目录
1、为什么要有索引?
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。
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。
2、预备知识
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。
磁盘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。
总结:
- 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
- 如何能有更高的效率,一定要尽可能的减少系统和磁盘IO的次数
3、为何IO交互要是 Page?
如下面的
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。
怎么保证,用户一定下次找的数据,就在这个
Page
里面?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。
//创建测试表格
mysql> create table if not exists user (
-> id int primary key,
-> age int not null,
-> name varchar(16) not null
-> );
//我们并没有按照主键大小顺序插入
mysql> insert into user (id, age, name) values(3, 18, '小明');
mysql> insert into user (id, age, name) values(5, 17, '小花');
mysql> insert into user (id, age, name) values(1, 20, '张三');
mysql> insert into user (id, age, name) values(4, 23, '李四');
mysql> insert into user (id, age, name) values(2, 23, '王五');
我们发现竟然默认是有序的,那么是谁干的呢?不难想象当然是主键干的,其实当我们建表的时候添加上主键默认就是主键索引。而主键之所以要这样干其实是为了方便维护page。
4、如何理解Page以及索引理解
理解单个Page
MySQL 中要管理很多数据表文件,而要管理好这些文件,就需要先描述,在组织 ,我们目前可以简单理解成一个个独立文件是由一个或者多个Page构成的。
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。
如何提高在一个页内搜索的效率呢?
我们在看
书的时候,如果我们要看某个章节
,找到该章节有两种做法
- 从头逐页的向后翻,直到找到目标内容
- 通过书提供的目录,找到该章节所在的页数
- 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”
同样我们页内提高效率也是通过添加目录的方式来提高页内查找的效率。
理解多个Page
刚刚我们已经解决了页内的效率问题,那么多页又怎么办呢?如果这个链表很长难道要从头开始遍历吗?
当然不是,我们解决多页效率问题和解决页内方法相同同样也给添加上目录,如图。
- 相信学过B+树的朋友们已经看出来了,其实这种结构就是B+树。至此我们已经构建出了主键索引
- 随便找一个id我们都可以快速的查找到。如找id为14的数据首先会将14和1、11比较,比11大继续和11、16比较在二者之间此时我们就能锁定14所在的页,在进行页内查找就可以了。我们发现,现在查找的Page数一定减少了,也就意味着IO次数减少了,那么效率也就提高了
那B+树在哪里呢?
- 在磁盘上有完整的B+树和数据
- 在内存中有局部高频被访问的B+核心Page
- mysql查找一定会伴生着mysql根据B+进行Page的换入换出
总结:
- Page分为目录页和数据页。目录页只放各个下级Page的最小键值。
- 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
InnoDB 在建立索引结构来管理数据的时候,其他数据结构为何不行?
- 链表?线性遍历
- 二叉搜索树?退化问题,可能退化成为线性结构
- AVL &&红黑树?虽然是平衡或者近似平衡,但是毕竟是二叉结构,相比较多阶B+,意味着树整体过高,大家都是自顶向下找,层高越低,意味着系统与硬盘更少的IO Page交互。虽然你很秀,但是有更秀的。
- Hash?官方的索引实现方式中, MySQL 是支持HASH的,不过 InnoDB 和 MyISAM 并不支持。Hash跟进其算法特征,决定了虽然有时候也很快(O(1)),不过,在面对范围查找就明显不行。
B树 VS B+树
如图:
区别:
-
B 树节点,既有数据,又有 Page 指针,而 B+ ,只有叶子节点有数据,其他目录页,只有键值和 Page 指针
-
B+叶子节点,全部相连,而 B 没有
为何选择B+
-
节点不存储 data ,这样一个节点就可以存储更多的 key 。可以使得树更矮,所以 IO 操作次数更少。
-
叶子节点相连,更便于进行范围查找
5、索引操作
<1> 创建主键索引
- 方式一
在创建表的时候,直接在字段名后指定 primary keycreate table user1(id int primary key, name varchar(30));
- 方式二
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));
- 方式三
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);
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> 创建唯一索引
- 方式一
在表定义时,在某列后直接指定 unique 唯一属性。create table user1(id int primary key, name varchar(30) unique);
- 方式二
创建表时,在表的后面指定某列或某几列为 uniquecreate table user2(id int primary key, name varchar(30), unique(name));
- 方式三
create table user3(id int primary key, name varchar(30) ;创建表以后再添加唯一键alter table user3 add unique(name);
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
- 方式一
create table user1(id int primary key,name varchar(20),email varchar(30),index(name) 在表的定义最后,指定某列为索引);
- 方式二
create table user9(id int primary key, name varchar(20), email varchar(30));alter table user9 add index(name); 创建完表以后指定某列为普通索引
- 方式三
create table user10(id int primary key, name varchar(20), email varchar(30));创建一个索引名为 idx_name 的索引create index idx_name on user10(name);
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
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)
。
create table articles (id int unsigned auto_increment not null primary key,title varchar(200),body text,fulltext(title,body))engine=MyISAM;
<5> 查询索引
- 方法一
show keys from 表名;
- 方法二
第二种方法 : show index from 表名;
- 方法三
desc 表名;
<5> 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
-
第三种方法方法: drop index 索引名 on 表名mysql> drop index name on user8
<6> 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