MySQL详解之深入浅出索引

MySQL详解之深入浅出索引

MySQL详解之深入浅出索引

MySQL有两种存储引擎：MyISAM和InnoDB。下面我们主要介绍InnoDB类型的存储引擎。

索引的作用：提高数据查询效率。

为什么要使用索引

因为索引可以使得我们避免全表扫描去查找数据，提高查找效率。

索引的常见模型

常见的索引模型：

哈希表
有序数组
搜索树

哈希表

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。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。

如图：

缺点：

仅仅能满足“=”，“IN”，不能使用范围查询
无法被用来避免数据的排序操作
不能利用部分索引建查询
不能避免表扫描
遇到大量Hash值相等的情况后性能并不一定就会比B+ Tree索引高

哈希表这种结构在新增时会很快，但是因为不是有序的，所以哈希索引做区间查询的速度是很慢的。所以适用于只有等值查询的场景，比如Redis以及其他一些NoSQL引擎。

有序数组

这种索引结构支持范围查询，因为它是根据索引递增顺序保存的，如果我们要查找其中的某个值，根据二分查找可以很快的得到，时间复杂度是O(log(N))。同时在做区间查询的时候，查询效率也是很优秀的。如果仅仅看查询效率，有序数据就是最好的数据结构了。但是，在需要更新数据的时候就麻烦了，因为在向中间插入一条记录时，需要挪动后面的所有记录，成本太高了。

所以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。

搜索树

这里先简单介绍一下B Tree和B+ Tree。

B Tree

如图所示：

定义：

根节点至少包括两个孩子
树中每个节点最多含有m个孩子（m>=2）
除根节点和叶节点外，其他每个节点至少有ceil(m/2)个孩子（ceil表示向上取整）
所有叶子节点都位于同一层

PS：图中第二行第二个节点的叶子节点下面只有一个子节点，错误！

B+ Tree

B+树是B树的辩题，其定义基本与B树相同，除了：

非叶子节点的子树指针与关键字个数相同
非叶子节点的子树指针P[i]，指向关键字值[K[i],K[i+1])的子树
非叶子节点仅用来索引，数据都保存在叶子节点中
所有叶子节点均有一个链指针指向下一个叶子节点

经过比较，可以得知：B+ Tree更适合用来存储索引

B+树的磁盘读写代码更低
B+树的查询效率更加稳定（O(log(n))）
B+树更有利于对数据库的扫描

这也是为什么现在数据库主要选择B+树做索引的原因。

二叉树的搜索效率是最高的，但是实际上大多数的数据库存储并不使用二叉树，其原因是，索引不止存在内存中，还要写到磁盘上。

BitMap

位图索引，这种索引很少数据库支持，oracle是支持这种索引的，它一般适用于该字段的值就是几个值的情况，比如性别，颜色等等。只做了解。

InnoDB的索引模型

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。又因为前面我们提到的，InnoDB使用了B+树索引模型，所以数据都是存储在B+树中的。每一个索引在InnoDB里面对应一棵B+树。

根据叶子节点的内容，索引类型分为：

主键索引
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？
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。

我们讨论下面一个案例：

分析一下哪些场景下建表时需要使用自增主键，哪些场景下不应该？

使用自增主键：

自增主键的插入数据模式，正符合了我们前面提到的递增插入的场景。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。
使用业务逻辑字段做主键：

往往不容易保证有序插入，这样写数据成本相对较高。
另外我们从存储空间的角度来看

假设你的表中确实有一个唯一字段，比如字符串类型的身份证号，那应该用身份证号做主键，还是用自增字段做主键呢？
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就越小。
所以，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。

B+ 树能够很好地配合磁盘的读写特性，减少单次查询的磁盘访问次数。

重建索引

重建普通索引可以达到省空间的目的；但是如果重建主键索引，则相当于整个表重建，因为InnoDB是一种索引组织表，也就是说表是根据主键顺序以索引形式存放的。
重建表可以使用以下语句：alter table T engine=InnoDB，其中T为表名。

覆盖索引

我们先看下面这个例子：
有一个用户表User，初始化语句如下：

CREATE TABLE `user` (
  `id` int(11) NOT NULL,
  `name` varchar(255) COLLATE utf8mb4_bin DEFAULT NULL,
  `age` int(11) DEFAULT NULL,
  PRIMARY KEY (`id`),
  KEY `age_inx` (`age`)
) ENGINE=InnoDB DEFAULT CHARSET=utf8mb4 COLLATE=utf8mb4_bin;

INSERT INTO `user` VALUES (1, '张三', 10);
INSERT INTO `user` VALUES (2, '李四', 30);
INSERT INTO `user` VALUES (3, '王五', 35);
INSERT INTO `user` VALUES (4, '赵六', 40);
INSERT INTO `user` VALUES (5, '小张', 45);

主键为：id，在字段age上新建索引为age_inx。

那么如果执行select * from user where age between 30 and 40会执行几次树的搜索，会扫描多少行？

现在我们一起来看看这条SQL查询语句的执行流程：

1.在age索引树上找到age=30的记录，取得id=2；
2.再到id索引树查到id=2对应的记录；
3.在age索引树上找到age=35的记录，取得id=3；
4.再到id索引树查到id=3对应的记录；
5.在age索引树上找到age=40的记录，取得id=4；
6.再到id索引树查到id=4对应的记录；
7.在age索引树取下一个值age=45，不满足条件，循环结束。

在这个过程中，回到主键索引树搜索的过程，我们成为回表。在这个例子中，由于查询结果所需要的数据只在主键索引上有，所以不得不回表。这个时候我们可以对语句做如下优化：select id from user，这时只需要查id的值，而id的值已经在age索引树上了。因此可以直接提供查询结果，不需要回表。也就是说，在这个查询里面，索引age已经覆盖了我们的查询需求，我们成为覆盖索引。

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。

最左前缀原则

B+ 树这种索引结构，可以利用索引的“最左前缀”，来定位记录。

基于上面对最左前缀索引的说明，我们来讨论一个问题：在建立联合索引的时候，如何安排索引内的字段顺序。

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。

最左前缀可以用于在索引中定位记录。

索引下推

在MySQL5.6之前，只能一个个回表到主键索引上找出数据行，再对比字段值
在MySQL5.6引入的索引下推优化，可以在索引遍历过程中，对索引中包含的字段优先做判断，直接过滤掉不满足条件的记录，减少回表次数。

索引是建立得越多越好吗？

数据量小的表不需要建立索引，建立会增加额外的索引开销
数据变更需要维护索引，因为更多的索引意味着更多的维护成本
更多的索引意味着也需要更多的空间

总结

在满足语句需求的情况下，尽量少地访问资源是数据库设计的重要原则之一。我们在使用数据库的时候，尤其是在设计表结构时，也要以减少资源消耗作为目标。