11 索引 - 技术栈

1. 没有索引，可能会有什么问题

所以：提高数据库的性能，索引是物美价廉的东西。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，但是查询速度的提升是以插入、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） --解决子文索引问题

mysql的服务器是在内存中的，所有的curd操作也在内存，索引也是如此。要提高算法效率，1.组织数据的方式 2.算法本身

案例：

先整一个海量表，查询的时候，看看没有索引时的问题

bash 复制代码

--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 $$
 create procedure insert_emp(in start int(10),in max_num int(10))
 begin
 declare i int default 0; 
set autocommit = 0;  
repeat
 set i = i + 1;
 insert into EMP values ((start+i) 
,rand_string(6),'SALESMAN',0001,curdate(),2000,400,rand_num());
 until i = max_num
 end repeat;
 commit;
 end $$
 delimiter ;-- 执行存储过程，添加8000000条记录
call insert_emp(100001, 8000000);

到此，已经创建出了海量数据的表

查询员工编号为998877的员工

select * from EMP where empno=998877;

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

alter table EMP add index(empno);

换一个员工编号，测试看看查询时间

select * from EMP where empno=123456;

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，加上IO本身的特征，可以知道，提高效率是一个重要话题

研究一下磁盘

扇区

数据库文件，本质其实就是保存在磁盘的盘片当中。就是上面的一个个小格子中，就是扇区。数据库文件很大，一定需要占据多个扇区

题外话：

从上图可以看出来，在半径方向上，举例圆心越近，扇区越小，距离圆心越远，扇区越大
所有扇区都是默认512字节吗？目前是的，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

使用linux，所看到的大部分目录或文件，起始保存在磁盘当中（当然，有一些内存文件系统，如：proc，sys之类，不考虑）

#数据库文件，本质其实就是保存在磁盘的盘片当中，就是一个一个的文件

[root@VM-0-3-centos ~]# ls /var/lib/mysql -l #我们目前MySQL中的文件

total 319592

drwxr-x--- 2 mysql mysql

4096 Apr 15 21:46 57test

-rw-r----- 1 mysql mysql

drwxr-x--- 2 mysql mysql

-rw------- 1 mysql mysql

-rw-r--r-- 1 mysql mysql

drwx------ 2 mysql mysql

-rw-r--r-- 1 mysql mysql

-rw------- 1 mysql mysql

-rw-r----- 1 mysql mysql

56 Apr 12 15:27 auto.cnf

4096 May 17 13:52 bit_index

1676 Apr 12 15:27 ca-key.pem

1112 Apr 12 15:27 ca.pem

4096 Apr 13 21:26 ccdata_pro

1112 Apr 12 15:27 client-cert.pem

1680 Apr 12 15:27 client-key.pem

16958 Jun 8 15:46 ib_buffer_pool

-rw-r----- 1 mysql mysql 213909504 Jun 8 16:02 ibdata1

-rw-r----- 1 mysql mysql 50331648 Jun 8 16:02 ib_logfile0

-rw-r----- 1 mysql mysql 50331648 Jun 8 16:02 ib_logfile1

-rw-r----- 1 mysql mysql 12582912 Jun 8 15:46 ibtmp1

drwxr-x--- 2 mysql mysql

drwxr-x--- 2 mysql mysql

srwxrwxrwx 1 mysql mysql

-rw------- 1 mysql mysql

drwxr-x--- 2 mysql mysql

-rw------- 1 mysql mysql

-rw-r--r-- 1 mysql mysql

drwxr-x--- 2 mysql mysql

4096 Apr 28 14:11 musicserver

4096 May 9 09:47 mysql

0 Jun 8 15:46 mysql.sock

5 Jun 8 15:46 mysql.sock.lock

4096 Apr 12 15:27 performance_schema

1676 Apr 12 15:27 private_key.pem

452 Apr 12 15:27 public_key.pem

4096 May 9 09:46 scott

-rw-r--r-- 1 mysql mysql

-rw------- 1 mysql mysql

drwxr-x--- 2 mysql mysql

drwxr-x--- 2 mysql mysql

表

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，而我们能定位一个扇区，便能找到所有扇区，因为查找方式是一样的

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，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CHS。不过实际系统软件使用的并不是CHS（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地址最后转化为CHS，交给磁盘进行数据读取。不过，现在不关心细节，逻辑自洽起来即可

