MySQL 从零入门(七):索引原理与 B+ 树详解------从磁盘 I/O 到 InnoDB 聚簇索引

🔥 星恒随风: 个人主页 ❄️ 个人专栏: 《Linux网络编程从0到1》 | 《C语言基础》 | 《数据结构和算法》 | 《MySQL入门心法》 | 《前端基础》 | 《python基础》 | 《C++从入门到入土》 | 《Linux系统编程》 ✨ 数据即知识,压缩即智能
文章目录
- [MySQL 从零入门(七):索引原理与 B+ 树详解------从磁盘 I/O 到 InnoDB 聚簇索引](#MySQL 从零入门(七):索引原理与 B+ 树详解——从磁盘 I/O 到 InnoDB 聚簇索引)
- 一、没有索引,查询可能遇到什么问题?
-
- [1.1 什么是索引?](#1.1 什么是索引?)
- [1.2 索引的四种常见类型](#1.2 索引的四种常见类型)
- [1.3 为什么需要比较有索引和无索引的查询?](#1.3 为什么需要比较有索引和无索引的查询?)
- 二、认识磁盘:数据到底存储在哪里?
-
- [2.1 MySQL 数据最终保存在哪里?](#2.1 MySQL 数据最终保存在哪里?)
- [2.2 机械硬盘的基本结构](#2.2 机械硬盘的基本结构)
- [2.3 什么是磁盘 I/O?](#2.3 什么是磁盘 I/O?)
- [2.4 随机 I/O 与顺序 I/O](#2.4 随机 I/O 与顺序 I/O)
- [三、MySQL 与磁盘交互的基本单位:Page](#三、MySQL 与磁盘交互的基本单位:Page)
-
- [3.1 为什么不能每次只读取一条记录?](#3.1 为什么不能每次只读取一条记录?)
- [3.2 InnoDB 的 Page 是什么?](#3.2 InnoDB 的 Page 是什么?)
- [3.3 操作系统数据块与 InnoDB Page](#3.3 操作系统数据块与 InnoDB Page)
- [四、Buffer Pool:为什么内存缓存如此重要?](#四、Buffer Pool:为什么内存缓存如此重要?)
-
- [4.1 什么是 Buffer Pool?](#4.1 什么是 Buffer Pool?)
- [4.2 什么是缓存命中?](#4.2 什么是缓存命中?)
- [4.3 为什么需要缓存整个 Page?](#4.3 为什么需要缓存整个 Page?)
- [4.4 数据修改后立即写入磁盘吗?](#4.4 数据修改后立即写入磁盘吗?)
- 五、从数据页推导索引结构
-
- [5.1 创建一张测试表](#5.1 创建一张测试表)
- [5.2 不按主键顺序插入记录](#5.2 不按主键顺序插入记录)
- [六、单个 Page 内部如何查找记录?](#六、单个 Page 内部如何查找记录?)
-
- [6.1 只使用链表有什么问题?](#6.1 只使用链表有什么问题?)
- [6.2 引入页目录(Page Directory)](#6.2 引入页目录(Page Directory))
- [七、多个 Page 之间如何快速定位?](#七、多个 Page 之间如何快速定位?)
-
- [7.1 单个 Page 不可能保存全部数据](#7.1 单个 Page 不可能保存全部数据)
- [7.2 给 Page 建立目录](#7.2 给 Page 建立目录)
- [7.3 目录页也可能装不下](#7.3 目录页也可能装不下)
- [八、B+ 树:为什么适合作为数据库索引?](#八、B+ 树:为什么适合作为数据库索引?)
-
- [8.1 什么是 B+ 树?](#8.1 什么是 B+ 树?)
- [8.2 B+ 树如何查询?](#8.2 B+ 树如何查询?)
- [8.3 为什么 B+ 树通常比较矮?](#8.3 为什么 B+ 树通常比较矮?)
- 九、为什么不用其他数据结构?
-
- [9.1 链表](#9.1 链表)
- [9.2 普通二叉搜索树](#9.2 普通二叉搜索树)
- [9.3 AVL 树与红黑树](#9.3 AVL 树与红黑树)
- [9.4 Hash](#9.4 Hash)
- [十、B 树与 B+ 树有什么区别?](#十、B 树与 B+ 树有什么区别?)
-
- [10.1 B 树](#10.1 B 树)
- [10.2 B+ 树](#10.2 B+ 树)
- [10.3 为什么 InnoDB 选择 B+ 树?](#10.3 为什么 InnoDB 选择 B+ 树?)
