Mysql优化之索引相关介绍(笔记)

本文涉及的产品
RDS MySQL Serverless 基础系列,0.5-2RCU 50GB
云数据库 RDS MySQL,集群系列 2核4GB
推荐场景:
搭建个人博客
云数据库 RDS MySQL,高可用系列 2核4GB
简介: **摘要:**索引是数据库中用于加速数据检索的排好序的数据结构,例如MySQL常用B+树。没有索引时,查询需全表扫描,而使用索引则减少扫描次数,提高效率。例如,二叉树、红黑树和B树是常见数据结构,但MySQL选择B+树作为默认索引,因为它能避免非叶子节点存储数据,减少磁盘I/O操作,适合大数据量存储,并提供顺序访问的优势。

一、索引是什么


索引是帮助mysql高效获取数据的排好序数据结构,方便快速检索需要的数据。


二 索引是如何提升数据检索的


[示意图]



假如查找 select t.* from table t where t.col2 = 12

如果没有索引的情况,则Mysql默认会逐行扫描,直到全部扫完,并比对,找出所有col2等于10的记录。此处扫描了7次。

ps: 数据储存在磁盘中,是散列分布的,通过磁盘地址去找寻数据,所以每扫描一行都会进行一次I/O,I/O是特别耗时的。
  1. 如果从索引树中去找,则只需要拿12去比对,从根节点开始,比10大,则从右边节点查找,比14小,则从左边节点查找。此处只需要扫描3次。


三、常见的索引数据结构

1. 二叉树


1.1 二叉树结构图示


[二叉树结构图]




为什么mysql不选择二叉树做索引数据结构。

二叉树单边增长情况


[单边增长图]




2.二叉平衡树(红黑树)


[红黑树结构图]




红黑树会自我平衡,也就是满足节点必须为2叉,所以叫二叉平衡树。



ps:如果数据量巨大,超过500W呢, 红黑树的高度是不可控的,则树的高度会非常高,这样检索效率会大大下降。


3. B树(多叉平衡树)


[B树结构图]




B树:
1.叶节点具有相同的密度,叶节点的指针为空。
2.所有索引元素不重复。
3.节点中的数据索引从左到右递增排列

4.B+树


[B+树结构图]






B+树:
非叶子节点不存储data,只存储索引(冗余),这样就可以放更多的索引元素
叶子节点包含所有的索引字段
叶子节点之间用指针链接,提高区间访问的性能
叶子节点可以看做是一个环形的双向有序链表。
所有的节点都是排好序的结构,可利用二分法查找快速定位到查找的指针地址


5.mysql为什么用B+树做默认索引结构,而不是B树?

1.在B树中,每个节点都包含了键值和数据的信息,由于节点是存在磁盘中,每个节点的大小设置固定值。由于数据的存在,节点存储索引键值就会变得小很多。这样在查找一个数据时,需要加载一个节点,下一个节点的查找。这样加载的节点就会变相增加,而一次I/O比较耗时。
而B+树中,只有叶子节点才储存数据,非叶子节点可以存储更多的索引键值,这样加载节点就会变少。I/O次数相应也会变少。减少了I/O的开销。
简而言之:B+树比B树具有更好的磁盘读写性能。

2.B树中,叶子节点之间没有指针指向,在范围查询时,需要在内部节点中进行额外的搜索和遍历操作,效率相对较低。
B+树的叶子节点形成了一个有序的链表,可以很方便的进行范围查询。
简而言之:B+树在范围查询方面具有优势。

