【MySQL】索引

1.基本概念

• MySQL的服务器，本质是在内存中的，所有的数据库的的CURD操作都是在内存中进行的，索引也是如此，提高算法效率的因素有组织数据的方式和算法本身
• 索引的作用是提高数据库的性能，但是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。
• 假如创建一张存在800万数据的员工表，用普通sql语句查询员工号为十万级别的可能要花费好几秒，select * from EMP where empno=998877;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。通过创建索引alter table EMP add index(empno);，再使用上述查询语句就可以发现效率量级大幅提高

2.硬件理解

在Linux中文件系统部分已经初步认识了磁盘，这里做一下回顾和mysql中的重点。

磁盘整体结构：

盘片结构：

• 扇区：
  1.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。
  2.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，目前所有扇区都是默认512字节，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。这就注定了不同扇区的比特位密度不一定相同。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。
  3.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)，通过ls /var/lib/mysql -l 命令可以查看我们目前MySQL中的文件
  4.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。

定位扇区

1.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

2.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。

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。所以提高IO的效率就要减少磁盘寻址的次数或者说是减少机械运动的时间

总结

• 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)。但是在系统软件上，不直接按照扇区(512字节，部分4096字节),进行IO交互，原因如下：
• 1.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。与硬件耦合性太强
  2.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。
  3.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 。

3.MySQL与磁盘交互的基本单位

• MySQL 在 Linux 中的本质是一个系统进程，在网络架构中则是典型的应用层服务端。并且正因为 MySQL 在 Linux 中是一个后台进程（mysqld），它才能持续监听端口、处理网络请求，成为网络中的 "应用层服务端"

• 而 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 (后面统一使用 InnoDB 存储引擎讲解)
  

• 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）

• MySQL 的 page（数据页）数据库的 "磁盘存储积木"

• 本质：

  MySQL 存储引擎（比如 InnoDB）为了高效管理磁盘数据，定义的最小磁盘 I/O 单元。简单说：MySQL 不会直接读写单个数据行，而是每次读写一整个 "数据页"------ 就像搬砖时不会只搬一块砖，而是搬一整箱砖，效率更高。

• 关键细节：

  1.大小默认 16KB（InnoDB）：比如你插入一条 1KB 的数据，MySQL 会把它放到一个 16KB 的数据页中，后续插入的相邻数据会优先填充这个页，直到装满再新建页；

  2.持久化存储：数据页最终存在磁盘的数据库文件中（如 InnoDB 的 .ibd 文件），即使 MySQL 停止，数据页也不会消失；

  3.仅服务于数据库：只用来存储数据库的 "核心资产"------ 表数据、索引，和系统其他应用无关。

• Linux 系统的 page（内存页）操作系统的 "内存分配切片"

• 本质：

  Linux 内核管理物理内存时，将内存划分为固定大小的最小内存分配单元。简单说：所有程序（包括 MySQL）要使用内存，内核不会零散分配，而是分配一整个 "内存页"------ 就像租房时不会只租 1 平米，而是租一整套（比如 100 平米），管理更简单。

• 关键细节：

  1.大小固定（默认 4KB）：由内核编译时确定，用户无法修改（除非重新编译内核）；

  2.内存中的临时单元：内存页仅存在于物理内存 / 虚拟内存中，系统重启或进程退出后，内存页中的数据会丢失；

  3.服务于所有进程：不仅 MySQL 会用，Nginx、浏览器、终端等所有程序的内存占用，都会以 "内存页" 为单位分配。

• 两者的关联：

  MySQL 的数据页和系统的内存页是「嵌套 / 映射关系」，但完全独立管理：

  1.当 MySQL 需要读取磁盘上的一个 16KB 数据页时，Linux 内核会把这个 16KB 的数据加载到内存中 ------ 此时会占用 4 个 Linux 内存页（因为 16KB ÷ 4KB / 个 = 4 个）；

  2.MySQL 操作的是 "自己的 16KB 数据页"（逻辑层面），而 Linux 内核管理的是 "物理内存中的 4KB 内存页"（物理层面）；

  3.MySQL 完全不知道 Linux 内存页的大小，只关心自己的 16KB 数据页；Linux 内核也不知道 MySQL 数据页的存在，只把它当作普通的 "文件数据" 加载到内存页中。

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（mysql数据页），因为局部性原理所以不是用多少加载多少，使用page效率更高。

• 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。

• Linux中mysql是一个后台进程，也有自己的文件缓存区，通过文件描述符标识，通过写操作将buffer pool中数据写入文件缓存区，存在fsync系统调用将文件缓存区中数据刷新磁盘中去

• 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

4.索引的理解

• 场景：当向一个具有主键的表中，乱序插入数据，发信数据自动会排序

理解page

• MySQL 中要管理很多数据表文件，一定存在多个page，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。在buffer pool内部，对mysql中的page进行了一个建模

• page不仅仅是一个内存块，内部也要写入对应的管理信息
  

  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。

• 当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，这是mysql自动做的，目的是可以方便的引入目录。

• 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。如果存储多条数据，那么多个page会彼此连接起来，那么查找特定一条记录一定是线性查找，效率太低。

页目录

• 当我们看书的时候想要看某个章节时，可以通过目录快速定位，否则只能一页页翻，所以书中的目录是多花了纸张来记录，但提高了查找效率，目录是一种空间换时间的做法
• 单页目录

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。

• 多页目录
• 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。
• 问题？
  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，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。解决方案，其实就是我们之前的思路，给Page也带上目录。
  
