MySQL 索引特性

个人主页：C++忠实粉丝
欢迎点赞???? 收藏✨ 留言✉ 加关注????本文由 C++忠实粉丝原创

MySQL 索引特性

收录于专栏[MySQL]
本专栏旨在分享学习MySQL的一点学习笔记，欢迎大家在评论区交流讨论????

没有索引可能又什么问题？

认识磁盘

MySQL 与存储

先来研究一下磁盘

扇区

定位扇区

结论

MySQL 与磁盘交互基本单位

建立共识

索引的理解

建立测试表

插入多条记录

查看结果

为何 IO 交互要是 page

理解单个 page

理解多个 page

页目录

单页情况

复盘一下

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？

B树 VS B+树

聚簇索引 VS 非聚簇索引

索引操作

创建主键索引

第一种方式

第二种方式

第三种方式

主键索引的特点：

唯一索引的创建

第一种方式

第二种方式

第三种方式

唯一索引的特点：

普通索引的创建

第一种方式

第二种方式

第三种方式

全文检索

查询索引

删除索引

索引创建原则：

没有索引可能又什么问题？

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，查询速度就可以提高成百上千倍。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：

1. 主键索引（primary key）

2. 唯一索引

3. 普通索引

4. 全文索引（fultext）解决中子文索引问题

案例：

创建一个海量表，在查询的时候，看看没有索引时有什么问题？

--构建一个8000000条记录的数据
--构建的海量表数据需要有差异性，所以使用存储过程来创建， 拷贝下面代码就可以了，暂时不用理解
-- 产生随机字符串
delimiter $$
create function rand_string(n INT)
returns varchar(255)
begin
declare chars_str varchar(100) default
'abcdefghijklmnopqrstuvwxyzABCDEFJHIJKLMNOPQRSTUVWXYZ';
declare return_str varchar(255) default '';
declare i int default 0;
while i < n do
set return_str =concat(return_str,substring(chars_str,floor(1+rand()*52),1));
set i = i + 1;
end while;
return return_str;
end $$
delimiter ;
--产生随机数字
delimiter $$
create function rand_num()
returns int(5)
begin
declare i int default 0;
set i = floor(10+rand()*500);
return i;
end $$
delimiter ;
--创建存储过程，向雇员表添加海量数据
delimiter $$
create procedure insert_emp(in start int(10),in max_num int(10))
begin
declare i int default 0;
set autocommit = 0;
repeat
set i = i + 1;
insert into EMP values ((start+i)
,rand_string(6),'SALESMAN',0001,curdate(),2000,400,rand_num());
until i = max_num
end repeat;
commit;
end $$
delimiter ;
-- 执行存储过程，添加8000000条记录
call insert_emp(100001, 8000000);

我这里使用了5分多种才创建完毕，添加了8000000万数据的表。

查询员工编号为 998877 的员工

可以看到耗时7.901秒，这还是我一个人操作，在实际项目中，如果放在公网中，同时有1000个人并发查询，那很有可能死机。

这里我再多查询几次：

这里我又查询了很多次，时间停留在7.6-7.7之间

解决方法，创建索引

换一个员工编号，测试看看查询时间

查询原来的员工998877呢？

认识磁盘

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中。磁盘是计算机中的一个机械装备，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。

先来研究一下磁盘

在看磁盘中的一个盘片：

扇区

数据库文件，本质其实就是保存在磁盘的盘片中。也就是上面的一个个小格子，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。

题外话：

从上图可以看出来，在半径方向上，距离圆心越近，扇区越小，距离圆心越远，扇区越大

那么，所有扇区都是默认512字节吗？目前是的，我们也这样认为。因为保证一个扇区多大，是由比特位决定的。

不过最新的磁盘技术，已经慢慢的让扇区大小不同了，不过我们现在暂时不考虑。

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中的。（当然，有一些内存文件系统，如：proc，sys 之类，我们不考虑）

定位扇区

柱面（磁道）：多盘磁道，每盘都是双面，大小完全相等。那么同半径的磁道，整体边构成了一个柱面

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，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。

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

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，以为这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。

之前学习文件系统，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。

故，系统读取磁盘，是以块为单位的，基本单位是 4KB。

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操作之间需要比较大的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。

磁盘是通过机械运行进行寻址的，随机访问不需要过多的定位，故效率比较高。

MySQL 与磁盘交互基本单位

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）

16 * 1024 = 16384，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）

建立共识

1. MySQL 中的数据文件，是以 page 为单位保存在磁盘中的。

2. 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。

3. 而只要设计计算，就需要 CPU 参与，而为了便于 CUP 参与，一定要能够先将数据移动到内存当中。

4. 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

5. 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。

6. 为何更高的效率，一定要尽可能地减少系统和磁盘 IO 的次数。

索引的理解

建立测试表

插入多条记录

查看结果

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，加载多少不香吗?

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，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。

你怎么保证，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。

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 ，我们目前可以见到那理解成一个独立文件是有一个或者多个 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。

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。

如果有一千万条数据，一定需要多个 page 来保存一千万条数据，多个 page 彼此使用双链表接起来，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

我们在看《谭浩强C语言设计》这本书的时候，如果我们要看<指针章节>，找到该章节有两种做法：

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，发现指针章节在 234页（假设），那么我们便直接翻到234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。

3. 本质上，书中的目录，是多花了纸张的，但是却提高了效率

4. 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

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，直接进行定位新的起始位置，提高了效率。现在我们可以再次正式回答了上面的问题了，为何通过键值 MySQL 会自动排序。

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，所以随着数量不断增大，16KB 不可能存下所有数据，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，这里仅仅做演示。

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，遍历以为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。

存在一个目录页来管理目录，目录页中的数据存放的就是指向那一页中最小的数据。有数据，就可通过比较，找到该访问哪个 page，进而通过指针，找到下一个 page。

起始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。

可是，我们每次检索数据的时候，该从哪里开始呢？虽然顶层的目录页少了，但是还要遍历啊？不用担心，可以在加目录页。

这货就是传说中的 B+ 树啊！没错，至此，我们已经给我们的表 user 构建完了主键索引。

随便找一个 id = ？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。

复盘一下

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，但是又更秀的。

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，另外还有其他差别。

B树？最值得比较的是 InnoDB 为何不用 B树作为底层索引？