[整理] MySQL 索引的一些基础概念

目录

• 前言
• B+树
• 回表
• 索引维护——页分裂
• 覆盖索引
• 最左匹配原则
• 前缀索引
• 索引下推

前言

在学习索引的时候，常常会看到回表、覆盖索引、索引下推、页分裂等等概念，本篇就常见概念进行介绍和总结。

B+树

索引基于B+树，要想更好地理解这些概念建议先了解：

• BTree和B+Tree：
  https://www.cnblogs.com/feily/articles/14031251.html
• 时间复杂度 (B-Tree树)：
  https://www.cnblogs.com/feily/articles/14123728.html
• MySQL的索引
  https://www.cnblogs.com/feily/articles/14038911.html

回表

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。

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

基于主键索引和普通索引的查询有什么区别？
普通索引查询方式，则需要先搜索索引树，得到主键值，再到主键索引树按主键值搜索一次，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——页分裂

• 什么是页分裂？
  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。 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

• 页分裂的坏处
  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%。

• 如何避免页分裂？
  使用自增主键。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。

• 自增主键的其他好处
  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。

• 有没有什么场景适合用业务字段直接做主键的呢？
  比如，有些业务的场景需求是这样的：

  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。

覆盖索引

非聚集索引的B+树节点存储的是索引列和主键，假如想要拿到完整数据的话还得根据主键去主键索引树回表，这样性能不好，如果我们要查询得到的数据就是索引列和主键中的数据，就不要回表。这样只需要在一棵索引树上就能获取SQL所需的所有列数据无需回表的索引称为覆盖索引

由于覆盖索引可以减少树的搜索次数， 显著提升查询性能， 所以使用覆盖索引是一个常用的性能优化手段。

最左匹配原则

B+树这种索引结构， 可以利用索引的“最左前缀”来定位记录。

索引树排序规则：
在对联合索引建立索引树时，会按照索引字段的顺序依次排序。以（name,age,address）这个联合索引为例，首先按照name排序完，在name排序值相同时继续按照age排序。

最左匹配：
在mysql建立联合索引时还会遵循最左前缀匹配的原则，即最左优先，在检索数据时从联合索引的最左边开始匹配（左边的匹配不上，后面也不会再去匹配了）。同时，索引只能用于查找key是否存在（相等），遇到范围查询 (>、<、between、like左匹配)等就不能进一步匹配了，后续退化为线性查找。因此，列的排列顺序决定了可命中索引的列数

• 在建立联合索引的时候， 如何安排索引内的字段顺序？
  1. 考虑索引的复用能力。 因为可以支持最左前缀， 所以当已经有了(a,b)这个联合索引后， 一般就不需要单独在a上建立索引了。 因此， 第一原则是， 如果通过调整顺序， 可以少维护一个索引， 那么这个顺序往往就是需要优先考虑采用的。
  2. 考虑空间。不要无节制的创建索引。

前缀索引

对字符串的前几个字符（具体是几个字符在建立索引时指定）建立索引，这样建立起来的索引占用空间更小

对字符串建立普通索引和前缀索引的语句如下：

# 普通字符串索引
alter table SUser add index index1(email);
# 前缀索引，索引长度为6
alter table SUser add index index2(email(6));

• 前缀索引的优势和损失
  优势：占用的空间会更小
  损失：会增加额外的记录扫描次数

使用前缀索引，定义好长度， 就可以做到既节省空间，又不用额外增加太多的查询成本。

• 当要给字符串创建前缀索引时如何确定应该使用多长的前缀？
  前缀索引肯定会损失区分度，我们需要提前预设一个可以接受的损失比列，使用count计算出多种长度的损失比例，选择低于损失比例的最短长度。

第一步：计算算出这个列上有多少个不同的值：

select count(distinct email) as L from SUser

第二步：计算不同长度去重后有多少数据：

select
	count(distinct left(email,4)） as L4,
	count(distinct left(email,5)） as L5,
	count(distinct left(email,6)） as L6,
	count(distinct left(email,7)） as L7,
from SUser;

第三步：选择合适的长度
在返回的L4~L7中，找出不小于 L * 95%的值，假设这里L6、L7都满足，你就可以选择前缀长度为6。

• 前缀索引对覆盖索引的影响
  使用前缀索引就不能使用覆盖索引对查询性能进行优化了。因为索引只包含了字符串的部分数据。

• 遇到前缀的区分度不够好的情况时，我们要怎么办？

  1. 使用倒序存储：
     • 不会消耗额外的字段，但是每次索引一般不止4个字符，索引树需要多的存储空间
     • 每次写和读的时候，都需要额外调用一次reverse函数
     • 查询时有前缀索引的问题：会增加额外的记录扫描次数
     • 不支持范围查找
  2. 使用hash字段
     • 需要额外添加一个hash字段
     • 每次需要额外调用一次crc32()函数
     • 查询性能相对倒序存储更稳定一些
     • 不支持范围查找
     • 不再是使用前缀索引的方式

索引下推

上一段我们说到满足最左前缀原则的时候，最左前缀可以用于在索引中定位记录。 这时，你可能要问，那些不符合最左前缀的部分， 会怎么样呢？

mysql> select * from tuser where name like '张%' and age=10 and ismale=1;

我们还是以市民表的联合索引（name, age） 为例。 如果现在有一个需求： 检索出表中“名字第一个字是张， 而且年龄是10岁的所有男孩”。 那么， SQL语句是这么写的：

你已经知道了前缀索引规则， 所以这个语句在搜索索引树的时候， 只能用 “张”， 找到第一个满足条件的记录ID3。 当然， 这还不错， 总比全表扫描要好。然后呢？当然是判断其他条件是否满足。

在MySQL 5.6之前， 只能从ID3开始一个个回表。 到主键索引上找出数据行， 再对比字段值。

而MySQL 5.6 引入的索引下推优化（indexcondition pushdown)， 可以在索引遍历过程中， 对索引中包含的字段(age)先做判断， 直接过滤掉不满足条件的记录， 减少回表次数。