MySQL索引 - 技术栈

MySQL的服务器，本质是在内存中的，所有的数据库的CURD操作，全部都是在内存中进行的！ -- 索引也是如此

提高算法效率的因素：1.组织数据的方式 2.算法本身

文章目录

[1. 索引初识](#1. 索引初识)
[2. 硬件理解](#2. 硬件理解)
- - 磁盘：
  - 定位扇区
  - 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？
  - [磁盘随机访问(Random Access)与连续访问(Sequential Access)](#磁盘随机访问(Random Access)与连续访问(Sequential Access))
[3. 软件理解](#3. 软件理解)
- - [MySQL与磁盘交互基本单位 ---- PAGE](#MySQL与磁盘交互基本单位 ---- PAGE)
[4. mysql 与 CPU](#4. mysql 与 CPU)
- - mysql申请的内存空间：
[5. mysql表底层的数据结构 ------ B+树](#5. mysql表底层的数据结构 —— B+树)
- - 主键表乱序插入会自动排序：
  - [为何IO交互要是 Page](#为何IO交互要是 Page)
  - 理解mysql中page的概念
  - 理解单个Page
  - - 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？
  - 理解多个Page
  - - B+树
  - 为什么不选择其他数据结构
  - [B+ vs B](#B+ vs B)
[6. 聚簇索引 VS 非聚簇索引](#6. 聚簇索引 VS 非聚簇索引)
- - --使用engine=MyISAM
  - [MyISAM 存储引擎-主键索引](#MyISAM 存储引擎-主键索引)
  - --使用engine=InnoDB
  - 辅助（普通）索引
[7. 索引操作](#7. 索引操作)

1. 索引初识

构建一个海量表:

--构建一个8000000条记录的数据
--构建的海量表数据需要有差异性，所以使用存储过程来创建， 拷贝下面代码就可以了，暂时不用理解
-- 产生随机字符串
delimiter $$
create function rand_string(n INT)
returns varchar(255)
begin
declare chars_str varchar(100) default
'abcdefghijklmnopqrstuvwxyzABCDEFJHIJKLMNOPQRSTUVWXYZ';
declare return_str varchar(255) default '';
declare i int default 0;
while i < n do
set return_str =concat(return_str,substring(chars_str,floor(1+rand()*52),1));
set i = i + 1;
end while;
return return_str;
end $$
delimiter ;
--产生随机数字
delimiter $$
create function rand_num()
returns int(5)
begin
declare i int default 0;
set i = floor(10+rand()*500);
return i;
end $$
delimiter ;
--创建存储过程，向雇员表添加海量数据
delimiter $$
create procedure insert_emp(in start int(10),in max_num int(10))
比特就业课
到此，已经创建出了海量数据的表了。
查询员工编号为998877的员工
可以看到耗时4.93秒，这还是在本机一个人来操作，在实际项目中，如果放在公网中，假如同时有
1000个人并发查询，那很可能就死机。
解决方法，创建索引
换一个员工编号，测试看看查询时间
2. 认识磁盘
MySQL与存储
MySQL 给用户提供存储服务，而存储的都是数据，数据在磁盘这个外设当中。磁盘是计算机中的一个机
械设备，相比于计算机其他电子元件，磁盘效率是比较低的，在加上IO本身的特征，可以知道，如何提
交效率，是 MySQL 的一个重要话题。
先来研究一下磁盘：
begin
declare i int default 0;
set autocommit = 0;
repeat
set i = i + 1;
insert into EMP values ((start+i)
,rand_string(6),'SALESMAN',0001,curdate(),2000,400,rand_num());
until i = max_num
end repeat;
commit;
end $$
delimiter ;
-- 执行存储过程，添加8000000条记录
call insert_emp(100001, 8000000);

在一个海量表中查询某个数据是很慢的：

但是添加索引后，就变得非常快了：

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：

题外话：
从上图可以看出来，在半径方向上，距离圆心越近，扇区越小，距离圆心越远，扇区越大
那么，所有扇区都是默认512字节吗？目前是的，我们也这样认为。因为保证一个扇区多大，是由比特位密度决定的。
不过最新的磁盘技术，已经慢慢的让扇区大小不同了，不过我们现在暂时不考虑。

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。

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 。

磁盘随机访问(Random Access)与连续访问(Sequential Access)

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。

------ 局部性原理

3. 软件理解

MySQL与磁盘交互基本单位 ---- PAGE

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.

为了提高基本的IO效率， MySQL 进行IO的基本单位是 16KB (后面统一使用 InnoDB 存储引擎讲解)

mysql> SHOW GLOBAL STATUS LIKE 'innodb_page_size';
+------------------+-------+
| Variable_name    | Value |
+------------------+-------+
| Innodb_page_size | 16384 |   -- 16*1024=16384 byte
+------------------+-------+
1 row in set (0.01 sec)

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）

更多理解在本文第五节。

4. mysql 与 CPU

mysql如何操作； CPU必定参与；更好的操作：

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

mysql申请的内存空间：

vim /etc/my.cnf

5. mysql表底层的数据结构 ------ B+树

主键表乱序插入会自动排序：

--建立测试表
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
);
mysql> show create table user \G
*************************** 1. row ***************************
Table: user
Create Table: CREATE TABLE `user` (
`id` int(11) NOT NULL,
`age` int(11) NOT NULL,
`name` varchar(16) NOT NULL,
PRIMARY KEY (`id`)
) ENGINE=InnoDB DEFAULT CHARSET=utf8 --默认就是InnoDB存储引擎
1 row in set (0.00 sec)



--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)



--查看插入结果
mysql> select * from user; --发现竟然默认是有序的！是谁干的呢？排序有什么好处呢？
+----+-----+-----------+
| id | age | name      |
+----+-----+-----------+
| 1  | 56  | 欧阳锋     |
| 2  | 26  | 黄蓉       |
| 3  | 18  | 杨过       |
| 4  | 16  | 小龙女     |
| 5  | 36  | 郭靖       |
+----+-----+-----------+
5 rows in set (0.00 sec)

为何IO交互要是 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?用多少，加载多少不香吗?

