MYSQL数据库-索引

• 零、前言
• 一、索引概念
• 二、认识磁盘
• 三、理解索引
• 1、如何理解Page
• 2、B+ vs B
• 3、聚簇索引 VS 非聚簇索引
• 4、普通索引
• 5、总结
• 四、索引操作
• 1、创建索引
• 2、查询索引
• 3、删除索引

零、前言

本章主要讲解MYSQL数据库中的索引这一重要知识点

一、索引概念

• 索引的价值：

提高数据库的性能，索引是物美价廉的东西了：不用加内存，不用改程序，不用调sql，只要执行正确的create index ，查询速度就可能提高成百上千倍，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，所以索引的价值，在于提高一个海量数据的检索速度

• 常见索引分为：

1. 主键索引(primary key)
2. 唯一索引(unique)
3. 普通索引(index)
4. 全文索引(fulltext)–解决中子文索引问题

• 示例：在海量表数据表中进行查询

说明：可以看到耗时5秒多，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

• 解决方法：创建员工编号索引

二、认识磁盘

• MySQL与存储：

1. 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
2. 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，如何提交效率是 MySQL 的一个重要话题

• 磁盘：

• 扇区：

1. 数据库文件，本质其实就是保存在磁盘的盘片当中。数据库文件很大很多，一定需要占据多个扇区
2. 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
3. 目前所有扇区都是默认512字节，保证一个扇区多大，是由比特位密度决定的
4. 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(当然一些内存文件系统，如：proc ， sys 之类我们不考虑)
5. 所以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：

通过磁头（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，使得上下层数据交互关系解耦

• MySQL 与磁盘交互基本单位：

1. MySQL 作为一款应用软件，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 (并不是直接按照扇区(512字节,部分4096字节) )进行IO交互)
2. 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）

• 基础共识：

1. MySQL 中的数据文件，是以page为单位保存在磁盘当中的
2. 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
3. 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
4. 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
5. 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
6. 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

三、理解索引

1、如何理解Page

• 示例：

• 为何IO交互要是 Page ：

1. 如上面的5条记录，假如mysql想要上边的数据每次只拿一条数据，但是每一次拿数据就要一次IO；但如果这些记录都被保存在一个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，所以在单Page里面，大大减少了IO的次数
2. 我们不能严格保证用户一定下次找的数据在这个Page里面，但是有很大概率，因为有局部性原理
3. 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

• 理解单个Page：

1. 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
2. 不同的 Page ，在 MySQL 中，都是 16KB ，使用 prev 和 next 构成双向链表
3. 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：

1. 插入数据时排序的目的，就是优化查询的效率
2. 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
3. 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

• 理解多个Page：

1. 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
2. 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，这效率太低了

• 页目录：

1. 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，不过因为目录可以快速提高定位
2. 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”

• 单页情况：

针对上面的单页Page，我们也能引入目录

1. 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，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
2. 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？可以很方便引入目录

• 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

1. 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
2. 注意，上图是理想结构，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
3. 通过多个Page遍历，Page内部通过目录来快速定位数据。可是在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
4. 解决方案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
5. 其中每个目录项的构成是：键值+指针

1. 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
2. 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
3. 可是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

1. 这就是传说中的B+树，至此，我们已经给我们的表user构建完了主键索引
2. 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
3. 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
4. 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

• 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：

1. 链表：线性遍历
2. 二叉搜索树：退化问题，可能退化成为线性结构
3. 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
4. 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

B树？最值得比较的是 InnoDB 为何不用B树作为底层索引？

2、B+ vs B

1. B树:

1. B+树:

• 目前两棵树最有意义的区别是：

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+：

1. 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
2. 叶子节点相连，更便于进行范围查找

3、聚簇索引 VS 非聚簇索引

MyISAM 引擎使用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：

1. 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
2. 相较于 InnoDB 索引， InnoDB 是将索引和数据放在一起的

-- 终端A
mysql> create database myisam_test; -- 创建数据库
Query OK, 1 row affected (0.00 sec)
mysql> use myisam_test;
Database changed
mysql> create table mtest(
-> id int primary key,
-> name varchar(11) not null
-> )engine=MyISAM; -- 使用engine=MyISAM
Query OK, 0 rows affected (0.01 sec)
-- 终端B
[root@VM-0-3-centos mysql]# ls myisam_test/ -al --mysql数据目录下
total 28
drwxr-x--- 2 mysql mysql 4096 Jun 13 13:33 .
drwxr-x--x 13 mysql mysql 4096 Jun 13 13:32 ..
-rw-r----- 1 mysql mysql 61 Jun 13 13:32 db.opt
-rw-r----- 1 mysql mysql 8586 Jun 13 13:33 mtest.frm -- 表结构数据
-rw-r----- 1 mysql mysql 0 Jun 13 13:33 mtest.MYD -- 该表对应的数据，当前没有数据，所以是0
-rw-r----- 1 mysql mysql 1024 Jun 13 13:33 mtest.MYI -- 该表对应的主键索引数据

