MySQL 索引

MySQL 索引

1、参考资料

https://www.bilibili.com/video/BV1QE411A79s

2、索引本质

索引的本质

1. 索引是帮助MySQL高效获取数据的排好序的数据结构
2. 索引的数据结构：
   • 二叉树（树的不平衡导致查找效率超级低）
   • 红黑树（虽然树平衡了，但树的度为 2，导致树的高度很高，需进行多次 I/O）
   • Hash 表（虽然好，但不适合范围查找）
   • B-Tree（虽然好，但不适合范围查找）
   • B+Tree（这才是大佬）
3. select *from t where col2=89 查询语句的执行过程
   • 如果没有建立索引，MySQL 会进行全表扫描，逐行查找
   • 假设我们使用二叉树承载了表的索引，该二叉树节点存储两个信息：索引列的值和该行在磁盘（或者内存）中的地址，排序二叉树的查找类似于二分查找，我们通过二分查找找到关键字信息 col2=89，拿到磁盘地址后，去磁盘进行查找即可

3、红黑树

数据结构演示网址

https://www.cs.usfca.edu/~galles/visualization/Algorithms.html

二叉树的缺陷：不平衡、树的深度高

假设我将上述的 col1 字段设置为索引，并建立二叉树承载此索引

二叉树存在不平衡的现象，导致树的高度过高，极端情况下左（或右）子节点都为空，看着就和单链表一样，由于二叉树每次都会查找其左右子节点，这种情况下，二叉树的查找性能比单链表还低

红黑树的优势：平衡；红黑树的缺陷：树的深度高

红黑树通过着色机制，保证树的平衡，红黑树其实就是一颗平衡二叉树

---

由于平衡机制，使得树的高度降低，查找效率提高

---

红黑树并不适合作数据库索引，假如有 100w 条数据，加入待查找的关键字存放在叶子节点中，假如这时待查找的元素在红黑树的最深层，这就意味着需要进行多次 I/O 操作

4、B+ 树

B 树：改变节点的度，让每个节点能承载更多信息，以降低树的高度

B 树的特点

1. 叶节点具有相同的深度，叶节点的指针为空
2. 所有索引元素不重复
3. 节点中的数据索引从左到右递增排列
4. 可以将 15、56、77 理解为索引字段的值，将 data 理解为索引所在行的磁盘地址
5. 空白框框即为多叉树的指针域，存储的是下一个节点在磁盘中的地址

---

B 树的创建

---

B 树的搜索

B+ 树（B 树变种）：非叶子节点可以存放更多索引，叶子节点间通过指针链接

B+ 树特点（又名多叉平衡树）

1. B+ 树将 data 信息挪到了叶子节点，非叶子节点不存放 data 信息，只存储索引（冗余），这就意味着非叶子节点可以存放更多的索引
2. 叶子节点包含所有索引字段，叶子节点没有子节点，不用存储下一个字节的磁盘地址，所以没有那个白色的框框，但是叶子节点包含索引的 data 域
3. 叶子节点用指针连接，提高区间访问的性能，这也恰好是 B 树索引和 Hash 索引劣势所在，比如执行如下 SQL ：select* from t where col1 > 6 ，对于 B 树索引和 Hash 索引，他们根本不知道大于 6 的数据有哪些
4. 假设索引为主键索引，我们使用 BigInt 类型，占用 8 个字节（对应着色并且带着数字的框框），MySQL 中的磁盘地址指针为 6 个字节（对应空白框框），那么我们存储一个索引则需要 14 个字节，那么一个 MySQL 磁盘页可以存储 16KB/14B = 1170 个索引字段
5. 不同数据库对 data 域的实现方式不同，有些数据库 data 域存放的是索引行所在的磁盘地址指针，有些数据库 data 域存储的是索引行所有其他字段的信息，我们保守估计，假设每个 data 域占用 1KB，那么一个 MySQL 磁盘页可以存储个 16KB/1KB = 16 个索引字段和 data 域
6. 假设三层 B+ 树被撑满了，能存放的数据量为 1170 * 1170 * 16 = 21902400 条，能存放两千多万条数据呀

---

B+ 树的创建

---

B+ 树的搜索

查看 MySQL 磁盘页的大小，默认 16KB

SHOW GLOBAL STATUS like 'Innodb_page_size';

B+ 相较于 B 树的优点

参考资料：https://zhuanlan.zhihu.com/p/27700617

1. B+树的层级更少：相较于B树B+每个非叶子节点存储的关键字数更多，树的层级更少所以查询数据更快；
2. B+树查询速度更稳定：B+所有关键字数据地址都存在叶子节点上，所以每次查找的次数都相同所以查询速度要比B树更稳定；
3. B+树天然具备排序功能：B+树所有的叶子节点数据构成了一个有序链表，在查询大小区间的数据时候更方便，数据紧密性很高，缓存的命中率也会比B树高；
4. B+树全节点遍历更快：B+树遍历整棵树只需要遍历所有的叶子节点即可，而不需要像B树一样需要对每一层进行遍历，这有利于数据库做全表扫描；
5. B树相对于B+树的优点是，如果经常访问的数据离根节点很近，而B树的非叶子节点本身存有关键字其数据的地址，所以这种数据检索的时候会要比B+树快。