结论

现在能够在硬件层面定位，任何一个基本数据块（扇区）了，那么在系统软件上，就直接按照扇区（512字节，不分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，单词IO512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。由于局部性原理存在，一次访问4kb，有更高的概率获取到下次要访问的数据，提高效率

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给出的扇区地址不连续，这样的话磁头在两次IO操作之间需要比较大的移动才能重新开始读/写数据

连续访问：如果多次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之为随机访问，而非连续访问

磁盘是通过机械运动寻址的，随机访问不需要过多的定位，故效率比较高

设计的时候尽量更多的连续访问

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。有这更高的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（后面统一使用InnoDB存储引擎讲解）

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，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）

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，16k

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

只要涉及计算，就需要cpu参与，为了方便cpu，先将数据移动到内存中

特定时间内，数据一定是磁盘中有，内存也有，后续操作完内存数据文件，以特定的刷新策略，刷新到磁盘。这时，设计磁盘的和内存数据交互，就是IO，单位是page

为了更好的进行上面操作，mysql服务器在内存中运行的时候，服务器内部，申请了被称为buffer pool的大内存空间，来进行各种缓存，就是很大的内存空间，和磁盘数据IO交互

更高的效率，一定要尽可能减少系统和磁盘io的次数

5. 索引的理解

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

);

插入多条记录

--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？

中断一下，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，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。

理解单个page

mysql内部一定存在大量的page，决定了，要将多个同时存在的page管理起来。要管理所有的mysql的page，先描述，再组织。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

查询某条数据的时候直接将一整夜数据加载到内存中，以减少硬盘IO次数，从而提高性能。但是也可以看到，页模式内部，实际采用了链表的结构，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保存，多个page用双链表连接，查找是线性查找。效率太低了

页目录

在看一本c语言书的时候，如果要看指针章节，找到该章节有两种做法：

从头逐页向后翻，直到找到目标内容

通过书提供的目录，发现指针章节在234页，就直接翻到234页。查找目录的方案，可以顺序找，因为目录肯定少，可以快速提高定位

书中的目录是多花了纸张的，但却提高了效率。所以，是一种"空间换时间的做法"

单页情况

针对单页page，引入目录

当前，在一个page内部引入了目录，要查找id=4，之前需要线性遍历4次，现在直接通过目录2[3]，定位到新的起始位置，提高了效率

通过键值自动排序，方便引入目录

多页情况

一页16kb，单个page是固定的，随着数据增大，16kb不可能存下所有数据，那么必定有多个页存储数据

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，然后通过指针方式，将所有page连接起来

上面的图是理想结构，要保证整体有序，新插入的数据不一定会在新page上

这样，可以通过多个page遍历，内部通过目录定位数据，可是，也有效率问题。page之间，也需要遍历，意味着依旧需要大量io，将下一个page加载到内存，线性检测，这样就显得page内部目录，杯水车薪了

如何解决？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，而业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

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那一页中最小的数据。有数据，就可通过比较，找到该访问哪个page，进而通过指针，找到下一个page

其实目录页的本质也是页，普通页中寸的数据是用户数据，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，从哪里开始，虽然顶层的目录页少了，但是还要遍历，不用担心，可以加在目录页

这就是B+树，至此，表构建完了主键索引。随便找一个id，查找的page数一定减少了，意味着io次数减少了，效率也提高了

复盘一下

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io次数

索引的本质就是数据结构，叶子结点保存数据，路上节点没有，非叶子节点，不要数据，只要目录项，可以存储更多的目录项，管理更多的page，就是一个矮胖型的树，途径的路上节点减少，找到目标需要更少的io，每一个节点都有目录项，可以大大提高效率。叶子结点全部用链表连接起来，希望进行范围查找，如找10，第一个page目录是10，下一个是20，从10开始，遍历到20结束

这就是innodb下的索引结购，一般建表插入数据，就是在该结构curd。如果表没有主键，也会有默认主键

innodb建立索引结构管理数据，其他数据结构为何不行？

链表，只能线性遍历

二叉搜索树，退化成线性结构

avl、红黑树，虽然是平衡的，但整体过高，意味着更多的io

hash，mysql支持hash，只不过innodb和myisam不支持，hash虽然有时候也很快，但在面对范围查找明显不行

B树？
数据结构演示链接

区别：

b树节点，既有数据又有指针，b+只有叶子有数据

b+叶子及诶点全部相连，b没有

节点不存储data，这样可以存储更多的key，使树更矮，叶子结点相连，方便范围查找

聚簇索引和非聚簇索引

myisam存储引擎-逐渐索引

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，coli为主键

其中，myisam最大的特点是将索引page和数据page分离，也就是叶子结点没有数据，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