注：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

-- 终端A
mysql> create database innodb_test; -- 创建数据库
Query OK, 1 row affected (0.00 sec)
mysql> use innodb_test;
Database changed
mysql> create table itest(
-> id int primary key,
-> name varchar(11) not null
-> )engine=InnoDB; -- 使用engine=InnoDB
Query OK, 0 rows affected (0.02 sec)
-- 终端B
[root@VM-0-3-centos mysql]# ls innodb_test/ -al
total 120
drwxr-x--- 2 mysql mysql 4096 Jun 13 13:39 .
drwxr-x--x 14 mysql mysql 4096 Jun 13 13:38 ..
-rw-r----- 1 mysql mysql 61 Jun 13 13:38 db.opt
-rw-r----- 1 mysql mysql 8586 Jun 13 13:39 itest.frm -- 表结构数据
-rw-r----- 1 mysql mysql 98304 Jun 13 13:39 itest.ibd -- 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

注：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

4、普通索引

1. 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
2. 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：

1. 可以看到 InnoDB 的非主键索引中叶子节点并没有数据，而只有对应记录的key值
2. 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
3. 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

5、总结

1. 如何理解硬盘：

数据大部分是储存在磁盘这个外设当中，而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

1. 如何理解柱面，磁道，扇区，磁头：

在硬件中通过磁头、柱面(等价于磁道)、扇区对应的编号，即可在磁盘上定位所要访问的扇区，而实际中先通过一层软件层将物理地址进行虚拟化，通过地址转化再交给磁盘去进行数据读取，便于上下层关系解耦

InnoDB 主键索引和普通索引：

1. InnoDB 的主键索引是将索引和数据放在一起的，通过key是能直接找到对应记录的数据
2. InnoDB 的非主键索引中叶子节点不储存数据(避免浪费空间)，而只有对应记录的key值，如果要找到对应的数据，还需要根据key到主键索引中进行回表查询

MyISAM 主键索引和普通索引：

1. MyISAM 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
2. 都是将索引Page和数据Page分离，叶子节点没有数据，只有对应数据的地址

其他数据结构为何不能作为索引结构，尤其是B+和B：

1. 链表：线性遍历，效率慢
2. 二叉搜索树：可能退化成为线性结构
3. AVL /红黑树：二叉结构，树整体过高，需要的IO次数更多
4. Hash：在面对范围查找具有局限
5. B/B+：B+树结构使得树更矮，所以IO操作次数更少，并且其叶子节点相连，更便于进行范围查找

聚簇索引 VS 非聚簇索引：

1. 非聚簇索引：用户数据与索引数据分离的索引方案
2. 聚簇索引：用户数据和索引数据在一起的索引方案

四、索引操作

1、创建索引

• 创建主键索引：

1. 第一种方式

-- 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));

1. 第二种方式

-- 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));

1. 第三种方式

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：

1. 一个表中，最多有一个主键索引，当然可以使符合主键
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：

1. 第一种方式

-- 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);

1. 第二种方式

-- 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));

1. 第三种方式

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，类似于主键索引

• 普通索引的创建：

1. 第一种方式

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
);

1. 第二种方式

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

1. 第三种方式

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：

1. 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
2. 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

• 全文索引的创建：

1. 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
2. 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
3. 如果对中文进行全文检索，可以使用sphinx的中文版(coreseek)

CREATE TABLE articles (
id INT UNSIGNED AUTO_INCREMENT NOT NULL PRIMARY KEY,
title VARCHAR(200),
body TEXT,
FULLTEXT (title,body)
)engine=MyISAM;
INSERT INTO articles (title,body) VALUES
('MySQL Tutorial','DBMS stands for DataBase ...'),
('How To Use MySQL Well','After you went through a ...'),
('Optimizing MySQL','In this tutorial we will show ...'),
('1001 MySQL Tricks','1. Never run mysqld as root. 2. ...'),
('MySQL vs. YourSQL','In the following database comparison ...'),
('MySQL Security','When configured properly, MySQL ...');

• 查询有没有database数据：

1. 使用基本查询方式：

1. 使用全文索引：

• 索引创建原则：

1. 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

2、查询索引

1. 第一种方法： show keys from 表名
2. 第二种方法: show index from 表名
3. 第三种方法（信息比较简略）： desc 表名

3、删除索引

1. 第一种方法-删除主键索引： alter table 表名 drop primary key
2. 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
mysql> alter table user10 drop index idx_name;

1. 第三种方法方法： drop index 索引名 on 表名