MySQL的索引（上）

人生长恨
86 阅读8分钟

1.索引的基本知识

索引（index）是帮助MySQL高效获取数据的数据结构（有序），索引是在存储引擎层实现的，。一般来说索引本身也很大，不可能全部存储在内存中，因此索引往往以索引文件的形式存储在磁盘上。

  • 作用：索引的出现其实就是为了提高数据查询的效率，就像书的目录一样。一本 500 页的书，如果你想快速找到其中的某一个知识点，在不借助目录的情况下，那我估计你可得找一会儿。同样，对于数据库的表而言，索引其实就是它的“目录”。

2.提高数据查找效率的模型

索引的出现是为了提高查询效率。可以用于提高读写效率的数据结构很多，这里我先给你介绍三种常见的较简单的数据结构，它们分别是哈希表、有序数组和搜索树。

2.1hash表

不用说了，查找某个数据的时间复杂度是O(1)，十分高效。但是查找符合某个区间的数据，查询效率十分慢。因为hash存数据时，key根据hash算法算出的值不是连续的。如下图：

image.png 如果你现在要找身份证号在[ID_card_X, ID_card_Y]这个区间的所有用户，就必须全部扫描一遍了。 适用场景：等值查询。 什么是等值查询？就是用等号来匹配查询结果，分为单条件查询、多条件查询，与等值查询对应的是模糊查询、范围查询。

2.2 有序数组

在等值查询和范围查询场景中的性能就都非常优秀。还是上面这个根据身份证号查名字的例子，如果我们使用有序数组来实现的话，示意图如下所示：

image.png

  • 范围查询：这里我们假设身份证号没有重复，这个数组就是按照身份证号递增的顺序保存的。这时候如果你要查 ID_card_n2 对应的名字，用二分法就可以快速得到，这个时间复杂度是 O(log(N))。同时很显然，这个索引结构支持范围查询。你要查身份证号在[ID_card_X, ID_card_Y]区间的 User，可以先用二分法找到 ID_card_X（如果不存在 ID_card_X，就找到大于 ID_card_X 的第一个 User），然后向右遍历，直到查到第一个大于 ID_card_Y 的身份证号，退出循环。如果仅仅看查询效率，有序数组就是最好的数据结构了。
  • 缺点：需要更新数据的时候就麻烦了，你往中间插入一个记录就必须得挪动后面所有的记录，成本太高。所以，有序数组索引只适用于静态存储引擎，比如你要保存的是 2017 年某个城市的所有人口信息，这类不会再修改的数据。

2.3 二叉搜索树结构

还是上面根据身份证号查名字的例子，如果我们用二叉搜索树来实现的话，示意图如下所示：

image.png

  • 二叉搜索树的特点是：父节点左子树所有结点的值小于父节点的值，右子树所有结点的值大于父节点的值。这样如果你要查 ID_card_n2 的话，按照图中的搜索顺序就是按照 UserA -> UserC -> UserF -> User2 这个路径得到。这个时间复杂度是 O(log(N))。当然为了维持 O(log(N)) 的查询复杂度，你就需要保持这棵树是平衡二叉树。为了做这个保证，更新的时间复杂度也是 O(log(N))。树可以有二叉，也可以有多叉。多叉树就是每个节点有多个儿子，儿子之间的大小保证从左到右递增。二叉树是搜索效率最高的，但是实际上大多数的数据库存储却并不使用二叉树。其原因是，索引不止存在内存中，还要写到磁盘上。
  • 其他能提高数据查询效率的结构：跳表、LSM 树等等。

3.InnoDB 的索引模型

在 InnoDB 中，表都是根据主键顺序以索引的形式存放的，这种存储方式的表称为索引组织表。又因为前面我们提到的，InnoDB 使用了 B+ 树索引模型，所以数据都是存储在 B+ 树中的。每一个索引在 InnoDB 里面对应一棵 B+ 树。假设，我们有一个主键列为 ID 的表，表中有字段 k，并且在 k 上有索引。这个表的建表语句，并且插入数据：

    mysql> create table T(
        id int primary key, 
        k int not null, 
        name varchar(16),index (k)
    )engine=InnoDB;
    insert into t(id,k，"Bob") values(100,1,"Tom"),(200,2,"Jim"),(300,3),(500,5,"Tim"),(600,6,"Daniel");

dcda101051f28502bd5c4402b292e38d.webp R1，R2这些代表的是一整行数据(100,1,"Tom"),(200,2,"Jim")。 根据叶子节点的内容，索引类型分为主键索引和非主键索引。