--终端A

mysql> create database myisam_test; --创建数据库

Query OK, 1 row affected (0.00 sec)

mysql> use myisam_test;

Database changed

mysql> create table mtest(-> id int primary key,-> name varchar(11) not null-> )engine=MyISAM; --使用engine=MyISAM

Query OK, 0 rows affected (0.01 sec)

--终端B

[root@VM-0-3-centos mysql]# ls myisam_test/ -al --mysql数据目录下

total 28

drwxr-x--- 2 mysql mysql 4096 Jun 13 13:33 .

drwxr-x--x 13 mysql mysql 4096 Jun 13 13:32 ...

-rw-r----- 1 mysql mysql 61 Jun 13 13:32 db.opt

-rw-r----- 1 mysql mysql 8586 Jun 13 13:33 mtest.frm --表结构数据

-rw-r----- 1 mysql mysql

0 Jun 13 13:33 mtest.MYD --该表对应的数据，当前没有数据，所以是0-rw-r----- 1 mysql mysql 1024 Jun 13 13:33 mtest.MYI --该表对应的主键索引数据

其中，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

--终端A

mysql> create database innodb_test;

Query OK, 1 row affected (0.00 sec)

mysql> use innodb_test;

Database changed

mysql> create table itest(-> id int primary key,-> name varchar(11) not null-> )engine=InnoDB;

Query OK, 0 rows affected (0.02 sec)--创建数据库

--终端B

[root@VM-0-3-centos mysql]# ls innodb_test/ -al

total 120

drwxr-x--- 2 mysql mysql 4096 Jun 13 13:39 .

drwxr-x--x 14 mysql mysql 4096 Jun 13 13:38 ...

-rw-r----- 1 mysql mysql 61 Jun 13 13:38 db.opt

-rw-r----- 1 mysql mysql 8586 Jun 13 13:39 itest.frm --表结构数据

-rw-r----- 1 mysql mysql 98304 Jun 13 13:39 itest.ibd --该表对应的主键索引和用户数据，虽然现在一行数据没有，但是该表并不为0，因为有主键索引数据

其中，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

当然，mysql除了默认会建立主键索引外，用户也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mysiam，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，而非主键可复原

下图就是基于mysiam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，以上表的col3建立对应的辅助索引

可以看到，innodb的非主键索引中叶子结点没有数据，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获得记录。这种过程，就叫做回表查询

为了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？原因是太浪费空间

总结：

如何理解硬盘

如何理解柱面，磁道，扇区，磁头

innodb主键索引和普通索引

myisam主键索引和普通索引

其他数据结构为何不能作为索引结构，尤其是b

聚簇索引和非聚簇索引

6. 索引操作

创建主键索引

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));

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));

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);

主键索引的特点：

一个表中，最多有一个主键索引，当然可以使符合主键

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

唯一索引的创建

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);

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));

第三种方式

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

如果一个唯一索引指定not null，等价于主键索引

普通索引的创建

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

);

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

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);

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，但是有重复的值，就用普通索引

全文索引

当对文章字段或有大量文字的字段进行检索时，会使用全文索引。mysql提供全文索引机制，但是有要求，表存储引擎必须是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，可以适用sphinx的中文版（coreseek）

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%';

可以用explain工具看一下，是否使用到索引

如何使用全文索引

mysql> explain SELECT * FROM articles WHERE MATCH (title,body) AGAINST

('database')\G

查询索引

第一种方法：show keys from 表名

mysql> show keys from goods\G

第二种方法: show index from 表名;

第三种方法（信息比较简略）：desc 表名；

删除索引

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

mysql> alter table user10 drop index idx_name;

第三种方法方法： drop index 索引名 on 表名

mysql> drop index name on user8;

索引创建规则

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做索引

不会出现在where子句的字段不该创建索引

其他概念

复合索引。可以一个索引可以添加在两个列，常用在key值就是要找的数据，就不用回表了

索引最左匹配原则。索引是按从左到右的顺序匹配，比如在复合索引中，名字和邮箱，可以用名字和邮箱找，也可以只用名字，但不能用邮箱

索引覆盖。上面复合索引的b+树中，直接返回找到的值，叫索引覆盖