【MySQL】索引

一、初识索引

索引：提高数据库的性能，索引是物美价廉的东西了。不用加内存，不用改程序，不用调 sql，只要执行正确的 create index ，查询速度就可能提高成百上千倍。但是天下没有免费的午餐，查询速度的提高是以插入、更新、删除的速度为代价的，这些写操作，增加了大量的IO。所以它的价值，在于提高一个海量数据的检索速度，即查找数据的速度。

MySQL 的服务器，本质是在内存中的，所有的数据库的CURD操作，全部都是在内存中进行的。所以索引也是如此。

提高算法的效率因素有：1. 组织数据的方式 2.算法本身；而今天我们研究的索引就是以组织数据的方式提高其效率的体现，主要体现其查询速度。

常见索引分为：

• 主键索引(primary key)
• 唯一索引(unique)
• 普通索引(index)
• 全文索引(fulltext)–解决中子文索引问题。

假设我们有一个数据量非常大的 EMP 表，在查找某个员工的编号的时候可能需要花上几秒钟，但对于我们来说也是不可容忍的，这还是在本机一个人来操作，在实际项目中，如果放在公网中，假如同时有 1000 个人并发查询，那很可能就死机。所以这时候就需要创建索引提高速度，创建索引的 SQL 语句为：

				alter table EMP add index(empno);
1

现在我们为员工的编号创建了索引，这时候我们再查询的时候就非常快了，只需要0.0几秒。

二、认识磁盘

1. MySQL与存储

MySQL 给用户提供存储服务，而存储的都是数据，数据在磁盘这个外设当中。磁盘是计算机中的一个机械设备，相比于计算机其他电子元件，磁盘效率是比较低的，在加上IO本身的特征，可以知道，如何提高效率，是 MySQL 的一个重要话题。

2. 磁盘

我们先认识一下磁盘的盘片结构：

1. 扇区

数据库文件，本质其实就是保存在磁盘的盘片当中。也就是上面的一个个小格子中，就是我们经常所说的扇区。当然，数据库文件很大，也很多，一定需要占据多个扇区。

我们在使用 Linux，所看到的大部分目录或者文件，其实就是保存在硬盘当中的。(当然，有一些内存文件系统，如： proc ， sys 之类，我们不考虑)

数据库文件，本质其实就是保存在磁盘的盘片当中，就是一个一个的文件。所以，最基本的，找到一个文件的全部，本质就是在磁盘找到所有保存文件的扇区。而我们能够定位任何一个扇区，那么便能找到所有扇区，因为查找方式是一样的。

2. 定位扇区

• 柱面(磁道)：多盘磁盘，每盘都是双面，大小完全相等。那么同半径的磁道，整体上便构成了一个柱面；
• 每个盘面都有一个磁头，那么磁头和盘面的对应关系便是1对1的；
• 所以，我们只需要知道，磁头（Heads）、柱面(Cylinder)(等价于磁道)、扇区(Sector)对应的编号。即可在磁盘上定位所要访问的扇区。这种磁盘数据定位方式叫做 CHS 。不过实际系统软件使用的并不是 CHS （但是硬件是），而是 LBA ，一种线性地址，可以想象成虚拟地址与物理地址。系统将 LBA 地址最后会转化成为 CHS ，交给磁盘去进行数据读取。不过，我们现在不关心转化细节，知道这个东西，让我们逻辑自洽起来即可。

3. 结论

我们现在已经能够在硬件层面定位，任何一个基本数据块了(扇区)。那么在系统软件上，就直接按照扇区(512字节，部分4096字节)，进行IO交互吗？不是的。

• 如果操作系统直接使用硬件提供的数据大小进行交互，那么系统的IO代码，就和硬件强相关，换言之，如果硬件发生变化，系统必须跟着变化；
• 从目前来看，单次IO 512字节，还是太小了。IO单位小，意味着读取同样的数据内容，需要进行多次磁盘访问，会带来效率的降低；
• 学习文件系统，就是在磁盘的基本结构下建立的，文件系统读取基本单位，就不是扇区，而是数据块。

所以系统读取磁盘，是以块为单位的，基本单位是 4KB.

