MYSQL高级——索引上篇

 1、为什么使用索引？

索引的本质就是一种数据结构，帮助我们以高效的查找算法来找到数据。

在MySQL中，索引是在存储引擎中实现的，不同的存储引擎对于索引有着不同的实现方式。存储引擎可以定义每个表的 最大索引数和 最大索引长度。

使用索引有以下的优点：

• 减少磁盘的I/O次数，提高查询速率；
• 通过唯一索引保证字段的唯一性；
• 显著减少查询中分组和排序的时间；
• 加速表和表之间的连接 ；

当然，增加索引也有一些缺点：

• 创建索引和维护索引要耗费时间；
• 索引需要占磁盘空间 ，除了数据表占数据空间之 外，每一个索引还要占一定的物理空间， 存储在磁盘上；
• 虽然索引大大提高了查询速度，同时却会降低更新表的速度；

2、InnoDB中索引的推演过程

对于一个表,有c1,c2,c3三个字段，设置c1为主键：

mysql> CREATE TABLE index_demo(
-> c1 INT,
-> c2 INT,
-> c3 CHAR(1),
-> PRIMARY KEY(c1)
-> ) ROW_FORMAT = Compact;

则对于一条记录的示意图可以为：

InnoDB怎么区分一条记录是普通的 用户记录 还是 目录项记录 呢？使用记录头信息里的 record_type 属性，它的各自取值代表的意思如下：

• 0：普通的用户记录

• 1：目录项记录

• 2：最小记录

• 3：最大记录

假设我们的数据页只能放三条记录，目录页只能放四条记录，则索引构建的逐步过程为：

1）在每个数据页中对于普通的用户记录按照主键有序来存放记录：

2）增加目录项记录的页，目录项记录只有 主键值和页的编号 两个列：

3）目录项记录页的目录页，大目录里嵌套小目录：

上图的数据结构，就被抽象成为了B+树的数据结构。

一般情况下，我们用到的 B+树都不会超过4层 ，那我们通过主键值去查找某条记录最多只需要做4个页面内的查找（查找3个目录项页和一个用户记录页），又因为在每个页面内有所谓的 Page Directory （页目录），所以在页面内也可以通过 二分法 实现快速 定位记录。

3、聚簇索引与非聚簇索引

3.1 聚簇索引

聚簇索引是指，所有的用户记录都存在叶子节点的一种存储方式。也就是所谓的 "索引即数据，数据即索引"  的概念。

具体的来说，由上面的图，有以下几个特点：

1. 在最底层的数据页和上层的目录页内，都是根据页中的主键大小顺序排成一个 单向链表 。
2. 在同级的数据页或目录页之间，都是按照主键的大小顺序排成一个 双向链表 。
3. 完整的用户记录储存在叶子节点 。

 在MYSQL中，InnoDB 会 自动`的为我们创建聚簇索引。

优点

• 数据访问更快 ，因为聚簇索引将索引和数据保存在同一个B+树中，因此从聚簇索引中获取数据比非聚簇索引更快

• 聚簇索引对于主键的 排序查找 和 范围查找 速度非常快

• 按照聚簇索引排列顺序，查询显示一定范围数据的时候，由于数据都是紧密相连，数据库不用从多 个数据块中提取数据，所以 节省了大量的io操作 。

缺点

• 插入速度严重依赖于插入顺序 ，按照主键的顺序插入是最快的方式，否则将会出现页分裂，严重影响性能。

• 更新主键的代价很高 ，因为将会导致被更新的行移动。

3.2 非聚簇索引

非聚簇索引也称为二级索引或者辅助索引，以c2列构成的二级索引B+树示意图如下：

此时可以看到，与聚簇索引相比，非聚簇索引B+树的叶子节点存放的并不是完整的用户记录信息，而是数据的地址信息（c2列+主键），目录页中也变成了c2列+页号的组合（而不是主键+页号）。

因此，如果我们想根 据c2列的值查找到完整的用户记录的话，仍然需要到 聚簇索引 中再查一遍，这个过程称为 回表 。

3.3 聚簇 vs 非聚簇

1. 聚簇索引的叶子节点存储的就是我们的数据记录, 非聚簇索引的叶子节点存储的是数据位置。非聚簇索引不会影响数据表的物理存储顺序。

2. 一个表只能有一个聚簇索引，因为只能有一种排序存储的方式，但可以有多个非聚簇索引，也就是多个索引目录提供数据检索。

3. 使用聚簇索引的时候，数据的查询效率高，但如果对数据进行插入，删除，更新等操作，效率会比非聚簇索引低。

4、MyISAM 与 InnoDB引擎在索引方面的对比

在MyISAM 与 InnoDB中，都支持B+树索引。

回顾引擎篇讲的MyISAM 与 InnoDB的数据文件的格式差别：

 InooDB是ibd文件同时存储数据和索引，MyISAM是myi和myd文件，数据和索引分开存储

在MyISAM中，可以设置二级索引：

 即MyISAM的索引方式都是“非聚簇”的，与InnoDB包含1个聚簇索引是不同的。

5、选择B+树的合理性（与其他的对比）

5.1 hash查询

hash索引更适合于判断等值查询的场景，对于范围查询，效率并不高。同时，hash无法解决排序问题，对于hash冲突也不好解决。

5.2 二叉搜索树（BST）

在有些情况下BST的深度会非常大，会退化为单链表的形式，复杂度退化为为o(n)。

5.3 平衡二叉树（AVL）

我们可以将2叉树改为m叉树，就可以减小树的深度，减小磁盘I/O次数 。

5.4 B树

B树，即 多路平衡查找树 。它的高度远小于平衡二叉树的高度。

 5.5 B+树

B+树也是一种多路搜索树，是在B树的基础上做出的改进。B+树更适合文件系统：

对比B树， B+树有个鲜明特点，就是B+树的中间节点并不直接存储数据，为什么要这样设计呢？

• 首先，B+树查询效率更稳定。因为B+树每次只有访问到叶子节点才能找到对应的数据，而在B树中，非叶子也会存数据，就会造成查询效率不稳定的情况。
• 其次，B+树查询效率更高。因为通常B+树比B树更加矮胖，即深度更低，查询所需的I/O也会更少。
• 在范围查询上，B+树也比B树效率高。

思考题：为什么说B+树比B-树更适合实际应用中操作系统的文件索引和数据库索引？

6、小结