这是我参与「第五届青训营 」伴学笔记创作活动的第 15天

MySQL 索引

背景

• 全表扫描，在InnoDB中从数据引擎中一次读取16kb到内存，那么对于一条查询SQL，磁盘IO的次数和数据总量成比例，即全表扫描的开销会随着数据量增长而越来越大

• 构建索引 高效

索引分类

可以按照四个角度来分类索引。

• 按「数据结构」分类：B+tree索引、Hash索引、Full-text索引。
• 按「物理存储」分类：聚簇索引（主键索引）、二级索引（辅助索引）。
• 按「字段特性」分类：主键索引、唯一索引、普通索引、前缀索引。
• 按「字段个数」分类：单列索引、联合索引。

B+ tree

InnoDB中使用 B+ tree 来组织数据

存储方式

InnoDB 的数据是按「数据页」为单位来读写的，数据库IO最小的单位也是页，默认大小是 16KB

页的数据结构

• file header（内含页的双指针，pre，next
• page header（meta data of page
• 最小最大record（页内record的虚拟单链表的头和尾
• user record space，free space
• file tailer

数据页中的records按照「主键」顺序组成单向链表，头是inifimun，尾是supremun

（单向链表的特点就是插入、删除非常方便，但查询要遍历一遍，所以引入页目录

首先，对单链表分组，规则为：

• 第一个分组中的记录只能有 1 条记录；
• 最后一个分组中的记录条数范围只能在 1-8 条之间；
• 剩下的分组中记录条数范围只能在 4-8 条之间。

页目录就是由多个槽组成的，槽相当于分组记录的索引，指向的是这个组的主键最大的记录

（这样在一个页中根据「主键」查询一个record，可以先二分页目录找到分组，然后再遍历组内的record即可

B+ tree（page as node）

简单来说，是一个 自平衡的 多叉 搜索树，可以限制树的深度很小，保证高效的查询时间

规则

• 只有叶子节点才存放了数据，非叶子节点仅用来存放节点(页)地址作为索引。
• 非叶子节点分为不同层次，通过分层来降低每一层的搜索量；
• 每一层节点都按照索引键大小排序，构成一个双向链表，便于范围查询；

查询方式

下篇

聚簇索引和二级索引

下篇