4. 磁盘随机访问(Random Access)与连续访问(Sequential Access)

随机访问：本次IO所给出的扇区地址和上次IO给出扇区地址不连续，这样的话磁头在两次IO操作之间需要作比较大的移动动作才能重新开始读/写数据。

连续访问：如果当次 IO 给出的扇区地址与上次 IO 结束的扇区地址是连续的，那磁头就能很快的开始这次 IO 操作，这样的多个 IO 操作称为连续访问。

因此尽管相邻的两次 IO 操作在同一时刻发出，但如果它们的请求的扇区地址相差很大的话也只能称为随机访问，而非连续访问。磁盘是通过机械运动进行寻址的，随机访问不需要过多的定位，故效率比较高。

3. MySQL 与磁盘交互基本单位

而 MySQL 作为一款应用软件，可以想象成一种特殊的文件系统。它有着更高的 IO 场景，所以，为了提高基本的 IO 效率， MySQL 进行 IO 的基本单位是 16KB (后面统一使用 InnoDB 存储引擎讲解)。

也就是说，磁盘这个硬件设备的基本单位是 512 字节，而 MySQL InnoDB 引擎 使用 16KB 进行 IO 交互。即， MySQL 和磁盘进行数据交互的基本单位是 16KB 。这个基本数据单元，在 MySQL 这里叫做 page（注意和系统的 page 区分）

4. 建立共识

• MySQL 中的数据文件，是以 page 为单位保存在磁盘当中的；
• MySQL 的 CURD 操作，都需要通过计算，找到对应的插入位置，或者找到对应要修改或者查询的数据；
• 而只要涉及计算，就需要 CPU 参与，而为了便于 CPU 参与，一定要能够先将数据移动到内存当中；
• 所以在特定时间内，数据一定是磁盘中有，内存中也有。后续操作完内存数据之后，以特定的刷新策略，刷新到磁盘。而这时，就涉及到磁盘和内存的数据交互，也就是 IO 了，而此时 IO 的基本单位就是 Page。
• 为了更好的进行上面的操作， MySQL 服务器在内存中运行的时候，在服务器内部，就申请了被称为 Buffer Pool 的的大内存空间，来进行各种缓存。其实就是很大的内存空间，来和磁盘数据进行 IO 交互；
• 为了 更高的效率，一定要尽可能的减少系统和磁盘 IO 的次数。

三、索引的理解

1. 引出问题

首先我们建立一张测试表，如下：

				mysql> create table if not exists user (
				    -> id int primary key,
				    -> age int not null,
				    -> name varchar(16) not null
				    -> );
1
2
3
4
5

一定要给 id 加上主键，只有这样才会默认生成主键索引；然后我们看看表的结构：

接下来插入多条记录：

接着查看插入结果：

我们发现竟然默认是有序的，是谁做的呢？排序有什么好处呢？我们后面进行讲解。

2. 为何 IO 交互要是 Page

为何 MySQL 和磁盘进行 IO 交互的时候，要采用 Page 的方案进行交互呢?用多少，加载多少不好吗？

如上面的5条记录，如果 MySQL 要查找 id=2 的记录，第一次加载 id=1，第二次加载 id=2，一次一条记录，那么就需要 2 次IO；如果要找 id=5，那么就需要 5 次IO。但是如果这 5 条(或者更多)都被保存在一个 Page 中(16KB，能保存很多记录)，那么第一次 IO 查找 id=2 的时候，整个 Page 会被加载到 MySQL 的 Buffer Pool 中，这里完成了一次 IO。但是往后如果在查找 id=1,3,4,5 等，完全不需要进行 IO 了，而是直接在内存中进行了。所以，就在单 Page 里面，大大减少了 IO 的次数。

但是怎么保证用户一定下次找的数据，就在这个 Page 里面？我们不能严格保证，但是有很大概率，因为有局部性原理。往往 IO 效率低下的最主要矛盾不是 IO 单次数据量的大小，而是 IO 的次数。

