怎么用

我们来看下一个JSON列怎么创建multi-valued index。

# 创建测试表
[[email protected]]> CREATE TABLE customers (
 id INT NOT NULL AUTO_INCREMENT,
 custinfo JSON,
 primary key(id)
)engine=innodb;

# 写入5条测试数据
[[email protected]]> INSERT INTO customers(custinfo) VALUES
('{"user":"Jack","user_id":37,"zipcode":[94582,94536]}'),
('{"user":"Jill","user_id":22,"zipcode":[94568,94507,94582]}'),
('{"user":"Bob","user_id":31,"zipcode":[94477,94507]}'),
('{"user":"Mary","user_id":72,"zipcode":[94536]}'),
('{"user":"Ted","user_id":56,"zipcode":[94507,94582]}');

# 执行查询，此时还没创建索引，需要全表扫描
[[email protected]]> DESC SELECT * FROM customers WHERE
JSON_CONTAINS(custinfo->'$.zipcode',
CAST('[94507,94582]' AS JSON))\G
****************** 1. row ******************
...
         type: ALL
possible_keys: NULL
          key: NULL
...
         rows: 5
     filtered: 100.00
        Extra: Using where

# 创建multi-valued index
[[email protected]]> ALTER TABLE customers ADD INDEX
zips((CAST(custinfo->'$.zipcode' AS UNSIGNED ARRAY)));

# 查看新的执行计划，可以走索引
[[email protected]]> DESC SELECT * FROM customers WHERE
JSON_CONTAINS(custinfo->'$.zipcode',
CAST('[94507,94582]' AS JSON))\G
****************** 1. row ******************
...
         type: range
possible_keys: zips
          key: zips
      key_len: 9
          ref: NULL
         rows: 6
     filtered: 100.00
        Extra: Using where; Using MRR

multi-valued index底层是怎么存储的

知道multi-valued index怎么用之后，再来看下它底层是怎么存储索引数据的。以上面的customers表为例，我们利用innblock和bcview工具来确认InnoDB底层是怎么存储的。

1. 先找到辅助索引page

先用innblock工具确认辅助索引zips在哪个page上。

[[email protected]]# innblock customers.ibd scan 16
...
===INDEX_ID:56555
level0 total block is (1)
block_no:         4,level:   0|*|
===INDEX_ID:56556
level0 total block is (1)
block_no:         5,level:   0|*|

由于数据量很小，这两个索引都只需要一个page就能放下，辅助索引keys存储在5号page上。

2. 扫描确认辅助索引数据

继续用innblock扫描辅助索引，确认有多少条数据。

[[email protected]]# innblock customers.ibd 5 16
...
-----Total used rows:12 used rows list(logic):
(1) INFIMUM record offset:99 heapno:0 n_owned 1,delflag:N minflag:0 rectype:2
(2) normal record offset:216 heapno:7 n_owned 0,delflag:N minflag:0 rectype:0
(3) normal record offset:162 heapno:4 n_owned 0,delflag:N minflag:0 rectype:0
(4) normal record offset:234 heapno:8 n_owned 0,delflag:N minflag:0 rectype:0
(5) normal record offset:270 heapno:10 n_owned 0,delflag:N minflag:0 rectype:0
(6) normal record offset:126 heapno:2 n_owned 5,delflag:N minflag:0 rectype:0
(7) normal record offset:252 heapno:9 n_owned 0,delflag:N minflag:0 rectype:0
(8) normal record offset:180 heapno:5 n_owned 0,delflag:N minflag:0 rectype:0
(9) normal record offset:144 heapno:3 n_owned 0,delflag:N minflag:0 rectype:0
(10) normal record offset:198 heapno:6 n_owned 0,delflag:N minflag:0 rectype:0
(11) normal record offset:288 heapno:11 n_owned 0,delflag:N minflag:0 rectype:0
(12) SUPREMUM record offset:112 heapno:1 n_owned 6,delflag:N minflag:0 rectype:3
-----Total used rows:12 used rows list(phy):
(1) INFIMUM record offset:99 heapno:0 n_owned 1,delflag:N minflag:0 rectype:2
(2) SUPREMUM record offset:112 heapno:1 n_owned 6,delflag:N minflag:0 rectype:3
(3) normal record offset:126 heapno:2 n_owned 5,delflag:N minflag:0 rectype:0
(4) normal record offset:144 heapno:3 n_owned 0,delflag:N minflag:0 rectype:0
(5) normal record offset:162 heapno:4 n_owned 0,delflag:N minflag:0 rectype:0
(6) normal record offset:180 heapno:5 n_owned 0,delflag:N minflag:0 rectype:0
(7) normal record offset:198 heapno:6 n_owned 0,delflag:N minflag:0 rectype:0
(8) normal record offset:216 heapno:7 n_owned 0,delflag:N minflag:0 rectype:0
(9) normal record offset:234 heapno:8 n_owned 0,delflag:N minflag:0 rectype:0
(10) normal record offset:252 heapno:9 n_owned 0,delflag:N minflag:0 rectype:0
(11) normal record offset:270 heapno:10 n_owned 0,delflag:N minflag:0 rectype:0
(12) normal record offset:288 heapno:11 n_owned 0,delflag:N minflag:0 rectype:0
...

