索引：提高数据库的性能，索引是物美价廉的东西了。不用加内存，不用改程序，不用调sql，只要执行正确的 create index ，查询速度就可能提高成百上千倍。但是天下没有免费的午餐，查询速度的提高是以插入、更新、删除的速度为代价的，这些写操作，增加了大量的IO。所以它的价值，在于提高一个海量数据的检索速度。

常见索引分为：

主键索引(primary key)

唯一索引(unique)

普通索引(index)

全文索引(fulltext)--解决中子文索引问题。

没有索引的案例：

这个表很大，当我们selec *的时候发现Killed了，这是因为表太大了，并且服务器的配置相对较差，无法承受，所以Killed了。

这里查询编号为123456的员工，发现查询了5s多的时间。

因此，没有索引，遇到这种非常大的表时，查询的时间会非常长

下面，创建索引试试：

这里可以发现，创建了索引之后，查询的速度变的非常快。

二.磁盘

1.MySQL与存储

MySQL 给用户提供存储服务，而存储的都是数据，数据在磁盘这个外设当中。磁盘是计算机中的一个机械设备，相比于计算机其他电子元件，磁盘效率是比较低的，在加上IO本身的特征，可以知道，如何提交效率，是 MySQL 的一个重要话题。

mysql和硬件之间有OS，OS中有文件系统，mysql所有的行为都会转化为文件系统的行为，文件系统再将数据通过驱动交给硬件。

2.磁盘

（1）盘片：

（2）扇区：

数据库文件，本质其实就是保存在磁盘的盘片当中。也就是上面的一个个小格子中，就是我们经常所说的扇区。当然，数据库文件很大，也很多，一定需要占据多个扇区。

我们在使用Linux，所看到的大部分目录或者文件，其实就是保存在硬盘当中的。(当然，有一些内存文件系统，如： proc ， sys 之类，我们不考虑)

所以，最基本的，找到一个文件的全部，本质，就是在磁盘找到所有保存文件的扇区。而我们能够定位任何一个扇区，那么便能找到所有扇区，因为查找方式是一样的。

（3）定位扇区

柱面(磁道): 多盘磁盘，每盘都是双面，大小完全相等。那么同半径的磁道，整体上便构成了一个柱面。

每个盘面都有一个磁头，那么磁头和盘面的对应关系便是1对1的。

所以，我们只需要知道，磁头（Heads）、柱面(Cylinder)(等价于磁道)、扇区(Sector)对应的编号。即可在磁盘上定位所要访问的扇区。这种磁盘数据定位方式叫做 CHS 。不过实际系统软件使用的并不是 CHS （但是硬件是），而是 LBA ，一种线性地址，可以想象成虚拟地址与物理地址。系统将 LBA 地址最后会转化成为 CHS ，交给磁盘去进行数据读取。不过，我们现在不关心转化细节，知道这个东西，让我们逻辑自洽起来即可。

