【MySQL】索引(中)

欢迎拜访 ：雾里看山-CSDN博客
本篇主题 ：【MySQL】索引(中)
发布时间 ：2025.2.28
隶属专栏 ：MySQL

目录

• 一个现象
• • 现象展现
  • 现象解释
  • [为何IO交互要是 Page](#为何IO交互要是 Page)
• 构建B+索引
• • 理解单个page
  • 理解多个Page
  • 页目录
  • • 单页目录
    • 多页情况
  • 复盘一下
• 为什么是B+树
• 聚簇索引与非聚簇索引

一个现象

现象展现

创建测试表

一定要添加主键，只有这样才会默认生成主键索引

mysql> create table if not exists user(
    -> id int primary key,
    -> age int not null,
    -> name varchar(16) not null
    -> );
Query OK, 0 rows affected (0.07 sec)

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
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

mysql> insert into user (id, age, name) values(3, 18, '杨过');
Query OK, 1 row affected (0.03 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 (0.01 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

发现竟然默认是有序的！是谁干的呢？排序有什么好处呢？

mysql> select * from user;
+----+-----+-----------+
| 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)

现象解释

1. 我们向一个具有主键的表中，乱序插入数据，发现数据会自动排序

• 为什么那么做？
  可以很方便的引入目录

• 谁做的？

  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。

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。

正式因为有序，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。

2. 重谈page

如何理解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必须将多个同时存在的page管理起来！

要管理所有mysql中的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

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。

构建B+索引

理解单个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，在组织 ,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。

理解多个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。这效率也太低了。
  

页目录

我们在看《谭浩强C程序设计》这本书的时候，如果我们要看<指针章节>，找到该章节有两种做法

• 从头逐页的向后翻，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(假设)，那么我们便直接翻到234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"

单页目录

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。

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，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，可以在加目录页

这不就是传说中的B+树啊！没错，至此，我们已经给我们的表user构建完了主键索引。

随便找一个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。

索引的本质：就是数据结构B+树！！！

1. 叶子结点保存有数据，路上没有。非叶子结点，不要数据项，只要目录项
   非叶子结点，不存数据，可以存储更多的目录项，目录页，可以管理更多的叶子page。这棵树，一定是一棵"矮胖型"的树！
   途径路上节点减少，找到目标数据只需要更少的page！IO次数减少，在IO层面上提高了效率！
   每一个节点都有目录项，可以大大提高搜索效率
2. 叶子结点全部用链表串联起来
   首先这是B+树的特点
   其次我们比较希望进行线性查找

我们把上面的结构称为：mysql innode db 下的索引结构 ！！！

一般我们建表插入数据的时候，就是在改结构下进行CURD

当我们的表没有主键怎么办？也是这样吗？

mysql会给我们生成一个默认的主键

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，自定向下找，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

为什么是B+树

• 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。

• B树？最值得比较的是 InnoDB 为何不用B树作为底层索引？

数据结构演示连接
B+ VS B

B树

B+树

目前这两棵树，对我们最有意义的区别是：

• 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

聚簇索引与非聚簇索引

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。

创建数据库，并采用InnoDB引擎

mysql> create table test1(
    -> id int primary key,
    -> name varchar(20) not null
    -> )engine=innodb;
Query OK, 0 rows affected (0.01 sec)

mysql> show create table test1\G
*************************** 1. row ***************************
       Table: test1
Create Table: CREATE TABLE `test1` (
  `id` int(11) NOT NULL,
  `name` varchar(20) NOT NULL,
  PRIMARY KEY (`id`)
) ENGINE=InnoDB DEFAULT CHARSET=utf8
1 row in set (0.00 sec)

在终端查看文件

root@VM-20-16-ubuntu:/var/lib/mysql/index_db# ll
total 28
drwxr-x---  2 mysql mysql  4096 Feb 24 15:50 ./
drwxr-x--- 12 mysql mysql  4096 Feb 24 15:45 ../
-rw-r-----  1 mysql mysql    61 Feb 24 15:45 db.opt
-rw-r-----  1 mysql mysql  8586 Feb 24 15:47 test1.frm
-rw-r-----  1 mysql mysql 98304 Feb 24 15:47 test1.ibd

其中test1.frm 存储的是表的结构数据。
test1.ibd 存储的是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

创建数据库，并采用 MyISAM 引擎

mysql> create table test2(
    -> id int primary key,
    -> name varchar(20) not null
    -> )engine=myisam;
Query OK, 0 rows affected (0.02 sec)

mysql> show create table test2\G
*************************** 1. row ***************************
       Table: test2
Create Table: CREATE TABLE `test2` (
  `id` int(11) NOT NULL,
  `name` varchar(20) NOT NULL,
  PRIMARY KEY (`id`)
) ENGINE=MyISAM DEFAULT CHARSET=utf8
1 row in set (0.03 sec)

在终端查看文件

root@VM-20-16-ubuntu:/var/lib/mysql/index_db# ll
total 136
drwxr-x---  2 mysql mysql  4096 Feb 24 15:50 ./
drwxr-x--- 12 mysql mysql  4096 Feb 24 15:45 ../
-rw-r-----  1 mysql mysql    61 Feb 24 15:45 db.opt
-rw-r-----  1 mysql mysql  8586 Feb 24 15:47 test1.frm
-rw-r-----  1 mysql mysql 98304 Feb 24 15:47 test1.ibd
-rw-r-----  1 mysql mysql  8586 Feb 24 15:50 test2.frm
-rw-r-----  1 mysql mysql     0 Feb 24 15:50 test2.MYD
-rw-r-----  1 mysql mysql  1024 Feb 24 15:50 test2.MYI

其中test2.frm 存储的是表的结构数据。
test2.MYD存储的是该表对应的数据，当前没有数据，所以是0
test2.MYI存储的是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

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，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。

⚠️ 写在最后：以上内容是我在学习以后得一些总结和概括，如有错误或者需要补充的地方欢迎各位大佬评论或者私信我交流！！！