3. 理解 Page

如何理解 mysql 中 page 的概念呢？mysql 内部，一定需要并存在大量的 page，也就决定了 mysql 必须要将多个同时存在的 page 管理起来！要管理所有的 mysql 内的 page，需要先描述，再组织！

所以，不要简单的将 page 认为是一个内存块，page 内部也必须写入对应的管理信息！例如我们假设将 page 描述成一个链表，那么它就类似如下结构：

				struct page
				{
					struct page* next;
					struct page* prev;
					char buffer[NUM];
				};  
1
2
3
4
5
6

该结构体大小就为 16KB，将所有的 page 用“链表”的形式管理起来，在 buffer pool 内部，对 mysql 的 page 进行了一个建模。

我们目前可以简单理解成一个个独立文件是有一个或者多个 Page 构成的，单个 Page 如下：

不同的 Page ，在 MySQL 中，都是 16KB ，使用 prev 和 next 构成双向链表。因为有主键的问题， MySQL 会默认按照主键给我们的数据进行排序，从上面的 Page 内数据记录可以看出，数据是有序且彼此关联的。

为什么数据库在插入数据时要对其进行排序呢？我们按正常顺序插入数据不是也挺好的吗？插入数据时排序的目的，就是优化查询的效率。页内部存放数据的模块，实质上也是一个链表的结构，链表的特点也就是增删快，查询修改慢，所以优化查询的效率是必须的。正是因为有序，在查找的时候，从头到后都是有效查找，没有任何一个查找是浪费的，而且，如果运气好，是
可以提前结束查找过程的。

• 理解多个 Page

通过上面的分析，我们知道，上面页模式中，只有一个功能，就是在查询某条数据的时候直接将一整页的数据加载到内存中，以减少硬盘 IO 次数，从而提高性能。但是，我们也可以看到，现在的页模式内部，实际上是采用了链表的结构，前一条数据指向后一条数据，本质上还是通过数据的逐条比较来取出特定的数据。

如果有1千万条数据，一定需要多个 Page 来保存1千万条数据，多个 Page 彼此使用双链表链接起来，而且每个 Page 内部的数据也是基于链表的。那么，查找特定一条记录，也一定是线性查找。这效率也太低了。

• 页目录

我们在每一本书的起始几页，都会看见有目录，目录的作用是什么呢？就是为了方便我们快速定位到需要查找的地方。如果我们需要找到本书的某一章，有两种方法：

1. 从头逐页的向后翻，直到找到目标内容；
2. 通过书提供的目录，假设发现该章节在123页，那么我们便直接翻到123页。同时，查找目录的方案，可以顺序找，不过因为目录肯定少，所以可以快速提高定位。

本质上，书中的目录，是多花了纸张的，但是却提高了效率，所以，目录，是一种 “空间换时间的做法”。

• 单页情况

针对上面的单页 Page，我们能否也引入目录呢？当然可以，如下图：

那么当前，在一个 Page 内部，我们引入了目录。比如，我们要查找 id=4 记录，之前必须线性遍历4次，才能拿到结果。现在直接通过目录 2[3]，直接进行定位新的起始位置，提高了效率。现在我们可以再次回答上面的问题了，为何通过键值 MySQL 会自动排序？因为可以很方便引入目录。

• 多页情况

MySQL 中每一页的大小只有 16KB ，单个 Page 大小固定，所以随着数据量不断增大， 16KB 不可能存下所有的数据，那么必定会有多个页来存储数据。

在单表数据不断被插入的情况下， MySQL 会在容量不足的时候，自动开辟新的 Page 来保存新的数据，然后通过指针的方式，将所有的 Page 组织起来。需要注意，上面的图，是理想结构，大家也知道，目前要保证整体有序，那么新插入的数据，不一定会在新 Page 上面。

这样，我们就可以通过多个 Page 遍历，Page 内部通过目录来快速定位数据。可是，貌似这样也有效率问题，在 Page 之间，也是需要 MySQL 遍历的，遍历意味着依旧需要进行大量的 IO，将下一个 Page 加载到内存，进行线性检测。这样就显得我们之前的 Page 内部的目录，有点杯水车薪了。

