MySQL索引及其底层原理(上)

前言

一、索引初步认识

二、再识磁盘

三、MySQL与磁盘交互基本单位

前言

从本篇开始我们就要进一步去理解mysql了，那么这一篇是mysql中非常重要的知识点---索引的上篇，相信大家看完能对mysql中的索引部分有新的认识和理解！

一、索引初步认识

索引是提高数据库性能的关键工具。
它通过改变数据的组织方式，显著提升查询速度，而无需增加硬件资源或修改应用程序代码。
然而，索引的使用也并非没有代价。查询速度的提升是以插入、更新和删除操作的性能下降为代价的，因为这些写操作会增加大量的I/O操作。
因此，索引的价值在于提高海量数据的检索速度。

MySQL的CURD操作与内存

所有 MySQL 的 CURD 操作都在内存中进行。MySQL 在启动时会预先开辟一大块内存空间，用于缓存数据。
这些数据会在适当的时候被刷新到磁盘中进行持久化。
因此，MySQL服务器本质上是在内存中运行的，所有的数据库操作都在内存中进行。索引同样也是在内存中的一种特定结构。
索引是提高效率的，一般我们知道提高算法效率的因素：1. 组织数据的方式，2. 算法本身。

比如说在一个线性结构的数组中查找数据，那么我们可以通过不使用遍历而改为使用二分查找算法来提高效率，其次还可以将其结构改为非线性存储结构---搜索二叉、平衡二叉，此时查找的算法随之发生变化，查找效率也会提高
索引是更改特定组织数据的方式，把以前数据的组织方式以新的数据结构组织起来。所以索引是内存中一种特定组织的一种数据结构，具体是什么结构后面再说

索引的类型

常见的索引类型包括：

主键索引（Primary Key）
唯一索引（Unique）
普通索引（Index）
全文索引（Fulltext）------主要用于解决中文索引问题

有无索引的比对

我们先创建一个包含800万条记录的表，并观察没有索引时的查询性能。

sql 复制代码

-- 产生随机字符串
delimiter $$
create function rand_string(n INT)
returns varchar(255)
begin
    declare chars_str varchar(100) default 'abcdefghijklmnopqrstuvwxyzABCDEFGHIJKLMNOPQRSTUVWXYZ';
    declare return_str varchar(255) default '';
    declare i int default 0;
    while i < n do
        set return_str = concat(return_str, substring(chars_str, floor(1 + rand() * 52), 1));
        set i = i + 1;
    end while;
    return return_str;
end $$
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 $$
create procedure insert_emp(in start int(10), in max_num int(10))
begin
    declare i int default 0;
    set autocommit = 0;
    repeat
        set i = i + 1;
        insert into emp (empno, ename, job, mgr, hiredate, sal, comm, deptno)
        values (start + i, rand_string(6), 'SALESMAN', 0001, curdate(), 2000, 400, rand_num());
    until i = max_num
    end repeat;
    commit;
end $$
delimiter ;
 
-- 执行存储过程，添加8000000条记录
call insert_emp(100001, 8000000);

复制代码

注意：创建表单前要注意，恢复默认结束符：使用 delimiter ; 将结束符恢复为默认的分号 ;

查询性能测试

查询员工编号为998877的员工

sql 复制代码

select * from EMP where empno = 998877;

可以看到没有索引时，查询非常慢，在本机上一人操作就花了5秒多，那在实际项目中，如果放在公网中，同时有1000人并发查询，可能会导致系统崩溃。

但是我们现在一旦加上了索引，查询速度就非常快了

sql 复制代码

alter table EMP add index(empno);

二、再识磁盘

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，如何提升效率，是 MySQL 的一个重要话题。

我们先看看磁盘

我们再来看这个盘片的图：

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。

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。

其实，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)

建立数据库其实就是在 linux 下建立一个目录，建立一张表其实就是在 linux 建立一个文件，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。

通过 CHS、LBA（在linux系统部分学过），我们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)。那么在系统软件上，就直接按照扇区进行IO交互吗？

答案是 - 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，连续访问时磁头无需大幅移动，效率更高；而随机访问需要磁头进行较大范围的移动和定位，因此效率比较低。