（4）结论

我们现在已经能够在硬件层面定位，任何一个基本数据块了(扇区)。那么在系统软件上，就直接按照扇区(512字节，部分4096字节),进行IO交互吗？不是。

如果操作系统直接使用硬件提供的数据大小进行交互，那么系统的IO代码，就和硬件强相关，换言之，如果硬件发生变化，系统必须跟着变化。

从目前来看，单次IO 512字节，还是太小了。IO单位小，意味着读取同样的数据内容，需要进行多次磁盘访问，会带来效率的降低。

之前学习文件系统，就是在磁盘的基本结构下建立的，文件系统读取基本单位，就不是扇区，而是数据块。

故，系统读取磁盘，是以块为单位的，基本单位是 4KB 。

（5）磁盘随机访问与连续访问

随机访问：本次IO所给出的扇区地址和上次IO给出扇区地址不连续，这样的话磁头在两次IO操作之间需要作比较大的移动动作才能重新开始读/写数据。

连续访问：如果当次IO给出的扇区地址与上次IO结束的扇区地址是连续的，那磁头就能很快的开始这次IO操作，这样的多个IO操作称为连续访问。

因此尽管相邻的两次IO操作在同一时刻发出，但如果它们的请求的扇区地址相差很大的话也只能称为随机访问，而非连续访问。

磁盘是通过机械运动进行寻址的，随机访问不需要过多的定位，故效率比较高。

3.MySQL与磁盘交互基本单位

MySQL 作为一款应用软件，可以想象成一种特殊的文件系统。它专门聚焦于进行数据IO和存储的应用层的服务，因此有着很高的IO场景，所以，为了提高基本的IO效率， MySQL 进行IO的基本单位是 16KB (使用 InnoDB 存储引擎)

也就是说，磁盘这个硬件设备的基本单位是 512 字节，而 MySQL InnoDB引擎使用 16KB 进行IO交互。即， MySQL 和磁盘进行数据交互的基本单位是 16KB 。这个基本数据单元，在 MySQL 这里叫做page（注意和系统的page区分）

三.建立共识

（1）MySQL 中的数据文件，是以page为单位保存在磁盘当中的。

（2）MySQL 的 CURD 操作，都需要通过计算，找到对应的插入位置，或者找到对应要修改或者查询的数据。

（3）而只要涉及计算，就需要CPU参与，而为了便于CPU参与，一定要能够先将数据移动到内存当中。

（4）所以在特定时间内，数据一定是磁盘中有，内存中也有。后续操作完内存数据之后，以特定的刷新策略，刷新到磁盘。而这时，就涉及到磁盘和内存的数据交互，也就是IO了。而此时IO的基本单位就是Page。

（5）为了更好的进行上面的操作， MySQL 服务器在内存中运行的时候，在服务器内部，就申请了被称为 Buffer Pool 的的大内存空间，来进行各种缓存。其实就是很大的内存空间，来和磁盘数据进行IO交互。

（6）为了更高的效率，一定要尽可能的减少系统和磁盘IO的次数。

四.索引的理解

1.测试表

这里建立user表，且id为主键。

这里id是主键，以乱序的id插入五个数据，但是查询时，发现id以升序排好序显示的。

那么这 是谁做的？ 为什么这么做？

要想解决这个问题，接下来要先理解page和页目录。

了解了之后，再回来看两个问题，就知道答案了：

**是谁做的？**mysql自己做的

**为什么这么做？**因为只有page内部的数据是有序的，才能方便引入页内目录(才能增加查找速度)

2.page

（1）为什么IO交互是page

为何MySQL和磁盘进行IO交互的时候，要采用Page的方案进行交互呢？

为什么不像懒汉模式那样，用多少加载多少呢？

如上面的5条记录，如果MySQL要查找id=2的记录，第一次加载id=1，第二次加载id=2，一次一条记录，那么就需要2次IO。如果要找id=5，那么就需要5次IO。

但，如果这5条(或者更多)都被保存在一个Page中(16KB，能保存很多记录),那么第一次IO查找id=2的时候，整个Page会被加载到MySQL的Buffer Pool中，这里完成了一次IO。但是往后如果在查找id=1,3,4,5等，完全不需要进行IO了，而是直接在内存中进行了。所以，就在单Page里面，大大减少了IO的次数。