如上面的5条记录(本文5.中主键表乱序插入），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

理解mysql中page的概念

mysql内部，一定需要并且会存在大量的page，也就决定了，mysql必须要将多个同时存在的page管理起来!

要管理所有的mysql内的page，需要 先描述，在组织 !

所以，不要简单的将page认为是一个内存块，page内部也必须写入对应的管理信息!!

struct page
struct page *next;
string page *prev;
char buffer[NUM];
};---16KB ，new page

将所有的page用"链表"的形式管理起来
 ---在buffer pool内部，对mysql中的page进行了一个建模!

理解单个Page

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，从头到尾都是有效查找，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。

理解多个Page

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，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，有点杯水车薪了。

那么给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。

（每个目录项的构成也是：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。

虽然顶层的目录页少了，但是还要遍历啊？

B+树

大概目录的一个 page 能容纳1000多条信息，而二级目录也能容纳 1000 多条信息。

一般我们建表插入数据的时候，就是在该结构下进行CURD

我的表没有主键怎么办？

也是这样，会有默认主键，只是不用主键找会比较慢。

为什么不选择其他数据结构

链表？
线性遍历
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。虽然你很秀，但是有更秀的。
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，有兴趣可以查一下。

模拟数据结构网站：https://www.cs.usfca.edu/\~galles/visualization/Algorithms.html

B+ vs B

区别：

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
B+叶子节点，全部相连，而B没有

为何选择B+：

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。
叶子节点相连，更便于进行范围查找

6. 聚簇索引 VS 非聚簇索引

--使用engine=MyISAM

.frm --表结构数据

.MYD --该表对应的数据，当前没有数据，所以是0

.MYI --该表对应的主键索引数据

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

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 InnoDB 索引， InnoDB 是将索引和数据放在一起的。

--使用engine=InnoDB

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

辅助（普通）索引

除了MySQL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。

下图是基于 MyISAM 的 Col2 建立的索引，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：

1.检索辅助索引 获得主键

2.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

（辅助（普通）索引不给叶子节点也附上数据，能节省空间）

7. 索引操作

主键索引的创建

主键索引的效率高，因为主键不可重复

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));
创建表以后再添加主键
alter table user3 add primary key(id);

看一个表的索引：

唯一索引的创建：

在某一列建立唯一索引，必须保证这列不能有重复数据。（其实和普通索引就这一个区别）

如果一个唯一索引上指定not null，等价于主键索引

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));
alter table user6 add unique(name);

普通索引的创建：

在表的定义最后，指定某列为索引
create table user8(id int primary key, name varchar(20), email varchar(30), index(name) );
创建完表以后指定某列为普通索引
alter table user9 add index(name);
创建一个索引名为 idx_name 的索引
create index idx_name on user10(name);

可以起名字：

组合：

既然是组合，那么找的时候就要两个都满足。

删除：

也可以取别名：

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)。

测试数据：

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

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 ...');

查询有没有database数据

如果使用如下查询方式，虽然查询出数据，但是没有使用到全文索引

mysql> select * from articles where body like '%database%';
+----+-------------------+------------------------------------------+
| id | title             | body                                     |
+----+-------------------+------------------------------------------+
| 1 | MySQL Tutorial     | DBMS stands for DataBase ...             |
| 5 | MySQL vs. YourSQL  | In the following database comparison ... |
+----+-------------------+------------------------------------------+

explain

可以用explain工具看一下，是否使用到索引

mysql> explain select * from articles where body like '%database%'\G
*************************** 1. row ***************************
id: 1
select_type: SIMPLE
table: articles
type: ALL
possible_keys: NULL
key: NULL 				<== key为null表示没有用到索引
key_len: NULL
ref: NULL
rows: 6
Extra: Using where
1 row in set (0.00 sec)

如何使用全文索引呢？

mysql> SELECT * FROM articles
-> WHERE MATCH (title,body) AGAINST ('database');
+----+-------------------+------------------------------------------+
| id | title | body |
+----+-------------------+------------------------------------------+
| 5 | MySQL vs. YourSQL | In the following database comparison ... |
| 1 | MySQL Tutorial | DBMS stands for DataBase ... |
+----+-------------------+------------------------------------------+

通过explain来分析这个sql语句

mysql> explain SELECT * FROM articles WHERE MATCH (title,body) AGAINST
('database')\G
*************************** 1. row ***************************
id: 1
select_type: SIMPLE
table: articles
type: fulltext
possible_keys: title
key: title 					<= key用到了title
key_len: 0
ref:
rows: 1
Extra: Using where

删除索引：

删除主键索引：
alter table 表名 drop primary key;
其他索引的删除：
alter table 表名 drop index 索引名；
drop index 索引名 on 表名

索引创建原则:

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