- 十一、聚簇索引与非聚簇索引
-
- [11.1 什么是聚簇索引?](#11.1 什么是聚簇索引?)
- [11.2 如果没有主键怎么办?](#11.2 如果没有主键怎么办?)
- [11.3 MyISAM 的索引有什么不同?](#11.3 MyISAM 的索引有什么不同?)
- [11.4 创建 MyISAM 与 InnoDB 表进行比较](#11.4 创建 MyISAM 与 InnoDB 表进行比较)
- [十二、InnoDB 二级索引与回表查询](#十二、InnoDB 二级索引与回表查询)
-
- [12.1 什么是二级索引?](#12.1 什么是二级索引?)
- [12.2 二级索引叶子节点保存什么?](#12.2 二级索引叶子节点保存什么?)
- [12.3 什么是回表?](#12.3 什么是回表?)
- [12.4 二级索引查询一定会回表吗?](#12.4 二级索引查询一定会回表吗?)
- 十三、实践:比较没有索引与存在索引的查询
-
- [13.1 创建用于生成数据的数字表](#13.1 创建用于生成数据的数字表)
- [13.2 创建测试表](#13.2 创建测试表)
- [13.3 生成 10 万条测试记录](#13.3 生成 10 万条测试记录)
- [13.4 不建立索引时执行查询](#13.4 不建立索引时执行查询)
- [13.5 为 lookup_no 建立索引](#13.5 为 lookup_no 建立索引)
- [13.6 为什么不建议只比较一次耗时?](#13.6 为什么不建议只比较一次耗时?)
- 十四、索引的代价
-
- [14.1 需要额外存储空间](#14.1 需要额外存储空间)
- [14.2 INSERT 需要维护索引](#14.2 INSERT 需要维护索引)
- [14.3 UPDATE 可能修改索引](#14.3 UPDATE 可能修改索引)
- [14.4 DELETE 需要维护索引](#14.4 DELETE 需要维护索引)
- 十五、本篇总结
前言
假设我们开发了一个用户管理系统,数据库中保存了 1000 万条用户记录。
现在需要查询编号为 888888 的用户:
sql
SELECT *
FROM users
WHERE user_id = 888888;
如果没有合适的索引,MySQL 可能需要扫描大量数据,逐条判断:
text
user_id 是否等于 888888?
但是,如果建立了合适的索引,MySQL 就可能快速定位到目标记录,而不必扫描整张表。
索引(Index)的核心价值,就是提高数据检索效率。
但索引并不是免费的。
创建索引需要额外的存储空间,执行 INSERT、UPDATE、DELETE 时,数据库也可能需要维护对应的索引结构。
因此,学习索引不能只停留在 CREATE INDEX 这条 SQL 上。
我们需要进一步理解:
- 为什么没有索引时查询可能很慢?
- 为什么数据库需要关注磁盘 I/O?
- InnoDB 为什么以 Page 为单位管理数据?
- B+ 树为什么适合数据库索引?
- 聚簇索引和非聚簇索引有什么区别?
- 什么是回表查询?
本文将从存储原理出发,逐步推导出 MySQL 索引采用 B+ 树结构的原因。
一、没有索引,查询可能遇到什么问题?
1.1 什么是索引?
可以把数据库索引理解为一本书的目录。
假设一本 1000 页的计算机教材中,第 650 页开始介绍操作系统进程管理。
如果没有目录,你可能需要从第一页开始寻找。
但是如果存在目录:
text
第1章 计算机系统基础 ........ 1
第2章 进程与线程 .......... 120
第3章 内存管理 ............ 350
第4章 文件系统 ............ 500
第5章 进程调度 ............ 650
就可以快速定位相关内容。
数据库索引的思想与此类似。
不过,MySQL 索引不是简单的文本目录,而是由存储引擎维护的数据结构。
对于 InnoDB 中最常见的索引类型,其底层通常采用 B+ 树。
1.2 索引的四种常见类型
| 索引类型 | 作用 |
|---|---|
| PRIMARY KEY | 主键索引,保证唯一性与非空 |
| UNIQUE | 唯一索引,限制重复值 |
| INDEX | 普通索引,加快符合条件的查询 |
| FULLTEXT | 全文索引,用于文本搜索 |
例如:
sql
CREATE INDEX idx_name
ON users(name);
这条语句表示在 users 表的 name 字段上建立一个名为 idx_name 的索引。
1.3 为什么需要比较有索引和无索引的查询?