那怎么保证，用户一定下次找的数据，就在这个Page里面？

我们不能严格保证，但是有很大概率，因为有局部性原理。

往往IO效率低下的最主要矛盾不是IO单次数据量的大小，而是IO的次数。

（2）单个page

MySQL 中要管理很多数据表文件，而要管理好这些文件，就需要先描述，再组织，我们目前可以简单理解成一个个独立文件是有一个或者多个Page构成的。

不同的 Page ，在 MySQL 中，都是 16KB ，使用 prev 和 next 构成双向链表

因为有主键的问题， MySQL 会默认按照主键给我们的数据进行排序，从上面的Page内数据记录可以看出，数据是有序且彼此关联的。

为什么数据库在插入数据时要对其进行排序呢？我们按正常顺序插入数据不是也挺好的吗。

插入数据时排序的目的，就是优化查询的效率。

页内部存放数据的模块，实质上也是一个链表的结构，链表的特点也就是增删快，查询修改慢，所以优化查询的效率是必须的。

正是因为有序，在查找的时候，从头到后都是有效查找，没有任何一个查找是浪费的，而且，如果运气好，是可以提前结束查找过程的。

（3）多个page

通过上面的分析，我们知道，上面页模式中，只有一个功能，就是在查询某条数据的时候直接将一整页的数据加载到内存中，以减少硬盘IO次数，从而提高性能。但是，我们也可以看到，现在的页模式内部，实际上是采用了链表的结构，前一条数据指向后一条数据，本质上还是通过数据的逐条比较来取出特定的数据。

如果有1千万条数据，一定需要多个Page来保存1千万条数据，多个Page彼此使用双链表链接起来，而且每个Page内部的数据也是基于链表的。那么，查找特定一条记录，也一定是线性查找。这样效率非常低。

3.页目录

我们在看一本书的时候，如果我们要看某一个章节，找到该章节有两种做法：

①从头逐页的向后翻，直到找到目标内容。

②通过书提供的目录，发现这一章节在123页(假设)，那么我们便直接翻到123页。同时，查找目录的方案，可以顺序找，不过因为目录肯定少，所以可以快速提高定位。

本质上，书中的目录，是多花了纸张的，但是却提高了效率。

所以，目录，是一种"空间换时间的做法"。

(1)单页情况

针对上面的单页Page，我们能否也引入目录呢？当然可以。

那么当前，在一个Page内部，我们引入了目录。比如，我们要查找id=4记录，之前必须线性遍历4次，才能拿到结果。现在直接通过目录2[3]，直接进行定位新的起始位置，提高了效率。

现在我们可以再次正式回答上面的问题了，为何通过键值 MySQL 会自动排序？

可以很方便引入目录。

（2）多页情况

MySQL 中每一页的大小只有 16KB ，单个Page大小固定，所以随着数据量不断增大， 16KB 不可能存下所有的数据，那么必定会有多个页来存储数据。

在单表数据不断被插入的情况下， MySQL 会在容量不足的时候，自动开辟新的Page来保存新的数据，然后通过指针的方式，将所有的Page组织起来。

需要注意，上面的图，是理想结构，大家也知道，目前要保证整体有序，那么新插入的数据，不一定会在新Page上面，这里仅仅做演示。

这样，我们就可以通过多个Page遍历，Page内部通过目录来快速定位数据。可是，貌似这样也有效率问题，在Page之间，也是需要 MySQL 遍历的，遍历意味着依旧需要进行大量的IO，将下一个Page加载到内存，进行线性检测。这样就显得我们之前的Page内部的目录，就有点杯水车薪了。

那么如何解决呢？解决方案，其实就是我们之前的思路，给Page也带上目录。

使用一个目录项来指向某一页，而这个目录项存放的就是将要指向的页中存放的最小数据的键值。

和页内目录不同的地方在于，这种目录管理的级别是页，而页内目录管理的级别是行。

其中，每个目录项的构成是：键值+指针。图中没有画全。

存在一个目录页来管理页目录，目录页中的数据存放的就是指向的那一页中最小的数据。有数据，就可通过比较，找到该访问那个Page，进而通过指针，找到下一个Page。

其实目录页的本质也是页，普通页中存的数据是用户数据，而目录页中存的数据是普通页的地址。可是，我们每次检索数据的时候，该从哪里开始呢？虽然顶层的目录页少了，但是还要遍历啊？不用担心，可以再加目录页。