那么如何解决呢？解决方案，其实就是我们之前的思路，给 Page 也带上目录。

1. 使用一个目录项来指向某一页，而这个目录项存放的就是将要指向的页中存放的最小数据的键值；
2. 和页内目录不同的地方在于，这种目录管理的级别是页，而页内目录管理的级别是行；
3. 其中，每个目录项的构成是：键值+指针。图中没有画全。

存在一个目录页来管理页目录，目录页中的数据存放的就是指向的那一页中最小的数据。有数据，就可通过比较，找到该访问那个 Page，进而通过指针，找到下一个 Page。

其实目录页的本质也是页，普通页中存的数据是用户数据，而目录页中存的数据是普通页的地址。

这样我们的目录页就能存放更多的目录信息了，每个 Page 的大小是 16KB，经过简单的计算大概可以计算出每个Page 可以存放1000多个 Page 的目录信息。但是这样还不够，万一底层的数据非常多，导致上层存放目录的 Page 也变多了，那么遍历目录 Page 不也就变成线性遍历了吗？不用担心，可以在加目录页！

其实这就是数据结构中的 B+树，至此，我们已经给我们的表 user 构建完了主键索引。

那么为什么叶子节点全部都要用链表级联起来呢？首先这是 B+树 的特点；其次，这有利于我们进行范围查找。

总结：

1. 索引的本质就是数据结构 B+树；
2. 叶子节点保存有效数据，路上节点不保存数据，非叶子节点不要数据，只保存目录项；
3. 非叶子节点不存数据，那么就说明能存储更多的目录项，可以管理更多的叶子 Page，所以这棵树一定是一个 “矮胖型” 的树！
4. 每一个节点都有目录项，可以大大提高搜索效率；
5. 这颗 “矮胖型” 的树代表我们查询过程中，途径的路上节点减少，说明目标数据只需要更少的 Page，就说明 IO 次数更少，在 IO 层面，提高了效率！
6. 第四点和第五点加起来整体就提高了搜索的效率！
7. 查找的时候，自定向下找，只需要加载部分目录页到内存，即可完成算法的整个查找过程，大大减少了 IO 次数。

4. 聚簇索引和非聚簇索引

我们上面所介绍的将所有的数据都放在叶子节点的这种存储引擎对应的就是 InnoDB 默认存储表数据的存储结构。

下面我们简单介绍一下 MyISAM 存储引擎-主键索引。MyISAM 引擎同样使用 B+ 树作为索引结果，叶节点的 data 域存放的是数据记录的地址。下图为 MyISAM 表的主索引， Col1 为主键：

其中， MyISAM 最大的特点是，将索引 Page 和数据 Page 分离，也就是叶子节点没有数据，只有对应数据的地址。

相较于 InnoDB 索引， InnoDB 是将索引和数据放在一起的。

我们下面可以验证一下：

首先新建一个数据库 index_db：

我们新建一个终端查看 mysql 目录：cd var/lib/mysql

我们进入该数据库的目录，查看当前目录：

如上图，只有该数据库对应的字符集和校验规则。接下来我们新建两个表，分别使用 InnoDB 引擎和 MyISAM 引擎：

因为 mysql 默认使用的是 InnoDB 引擎，所以我们不需要带使用哪个引擎的项。接下来查看该目录下的文件：

如上图，使用 InnoDB 引擎新建的表结构有两个文件，分别是表的结构的信息和该表对应的主键索引和用户数据。

如果使用 MyISAM 引擎：

查看该目录下的文件：

其中， MyISAM 这种用户数据与索引数据分离的索引方案，叫做非聚簇索引；InnoDB 这种用户数据与索引数据在一起索引方案，叫做聚簇索引。

当然， MySQL 除了默认会建立主键索引外，我们用户也有可能建立按照其他列信息建立的索引，一般这种索引可以叫做辅助（普通）索引。

对于 MyISAM，建立辅助（普通）索引和主键索引没有差别，无非就是主键不能重复，而非主键可重复。

下图就是基于 MyISAM 的 Col2 建立的索引，和主键索引没有差别：

同样， InnoDB 除了主键索引，用户也会建立辅助（普通）索引，InnoDB 的非主键索引中叶子节点并没有数据，而只有对应记录的 key 值。

所以通过辅助（普通）索引，找到目标记录，需要两遍索引：首先检索辅助索引获得主键，然后用主键到主索引中检索获得记录。这种过程，就叫做回表查询！这种多个索引的就是一个表可以对应多个 B+树！

