MySQL---索引

1.关于索引

MySQL服务器的本质是在内存中的，所有数据库的CURD操作，全部都是在内存中进行的。索引也是如此。

影响算法效率的因素有两种：

1.组织数据的方式。（数据结构）

2.算法本身。

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。

2.硬件理解

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。

磁盘的盘片会在中间的主轴（高速马达）下高速旋转， 磁头会左右的来回摆动来进行寻址，来找到磁盘中特定盘面上的特定柱面，然后在柱面上找到特定的扇区。

磁头和盘面是不会直接接触的，不然会刮花盘面导致数据丢失。

这个盘片是有很多张的，每一张都有两面可以读取。

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 )
定位扇区：

这样的定位方式也称为CHS。
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。

结论：

磁盘寻址是以扇区为单位的。

关于磁盘的随机访问和连续访问
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。

3.软件理解

OS跟磁盘进行交互的基本单位是4kb，mysql跟OS交互的基本单位是16kb，但是从逻辑上来看，就好像是mysql跟磁盘的交互的基本单位是16kb。
MySQL 作为一款应用软件，可以想象成一种特殊的文件系统。它有着更高的 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（以用 InnoDB存储引擎为例）
我们可以在mysql上验证

show global status like 'innodb_page_size';

16384 / 1024 = 16kb。

4.建立共识

MySQL 中的数据文件，是以 page 为单位保存在磁盘当中的。
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。
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。
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 。
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。
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。

5.索引的理解

先创建一个表

create table if not exists user (
id int primary key, --一定要添加主键哦，只有这样才会默认生成主键索引
age int not null,
name varchar(16) not null
);

存储引擎默认是innodb。

乱序插入多条数据

--插入多条记录，注意，我们并没有按照主键的大小顺序插入哦
mysql> insert into user (id, age, name) values(3, 18, '杨过');
Query OK, 1 row affected (0.01 sec)
mysql> insert into user (id, age, name) values(4, 16, '小龙女');
Query OK, 1 row affected (0.00 sec)
mysql> insert into user (id, age, name) values(2, 26, '黄蓉');
Query OK, 1 row affected (0.01 sec)
mysql> insert into user (id, age, name) values(5, 36, '郭靖');
Query OK, 1 row affected (0.00 sec)
mysql> insert into user (id, age, name) values(1, 56, '欧阳锋');
Query OK, 1 row affected (0.00 sec)

我们发现数据是有序的。

所以：我们向一个具有主键的表中乱序插入数据，发现数据会根据主键自动排序。
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。
你怎么保证，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。

在mysql中的page大小是16kb，在mysql内部，一定需要并且存在大量的page，而且mysql也需要同时将多个page管理起来，那么就需要 先描述，再组织。

所以page不仅仅是一个内存块，它内部也必须写入对应的管理信息。

大致就是用了链表的思想，但是其实并不是真正使用了链表这样的数据结构。

这就是在 buffer pool内部对page进行了简单的建模。

6.构建B+索引

对于单页page，可以引入目录来大幅提高查询效率。也就是空间换时间。

但是只有当数据有序的时候，才可以使用目录，这也就是解释了为什么mysql会根据主键对数据自动进行排序。

这样单页page的查询效率是提上来了，但是多页page呢？

当数据量的大小远远超过了16kb，需要很多个page来存，

如果多个page用双链表的方式来存，那么查询的时候就要遍历，效率依旧比较低（需要大量的IO）。

所以在这里对page之间也引入目录。如果叶子结点实在太多了，导致一个page目录也装不下了，那么就给目录加目录，这样我们发现不就是数据结构的B+树吗？

简单复习一下B+树：

1.只有叶子结点保存数据，非叶子结点上只存索引，不保存数据。

非叶子结点不存数据，就代表可以存更多的目录项，所以一个目录页可以管理更多的page页。

所以这是一颗矮胖型的树，这样查询时就可以减少途径的结点，也就减少了遍历page的次数，也就减少了IO次数，从IO层面上提高了效率。（这是从结构角度提高效率的）

另外，每一个结点都有目录项，大大提高了搜索效率。这是从算法角度提高效率的。

基于这两点原因，整体上提高了搜索效率。

因此也把这个树称为mysql innodb 下的索引结构。所以一般我们建表插入数据的时候，就是在该结构下进行CURD操作的。

就算我们建表的时候，没有主键，也是这种结构。后面我们会知道，我们在建表的时候如果没有指明主键，会有一个默认主键的。

但是我们按条件查询的时候，如果那一列没有建立索引，我们就只能在B+树的底部用链表遍历的形式查找，所以很慢。

7.其他结构为什么不行（为什么一定是B+树？）

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。
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

B树vsB+树
首先我们知道，B树的叶子结点是既存数据，又存Page指针的。这样就导致B树相比B+树更高瘦一些，那么平均每次查找的IO次数就多一些。
还有一个重要的原因就是：B树的叶子结点是不相连的，也就是说，在区间范围查找的时候，B树每次都要重新遍历一次B树，而不能像B+树那样，找到其实位置后，用链表直接遍历到终点位置。