三、MySQL与磁盘交互基本单位

软件理解

MySQL是一个应用层软件，依赖操作系统进行 I/O 操作。操作系统和磁盘之间的 I/O 单位是 4KB ，而MySQL为了提高效率，以 16KB 为单位先和 OS 进行 I/O 操作（后面统一使用 InnoDB 存储引擎讲解）

MySQL在内存中申请了一个大内存空间（Buffer Pool），用于缓存数据。默认大小为128MB。 Buffer Pool 用于减少磁盘 I/O 次数，提高查询性能。

I/O流程

注意：mysql并不能直接向磁盘去申请空间，因为其处在应用层的，申请只能由操作系统来进行！

MySQL向操作系统请求 16KB 数据。
操作系统从磁盘读取 4 个 4KB 的数据块，加载到文件缓存区。
数据从文件缓存区加载到MySQL的Buffer Pool。
MySQL在Buffer Pool中对数据进行处理。
更新数据时，MySQL 将数据使用 write 写入 Buffer Pool，再将数据标记为 "脏页"（即内存中的数据与磁盘数据不一致），然后通过操作系统使用 fsync 函数传入 fd 将文件内部对应缓存区的数据刷新到磁盘中。

解析：

MySQL 的 Buffer Pool 是内存中的数据缓存区域，更新操作会先修改 Buffer Pool 中的数据页并标记为脏页（区别于未修改的干净页）。之后，MySQL 会通过后台线程（如 checkpoint 机制）或主动触发（如事务提交时），调用操作系统的 fsync 函数，将脏页对应的磁盘文件缓存数据强制刷新到物理磁盘，确保数据持久化，避免内存数据丢失。

16 * 1024 = 16384
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 16KB 的基本数据单元，在 MySQL 这里叫做 page（注意和系统的page区分），它们是 1 : 4 的关系

所以说，有三点是我们要牢记于心的

MySQL以 16KB page为单位进行I/O。

MySQL有 Buffer Pool ，数据先加载到 Buffer Pool ，再进行处理。

减少系统和磁盘 I/O 次数，一次 I/O 的数据量越大，效率越高。

我们也就建立了下面几点共识：

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（增删查改），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 的大内存空间（mysql是c、c++语言写的，所以本质就是malloc或者new出这样的空间），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。
为何更高的效率，一定要尽可能的减少系统和磁盘 IO 的次数

四、索引的理解

建立测试表

sql 复制代码

create table if not exists user (
    id int primary key,
    age int not null,
    name varchar(16) not null
) engine=InnoDB;

插入多条记录

sql 复制代码

insert into user (id, age, name) values (3, 25, 'Alice');
insert into user (id, age, name) values (1, 20, 'Bob');
insert into user (id, age, name) values (2, 22, 'Charlie');

查看插入结果

发现数据是有序的，这是因为 MySQL 会默认按照主键进行排序。

这很有意思，明明我们是乱序插入，怎么查询就变得有序起来了？是谁做得，怎么做的？

在这里我们再来重谈 Page

磁盘上的文件数据：首先会被读到操作系统的文件缓存区中。
MySQL的 Buffer Pool ：MySQL在启动时会为自己申请一个 Buffer Pool ，用于缓存数据。MySQL与操作系统之间进行 I/O 交互的基本单位是 16KB ，这是为了提高效率，减少 I/O 成本。
Page: MySQL的基本数据单位，大小为 16KB，mysql内部一定需要并且会存在大量的page，也就是决定了mysql必须要将多个同时存在的page管理起来
Buffer Pool：可以加载多个 Page ，使用双向链表连接。
先描述，再组织：不要简单地将Page认为是一个内存块，Page内部也必须写入对应的管理信息。
链表管理：所谓在 MySQL 中申请一个 Page ，实际上是 new 一个 Page对象。然后将所有 Page 用 "链表" 的形式管理起来。我们在 Buffer Pool 内部对 MySQL 中的 Page 进行了建模。

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 3 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=3，那么就需要 3 次 IO。

但，如果这 3 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 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。