可以看到，总共有12条记录，除去INFIMUM、SUPREMUM这两条虚拟记录，共有10条物理记录。为什么是10条记录，而不是5条记录呢，这是因为multi-valued index实际上是把每个zipcode value对都视为一天索引记录。再看一眼表数据：

[[email protected]]> select id, custinfo->'$.zipcode' from customers;
+----+-----------------------+
| id | custinfo->'$.zipcode' |
+----+-----------------------+
|  1 | [94582, 94536]        |
|  2 | [94568, 94507, 94582] |
|  3 | [94477, 94507]        |
|  4 | [94536]               |
|  5 | [94507, 94582]        |
+----+-----------------------+

上面写入的5条数据中，共有10个zipcode，虽然有些zipcode是相同的，但他们对应的id值不同，因此也要分别记录索引。也就是说， "zipcode":[94582,94536] 这里的两个整型数据，实际上在索引树中，是两条独立的数据，只不过他们都分别指向id=1这条数据。那么，这个索引实际上存储的顺序就应该是下面这样才对：

+---------+------+
| zipcode | id   |
+---------+------+
|   94477 |    3 |
|   94507 |    2 |
|   94507 |    3 |
|   94507 |    5 |
|   94536 |    1 |
|   94536 |    4 |
|   94568 |    2 |
|   94582 |    1 |
|   94582 |    2 |
|   94582 |    5 |
+---------+------+

提醒下，由于InnoDB的index extensions特性，辅助索引存储时总是包含聚集索引列值，若有两个值相同的辅助索引值，则会根据其聚集索引列值进行排序。当然了，以上也只是我们的推测，并不能实锤，直接去核对源码好像有点难度。好在可以用另一个神器bcview来查看底层数据。这里之所以没有采用innodb_space工具，是因为它对MySQL 5.7以上的版本兼容性不够好，有些场景下解析出来的可能是错误数据。

3. 用bcview工具确认结论

按照推测，zips这个索引按照逻辑顺序的话，第一条索引记录是 [94477,3]才对，上面看到第一条逻辑记录的偏移量是216，我们来看下。

# 从上面扫描结果可知，一条记录总消耗存储空间是18字节
bcview customers.ibd 16 216 18
...
# 这里为了排版方便，我给人为折行了
current block:00000005 --对应的pageno=5
--Offset:00216 --偏移量216
--cnt bytes:18 --读取18字节
--data is:000000000001710d80000003000000400024
...

来分析下这条数据，要拆分成几段来看。

000000000001710d，8字节（BIGINT），十六进制转成十进制，就是 94477
80000003，4字节（INT），对应十进制3，也就是id=3
000000400024，record headder，6字节，忽略

这表明推测结果是正确的。

另外，如果按照物理写入顺序，则第一条数据id=1这条数据：

+----+-----------------------+
| id | custinfo->'$.zipcode' |
+----+-----------------------+
|  1 | [94582, 94536]        |
+----+-----------------------+

这条物理记录，共产生两条辅助索引记录，我们一次性扫描出来（36字节）：

bcview customers.ibd 16 126 36
...
current block:00000005
--Offset:00126
--cnt bytes:36
--data is:000000000001714880000001000000180036000000000001717680000001000000200048
...

同上，解析结果见下（存储顺序要反着看）：

0000000000017148 => 94536
80000001 => id=1
000000180036
0000000000017176 => 94582
80000001 => id=1
000000200048

可以看到，确实是把JSON里的多个值拆开来，对应到聚集索引后存储每个键值。至此，我们完全搞清楚了multi-valued index的底层存储结构。