这就是B+树。没错，至此，我们已经给我们的表user构建完了主键索引。

随便查询一个id=？我们发现，现在查找的Page数一定减少了，也就意味着IO次数减少了，那么效率也就提高了。

总结：

Page分为目录页和数据页。目录页只放各个下级Page的最小键值。

查找的时候，自顶向下找，只需要加载部分目录页到内存，即可完成算法的整个查找过程，大大减少了IO次数。

4.主键索引

① 具有主键表，一表一个B+，每个表都有自己的B+树结构。

② 如果没有主键，目前我们认为所有的数据是线性组织的（但是，实际上，mysql会自动形成隐藏主键，这个在后面的事务中会提到）

③ B+树中所有的叶子节点、路上节点，是不需要全部都加载到内存的，可以按需进行load mysql page。

注意这个是主键索引，唯一键和普通键也可以建立索引。

5.InnoDB引擎建立索引时，为什么不用其他数据结构

链表：线性遍历，太慢。

二叉搜索树：退化问题，可能退化成为线性结构。

AVL &&红黑树：虽然是平衡或者近似平衡，但是毕竟是二叉结构，相比较多阶B+，意味着树整体过高。大家都是自顶向下找，层高越低，意味着系统与硬盘更少的IO Page交互。因此B+的层数更低，要比AVL和红黑树更好。

Hash：官方的索引实现方式中， MySQL 是支持HASH的，不过 InnoDB 和 MyISAM 并不支持。Hash跟进其算法特征，决定了虽然有时候也很快(O(1))，不过，在面对范围查找就明显不行，另外还有其他差别。

这里比较常见的InnoDB和MyISAM引擎都是BTREE，BTREE就是B+树。

那为什么不用B树呢？

6.B+树 vs B树

B树：

B+树：

目前这两棵树，对我们最有意义的区别是：

① B树节点，既有数据，又有Page指针，而B+，只有叶子节点有数据，其他目录页，只有键值和Page指针。

② B+叶子节点，全部相连，而B没有。

为何选择B+（这里上面的多页情况的图中写的很清楚，这里再说一下）：

① 节点不存储data，这样一个节点就可以存储更多的key。可以使得树更矮，所以IO操作次数更少。

② 叶子节点相连，更便于进行范围查找。

7.聚簇索引 vs 非聚簇索引

MyISAM 存储引擎-主键索引

MyISAM 引擎同样使用B+树作为索引结果，叶节点的data域存放的是数据记录的地址。下图为 MyISAM表的主索引， Col1 为主键。

其中， MyISAM 最大的特点是，将索引Page和数据Page分离，也就是叶子节点没有数据，只有对应数据的地址。

相较于 MyISAM 索引， InnoDB 是将索引和数据放在一起的。

MyISAM 这种用户数据与索引数据分离的索引方案，叫做非聚簇索引

InnoDB 这种用户数据与索引数据在一起索引方案，叫做聚簇索引。

一张表，不仅仅只有一个索引结构。当我们建立表结构的时候，如果有主键，默认mysqld会为我们构建主键索引。

当然， MySQL 除了默认会建立主键索引外，我们用户也有可能建立按照其他列信息建立的索引，一般这种索引可以叫做辅助（普通）索引。

对于 MyISAM ,建立辅助（普通）索引和主键索引没有差别，无非就是主键不能重复，而非主键可重复。

下图就是基于 MyISAM 的 Col2 建立的索引，这个普通索引和主键索引没有差别。

同样， InnoDB 除了主键索引，用户也会建立辅助（普通）索引，我们以上表中的 Col3 建立对应的辅助索引如下图：

可以看到， InnoDB 的非主键索引中叶子节点并没有数据，而只有对应记录的key值。

所以通过辅助（普通）索引，找到目标记录，需要两遍索引：首先检索辅助索引获得主键，然后用主键到主索引中检索获得记录。这种过程，就叫做回表查询

为何 InnoDB 针对这种辅助（普通）索引的场景，不给叶子节点也附上数据呢？原因就是太浪费空间了。

myISAM存储引擎，构建主键或者普通索引就是构建B+，叶子保存数据记录的地址即可。

innoDB存储引擎，构建主键索引，是聚簇的；但是普通索引，只需要根据普通列构建B+，然后叶子上放的就是该普通数据对应记录的主键id，后续查找的时候可以通过回表的方式进行查找（并不是每次都要回表，如果要找的数据就是构建的普通索引数据本身，就不需要回表了）

