【mysql】—— 深度理解“索引”

本期，我将要给大家介绍的是关于 mysql 中的“索引”，这部分内容在mysql知识体系中可谓是相当重要的，接下来，让我带领大家进入本期的知识学习！！！

（一）前言

首先，我先给大家直观的展示一下在查询的时候，看看没有索引时有什么问题？

• 开始时 构建了一个8000000条记录的数据 海量表 。接下来，我将通过这张表给大家直观的演示：

💨 需求：查询员工编号为998877的员工

• 1️⃣ 首先，我先用传统的方式进行查询操作：

select * from EMP where empno=998877;

• 输出展示：

• 解释说明：

可以看到耗时 4.93 秒，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。

• 2️⃣ 接下来我通过创建索引可以很好的解决这一问题：

alter table EMP add index(empno);

• 输出展示：

• 为了防止事件的偶然性，接下来我换一个员工编号，在测试看看查询时间：

【小结】

• 通过以上直观的演示，我们可以发现有无索引在实际应用中的效率截然不同。因此，掌握好“索引”这个知识对我们学习mysql还是很重要的！！

（二）索引的理解

接下来，我分别从硬件和OS两个角度带大家认识索引的底层细节。

1、硬件角度理解索引

💨  首先带研究一下磁盘：

在看看磁盘中一个盘片：

扇区：

• 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。

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 )

• 数据库文件，本质其实就是保存在磁盘的盘片当中，就是一个一个的文件

1. 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。
2. 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：

解释说明：

• 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；
• 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。不过，我们现在不关心转化细节，知道这个东西，让我们逻辑自洽起来即可。

【小结】

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(512字节，部分 4096 字节 ), 进行 IO 交互吗？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

1.1、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 ( 后面统一使用 InnoDB 存储引擎讲解 )

SHOW GLOBAL STATUS LIKE 'innodb_page_size';

解释说明：

• 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）

1.2、简单小结

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

2、软件角度理解索引

2.1、案例演示

首先建立一张测试表，一定要添加主键，只有这样才会默认生成主键索引

• 接下来，创建好表之后，我们往表中插入几条数据便于测试（注意，我并没有按照主键的大小顺序插入）：

查看插入结果

2.2、为何IO交互要是 Page？

现在有一个问题：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?

1. 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。
2. 但，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。
3. 无法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。
4. 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。

2.3、单个page和多个page

💨  理解单个Page：

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。

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挺好的吗？

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 ：

• 通过上面的分析，我们知道，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。这效率也太低了。

💨  页目录：

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，不过因为目录肯定少，所以可以快速提高定位
• 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 ，我们能否也引入目录呢？当然可以

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。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？

• 答案很简单，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。

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。

需要注意，上面的图，是理想结构，大家也知道，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。

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，貌似这样也有效率问题，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。

那么如何解决呢？解决方案，其实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。
• 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，可以在加目录页

这货就是传说中的 B+ 树啊！没错，至此，我们已经给我们的表 user 构建完了主键索引。

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。

（三）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。

• 其中， 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

• 其中， 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

当然， 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。

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：

• 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。
• 
  
• 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。

（四）索引操作

1、主键索引

1.1创建主键索引

• 💨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 test1(
    id int primary key,
    name varchar(30)
);

• 💨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 test2(
    id int, 
    name varchar(30), 
    primary key(id)
);

• 💨第三种方式：

create table test3(
    id int, 
    name varchar(30)
);
-- 创建表以后再添加主键
alter table test3 add primary key(id);

1.2查询索引

• 第一种方法： show keys from 表名 ；
• 第二种方法: show index from 表名;
• 第三种方法（信息比较简略）： desc 表名；

1.3删除索引

• 方法-删除主键索引： alter table 表名 drop primary key;

主键索引的特点：

• 一个表中，最多有一个主键索引，当然可以使符合主键

• 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、唯一索引

1.1创建主键索引

• 💨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 test3(
    id int primary key, 
    name varchar(30) unique
);

• 💨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 test3(
    id int primary key, 
    name varchar(30), 
    unique(name)
);

• 💨第三种方式：

create table test3(
    id int primary key, 
    name varchar(30)
）；
alter table test3 add unique(name);

1.2查询索引（方法同上）

1.3删除索引

• 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）；

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

1.1创建主键索引

• 💨第一种方式：

create table test4(
    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
);

• 💨第一种方式：

create table test4(
    id int primary key, 
    name varchar(20), 
    email varchar(30)
);
alter table test4 add index(name); --创建完表以后指定某列为普通索引

• 💨第一种方式：

create table test4(
    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 test4(name);

1.2查询索引（方法同上）

1.3删除索引

• 第三种方法方法： drop index 索引名 on 表名

drop index name on test4;

• 除了可以对一列进行索引之外，还可以对多列进行索引操作：

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、全文索引

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) 。

• 接下来，我先创建一个表并向其中插入一些数据，具体如下：

需求：查询有没有database数据

• 如果使用如下查询方式，虽然查询出数据，但是没有使用到全文索引

select * from articles where body like '%database%';

• 可以用explain工具看一下，是否使用到索引

• 那如何使用全文索引呢?接下来，我简单的展示一下：

SELECT * FROM articles WHERE MATCH (title,body) AGAINST ('database');

• 紧接着再去查询一次，通过explain来分析这个sql语句：

（五）总结与归纳

接下来，我们简单的回顾下本文学到的知识内容！！！

• 索引是一种数据结构，它能够快速定位到数据表中的特定行，类似于书籍的目录，使得数据库系统不必扫描整个表，而是能够更快地找到所需数据；
• 在MySQL中，常见的索引类型包括B+树索引、哈希索引、全文索引等，其中B+树索引是最常用和最常见的索引类型；
• 通过使用索引，数据库可以快速定位到需要查询的数据，加速查询速度，特别是在大型数据集的情况下效果显著；不仅能加速查询操作，还能加速排序和数据检索操作，提高数据库的整体性能。

以上便是本文的全部内容了，感谢大家的观看和支持！！！