假设一张表有 10 万条记录。
我们执行:
sql
SELECT *
FROM users
WHERE phone = '13800000000';
如果 phone 没有索引,数据库可能执行全表扫描。
建立索引:
sql
CREATE INDEX idx_phone
ON users(phone);
之后,MySQL 就有机会通过索引查找该电话号码。
但要真正理解为什么变快,我们需要先认识磁盘和 I/O。
二、认识磁盘:数据到底存储在哪里?
2.1 MySQL 数据最终保存在哪里?
MySQL 的数据具有持久性。
即使 MySQL 进程退出,只要数据已经正确持久化,重新启动后仍然可以读取。
这是因为数据会保存在持久化存储设备中。
例如:
- HDD 机械硬盘。
- SSD 固态硬盘。
- 云服务器提供的持久化云硬盘。
我们先从传统机械硬盘开始理解。
2.2 机械硬盘的基本结构
传统机械硬盘主要由以下部分组成:
- 盘片(Platter)
- 磁道(Track)
- 扇区(Sector)
- 磁头(Head)
- 柱面(Cylinder)
一张盘片的表面可以划分成多个同心圆,这些圆形轨迹称为磁道。
磁道又可以进一步划分为扇区。

可以把盘片想象成:
text
磁盘盘片
│
├── 磁道 1
│ ├── 扇区 1
│ ├── 扇区 2
│ └── 扇区 3
│
├── 磁道 2
│ ├── 扇区 1
│ └── 扇区 2
│
└── ...
在传统磁盘中,可以通过磁头、柱面、扇区等信息理解数据的位置。
这涉及 CHS(Cylinder-Head-Sector)寻址模型。
现代操作系统通常使用 LBA(逻辑块寻址)访问块设备,并不要求应用程序直接管理这些物理位置。
另外,磁盘逻辑扇区常见大小为 512 字节或 4096 字节,并不是所有设备都固定为 512 字节。
2.3 什么是磁盘 I/O?
I/O 是 Input/Output 的缩写,表示输入与输出。
对于数据库而言,磁盘 I/O 主要包括:
读取:
text
持久化存储
↓
主机内存
写入:
text
主机内存
↓
持久化存储
CPU 不能像访问自己的寄存器那样直接操作磁盘数据。
数据库需要先将所需的数据读取到内存,才能进一步进行处理。
由于存储设备的访问特性与内存不同,因此减少不必要的数据读取,是数据库性能优化的重要目标。
2.4 随机 I/O 与顺序 I/O
随机 I/O(Random I/O)表示对不连续位置进行访问。
例如:
text
读取块 100
读取块 9000
读取块 205
读取块 80000
这些位置相距较远。
顺序 I/O(Sequential I/O)则是连续访问相邻数据区域:
text
读取块 100
读取块 101
读取块 102
读取块 103
对于传统机械硬盘,随机访问通常需要额外的磁头寻道与旋转等待,因此性能较差。
SSD 没有机械磁头,但随机 I/O 与顺序 I/O 在访问开销、吞吐量和并发处理方面仍可能存在差异。
这也解释了为什么数据库需要精心设计存储结构,而不能随意组织数据。
三、MySQL 与磁盘交互的基本单位:Page
3.1 为什么不能每次只读取一条记录?
假设一张学生表有 10000 条记录。
每条记录包含:
text
id、name、age
如果每查询一条记录,就单独从磁盘读取一次,可能产生大量 I/O 请求。
例如:
text
读取记录1 → 一次 I/O
读取记录2 → 一次 I/O
读取记录3 → 一次 I/O
...
但如果把多条记录组织到一个数据页中:
text
Page
├── 记录1
├── 记录2
├── 记录3
├── 记录4
└── ...