构建主键的时候，可以是复合主键。如果我们用复合主键来创建索引，比如(name,qq)，这里我们想要根据name去查询其对应的qq，那么根据name索引找到对应的名字后，直接就可以得到其qq，因为name和qq的索引是在一起的，直接可以根据这个索引，拿到对应的索引数据作为结果返回，这叫做索引覆盖。相当于索引本身把主键表覆盖了，查询的时候不需要主键表了。

判断聚簇索引和非聚簇索引：

一个空表只有这一个文件。

创建一个innoDB引擎的表，会多出来两个文件，后缀分别为.frm和.ibd

再创建一个MyISAM引擎的表，可以发现多出来三个文件，后缀分别为.frm, .MYD, .MYI

.frm是表结构，.ibd将索引和数据保存在一个文件中。

.MYI保存的是索引，.MYD保存的是数据。

辨别是聚簇索引还是非聚簇索引，就可以根据这个看出来，因为innoDB主键索引是聚簇索引，所以索引和数据保存在一个文件，一共2个文件；而MyISAM是非聚簇索引，所以索引和数据保存在两个文件，一共3个文件。

五.索引操作

1.创建主键索引

（1）第一种方式

-- 在创建表的时候，直接在字段名后指定 primary key

create table user1(id int primary key, name varchar(30));

构建一个表时，如果指明了id是主键，那么mysql在innoDB存储引擎下就会以构建B+树。

（2）第二种方式

-- 在创建表的最后，指定某列或某几列为主键索引

create table user2(id int, name varchar(30), primary key(id));

（3）第三种方式

create table user3(id int, name varchar(30));

-- 创建表以后再添加主键

alter table user3 add primary key(id);

这三种方式其实就是添加主键的三种方式。

主键索引的特点：

① 一个表中，最多有一个主键索引，当然可以使用复合主键

② 主键索引的效率高（主键不可重复）

③ 创建主键索引的列，它的值不能为null，且不能重复

④ 主键索引的列基本上是int

2.创建唯一键索引

（1）第一种方式

-- 在表定义时，在某列后直接指定unique唯一属性。

create table user4(id int primary key, name varchar(30) unique);

（2）第二种方式

-- 创建表时，在表的后面指定某列或某几列为unique

create table user5(id int primary key, name varchar(30), unique(name));

（3）第三种方式

create table user6(id int primary key, name varchar(30)）；

alter table user6 add unique(name);

这三种方式其实就是添加唯一键的三种方式。

唯一键索引就是普通索引，只不过是建立在唯一键上。所以如果有主键和唯一键，那么这一个表就至少已经创建了两个B+树了。如果要根据唯一键索引数据找其它数据时，就要先查找唯一键索引构建的B+树，找到对应的主键，进行回表查询，再根据主键索引找到叶子节点，得到对应的数据，再返回。

唯一键索引的特点：

① 一个表中，可以有多个唯一索引

② 查询效率高

③ 如果在某一列建立唯一索引，必须保证这列不能有重复数据

④ 如果一个唯一索引上指定not null，等价于主键索引

3.创建普通索引

（1）第一种方式

create table user8(id int primary key,

name varchar(20),

email varchar(30),

index(name) --在表的定义最后，指定某列为索引

);

name行的Key一列中，就为MUL，说明是普通索引。

（2）第二种方式

create table user9(id int primary key, name varchar(20), email varchar(30));

alter table user9 add index(name); --创建完表以后指定某列为普通索引

（3）第三种方式

create table user10(id int primary key, name varchar(20), email varchar(30));

-- 创建一个索引名为 idx_name 的索引

create index idx_name on user10(name);

这里id是主键，name是唯一键，qq被添加了普通索引。显示的索引结构中可以看到，name和qq显示的信息基本类似，Key_name和Colume_name都是以它自己命名的，只有id的主键索引是的Key_name是PRIMARY，这也更加说明了唯一键索引就是普通索引。这个BTREE就说明是B+树。

而这里的Key_name其实是索引的名字，这就是第三种创建索引的方式，可以给在创建的时候给索引起名字。

接下来先删掉qq和id的索引：