1. 索引简介
一句话简单来说,索引的出现其实就是为了提高数据查询的效率,就像书的目录一样。一本500页的书,如果你想快速找到其中的某一个知识点,在不借助目录的情况下,那我估计你可得找一会儿。同样,对于数据库的表而言,索引其实就是它的“目录”。
索引是对数据库表中一列或多列的值进行排序的一种结构,使用索引可快速访问数据库表中的特定信息。
通俗地讲,索引用于快速找出在某个列中有一特定值的行,不使用索引,MySQL必须从第一条记录开始读完整个表,直到找出相关的行,表越大,查询数据所花费的时间就越多,如果表中查询的列有一个索引,MySQL能够快速到达一个位置去搜索数据文件,而不必查看所有数据,那么将会节省很大一部分时间。
2. 索引的优缺点
- 索引最大的优点是:
- 可以大大加快数据的检索速度,这也是创建索引的最主要的原因。
- 通过创建唯一性索引,可以保证数据库表中每一行数据的唯一性。
- 索引也有它的缺点:
- 虽然索引大大提高了查询速度,同时却会降低更新表的速度。因为更新表时,MySQL不仅要保存数据,还要保存索引文件。
- 索引文件需要占据物理空间。可能会迅速膨胀。
3. 索引分类
3.1. 普通索引
普通索引是最基本的索引,它没有任何限制,可以加速查询。
3.2. 唯一索引
与普通索引类似,但索引列的值必须唯一,允许有空值(注意和主键不同)。如果是组合索引,则列值的组合必须唯一。
3.3. 主键索引
主键索引,也有唯一约束,为表定义主键将自动创建主键索引,主键索引不允许有空值;
使用语句可以看到主键索引:
SHOW INDEX FROM table_name;
3.4. 组合索引
组合索引就是将多个列组合成一个索引;
应用场景为:频繁的同时使用n列来进行查询,如:where n1 = 'aaa' and n2 = 111;
3.5. 全文索引
仅可用于MyISAM和InnoDB,针对较大的数据,生成全文索引非常的消耗时间和空间。
对于文本的大对象,或者较大的CHAR类型的数据,如果使用普通索引,那么匹配文本前几个字符还是可行的,但是想要匹配文本中间的几个单词,那么就要使用LIKE %word%来匹配,这样需要很长的时间来处理,响应时间会大大增加,这种情况,就可使用时FULLTEXT索引了,在生成FULLTEXT索引时,会为文本生成一份单词的清单,在索引时及根据这个单词的清单来索引。
3.6. 聚簇索引
索引子节点的data域保存的就是数据文件本身,这种索引称为聚簇索引;
4. 索引的常见模型
索引的出现是为了提高查询效率,但是实现索引的方式却有很多种,所以这里也就引入了索引模型的概念。有三种常见、也比较简单的数据结构,它们分别是哈希表、有序数组和搜索树。
4.1. 哈希表
- 哈希表是一种以键-值(key-value)存储数据的结构,我们只要输入待查找的key,就可以找到其对应的value。哈希的思路很简单,把值放在数组里,用一个哈希函数把key换算成一个确定的位置,然后把value放在数组的这个位置;
- 哈希表这种结构适用于只有等值查询的场景,比如Memcached及其他一些NoSQL引擎;
4.2. 有序数组
- 有序数组在等值查询和范围查询场景中的性能就都非常优秀。
- 这里我们假设要查询的字段的值没有重复,这个数组就是按照该字段的值递增的顺序保存的。这时候如果你要查某值对应的记录,用二分法就可以快速得到,这个时间复杂度是O(log(N))。
- 如果仅仅看查询效率,有序数组就是最好的数据结构了。但是,在需要更新数据的时候就麻烦了,你往中间插入一个记录就必须得挪动后面所有的记录,成本太高。
- 有序数组索引只适用于静态存储引擎,比如你要保存的是2017年某个城市的所有人口信息,这类不会再修改的数据。
4.3. 搜索树
- 二叉搜索树的特点是:每个节点的左子节点小于父节点,父节点又小于右子节点。这样如果你要查某值的话,时间复杂度是O(log(N))。
- 为了维持O(log(N))的查询复杂度,就需要保持这棵树是平衡二叉树。为了做这个保证,更新的时间复杂度也是O(log(N))。
- 二叉树是搜索效率最高的,但是实际上大多数的数据库存储却并不使用二叉树。其原因是,索引不止存在内存中,还要写到磁盘上。
- 为了让一个查询尽量少地读磁盘,就必须让查询过程访问尽量少的数据块。那么,我们就不应该使用二叉树,而是要使用“N叉”树。这里,“N叉”树中的“N”取决于数据块的大小。
5. InnoDB的索引模型
5.1. B+树
- 在InnoDB中,表都是根据主键顺序以索引的形式存放的,这种存储方式的表称为索引组织表。
- InnoDB使用了B+树索引模型,所以数据都是存储在B+树中的。
- 每一个索引在InnoDB里面对应一棵B+树。
- 至于为什么使用B+树,请参考InnoDB为什么采用B+树作为索引模型。
5.2. 主键索引、非主键索引、聚簇索引、二级索引
- 根据叶子节点的内容,索引类型分为主键索引和非主键索引。
- 主键索引的叶子节点存的是整行数据。在InnoDB里,主键索引也被称为聚簇索引(clustered index)。
- 非主键索引的叶子节点内容是主键的值。在InnoDB里,非主键索引也被称为二级索引(secondary index)。
- 基于主键索引和普通索引的查询有什么区别?