一次读取就可以把整个数据页加载到内存。
如果之后还需要访问同一页中的其他记录,就有机会直接在内存中读取。
因此,以页为单位管理数据,能够帮助数据库提高读取和缓存效率。
3.2 InnoDB 的 Page 是什么?
Page 是 InnoDB 组织和管理数据的基本单位之一。
在常见的 MySQL 5.7 配置中:
一个 InnoDB Page 默认大小为 16KB。
可以通过 SQL 查看:
sql
SHOW VARIABLES LIKE 'innodb_page_size';
结果通常为:
text
+------------------+-------+
| Variable_name | Value |
+------------------+-------+
| innodb_page_size | 16384 |
+------------------+-------+
其中:
16384 ÷ 1024 = 16 K B 16384 \div 1024 = 16KB 16384÷1024=16KB
需要注意,16KB 是常见默认值,并不是所有 InnoDB 实例都必须采用的大小。页大小可以在数据库实例初始化时进行配置。
3.3 操作系统数据块与 InnoDB Page
可以形成下面的理解:
text
MySQL SQL 层
↓
InnoDB 存储引擎
↓
InnoDB Page(通常 16KB)
↓
操作系统文件系统
↓
块设备
这里不能简单认为每一次 SQL 查询都必然产生一次 16KB 的物理磁盘读取。
原因是:
- 页面可能已经在 Buffer Pool 中。
- 操作系统可能存在文件缓存。
- 底层存储设备有自己的缓存与请求处理机制。
- 可能发生预读、批量写入等操作。
但从 InnoDB 的数据组织方式看,Page 是理解索引与存储的关键单位。
四、Buffer Pool:为什么内存缓存如此重要?
4.1 什么是 Buffer Pool?
Buffer Pool 是 InnoDB 在内存中维护的重要缓存区域。
它主要用于缓存数据页和索引页。
可以简化为:
text
MySQL 查询
│
▼
InnoDB Buffer Pool
│
┌─────┴─────┐
│ │
命中 未命中
│ │
直接访问 读取存储页
│ │
└─────┬─────┘
▼
返回数据

4.2 什么是缓存命中?
假设第一次查询:
sql
SELECT *
FROM users
WHERE id = 100;
需要读取某个数据页。
如果该页不在 Buffer Pool 中,InnoDB 就需要通过存储层获取它。
之后再次访问同一个页面中的数据时,如果页面仍然留在缓存中,就有机会直接从内存中读取。
这称为缓存命中(Cache Hit)。
通常情况下,内存访问比真正的磁盘读取更快。
4.3 为什么需要缓存整个 Page?
假设需要读取某一页中的记录:
text
id = 100
数据库加载该 Page 后,也会获得同一页中其他记录的数据。
例如:
text
id = 101
id = 102
id = 103
如果后续查询访问这些记录,就可能不再需要磁盘 I/O。
这种思想与计算机体系结构中的 局部性原理(Locality) 有关。
局部性主要包括:
- 时间局部性:刚访问的数据,未来可能再次访问。
- 空间局部性:刚访问位置附近的数据,未来可能被访问。
4.4 数据修改后立即写入磁盘吗?
并不一定。
InnoDB 修改某个已经加载到内存中的数据页时,可能先修改 Buffer Pool 中的页面。
被修改但尚未写回持久化存储的页面称为脏页(Dirty Page)。
后续通过相应的后台刷新机制写回数据文件。
这里需要特别注意:
事务提交的持久性不等于要求每次提交都立即把所有修改过的数据页写回表空间文件。
InnoDB 还会通过 Redo Log 等机制实现事务持久性与崩溃恢复。
Redo Log 的具体原理将在事务专题中继续学习。
五、从数据页推导索引结构
现在已经知道:
- MySQL 数据最终需要持久化。
- InnoDB 使用 Page 管理数据和索引。
- Page 可以被加载进 Buffer Pool。
- 减少不必要的页面访问,有助于提高查询性能。
接下来思考:
如果一张表有数百万条记录,MySQL 如何快速找到目标数据所在的 Page?
5.1 创建一张测试表
先创建实验数据库:
sql
CREATE DATABASE IF NOT EXISTS index_lab1
CHARACTER SET utf8;
USE index_lab1;
创建用户表:
sql
CREATE TABLE user_info (
id INT PRIMARY KEY,
age INT NOT NULL,
name VARCHAR(16) NOT NULL
) ENGINE=InnoDB;
这里:
sql
id INT PRIMARY KEY
表示 id 是主键。
InnoDB 通常会使用主键组织聚簇索引。
5.2 不按主键顺序插入记录
sql
INSERT INTO user_info VALUES
(3, 18, '杨过'),
(4, 16, '小龙女'),
(2, 26, '黄蓉'),
(5, 36, '郭靖'),
(1, 56, '欧阳锋');
插入顺序是:
text
3 → 4 → 2 → 5 → 1
现在执行:
sql
SELECT *
FROM user_info
ORDER BY id;
结果:
text
+----+-----+-----------+
| 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 |
+----+-----+-----------+
为什么可以按照主键顺序查询?
因为 InnoDB 聚簇索引按主键组织记录,能够高效支持按主键顺序访问。
不过要特别强调:
没有 ORDER BY 的 SELECT 不保证返回记录的顺序。
即使观察到 MySQL 经常按主键顺序返回,也不应该把它当作 SQL 的确定行为。
六、单个 Page 内部如何查找记录?
