MySql 索引

为什么要使用索引

MySql 官方对索引的定义为：索引(index)是帮助MySql高效获取数据的数据结构。

白话文：索引就像书的目录一样可以很快的定位到书的页码。

如果像MySql发送一条Sql 语句请求，查询的字段没有创建索引的话，可能会导致全表扫描，这样的话查询效率非常的低。也就是一条一条的去跟数据库存储的数据进行对比，这样效率很低。

全表扫描：会将整张表数据全部扫描一遍，这样的话效率非常低。

数据结构Hash算法

哈希表（Hash table，也叫散列表），是根据关键码值(Key value)而直接进行访问的数据结构。也就是说，它通过把关键码值映射到表中一个位置来访问记录，以加快查找的速度。这个映射函数叫做散列函数，存放记录的数组叫做散列表。

优点:查找可以直接根据key访问。

缺点: 不能进行范围查找。

index=Hash(key)。

Hash索引 

优点：通过字段的值计算的hash值，定位数据非常快。

缺点：不支持范围查询。

为什么不支持范围查询？

因为底层数据结构是散列的，无法进行比较大小。

数据结构平衡二叉树

平衡二叉查树，又称 AVL树。 它除了具备二叉查找树的基本特征之外，还具有一个非常重要的特点：它 的左子树和右子树都是平衡二叉树，且左子树和右子树的深度之差的绝对值（平衡因子 ） 不超过1。 也就是说AVL树每个节点的平衡因子只可能是-1、0和1（左子树高度减去右子树高度）。

平衡二叉树 会取一个中间值，中间值左边称为左子树 ，中间值右边称为右子树 。

左子树比中间小，右子树比中间值大。

优点:平衡二叉树算法基本与二叉树查询相同，效率比较高。

缺点: 插入操作需要旋转，支持范围查询。

平衡二叉树 查询原理

假设查询10 （需要经历4次IO操作）

1次 从硬盘中读取4 （内存），判断下10>4，取右指针

2次 从硬盘中读取8 （内存），判断下10>8，取右指针

3次 从硬盘中读取9 （内存），判断下10>，取右指针

4次 从硬盘中读取10 （内存），判断下10=10，定位到数据

 

平衡二叉树 查询效率还可以，说明：如果是全表扫描的话，需要查询10次，而使用平衡二叉树4次就查询出来结果了，所以效率比全表扫描要高很多的。

缺点：虽然支持范围查询，但是回旋查询效率低，需要先定位到本身然后在去右节点找比自己大的节点，导致回旋查询，所以效率比较低。

规律：如果树的高度越高，那么查询IO次数会越多。

数据结构B树

维基百科对B树的定义为“在计算机科学中，B树（B-tree）是一种树状数据结构，它能够存储数据、对其进行排序并允许以O(log n)的时间复杂度运行进行查找、顺序读取、插入和删除的数据结构。B树，概括来说是一个节点可以拥有多于2个子节点的二叉查找树。与自平衡二叉查找树不同，B-树为系统最优化大块数据的读和写操作。B-tree算法减少定位记录时所经历的中间过程，从而加快存取速度。普遍运用在数据库和文件系统。

因为B树节点元素比平衡二叉树要多，所以B树数据结构相比平衡二叉树数据结构实现减少磁盘IO的操作。

 

如何去减少查询IO次数？

B树在平衡二叉树中，减少树的高度。

结论：B树比平衡二叉树减少了一次IO操作。由上面的平衡二叉树与B树的结构图可以得出该结论。

 

B树查询效率比平衡二叉树效率要高，因为B树的节点中可以有多个元素，从而减少树的高度，减少IO操作，从而提高查询效率。

缺点：范围查询效率还是比较低。

数据结构B+树

B+树相比B树，新增叶子节点与非叶子节点关系，叶子节点中包含了key和value，非叶子节点中只是包含了key，不包含value。 所有相邻的叶子节点包含非叶子节点，使用链表进行结合，有一定顺序排序，从而范围查询效率非常高。

B+树 解决范围查询问题、减少IO查询的操作。

上面是非叶子节点，下面是叶子节点，我们查询是下面那一块的数据。

B+树相比B树，新增叶子节点与非叶子节点关系，叶子节点中包含了key和value，非叶子节点中只是包含了key，不包含value。

 

