MySQL学习笔记-----深入浅出索引（上）

索引的出现其实就是为了提高数据查询的效率

索引的常见模型

哈希表

概念

哈希表是一种以键-值（key-value）存储数据的结构，我们只要输入待查找的值即key，就可以找到其对应的值即Value。

实现

• 哈希的思路很简单，把值放在数组里，用一个哈希函数把key换算成一个确定的位置，然后把value放在数组的这个位置。

• 不可避免地，多个key值经过哈希函数的换算，会出现同一个值的情况。处理这种情况的一种方法是，拉出一个链表。

示例

查询

1. 将ID_card_n2通过哈希函数算出N；
2. 按顺序遍历，找到User2。
   • 注意：图中四个ID_card_n的值并不是递增的
     • 优点：增加新的User时速度会很快，只需要往后追加。
     • 缺点：因为不是有序的，所以哈希索引做区间查询的速度很慢。可以设想下，如果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。

适用场景

哈希表这种结构适用于只有等值查询的场景

有序数组

示例

查询

• 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))。显然，这个索引结构支持范围查询。
• 查身份证号在[ID_card_X, ID_card_Y]区间的User
  1. 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），
  2. 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。
• 注意：
  • 优点：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。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：在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。

应用场景

有序数组索引只适用于静态存储引擎

二叉搜索树

特点

每个节点的左儿子小于父节点，父节点又小于右儿子

示例

查询

• 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))

• 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))。

• 注：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。

  例：一棵100万节点的平衡二叉树，树高20。一次查询可能需要访问20个数据块。在机械硬盘时代，从磁盘随机读一个数据块需要10 ms左右的寻址时间。也就是说，对于一个100万行的表，如果使用二叉树来存储，单独访问一个行可能需要20个10 ms的时间。

N叉树

• 为了让一个查询尽量少地读磁盘，就必须让查询过程访问尽量少的数据块。那么，我们就不应该使用二叉树，而是要使用“N叉”树。这里，“N叉”树中的“N”取决于数据块的大小。

• 以InnoDB的一个整数字段索引为例，这个N差不多是1200。这棵树高是4的时候，就可以存1200的3次方个值，这已经17亿了。考虑到树根的数据块总是在内存中的，一个10亿行的表上一个整数字段的索引，查找一个值最多只需要访问3次磁盘。其实，树的第二层也有很大概率在内存中，那么访问磁盘的平均次数就更少了。

• N叉树由于在读写上的性能优点，以及适配磁盘的访问模式，已经被广泛应用在数据库引擎中了。

  注：数据库技术发展到今天，跳表、LSM树等数据结构也被用于引擎设计中。

InnoDB 的索引模型

索引组织表

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。

索引模型

B+树

示例

建表语句

create table T(
id int primary key,
k int not null,
name varchar(16),
index (k))engine=InnoDB;

示例图

索引类型

主键索引

主键索引的叶子节点存的是整行数据。在InnoDB里，主键索引也被称为聚簇索引（clustered index）。

非主键索引

非主键索引的叶子节点内容是主键的值。在InnoDB里，非主键索引也被称为二级索引（secondary index）。

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

索引维护

维护过程

• 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。
• 以上面这个图为例，如果插入新的行ID值为700（页尾插入），则只需要在R5的记录后面插入一个新记录。如果新插入的ID值为400（非页尾插入），就相对麻烦了，需要逻辑上挪动后面的数据，空出位置。而更糟的情况是，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，性能自然会受影响。
• 除了性能外，页分裂操作还影响数据页的利用率。原本放在一个页的数据，现在分到两个页中，整体空间利用率降低大约50%。当然有分裂就有合并。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。合并的过程，可以认为是分裂过程的逆过程。

自增主键

定义

• 自增主键是指自增列上定义的主键，在建表语句中一般是这么定义的：

  NOT NULL PRIMARY KEY AUTO_INCREMENT。

为什么大多数场景建议使用自增主键

• 性能角度：

  自增主键在插入新记录的时候可以不指定ID的值，系统会获取当前ID最大值加1作为下一条记录的ID值。即自增主键的插入符合递增插入的场景，每次插入一条新记录，都是追加操作，都不涉及到挪动其他记录，也不会触发叶子节点的分裂。而有业务逻辑的字段做主键，则往往不容易保证有序插入，这样写数据成本相对较高。

• 存储空间角度：

  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，自增主键作为整型，则只要4个字节，如果是长整型（bigint）则是8字节。

综上所述，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。

适合用业务字段直接做主键的场景-----KV场景

1. 只有一个索引；
2. 该索引必须是唯一索引。

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。

思考问题

问题1

问题

为什么要重建索引。

答案

索引可能因为删除，或者页分裂等原因，导致数据页有空洞，重建索引的过程会创建一个新的索引，把数据按顺序插入，这样页面的利用率最高，也就是索引更紧凑、更省空间。

问题2

问题

对于上面例子中的InnoDB表T，如果你要重建索引 k，你的两个SQL语句可以这么写：

alter table T drop index k;
alter table T add index(k);

如果你要重建主键索引，也可以这么写：

alter table T drop primary key;
alter table T add primary key(id);

问，对于上面这两个重建索引的作法，说出你的理解。如果有不合适的，为什么，更好的方法是什么？

答案

• 重建索引k的做法是合理的，可以达到省空间的目的。
• 重建主键的过程不合理。不论是删除主键还是创建主键，都会将整个表重建。所以连着执行这两个语句的话，第一个语句就白做
  了。这两个语句，你可以用这个语句代替 ：

  alter table T engine=InnoDB