6.1 只使用链表有什么问题?
为了便于理解,可以先把一个数据页简化成:
text
Page
│
├── id = 1
│ ↓
├── id = 2
│ ↓
├── id = 3
│ ↓
├── id = 4
│ ↓
└── id = 5
如果只能从第一条记录开始逐个比较,查找 id = 5 就需要进行多次比较。
随着页中的记录增加,效率可能下降。
6.2 引入页目录(Page Directory)
为了提高页内查找效率,InnoDB 数据页中包含页目录结构。
它通过管理一部分记录对应的位置,帮助数据库快速缩小搜索范围。
可以用书籍目录来类比:
text
数据页 Page
│
├── 页目录
│ ├── 槽位1 → 某组记录
│ ├── 槽位2 → 某组记录
│ └── 槽位3 → 某组记录
│
└── 用户记录
├── id = 1
├── id = 2
├── id = 3
├── id = 4
└── id = 5
页目录并不是简单地为每条记录存放一个完整指针。
更准确地说,InnoDB 通过有序记录、记录分组和页目录槽位等机制完成页内定位。
这体现了一个经典思想:
使用额外的目录信息换取更快的查找效率,即空间换时间。
七、多个 Page 之间如何快速定位?
7.1 单个 Page 不可能保存全部数据
假设一张表拥有 1000 万条记录。
单个 16KB Page 显然无法保存全部数据。
因此,需要大量 Page:
text
Page 1
Page 2
Page 3
Page 4
...
Page N
如果查询某条数据时,需要从 Page 1 开始逐页查找,那么即使页内查找很快,整体查询效率仍然可能很低。
所以仅仅优化页内查找还不够。
7.2 给 Page 建立目录
既然每个 Page 中的数据在索引键值上存在有序组织,那么我们可以为不同 Page 建立目录。
例如:
text
页目录
├── 小于 100 → Page 1
├── 100~199 → Page 2
├── 200~299 → Page 3
└── 300~399 → Page 4
如果要查询:
text
id = 250
就可以通过目录定位到对应的数据页,而不是把每一个数据页都读取一遍。
当然,上面只是便于理解的简化模型,真实 InnoDB 页面中的目录项并不是这样直接保存人为定义的区间。
7.3 目录页也可能装不下
假设数据量进一步增加:
text
100 万个数据页
管理这些数据页的目录信息也会变得非常庞大。
如果目录需要很多页存储,那又出现新问题:
如何快速定位目录页?
答案是:
为目录页继续建立上一级目录。
最终形成多级结构:

八、B+ 树:为什么适合作为数据库索引?
8.1 什么是 B+ 树?
B+ 树(B+ Tree)是一种多路平衡搜索树。
它的基本特点包括:
- 一个内部节点可以包含多个索引键和子节点指针。
- 内部节点主要承担索引导航功能。
- 完整的记录或相应索引条目保存在叶子节点。
- 叶子页面按照键值顺序组织,便于范围扫描。
- 树始终保持平衡。
一个简化的 B+ 树:
text
[30 | 60]
/ | \
/ | \
▼ ▼ ▼
[10,20] [30,40,50] [60,70,80]
8.2 B+ 树如何查询?
假设要查询:
sql
SELECT *
FROM user_info
WHERE id = 40;
可以将查找过程理解为:
text
根节点
│
├── 判断 40 应该走哪个子节点
│
▼
对应内部节点
│
├── 继续确定目标范围
│
▼
叶子节点
│
▼
找到 id = 40 的记录
整个查找过程不需要从第一个叶子页开始逐页扫描。
如果树的层数很少,只需要沿着树的一条查找路径访问相应页面。
而且内部页面往往会被缓存在 Buffer Pool 中,所以不意味着每经过一层都必然发生一次物理磁盘 I/O。
8.3 为什么 B+ 树通常比较矮?
因为一个 B+ 树内部节点能够保存多个键值和子节点指针。
假设一个节点平均能够指向 100 个子节点。
那么:
text
第一层:1 个节点
第二层:100 个节点
第三层:10000 个节点
第四层:1000000 个节点
这里的数字只是说明多路分支的扩展能力,并不代表真实 InnoDB 的固定扇出。
但可以直观理解:
较高的分支因子可以在数据量很大时仍然保持较低的树高。
树高较低,意味着查找路径可能访问更少的页面。
九、为什么不用其他数据结构?