8.聚簇索引和非聚簇索引

MyISAM同样使用B+树作为索引，但是它的叶子结点不像InnoDB那样直接存数据，MyISAM存的是这个数据的地址。

这种将B+树和数据本身分离的存储方案称为非聚簇索引。

所以InnoDB那样将数据和索引放在一起的就是聚簇索引。

我们可以建立两张表，分别使用MyISAM引擎和Innodb引擎

首先创建一个test1

使用了InnoDB引擎。

在linux 的 /var/lib/mysql/myindex目录下

其中.frm就是我们的表结构，它也是要存储起来的。

.ibd就是索引和数据，它们是放在一起的。

再创建一个test2表

此时我们发现，关于test2有三个文件，第一个还是表结构

第二个D表示的是数据，I表示的是索引，所以就说明了它的数据和索引是分开存储的。

在MySQL中，除了根据主键建立索引外，还可以依据其他列建立索引，这个索引就叫普通索引（辅助索引）。

每多一个的索引的本质就是重新构建一颗B+树，对于MyISAM而言普通索引跟主键索引没什么区别，无非就是主键不能重复，非主键可以重复，因为它们的叶子结点存的都是数据的地址。

而对于InnoDB而言，就不一样了，它的索引和数据是放在一起存储的，每新建一个普通索引，不可能把数据复制一份吧？这样太浪费空间了。

所以InnoDB的非主键索引的叶子结点是没有数据的，它只有对应的key（主键索引）值。每次根据非主键索引找到key值后，再到主键索引根据key找到信息。

也就是说需要两遍索引，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，这个过程也叫做回表查询。

9.索引操作

主键索引

创建主键索引的方式：

-- 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));

-- 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));

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);

主键索引的特点：
一个表中，最多有一个主键索引，当然可以使复合主键
主键索引的效率高（主键不可重复）
创建主键索引的列，它的值不能为 null ，且不能重复
主键索引的列基本上是 int

唯一键索引

创建唯一键索引的三种方式：

-- 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);

-- 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));

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

唯一索引的特点：
一个表中，可以有多个唯一索引
查询效率高
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
如果一个唯一索引上指定 not null ，等价于主键索引

普通索引

普通索引的创建

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
);

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

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);

普通索引的特点：
一个表中可以有多个普通索引，普通索引在实际开发中用的比较多
如果某列需要创建索引，但是该列有重复的值，那么我们就应该使用普通索引

索引的删除方式

第一种方法-删除主键索引： alter table 表名 drop primary key;
第二种方法 - 其他索引的删除： alter table 表名 drop index 索引名； 索引名就是 show keys
from 表名中的 Key_name 字段。
第三种方法方法： drop index 索引名 on 表名
mysql> drop index name on user8;
这里我们发现删除主键和删除其他索引的方式不同，唯一键索引和普通索引的删除方式是一样的。

关于复合索引

将多个列作为键值的索引。

比如将name列和email列作为一个普通复合索引。

普通索引有以下特点：

1.索引覆盖：比如我们只想通过name查询email，那么是可以直接返回的，不需要通过回表查询，直接将email返回。

2.最左匹配原则：我们可以通过name或者name，email来查询，但是不能用email来查询（建立索引的时候name在左边，email在右边）。

创建索引的原则

比较频繁作为查询条件的字段应该创建索引
唯一性太差的字段不适合单独创建索引，即使频繁作为查询条件
更新非常频繁的字段不适合作创建索引
不会出现在 where 子句中的字段不该创建索引
查询索引的语句：

show index from 表名\G
// 或者
show keys from 表名\G

10.全文索引

当对文章字段或有大量文字的字段进行检索时，会使用到全文索引。 MySQL 提供全文索引机制，但是有要求，要求表的存储引擎必须是MyISAM ，而且默认的全文索引支持英文，不支持中文。如果对中文进行全文检索，可以使用sphinx 的中文版 (coreseek) 。
也就是它是对列的内容建立索引的。
测试表

CREATE TABLE articles (
id INT UNSIGNED AUTO_INCREMENT NOT NULL PRIMARY KEY,
title VARCHAR(200),
body TEXT,
FULLTEXT (title,body)
)engine=MyISAM;

插入测试用例：

INSERT INTO articles (title,body) VALUES
('MySQL Tutorial','DBMS stands for DataBase ...'),
('How To Use MySQL Well','After you went through a ...'),
('Optimizing MySQL','In this tutorial we will show ...'),
('1001 MySQL Tricks','1. Never run mysqld as root. 2. ...'),
('MySQL vs. YourSQL','In the following database comparison ...'),
('MySQL Security','When configured properly, MySQL ...');

然后来查询在body中是否有包含 database的记录

如果用

select * from articles where body like '%database%';

但其实是没有用到全文索引的。

可以用explain工具看一下，是否使用到索引

explain select * from articles where body like '%database%'\G

要这样用

SELECT * FROM articles WHERE MATCH (title,body) AGAINST ('database');