四、索引操作

1. 创建主索引

• 第一种方法

    			-- 在创建表的时候，直接在字段名后指定 primary key
    			create table user1(id int primary key, name varchar(30));
  1
  2

• 第二种方法

    			-- 在创建表的最后，指定某列或某几列为主键索引
    			create table user2(id int, name varchar(30), primary key(id));
  1
  2

• 第三种方法

    			create table user3(id int, name varchar(30));
    			-- 创建表以后再添加主键
    			alter table user3 add primary key(id);
  1
  2
  3

主键索引的特点：

• 一个表中，最多有一个主键索引，当然可以使符合主键
• 主键索引的效率高（主键不可重复）
• 创建主键索引的列，它的值不能为 null，且不能重复
• 主键索引的列基本上是 int

2. 唯一索引的创建

• 第一种方法

    			-- 在表定义时，在某列后直接指定unique唯一属性。
    			create table user4(id int primary key, name varchar(30) unique);
  1
  2

• 第二种方法

    			-- 创建表时，在表的后面指定某列或某几列为unique
    			create table user5(id int primary key, name varchar(30), unique(name));
  1
  2

• 第三种方法

    			create table user6(id int primary key, name varchar(30)）；
    			alter table user6 add unique(name);
  1
  2

唯一索引的特点：

• 一个表中，可以有多个唯一索引
• 查询效率高
• 如果在某一列建立唯一索引，必须保证这列不能有重复数据
• 如果一个唯一索引上指定 not null，等价于主键索引

3. 普通索引的创建

• 第一种方法，在表的定义最后，指定某列为索引

    			create table user8(id int primary key,
    				name varchar(20),
    				email varchar(30),
    				index(name) 
    			);
  1
  2
  3
  4
  5

• 第二种方法，创建完表以后指定某列为普通索引

    			create table user9(id int primary key, 
    				name varchar(20), 
    				email varchar(30)
    			);
    			
    			alter table user9 add index(name); 
  1
  2
  3
  4
  5
  6

• 第三种方法，创建一个索引名为 idx_name 的索引

    			create table user10(id int primary key, 
    				name varchar(20), 
    				email varchar(30)
    			);
    			
    			create index idx_name on user10(name);
  1
  2
  3
  4
  5
  6

普通索引的特点：

• 一个表中可以有多个普通索引，普通索引在实际开发中用的比较多；
• 如果某列需要创建索引，但是该列有重复的值，那么我们就应该使用普通索引。

4. 全文索引的创建(了解)

当对文章字段或有大量文字的字段进行检索时，会使用到全文索引。MySQL 提供全文索引机制，但是有要求，要求表的存储引擎必须是MyISAM，而且默认的全文索引支持英文，不支持中文。如果对中文进行全文检索，可以使用sphinx的中文版(coreseek)。

5. 查询索引

• 第一种方法： show keys from 表名;

• 第二种方法： show index from 表名;

• 第三种方法（信息比较简略）： desc 表名;

6. 删除索引

• 第一种方法，删除主键索引： alter table 表名 drop primary key;

• 第二种方法，其他索引的删除： alter table 表名 drop index 索引名;，索引名就是 show keys from 表名 中的 Key_name 字段；

• 第三种方法：drop index 索引名 on 表名

7. 索引创建原则

• 比较频繁作为查询条件的字段应该创建索引；
• 唯一性太差的字段不适合单独创建索引，即使频繁作为查询条件；
• 更新非常频繁的字段不适合作创建索引；
• 不会出现在 where 子句中的字段不该创建索引。