9.1 链表
链表查询通常需要依次遍历节点。
对于长度为 N 的链表,最坏情况下查找需要:
O ( N ) O(N) O(N)
因此不适合作为大规模有序检索的主要索引结构。
9.2 普通二叉搜索树
二叉搜索树能够根据键值大小决定向左还是向右查找。
理想情况下,树高约为:
O ( log N ) O(\log N) O(logN)
但是,如果插入顺序不合理,普通二叉搜索树可能退化成链表:
text
1
\
2
\
3
\
4
\
5
此时查询效率可能下降到:
O ( N ) O(N) O(N)
9.3 AVL 树与红黑树
AVL 树和红黑树能够通过平衡机制防止严重退化。
但是它们属于二叉或近似二叉的搜索树,一个节点的分支数有限。
对于数据库的磁盘页存储场景,树的高度往往比纯内存数据结构中的单次指针操作更加重要。
B+ 树的多路分支结构能够在一个页面中保存大量导航信息,使树保持较低高度。
9.4 Hash
Hash 索引可以高效处理适合哈希查找的等值匹配。
但是 Hash 结构不天然维护键值的顺序。
因此,对于:
sql
WHERE age BETWEEN 18 AND 30
以及:
sql
ORDER BY age
这类范围查询和有序访问,普通 B+ 树索引往往更合适。
需要说明,MySQL 某些存储引擎支持 Hash 索引,InnoDB 也存在自适应哈希索引机制。
但 InnoDB 常规主键索引与二级索引主要采用 B+ 树结构。
十、B 树与 B+ 树有什么区别?
10.1 B 树
在典型 B 树结构中,内部节点也可以保存与键关联的数据。
因此,某些查找可能在内部节点结束。
10.2 B+ 树
B+ 树中,内部节点主要保存用于导航的索引键与子节点指针。
完整记录或对应的叶子索引条目位于叶子节点。
对比:
| 特点 | B 树 | B+ 树 |
|---|---|---|
| 内部节点 | 可保存数据记录 | 主要保存导航信息 |
| 完整数据的位置 | 内部节点和叶子节点均可能包含 | 叶子节点 |
| 多路搜索 | 支持 | 支持 |
| 叶子节点有序范围扫描 | 可以实现 | 更适合 |
| 数据库磁盘页索引 | 可使用 | InnoDB 常规索引广泛使用 |
如下图:

10.3 为什么 InnoDB 选择 B+ 树?
主要可以从两个方面理解。
第一,内部节点可以保存更多导航信息。
因为内部节点主要承担索引导航功能,不需要保存完整用户记录,因此同样大小的页面可以容纳更多索引项。
较高的扇出有利于降低树高。
第二,更适合范围查询。
例如:
sql
SELECT *
FROM user_info
WHERE id BETWEEN 100 AND 200;
B+ 树可以先定位到起始键值附近,然后按照叶子页的有序组织方式继续访问后面的记录。
不需要对每个 id 都重新从根节点进行一次完整查找。
这也是 B+ 树在关系型数据库中具有重要价值的原因。
十一、聚簇索引与非聚簇索引
接下来进入 InnoDB 索引最重要的内容之一。
11.1 什么是聚簇索引?
聚簇索引(Clustered Index)的特点是:
索引叶子节点中保存了完整的行记录。
对于 InnoDB:
如果表定义了主键,通常会使用主键作为聚簇索引的键。
例如:
sql
CREATE TABLE users (
id INT PRIMARY KEY,
name VARCHAR(30),
age INT
) ENGINE=InnoDB;
聚簇索引可以简化理解为:
text
主键 B+ 树
│
┌──────┴──────┐
▼ ▼
目录页 目录页
│ │
▼ ▼
叶子页 叶子页
│ │
id + 完整行数据 id + 完整行数据
因此:
sql
SELECT *
FROM users
WHERE id = 100;
能够通过主键聚簇索引找到完整记录。
11.2 如果没有主键怎么办?
