mysql的索引结构

 

为甚要设计索引？ 

如何设计索引？

设计索引时使用什么数据结构？

mysql是如何实现的？

 

数据库里的数据都保存在磁盘里。

 

文件

1.关键值：key

2.文件名称

3.偏移量 offset

 

索引的文件存储形式与引擎有关：

mysql中的存储引擎：myisam，innodb，memory

memory用的是hash索引

myisam，innodb 用的是b+tree索引

大部分说的存储引擎都是innodb。

在mysql中输入 “show index from 表名” 就可以查看引擎

 

数据都是放在磁盘中，读数据的时候是从磁盘读到内存当中的。

磁盘的读写速度比内存小很多很多。

因此把磁盘数据加载到内存读。

把经常访问的数据可以从磁盘读出来放在内存中。

 

局部性原理：

程序和数据的访问都有聚集成群的倾向，

在一段时间内，仅仅使用其中一小部分（称空间局部性）

或者最近访问过的程序代码和数据，很快又被访问的可能性很大（称时间局部性）

 

磁盘预读（预读的长度一般为页page的整数倍）：

页是存储器的逻辑块

操作系统往往将主存和磁盘分成连续的大小相等的块，每个存储块称为一页（页大小通常为4k），

主存和磁盘以页为大小交换数据。

磁盘预读每次读4k的倍数，一次加载一个磁盘块16k

即便是查一个数据a，加载的也是一个块，而不是只加载a。

 

索引是帮助mysql高效获取数据的数据结构。

索引存储在文件系统中。

索引文件结构：hash，二叉树，b tree， b+tree

 

 

为什么mysql中选择b+ tree？？

 二叉树，BST, AVL, 红黑树，这些树的节点里存的都是一个值。

但是我们索引的时候是从磁盘读数据的，每次返回的是一个数据块

而不是取一个值。

像innodb，myisam每次都是取16k的数据，这样就会取出来很多个节点，

节点越多，树越深，造成io次数变多。

 

提升IO的效率只有2个途径：

减少IO的次数

减少IO的量（大小）

所以公司一般不让用select * 查询

 mysql里面有一个服务层，每次交互的时候需，

要服务层从存储引擎里把数据拉出来，

在服务层筛选完毕之后，再返回给客户端

所以如果用select * 查询就会增大IO量

 

B树和B+tree 节点里放的不是一个值而是值的集合：

degree 叫做阶，表示单个节点里可以放置多少个数据元素。

degree = 4 的时候，每个节点可以放3个节点。

一个节点可以放置degree - 1 的数据

 

假设查id是28这条数据，这些数据都是在磁盘里的，

假设磁盘块1是16k（innodb默认读16k），从磁盘块1开始找，到磁盘块8，

一共是磁盘块1+磁盘块3+磁盘块8，内存一共加载了3个16k的磁盘块

从头到尾读了48k数据

 

在B tree中每个磁盘块的大小跟data 相关，上图中

一个磁盘块里有2个data，假如1行数据是1k，那么一个数据块就存16条

一个磁盘块16k换算成字节是16000，图1中“指针”+“键值”假如算一组的话，

假设一组10个字节，那么一个磁盘块可以存1600组。

在第三层的叶子层上，一条数据占1k，那么叶子层还是只有16条数据。

之前的b tree 3层一共存的数据量是16*16*16，

现在b + tree存的数据量是1600*1600*16

 

B+ tree是把所有的data都放在了最下面的叶子上，节点上不再放data，

这样就节省了节点上的存储空间

 

b+tree有2种查找方式：从根节点开始查找； 也可以通过双向链表从最小叶子节点开始找。

 

myisam和Innodb的数据结构都是b+tree，从上图中可以看到区别是：

Innodb最后的叶子节点存放的是完整数据，这种数据和索引存放在一起的叫做聚簇索引

myisam最后的叶子节点放的是地址，通过地址再查找数据，数据和索引分开存放的叫非聚簇索引

 

一般创建数据库都是主键自增的，这种适用于单机数据库。

如果是分布式就不能用主键自增，需要用雪花算法设置主键。

 

key值包括：主键，唯一键，row_id