《MySQL 技术内幕-InnoDB 存储引擎》- 第 5 章：索引与算法

@(MySQL 笔记)[MySQL, InnoDB, 数据库]

5.1 InnoDB 索引

InnoDB 主要支持：

1. B+ 树索引
2. 全文索引
3. 哈希索引：InnoDB 支持的索引是自适应的，InnoDB 存储引擎会根据表的使用情况，自动生成哈希索引，不可以人为干预。

5.3 B+ 树

• B+ 树是为磁盘或其他直接存储辅助设备设计的一种平衡查找树。
• B+ 树所记录的值都是按照大小顺序存储在叶子节点上。叶子节点之间通过前后指针连接在一起（包括头尾节点），形成一条循环双向链表
• B+ 树能够在插入删除过程中，保持树的平衡。但这些操作会导致大量的查分子节点的操作
• B+ 树索引：本质就是B+ 树在数据库中的应用。特点是高扇出性，即数据库中B+ 树的高度一般在2~3层，IO 操作较少。
  1. 聚集索引：按照每张表的主键构建B+ 树，每个叶子节点存储表中的每一行数据，因此将聚集索引中的叶子节点成为数据页。
     • 表中的数据存放时，只能有一种存放的顺序。因此每张表中只能有一个聚集索引。
     • 查询优化器优先采用聚集索引，因为聚集索引上有实际保存的表中的每行数据。
     • 由于B+ 树的优势，采用聚集索引查询范围数据非常快
  2. 非聚集索引（辅助索引）叶子不保存实际的数据吗，而是保存了实际数据存放的地址，称为书签（Bookmark）。
     • 每张表可以有多个非聚集索引，因为非聚集索引不影响实际数据的存放。
     • 通过非聚集索引查找数据时，先查找到非聚集索引的叶子节点，根据叶子节点中所存放的数据的主键，再去聚集索引中根据主键查找数据。
     • 通过预读避免多次离散读。
  3. 访问表中高选择性的数据，如很少一部分数据时，使用 B+ 树才有意义。访问低选择性的数据，如性别，地区等，可选范围很小，没有必要建立B+ 树。
     • 通过 Cardinality值来判断某字段是否为高选择性。
     • 通过采样的方式统计 Cardinality 值。
     • 更新 Cardinality值的策略是：1. 表中 1/16 的数据发生过变化。2. 某行的 stat_moified_counter 字段大于等于 2000 亿。
  4. B+ 树索引的应用：
     • 联合索引：存储在单个叶子节点中的键，由 1个 变为 多个。如单个字段构成的主键 ( student_id )与多个字段构成的主键( student_id， class_id )。
     • 覆盖索引：一个索引包含了所有需要查询的字段的值，只需扫描索引而不必回表。其优点在于：
       • 索引要比实际数据小
       • 索引值按大小排序，查找速度快
       • InnoDB 使用聚集索引组织数据，采用覆盖索引可以避免到叶子节点查找数据

5.7 自适应哈希索引

InnoDB 采用除数留余散列方法和链地址冲突处理方法

5.8 全文索引

• InnoDB 支持