  新增page来专门存放原page中最小数据的键值作为目录，每个目录项的构成是键值+指针，避免了查找原page中某个数据时对page间的遍历，这种目录管理的级别是页，而页内目录管理的级别是行，可以把这些page称为目录页，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
• 问题？
  虽然顶层的目录页少了，但是每次检索数据时还是要从头开始遍历，所以还可以加目录页，直到最上层只有一个目录页，此时的结构就是b+树，到此为止才对表完成了主键索引，再进行特定数据查找时，不需要一个个遍历page，只需要在page中判断索引值并通过指针找到对应的page即可，减少了IO次数，效率随之提高
• 查找的时候，自定向下找，只需要加载部分目录页到内存，不需要将整颗b+树都加载到内存中，即可完成算法的整个查找过程，大大减少了IO次数
• InnoDB 在建立索引结构来管理数据的时候，其他数据结构为何不行？
  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(插入有序数据)
  AVL &&红黑树？虽然是平衡或者近似平衡，但是毕竟是二叉结构，节点仅存2个子节点，磁盘page空间利用率极低相比较多阶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，并且无法利用索引排序，Hash 结果无序

b树与b+树

• b树：
  
• b+树：
  
• 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
• 选择b+的原因：
  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

5.聚簇索引与非局促索引

• 非聚簇索引
  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。
  
  
  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。和主键索引没有差别
• 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
  
  
  相较于MyISAM，只生成了两个后缀文件，对应表结构数据、主键索引和用户数据
• InnoDB 除了主键索引，用户也会建立辅助（普通）索引
  
  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，没必要让同一份数据出现两次。
• 注意：
  1.即使无手动索引，InnoDB 也有默认 B + 树（聚簇索引），本质是没有可用的 "二级索引 B + 树"，只能遍历聚簇索引 B + 树的所有叶子节点（全表扫描）
  2.无手动索引时非聚簇索引 B + 树不存在，只有聚簇索引是 "隐式强制创建"（保障数据存储的基础结构），而非聚簇索引的核心定位是 "优化特定查询的辅助索引"

6.索引操作

创建主键索引

三种方式：

特点：

1.一个表中，最多有一个主键索引，当然可以是复合主键

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

唯一索引的创建

-- 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))

-- 创建表后修改表

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

alter table user6 add unique(name);

唯一索引的特点：

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

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

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

varchar(30));

alter table user9 add index(name);

-- 创建一个索引名为 idx_name 的索引

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

varchar(30));

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

全文索引

• 前面总结的三种索引统称为传统索引，基于精确的字段值快速定位行记录，核心是 "值匹配"
  适用查询：等值查询（=）、范围查询（>/</BETWEEN）、排序 / 分组
  不支持：模糊的文本语义查询（如 "包含某关键词""某短语的相关内容"）
• 全文索引：
  目标：针对文本内容实现语义级的关键词检索，核心是 "内容匹配"。
  适用查询：全文关键词查询（MATCH...AGAINST）
  不支持：等值或范围的字段值匹配，无法用于排序 / 分组。
• 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)
  
• 查询有没有包含database的数据
  使用普通查找的结果如下，并没有用到全文索引
  
  可以通过explain工具来查看是否用到索引
  
• 使用全文索引

查询索引

第一种方法： show keys from 表名

第二种方法: show index from 表名;（作用和keys相同）

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;（由于主键唯一，所以可以直接删除不用指定主键名）

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，包括普通索引和唯一索引)

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

索引创建原则

1.比较频繁作为查询条件的字段应该创建索引

2.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

3.更新非常频繁的字段不适合作创建索引

4.不会出现在where子句中的字段不该创建索引

索引最左匹配原则

• 定义：
  索引最左匹配原则是 MySQL 使用联合索引（多列索引） 时的核心检索规则：MySQL 会优先匹配联合索引中最左侧的列，并依次向右匹配，一旦遇到无法匹配的条件（如范围查询、跳过某列），则停止向右匹配索引，未匹配的列无法利用索引加速。
• 以name和addr为复合唯一索引为例，测试
  场景1：以左列进行匹配符合条件

通过explain来查看是否使用了索引，重点关注

1.type：索引匹配级别（ref/range 表示索引生效，ALL/index 表示索引未高效匹配）；

2.key：实际使用的索引（应为索引名才表示索引命中）；

场景2：跳过左列，直接以右列匹配不行

type: index：这是 "索引遍历" 的核心标识，代表 MySQL 没有通过非叶子节点缩小范围，而是遍历了整个索引树的叶子节点；

场景 3：左列范围查询 + 右列等值→ 右列索引失效

场景 4：跳过左列，右列 + 其他列→ 索引完全失效（全表扫描）

索引覆盖

• 索引覆盖是指：查询语句需要的所有列（SELECT、WHERE、ORDER BY 等涉及的列），都能从索引的 B + 树节点中直接获取，无需回表查询聚簇索引的整行数据。
• 通俗理解
  把索引比作 "图书的目录"：
  非索引覆盖：查 "第 5 章的内容"，目录只标了 "第 5 章在第 100 页"，需翻到 100 页（回表）才能看内容；
  索引覆盖：目录直接把 "第 5 章的所有文字" 都印在目录页上，无需翻正文页（回表），直接从目录（索引）就能拿到所有需要的信息。
• 核心价值
  避免 "回表操作"（二级索引→聚簇索引的磁盘 IO），大幅减少磁盘访问次数，是优化查询性能的核心手段之一；InnoDB 中，主键会默认包含在所有二级索引的叶子节点中