InnoDB 仍然需要组织聚簇索引。
在 MySQL 5.7 中,如果没有显式主键,它会尝试选择合适的、所有索引列均为 NOT NULL 的唯一索引作为聚簇索引。
如果仍然没有合适的索引,则生成内部隐藏的聚簇索引。
因此,InnoDB 表并不是"没有主键就完全没有聚簇索引"。
不过,实际项目通常建议主动设计稳定、简洁的主键,避免依赖内部隐藏索引。
11.3 MyISAM 的索引有什么不同?
MyISAM 也可以使用 B+ 树形式的索引。
但是其索引与数据文件分开存储。
在 MySQL 5.7 中,MyISAM 表常见文件包括:
text
users.frm 表结构定义
users.MYD 表数据
users.MYI 表索引
MyISAM 索引的叶子条目通常保存指向数据记录的位置信息。
因此,可以简化为:
text
MyISAM 索引
│
▼
索引叶子节点
│
▼
数据记录位置
│
▼
MyISAM 数据文件
而 InnoDB 的聚簇索引叶子节点直接包含完整行记录。
11.4 创建 MyISAM 与 InnoDB 表进行比较
sql
CREATE TABLE myisam_demo (
id INT PRIMARY KEY,
name VARCHAR(30)
) ENGINE=MyISAM;
再创建:
sql
CREATE TABLE innodb_demo (
id INT PRIMARY KEY,
name VARCHAR(30)
) ENGINE=InnoDB;
查看建表信息:
sql
SHOW CREATE TABLE myisam_demo;
SHOW CREATE TABLE innodb_demo;
如果希望查看 Docker 容器中的数据文件,可以先回到 Ubuntu 终端执行:
bash
docker exec mysql57 ls -lh /var/lib/mysql/index_lab1/
对于 MySQL 5.7,可能看到:
text
myisam_demo.frm
myisam_demo.MYD
myisam_demo.MYI
innodb_demo.frm
innodb_demo.ibd
其中 .ibd 文件的出现取决于 InnoDB 表空间配置,例如是否启用了独立表空间。
不要直接修改或者删除 MySQL 管理的数据文件。
十二、InnoDB 二级索引与回表查询
12.1 什么是二级索引?
除了主键索引,我们还可能在其他字段上创建索引。
例如:
sql
CREATE TABLE employee (
id INT PRIMARY KEY,
name VARCHAR(30),
age INT,
salary INT
) ENGINE=InnoDB;
为 name 创建普通索引:
sql
CREATE INDEX idx_name
ON employee(name);
这个索引通常称为二级索引(Secondary Index),也常称辅助索引。
12.2 二级索引叶子节点保存什么?
InnoDB 二级索引的叶子记录通常保存:
text
二级索引键值 + 对应记录的主键值
例如:
text
idx_name 二级索引
│
├── 张三 → id = 100
├── 李四 → id = 200
└── 王五 → id = 300
为什么不在每个二级索引中保存整行数据?
因为一张表可能有多个二级索引。
如果每个索引都保存完整数据,会增加大量存储开销,并使数据修改时的索引维护成本上升。
12.3 什么是回表?
假设执行:
sql
SELECT *
FROM employee
WHERE name = '张三';
数据库可以先通过:
text
idx_name 二级索引
找到张三对应的主键:
text
id = 100
然后再通过主键聚簇索引查找完整的记录:
text
id = 100
name = 张三
age = 18
salary = 5000
这个过程就是回表查询。
text
WHERE name = '张三'
│
▼
name 二级索引
│
▼
得到 id = 100
│
▼
主键聚簇索引
│
▼
找到完整行数据
因此:
回表的本质是通过二级索引得到主键,再使用主键定位完整记录。

12.4 二级索引查询一定会回表吗?
不一定。
例如:
sql
SELECT id, name
FROM employee
WHERE name = '张三';
二级索引 idx_name 中已经能够提供:
- name。
- id(主键)。
因此,这个查询可能不需要再访问聚簇索引中的完整记录。
这种情况涉及覆盖索引(Covering Index)。
覆盖索引的核心思想是:
查询需要的字段都可以从所使用的索引中取得,无须额外读取完整行记录。
后面学习 EXPLAIN 时,可以观察覆盖索引的执行计划特征。
十三、实践:比较没有索引与存在索引的查询
前面主要学习索引的理论原理。
下面用一个可复现的实验验证索引的作用。
考虑到普通云服务器资源有限,这里使用约 10 万条数据,不需要一次创建数百万条记录。
13.1 创建用于生成数据的数字表
sql
CREATE TABLE digits (
n TINYINT UNSIGNED PRIMARY KEY
);
插入 0~9:
sql
INSERT INTO digits VALUES
(0),(1),(2),(3),(4),
(5),(6),(7),(8),(9);
13.2 创建测试表
sql
CREATE TABLE index_bench (