  • 聚簇索引：主键索引： key:主键的值，value:整行数据。所以：根据上面的分析，主键索引是聚簇索引（clustered index）
  • 非聚簇索引： key：索引列的值， value:主键的值。在 InnoDB 里，非主键索引也被称为二级索引（secondary index）
  • 我们来讨论一个问题：基于主键索引和普通索引的查询有什么区别？
  • 如果语句是
    • select * from T where ID=500，即主键查询方式，则只需要搜索 ID 这棵 B+ 树；
    • 如果语句是 select * from T where k=5，即普通索引查询方式，则需要先搜索 k 索引树，得到 ID 的值为 500，再到 ID 索引树搜索一次。这个过程称为回表。也就是说，基于非主键索引的查询需要多扫描一棵索引树。因此，我们在应用中应该尽量使用主键查询。
  • 主键索引与唯一索引的区别？
    • 主键是一种约束，唯一索引是一种索引，两者在本质上是不同的。
    • 主键一定包含一个唯一性索引，唯一索引并不一定就是主键。
    • 主键列不允许为空值，唯一性索引列允许空值。
    • 主键可以被其他表引用为外键，唯一索引不能。
    • 一个表最多只能创建一个主键，但可以创建多个唯一索引。

4.索引维护

B+ 树为了维护索引有序性，在插入新值的时候需要做必要的维护。例如，上面，我想插入一条数据(430,9,"John"),430小于500，需要逻辑上挪动500以及后面的数据，空出位置来给430。

  • 页分裂：更糟的情况是，如果 R5 所在的数据页已经满了，根据 B+ 树的算法，这时候需要申请一个新的数据页，然后挪动部分数据过去。这个过程称为页分裂。在这种情况下，性能会受影响，而且页分裂操作还影响数据页的利用率。
  • 页合并：当相邻两个页由于删除了数据，利用率很低之后，会将数据页做合并。

5.为什么推荐使用自增主键？

  • 假设使用业务逻辑的字段做主键，这样以来不能保证有序插入，导致数据移动，页分裂这样的问题，这样写数据成本相对较高。
  • 除了考虑性能外，我们还可以从存储空间的角度来看。假设你的表中确实有一个唯一字段，比如字符串类型的身份证号，那应该用身份证号做主键，还是用自增字段做主键呢？由于每个非主键索引的叶子节点上都是主键的值。如果用身份证号做主键，那么每个二级索引的叶子节点占用约 20 个字节，而如果用整型做主键，则只要 4 个字节，如果是长整型（bigint）则是 8 个字节。显然，主键长度越小，普通索引的叶子节点就越小，普通索引占用的空间也就越小。所以，从性能和存储空间方面考量，自增主键往往是更合理的选择。
  • 有没有什么场景适合用业务字段直接做主键的呢？
    • 答案是有的，比如，有些业务的场景需求是这样的：只有一个索引；该索引必须是唯一索引。你一定看出来了，这就是典型的 KV 场景。由于没有其他索引，所以也就不用考虑其他索引的叶子节点大小的问题。这时候我们就要优先考虑上一段提到的“尽量使用主键查询”原则，直接将这个索引设置为主键，可以避免每次查询需要搜索两棵树。

6.小结：

  • 今天主要学习了数据库引擎可用的数据结构，InnoDB 采用的 B+ 树结构，以及为什么 InnoDB 要这么选择(而不选择二叉树)。B+ 树能够很好地配合磁盘的读写特性，减少单次查询的磁盘访问次数。由于 InnoDB 是索引组织表，一般情况下我会建议你创建一个自增主键，这样非主键索引占用的空间最小。但事无绝对，我也跟你讨论了使用业务逻辑字段做主键的应用场景。
  • 《MySQL实战45讲》学习笔记 Day 4
avatar
文章
阅读
粉丝