数据库----索引

这里写目录标题

[1. MySQL 与磁盘交互基本单位](#1. MySQL 与磁盘交互基本单位)

[2. 索引的理解](#2. 索引的理解)

[2.1 为何IO交互要是 Page](#2.1 为何IO交互要是 Page)

[2.2 理解单个Page](#2.2 理解单个Page)

[2.3 理解多个Page](#2.3 理解多个Page)

[2.4 页目录](#2.4 页目录)

[1. 多页（page）情况](#1. 多页（page）情况)

[2.5 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？](#2.5 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？)

[2.6 B+ vs B](#2.6 B+ vs B)

[2.7 聚簇索引 VS 非聚簇索引](#2.7 聚簇索引 VS 非聚簇索引)

[3. 索引操作](#3. 索引操作)

[1. 创建主键索引](#1. 创建主键索引)

[2. 创建唯一键索引](#2. 创建唯一键索引)

[3. 普通索引的创建](#3. 普通索引的创建)

[4. 查询索引](#4. 查询索引)

[5. 删除索引](#5. 删除索引)

1. 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。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

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）

MySQL 中的数据文件，是以page为单位保存在磁盘当中的
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(128MB)，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

2. 索引的理解

在一个id为主键的表中插入数据，发现id默认是排好序的，为什么？

这是mysql自己做的，可以方便引入目录，提好效率

2.1 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，加载多少不好吗?

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
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
怎么保证，用户一定下次找的数据，就在这个Page里面？
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

2.2 理解单个Page

mysql内部，一定会同时存在大量的page，所以mysql必须把page管理起来，先描述，再组织，所以page不单是一个内存块，page内部必须写入对应的管理信息

c 复制代码

struct page
{
struct page*next;
struct page *prev;
char buffer[NUM];
}

整个page一共16KB，new page，将所有的page用双向链表的形式管理起来，
在buffer poll内部，对mysql中的page进行了一个建模

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可以吗？

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

2.3 理解多个Page

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彼此使用双链表连接起
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

2.4 页目录

在一个Page内部，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，
现在直接通过目录2[3]，直接进行定位新的起始位置，
只需要遍历二次，如果表中的数据足够多，那么效率会大大提高
这里的3是目录内部的指针指向主键为3的id

1. 多页（page）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 一个page不可能存下表中的所有数据，那么必定会有多个页来存储一个表的数据，多表的话，page会更多
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
这样，就可以通过多个Page遍历，Page内部通过目录来快速定位数据，但是在Page之间，也是需要 MySQL 遍历的，如果page足够多，也会出现效率问题，而且遍历到page的时候，需要开辟空间，然后把磁盘的表文件的数据加载到内存的page里，需要多次进行IO

那么如何解决呢？

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(一行数据)
存在一个目录项来管理页，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，找到该页，访问那个Page，进而找到数据，也可以通过对比，找到下一个目录项
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

如果数据更大，觉得目录项也要遍历，效率低，可以继续添加目录项

这就是b+树

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

因为可以直接找到 id 键值为16的page，然后IO把page加载到内存，IO次数减少，空间节省buffer pool空间，需要哪些，加载哪些

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，大大减少了IO次数

mysqld这个服务器，本质是在内存中，所有数据库的CURD操作，全部都是在内存中进行的，索引也是，通过组织数据的方式，提高算法效率，索引的本质就算数据结构，B+树

叶子节点保存数据，非叶子节点，不要数据，只要目录项，所以非叶子节点可以储存更多的目录项，所以这个目录页可以管理更多的叶子page(数据页)，所以决定了这棵树，一定是一个矮胖型的树
所以，途径的路上节点减少，找到目标数据只需要更少的page，IO次数更少，提高IO效率，而每一个节点都有目录项，可以提高搜索效率，整体提高效率

叶子节点全部用链表级联起来

这是，b+树的特点
我们希望进行范围查找

比如要查找10~20之间的所有数据，就可以以10为起点，20为终点进行页间范围查找

上面的b+树就是mysql innode db下的索引结构，在建表curd是就是在该结构下进行的，如果我们没有设置主键，也是这个结构，因为mysql会对表添加默认主键，但是这个默认主键不是表里的记录，所以我们没有设置主键的情况下，需要线性遍历

2.5 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
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
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

2.6 B+ vs B

B树

B+树

这两棵树区别是：

B树：节点，既有数据，又有Page指针，
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

2.7 聚簇索引 VS 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。

ibd这个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

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
MyISAM 这种用户数据与索引数据分离的方案叫非聚簇索引

MySQL 除了默认会建立主键索引外，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

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

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

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

为什么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，直接回表查询就可以，而且效率很高，为什么还要加数据呢？

3. 索引操作

1. 创建主键索引

c 复制代码

-- 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));

c 复制代码

-- 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));

c 复制代码

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，复合主键也算
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

2. 创建唯一键索引

c 复制代码

-- 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);

c 复制代码

-- 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));

c 复制代码

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
如果一个唯一索引上指定not null，等价于主键索引

3. 普通索引的创建

c 复制代码

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
);

c 复制代码

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引

c 复制代码

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，但是该列有重复的值，那么我们就应该使用普通索引

4. 查询索引

show keys from 表名\G

c 复制代码

 Table: goods   <= 表名
 Non_unique: 0       <= 0表示唯一索引
 Key_name: PRIMARY <= 主键索引
 Seq_in_index: 1
 Column_name: goods_id <= 索引在哪列
 Collation: A
 Cardinality: 0
 Sub_part: NULL
 Packed: NULL
 Null: 
 Index_type: BTREE   <= 以B+树形式的索引
 Comment:

show index from 表名\G

5. 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；

索引名就是show keys from 表名中的 Key_name 字段

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