3.由于B+树只在叶子节点存储数据,内部节点不存储实际的数据,因此可以容纳更多的键值对在同样大小的内存空间中,减少了内存的占用。

相关实践学习
如何快速连接云数据库RDS MySQL
本场景介绍如何通过阿里云数据管理服务DMS快速连接云数据库RDS MySQL,然后进行数据表的CRUD操作。
全面了解阿里云能为你做什么
阿里云在全球各地部署高效节能的绿色数据中心,利用清洁计算为万物互联的新世界提供源源不断的能源动力,目前开服的区域包括中国(华北、华东、华南、香港)、新加坡、美国(美东、美西)、欧洲、中东、澳大利亚、日本。目前阿里云的产品涵盖弹性计算、数据库、存储与CDN、分析与搜索、云通信、网络、管理与监控、应用服务、互联网中间件、移动服务、视频服务等。通过本课程,来了解阿里云能够为你的业务带来哪些帮助     相关的阿里云产品:云服务器ECS 云服务器 ECS(Elastic Compute Service)是一种弹性可伸缩的计算服务,助您降低 IT 成本,提升运维效率,使您更专注于核心业务创新。产品详情: https://www.aliyun.com/product/ecs
目录
相关文章
|
15天前
|
SQL 关系型数据库 MySQL
深入解析MySQL的EXPLAIN:指标详解与索引优化
MySQL 中的 `EXPLAIN` 语句用于分析和优化 SQL 查询,帮助你了解查询优化器的执行计划。本文详细介绍了 `EXPLAIN` 输出的各项指标,如 `id`、`select_type`、`table`、`type`、`key` 等,并提供了如何利用这些指标优化索引结构和 SQL 语句的具体方法。通过实战案例,展示了如何通过创建合适索引和调整查询语句来提升查询性能。
116 9
|
12天前
|
存储 Oracle 关系型数据库
索引在手,查询无忧:MySQL索引简介
MySQL 是一款广泛使用的关系型数据库管理系统,在2024年5月的DB-Engines排名中得分1084,仅次于Oracle。本文介绍MySQL索引的工作原理和类型,包括B+Tree、Hash、Full-text索引,以及主键、唯一、普通索引等,帮助开发者优化查询性能。索引类似于图书馆的分类系统,能快速定位数据行,极大提高检索效率。
45 8
|
18天前
|
缓存 关系型数据库 MySQL
MySQL 索引优化以及慢查询优化
通过本文的介绍,希望您能够深入理解MySQL索引优化和慢查询优化的方法,并在实际应用中灵活运用这些技术,提升数据库的整体性能。
22 7
|
17天前
|
缓存 关系型数据库 MySQL
MySQL 索引优化与慢查询优化:原理与实践
通过本文的介绍,希望您能够深入理解MySQL索引优化与慢查询优化的原理和实践方法,并在实际项目中灵活运用这些技术,提升数据库的整体性能。
50 5
|
7天前
|
存储 关系型数据库 MySQL
【MYSQL】 ——索引(B树B+树)、设计栈
索引的特点,使用场景,操作,底层结构,B树B+树,MYSQL设计栈
|
9天前
|
存储 Oracle 关系型数据库
数据库传奇:MySQL创世之父的两千金My、Maria
《数据库传奇:MySQL创世之父的两千金My、Maria》介绍了MySQL的发展历程及其分支MariaDB。MySQL由Michael Widenius等人于1994年创建,现归Oracle所有,广泛应用于阿里巴巴、腾讯等企业。2009年,Widenius因担心Oracle收购影响MySQL的开源性,创建了MariaDB,提供额外功能和改进。维基百科、Google等已逐步替换为MariaDB,以确保更好的性能和社区支持。掌握MariaDB作为备用方案,对未来发展至关重要。
34 3
|
9天前
|
安全 关系型数据库 MySQL
MySQL崩溃保险箱:探秘Redo/Undo日志确保数据库安全无忧!
《MySQL崩溃保险箱:探秘Redo/Undo日志确保数据库安全无忧!》介绍了MySQL中的三种关键日志:二进制日志(Binary Log)、重做日志(Redo Log)和撤销日志(Undo Log)。这些日志确保了数据库的ACID特性,即原子性、一致性、隔离性和持久性。Redo Log记录数据页的物理修改,保证事务持久性;Undo Log记录事务的逆操作,支持回滚和多版本并发控制(MVCC)。文章还详细对比了InnoDB和MyISAM存储引擎在事务支持、锁定机制、并发性等方面的差异,强调了InnoDB在高并发和事务处理中的优势。通过这些机制,MySQL能够在事务执行、崩溃和恢复过程中保持
34 3
|
9天前
|
SQL 关系型数据库 MySQL
数据库灾难应对:MySQL误删除数据的救赎之道,技巧get起来!之binlog
《数据库灾难应对:MySQL误删除数据的救赎之道,技巧get起来!之binlog》介绍了如何利用MySQL的二进制日志(Binlog)恢复误删除的数据。主要内容包括: 1. **启用二进制日志**:在`my.cnf`中配置`log-bin`并重启MySQL服务。 2. **查看二进制日志文件**:使用`SHOW VARIABLES LIKE 'log_%';`和`SHOW MASTER STATUS;`命令获取当前日志文件及位置。 3. **创建数据备份**:确保在恢复前已有备份,以防意外。 4. **导出二进制日志为SQL语句**:使用`mysqlbinlog`
49 2
|
23天前
|
关系型数据库 MySQL 数据库
Python处理数据库:MySQL与SQLite详解 | python小知识
本文详细介绍了如何使用Python操作MySQL和SQLite数据库,包括安装必要的库、连接数据库、执行增删改查等基本操作,适合初学者快速上手。
159 15
|
16天前
|
SQL 关系型数据库 MySQL
数据库数据恢复—Mysql数据库表记录丢失的数据恢复方案
Mysql数据库故障: Mysql数据库表记录丢失。 Mysql数据库故障表现: 1、Mysql数据库表中无任何数据或只有部分数据。 2、客户端无法查询到完整的信息。