乱序插入，有序查询：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。

结论：数据最终以Page为单位进行管理，而Page是先描述后组织的。

单个Page

Page：一个 Page 可以看作是一个大的结构体，里面可以放很多数据，也有它自己的属性。数据承载：一个 Page 可以承载一部分数据，而一个文件可能很小也可能很大，因此 MySQL 建立的表可能会是一个或多个 Page 构成。

大小：在 MySQL 中，每个 Page 的大小都是 16KB 。
双向链表：Page 使用 prev 和 next 指针构成双向链表，方便管理和遍历。
主键：MySQL 会默认按照主键对数据进行排序。
无主键：如果没有主键，默认插入的顺序就是查询时的顺序。

很显然，这个排序的操作是数据库做的

那我们又要思考了，为什么数据库插入的时候要对其进行排序，按正常插入顺序不好吗？

目的：插入数据时排序的目的是优化查询的效率。 Page 内部的数据记录实质上是一个链表结构，链表的特点是增删快，查询修改慢。因此，有序的结构在查找时更加高效。
优势：有序的数据在查找时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，可以提前结束查找过程。

多个Page

单Page的功能：在查询某条数据时，直接将一整页的数据加载到内存中，以减少硬盘 I/O 次数，从而提高性能。

而如果有1千万条数据，需要多个 Page 来保存，多个 Page 彼此使用双链表链接起来，每个Page内部的数据也是基于链表的，这样子说白了在遍历的时候还是线性遍历，较慢

我们看到图中已经出现目录这一名词了

页目录的引入

目录的作用：类似于书籍的目录，多花了空间但提高了效率。
所以，目录，是一种"空间换时间的做法"

单个Page目录

牺牲 Page 一部分保存数据的空间，把腾出来的空间用来保存目录，这所谓的目录里面只有两个字段

第一个是它所指向起始位置的 key 值
第二它有一个指针字段指向这条记录的起始位置。

所以未来在查找 key 的时候，不需要在数据记录里面查找了，而是去目录中找

先找到目录中对应 key 值的所处的起始位置
然后再根据指针找到这条记录
然后根据这条记录再向下遍历
虽然最后我们依旧需要遍历，但是是一个很小的子序列遍历了，效率也就大大提高了。

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，这数据还太小不够明显，如果数据更大就很明白了！

现在我们可以再次正式回答上面的问题了，为何通过键值 MySQL 会自动排序？

答案是可以很方便引入目录。

多个Page目录

Page大小固定： MySQL 中每一页的大小只有 16KB ，单个 Page 大小固定。数据量增长：随着数据量的不断增大， 16KB 不可能存下所有的数据，因此需要多个 Page 来存储数据

Page 有 动态管理机制 ，在单表数据不断被插入的情况下，MySQL 会在容量不足时，自动开辟新的 Page 来保存新的数据。

组织方式：通过指针的方式，将所有的 Page 组织起来，形成一个链表结构。

但是你会发现，这样又要线性遍历了，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解决方法就是继承前面的思想：增加目录！！

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，此时16kb的目录最多可管理映射好16384/(4+8)(这里是4字节整形key加8字节指针value)=1365个Page
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，可以再加目录页

其实这就是传说中的 B+ 树，现在查找的 Page 数一定减少了，也就意味着 I/O 次数减少了，那么效率也就提高了

需要注意的是，我们上图中其实在有多个节点时无论是目录还是Page都使用链表连接起来了，但实际上只有叶子节点的Page才是使用链表连接的，上面的目录都是通过上层父节点索引结构或者目录结构关联起来的

细节：

叶子节点保存有数据，路上节点没有，也就是非叶子节点不要数据，只要目录

非叶子节点不存数据意味着其可以存储更多的目录项，那么这个目录页可以管理更多的叶子page，那么这棵树一定是一个 矮胖型 的树，这样的树使得途径的路上节点减少，也就是找到目标数据只需要更少的page，io次数更少，在io层面上，提高了效率；同时这样每一个节点都有目录项，可以大大提高搜索效率，和上面一起整体提高了我们的搜索效率
叶子节点全部用链表级联起来

首先这个本身就是B+树的特点