id INT UNSIGNED PRIMARY KEY AUTO_INCREMENT,
lookup_no INT UNSIGNED NOT NULL,
username VARCHAR(32) NOT NULL
) ENGINE=InnoDB;
注意:
sql
lookup_no INT UNSIGNED NOT NULL
目前没有建立索引。
虽然 id 已经具有主键索引,但查询 lookup_no 时不能直接将它当成 lookup_no 的索引。
13.3 生成 10 万条测试记录
利用多个数字表的笛卡尔积,可以生成 00000~99999 的组合。
sql
INSERT INTO index_bench(lookup_no, username)
SELECT
100000
+ a.n * 10000
+ b.n * 1000
+ c.n * 100
+ d.n * 10
+ e.n,
CONCAT('user_', a.n, b.n, c.n, d.n, e.n)
FROM digits AS a
CROSS JOIN digits AS b
CROSS JOIN digits AS c
CROSS JOIN digits AS d
CROSS JOIN digits AS e;
这里:
sql
CROSS JOIN
表示笛卡尔积。
每张 digits 表有 10 条记录。
5 张表组合后:
10 5 = 100000 10^5 = 100000 105=100000
因此会产生 10 万条记录。
确认:
sql
SELECT COUNT(*)
FROM index_bench;
预期:
text
100000
13.4 不建立索引时执行查询
sql
SELECT *
FROM index_bench
WHERE lookup_no = 187654;
由于 lookup_no 尚未建立索引,MySQL 通常只能扫描大量记录。
可以使用:
sql
EXPLAIN
SELECT *
FROM index_bench
WHERE lookup_no = 187654;
观察查询执行计划。
如果看到:
text
type = ALL
key = NULL
通常意味着使用全表扫描,且没有选用索引。
13.5 为 lookup_no 建立索引
sql
CREATE INDEX idx_lookup_no
ON index_bench(lookup_no);
这里:
- CREATE INDEX:创建索引。
- idx_lookup_no:索引名称。
- index_bench:目标表。
- lookup_no:索引字段。
然后重新执行:
sql
EXPLAIN
SELECT *
FROM index_bench
WHERE lookup_no = 187654;
通常可以看到:
text
type = ref
key = idx_lookup_no
说明查询优化器选择了新创建的索引。
不过,具体执行计划仍可能受统计信息、数据量和优化器成本估计影响。
13.6 为什么不建议只比较一次耗时?
因为查询速度还受到:
- Buffer Pool 缓存。
- 操作系统缓存。
- 服务器 CPU 和内存。
- 磁盘与云存储性能。
- 同时运行的其他任务。
- 数据分布和查询执行计划。
等因素影响。
一次查询 0.01 秒、另一次 0.003 秒,并不能严格证明索引性能提升了多少倍。
更好的学习方法是:
同时观察 EXPLAIN 的访问方式、使用的索引以及预计扫描的记录数。
十四、索引的代价
索引虽然可以加快检索,但会带来一定成本。
14.1 需要额外存储空间
例如:
sql
CREATE INDEX idx_name
ON employee(name);
数据库需要保存并维护对应的 B+ 树结构。
14.2 INSERT 需要维护索引
插入新记录时,除了写入数据,还可能需要向多个索引插入对应的索引项。
14.3 UPDATE 可能修改索引
如果更新的是被索引字段:
sql
UPDATE employee
SET name = '李四'
WHERE id = 100;
就可能需要调整 name 索引中对应的记录。
14.4 DELETE 需要维护索引
删除记录时,相关索引记录也需要相应处理。
因此,索引不是越多越好。
如果一个字段很少用于检索,却经常被修改,那么为它创建额外索引不一定有利。
十五、本篇总结
本篇从 MySQL 的存储需求出发,逐步理解了索引的底层原理。
首先,数据最终需要保存在持久化存储设备中。
数据库访问数据时,必须考虑存储设备的 I/O 成本。
其次,InnoDB 使用 Page 管理数据和索引,常见默认大小为 16KB。
为了减少不必要的页面读取,InnoDB 通过 Buffer Pool 缓存频繁访问的数据页和索引页。
然后,随着数据量增加,单个 Page 无法保存全部数据,需要多个页面共同组织数据。
为了快速定位目标 Page,数据库采用多级目录结构。
这些目录与叶子页面共同构成了 B+ 树索引。
最后,我们学习了 InnoDB 聚簇索引和二级索引的区别:
| 类型 | 叶子节点主要保存 |
|---|---|
| InnoDB 聚簇索引 | 完整行记录 |
| InnoDB 二级索引 | 二级索引键和对应主键 |
| MyISAM 常规索引 | 索引键和数据记录位置 |
其中,InnoDB 通过二级索引获得主键,再访问聚簇索引获取完整记录的过程,称为回表查询。
理解这些原理之后,就能够进一步学习索引的实际创建、使用和性能优化。