5、MyISAM

MyISAM 引擎简介

1. 存储引擎是基于表的

2. MyISAM 索引文件和数据文件是分离的（非聚集索引）

3. MyISAM 使用 B+ 树作为索引，图中的 data 域存储的是下一个磁盘的地址

---

举例说明 select * from t where col1='49' 查找的过程：

1. 加载第一层（根节点）的磁盘文件至内存，发现 15<49<56，拿到到第二层的磁盘地址
2. 根据第一步拿到的磁盘地址，到第二层加载磁盘文件至内存，发现 49>=49 ，拿到到第三层的磁盘地址
3. 根据第二步拿到的磁盘地址，到根节点找到 col1=49 的索引列，拿到索引所在行在磁盘中的地址
4. 根据第三步拿到的磁盘地址，区磁盘中加载索引所在行的数据，返回给客户端

总共发生了 4 次 I/O

---

数据库表存储在哪儿？

---

数据表各种文件的含义

1. .frm：表结构的定义
2. .MYD：数据文件
3. .MYI：索引文件

6、InnoDB

InnoDB 索引实现（聚集）

1. 表数据文件（.ibd 文件）本身就是按B+Tree组织的一个索引结构文件
2. InnoDB 中叶节点包含了完整的数据记录（ data 与存放了索引所在行其他所有字段的信息）
3. 聚集（簇）索引：索引文件和数据文件是存储在一个文件里面，InnoDB 的主键索引就是聚集索引
4. 聚集索引的优势：比非聚集索引的查找效率高，因为非聚集索引需要在 .MYD 文件和 .MYI 文件中查找，而聚集索引只需要在一个 .ibd 文件中查找
5. 为什么InnoDB表必须有主键，并且推荐使用整型的自增主键？
   • InnoDB 本身在组织数据文件时，就是按照 B+ 树去组织的，如果没有主键，InnoDB 没办法组织这个数据文件
   • 为什么推荐主键为整形？自增主键数据类型为整形，比较效率高，不要用 UUID 作为主键，字符串之间的比较效率低，并且整形数据占用的空间也比 UUID 小很多
   • 为什么推荐主键自增？原因见下
6. 在 MySQL 如果我们没有建立主键，那么MySQL 会自动选择一个具有唯一索引的列作为主键，如果找不到，就帮我们悄悄地新建一列
7. 对于范围查找，叶子节点之间的指针起大作用啊，兄弟！比如 select* from t where col1 > 20 这条 SQL 语句，我们先定位至索引列为 20 叶子节点，我们再根据叶子节点之间的指针，挨个向后遍历查找即可（叶子节点中的数据从左到右依次递增）
8. 为什么非主键索引结构叶子节点存储的是主键值？（一致性和节省存储空间）

---

数据表各种文件的含义

1. .frm：表结构的定义
2. .ibd：索引和数据文件

为什么推荐 InnoDB 主键自增？

参考资料：https://blog.csdn.net/Alen_xiaoxin/article/details/104753135

---

InnoDB 使用聚集索引，数据记录本身被存于主索引（一颗B+Tree）的叶子节点上。这就要求同一个叶子节点内（大小为一个内存页或磁盘页）的各条数据记录按主键顺序存放，因此每当有一条新的记录插入时，MySQL会根据其主键将其插入适当的节点和位置，如果页面达到装载因子（InnoDB默认为15/16），则开辟一个新的页（节点）

---

自增的情况

1. 如果表使用自增主键，那么每次插入新的记录，记录就会顺序添加到当前索引节点的后续位置，当一页写满，就会自动开辟一个新的页。如下图所示：
2. 这样就会形成一个紧凑的索引结构，近似顺序填满。由于每次插入时也不需要移动已有数据，因此效率很高，也不会增加很多开销在维护索引上。

---

非自增的情况

1. 如果使用非自增主键（如果身份证号或学号等），由于每次插入主键的值近似于随机，因此每次新纪录都要被插到现有索引页得中间某个位置：
2. 此时MySQL不得不为了将新记录插到合适位置而移动数据，甚至目标页面可能已经被回写到磁盘上而从缓存中清掉，此时又要从磁盘上读回来，这增加了很多开销，同时频繁的移动、分页操作造成了大量的碎片，得到了不够紧凑的索引结构，后续不得不通过OPTIMIZE TABLE来重建表并优化填充页面。

---

因此，只要可以，请尽量在InnoDB上采用自增字段做主键。

联合索引长啥样？

1. 我们在三个列上建立了一个联合索引：整形 id 、字符串 name、日期 birthDate
2. 排序规则：建立索引时，哪个列写在前面，就先按照他排序
3. 大致查找流程：先按照 id 查找，如果 id 能比出大小，就按照 id 字段排序，如果 id 字段都相同，就按照第二个 name 字段进行比较，以此类推 …
4. 那现在就能解释最左前缀原则啦~~~，比如 select* from employee where name='Staff' 就不会走索引，因为 name 是依靠着 id 进行排序的