B+树算法： 通过继承了B树的特征，B+树相比B树，新增叶子节点与非叶子节点关系，叶子节点中包含了key和value，非叶子节点中只是包含了key，不包含value。通过非叶子节点查询叶子节点获取对应的value，所有相邻的叶子节点包含非叶子节点，使用链表进行结合，有一定顺序排序，从而范围查询效率非常高。

缺点：因为有冗余节点数据，会比较占硬盘大小。

 

索引文件如何查看

默认数据与索引文件位置: /var/lib/mysql

MyISAM引擎的文件： .myd 即 my data，表数据文件 .myi 即my index，索引文件 .log 日志文件。

InnoDB引擎的文件： 采用表空间（tablespace）来管理数据，存储表数据和索引， InnoDB数据库文件（即InnoDB文件集，ib-file set）： ibdata1、ibdata2等：系统表空间文件，存储InnoDB系统信息和用户数据库表数据和索引，所有表共用。 .ibd文件：单表表空间文件，每个表使用一个表空间文件（file per table），存放用户数据库表数据和索引。

MyISAM和InnoDB对B-Tree索引不同的实现方式

主键索引： MyISAM引擎使用B+Tree作为索引结构，叶节点的data域存放的是数据记录的地址。下图是MyISAM主键索引的 这里设表一共有三列，假设我们以Col1为主键，图myisam1是一个MyISAM表的主索引（Primary key）示意。可以看出

MyISAM和InnoDB对B-Tree索引不同的实现方式

InnoDB也使用B+Tree作为索引结构，但具体实现方式却与MyISAM截然不同. MyISAM索引文件和数据文件是分离的，索引文件仅保存数据记录的地址。而在InnoDB中，表数据文件本身就是按B+Tree组织的一个索引结构，这棵树的叶节点data域保存了完整的数据记录。这个索引的key是数据表的主键，因此InnoDB表数据文件本身就是主索引。

 

 

MyISAM和InnoDB区别

MyISAM与InnoDB都是采用B+树进行实现的。

MyISAM 底层使用B+树 ，子节点value存放行数的地址，再通过行数定位到数据进行查询。

InnoDB 底层使用B+树，叶子节点value存放的是行的data数据，相比MyISAM效率要高一些，但是比较占硬盘内存。

 

MySQLb+树能够存放多少字节数据

局部性原理与磁盘预读

计算机科学中著名的局部性原理当一个数据被用到时， 其附近的数据也通常会马上被使用。

为了提高效率，磁盘往往不是严格按需读取，而是每次都会预读，即使只需要一个字节，磁盘也会从这个位置开始，顺序向后读取一定长度的数据放入内存。

这里的-定长度叫做页，也就是操作系统操作磁盘时的基本单位。一般操作系统中.页的大小是4Kb (getconf  PAGE_SIZE) 所以如果在磁盘中读取1kb，实际会读取4kb。

 

MySQLb+树能够存放多少字节数据

假设在B+树一个节点为1页 如果从磁盘读取超过1页大小，根据局部性原理与磁盘预读 会读出2页大小

如果从磁盘读取小于1页大小，根据局部性原理与磁盘预读 会读出1页大小

根据以上规则，如果读取整哈是页的倍数，这样就可以不用浪费，所以B+树的每一个节点是页的倍数是最佳的。

在MySQL中我们的InnoDB页的大小默认是16k，当然也可以通过参数设置：

show variables like 'innodb_page_size';

16384/1024=16kb;

MySQLb+树能够存放多少字节数据

假设一行为1kb，那么一页可以读取16行数据，一个叶子节点可以存放16条数据 那么非叶子节点存放多少条数据？

非叶子节点存放索引值(bigint 8b) 和 指针(6b) 那么一页16*1024/(8+6)=1170指针

B+树 高度为2 1170*16=18720 条数据

B+树 高度为3 1170*1170*16=21902400 条数据

所以在InnoDB中B+树高度一般为1-3层，它就能满足千万级的数据存储。在查找数据时一次页的查找代表一次IO，所以通过主键索引查询通常只需要1-3次IO操作即可查找到数据。

 

 

文档目录：https://www.cs.usfca.edu/~galles/visualization/Algorithms.html

在线工具类：https://www.cs.usfca.edu/~galles/visualization/AVLtree.html