- 如果语句是select * from T where id=500,即主键查询方式,则只需要搜索id这棵B+树;
- 如果语句是select * from T where key=5,即普通索引查询方式,则需要先搜索key索引树,得到id的值为500,再到id索引树搜索一次。这个过程称为回表。
- 也就是说,基于非主键索引的查询需要多扫描一棵索引树。因此,我们在应用中应该尽量使用主键查询。
- 聚簇索引这种实现方式使得根据主键进行的搜索十分高效,但是非主键索引搜索需要检索两遍索引:首先检索非主键索引获得主键,然后用主键到主键索引中检索获得记录。
5.3. 索引维护
- B+树为了维护索引有序性,在插入新值的时候需要做必要的维护。如果插入新的行索引值位于之前的行索引值之间,那么就需要逻辑上挪动后面的数据,空出位置。
- 而更糟的情况是,如果要插入的位置所在的数据页已经满了,根据B+树的算法,这时候需要申请一个新的数据页,然后挪动部分数据过去。这个过程称为页分裂。在这种情况下,性能自然会受影响。
- 除了性能外,页分裂操作还影响数据页的利用率。原本放在一个页的数据,现在分到两个页中,整体空间利用率降低大约50%。
- 当然有分裂就有合并。当相邻两个页由于删除了数据,利用率很低之后,会将数据页做合并。合并的过程,可以认为是分裂过程的逆过程。
- 自增主键的插入数据模式,正符合了我们前面提到的递增插入的场景。每次插入一条新记录,都是追加操作,都不涉及到挪动其他记录,也不会触发叶子节点的分裂。当一页写满,就会自动开辟一个新的页。每次插入时也不需要移动已有数据,因此效率很高,也不会增加很多开销在维护索引上。而有业务逻辑的字段做主键,则往往不容易保证有序插入,这样写数据成本相对较高。
- 主键长度越小,普通索引的叶子节点就越小,普通索引占用的空间也就越小。
- 有没有什么场景适合用业务字段直接做主键的呢?还是有的。比如,有些业务的场景需求是这样的:
- 只有一个索引;
- 该索引必须是唯一索引。
- 这时候我们就要优先考虑上一段提到的“尽量使用主键查询”原则,直接将这个索引设置为主键,可以避免每次查询需要搜索两棵树。
5.4. 覆盖索引
- 如果执行的语句是select 主键 from T where key = 3,这时只需要查主键的值,而主键的值已经在key索引树上了,因此可以直接提供查询结果,不需要回表。也就是说,在这个查询里面,索引key已经“覆盖了”我们的查询需求,我们称为覆盖索引。
- 由于覆盖索引可以减少树的搜索次数,显著提升查询性能,所以使用覆盖索引是一个常用的性能优化手段。
5.5. 最左前缀原则
例如: create index ix_name_email on in3(name,email,phone);
查询条件:
- name and email and phone – 使用索引
- name and email – 使用索引
- name – 使用索引
- name and phone –使用索引A,中间断了后面的不会被使用
- **email and phone – **不使用索引 (因为email字段在右边)
- phone --不使用索引
在建立联合索引的时候,如何安排索引内的字段顺序?
因为可以支持最左前缀,所以当已经有了(a,b)这个联合索引后,一般就不需要单独在a上建立索引了。因此,第一原则是,如果通过调整顺序,可以少维护一个索引,那么这个顺序往往就是需要优先考虑采用的。
5.6. 索引下推
不符合最左前缀的部分,会怎么样呢?
以市民表的联合索引(name, age)为例。如果现在有一个需求:检索出表中“名字第一个字是张,而且年龄是10岁的所有男孩”。那么,SQL语句是这么写的:
mysql> select * from tuser where name like '张%' and age=10 and ismale=1;
在MySQL 5.6之前,只能从name为“张”开头的记录的ID开始一个个回表。到主键索引上找出数据行,再对比字段值。
而MySQL 5.6 引入的索引下推优化(index condition pushdown), 可以在索引遍历过程中,对索引中包含的字段先做判断,直接过滤掉不满足条件的记录,减少回表次数。InnoDB在(name,age)索引内部就判断了age是否等于10,对于不等于10的记录,直接判断并跳过。
6. MyISAM索引模型
6.1. B+树
与InnoDB相同,MyISAM同样使用B+树索引模型,每一个索引对应一棵B+树。
6.2 非聚簇索引
- MyISAM索引方式为非聚簇索引,使用的是B+ Tree作为索引结构,叶子节点的data域存放的是数据记录的地址。
- 也就是说,MyISAM索引文件和数据文件是分离的,索引文件仅保存数据记录的地址。
6.3. 主键索引、非主键索引
- MyISAM允许数据库表没有主键,因此允许没有主键索引;
- MyISAM主键索引为非聚簇索引,叶子节点的data域存放的是数据记录的地址。
- MyISAM非主键索引,叶子节点的data域存放的是数据记录的地址。
- MyISAM中主键索引与非主键索引的唯一区别在于,主键索引要求key是唯一的,非主键索引的key可以重复。