你分得清MySQL普通索引和唯一索引了吗?-阿里云开发者社区

开发者社区> Java技术进阶> 正文

你分得清MySQL普通索引和唯一索引了吗?

简介: 普通索引和唯一索引 普通索引可以重复,唯一索引和主键一样不能重复。 唯一索引可以作为数据的一个合法验证手段,例如学生表的身份证号码字段,我们人为规定该字段不得重复,那么就使用唯一索引。(一般设置学号字段为主键) 主键和唯一索引 主键保证数据库里面的每一行都是唯一的,比如身份证,学号等,在表中要求唯一,不重复。唯一索引的作用跟主键的作用一样。 不同的是,在一张表里面只能有一个主键,主键不能为空,唯一索引可以有多个,唯一索引可以有一条记录为空,即保证跟别人不一样就行。 比如学生表,在学校里面一般用学号做主键,身份证则弄成唯一索引;而到了教育局,他们就把身份证号弄成主键,学号换成了唯一索引。 选谁做

0 概念区分

  • 普通索引和唯一索引
    普通索引可以重复,唯一索引和主键一样不能重复。

唯一索引可以作为数据的一个合法验证手段,例如学生表的身份证号码字段,我们人为规定该字段不得重复,那么就使用唯一索引。(一般设置学号字段为主键)

  • 主键和唯一索引
    主键保证数据库里面的每一行都是唯一的,比如身份证,学号等,在表中要求唯一,不重复。唯一索引的作用跟主键的作用一样。

不同的是,在一张表里面只能有一个主键,主键不能为空,唯一索引可以有多个,唯一索引可以有一条记录为空,即保证跟别人不一样就行。
比如学生表,在学校里面一般用学号做主键,身份证则弄成唯一索引;而到了教育局,他们就把身份证号弄成主键,学号换成了唯一索引。
选谁做表的主键,要看实际应用,主键不能为空。

1 示例

一个市民系统,每个人都有个唯一身份证号;
业务代码已保证不会写入两个重复的身份证号;
如果市民系统需要按照身份证号查姓名,就会执行类似SQL:

select name from CUser where id_card = 'xxxxxxxyyyyyyzzzzz';

相信你一定会在id_card字段上建索引。

由于身份证号字段比较大,不建推荐把身份证号做主键。
因此现在有两个选择

  1. 给id_card字段创建唯一索引
  2. 创建一个普通索引

如果业务代码已保证不会写入重复的身份证号,那这两个选择逻辑上都正确。

但从性能角度考虑,唯一索引还是普通索引呢?
假设字段 k 上的值都不重复。

  • InnoDB的索引组织结构
    接下来从这两种索引对查询语句和更新语句的性能影响来进行分析。

2 查询过程

查询语句

select id from T where k=5

该语句在索引树查找的过程:
先通过B+树从树根开始,按层搜索到叶节点,即图中右下角的数据页,然后可认为数据页内部是通过二分法定位记录。

  • 对普通索引,查找到满足条件的第一个记录(5,500)后,需查找下个记录,直到碰到第一个不满足k=5条件的记录
  • 对唯一索引,由于索引定义了唯一性,查找到第一个满足条件的记录后,就会停止检索。

该不同点带来的性能差距会有多少呢?
微乎其微!

InnoDB数据是按数据页为单位读写。即当需读一条记录时,并非将该记录本身从磁盘读出,而是以页为单位,将其整体读入内存。

InnoDB中,每个数据页的大小默认是16KB。

因引擎按页读写,所以,当找到k=5记录时,它所在数据页就都在内存了。
对普通索引,要多做的那一次“查找和判断下一条记录”的操作,就只需要一次指针寻找和一次计算。
如果k=5记录刚好是该数据页的最后一个记录,那么要取下个记录,必须读取下个数据页,操作会稍微复杂。
对于整型字段,一个数据页可存近千个key,因此这种情况概率很低。所以,计算平均性能差异时,仍可认为该操作成本对现在的CPU可忽略不计。

3 更新过程

3.1 change buffer

需更新一个数据页时

  • 若数据页在内存,直接更新
  • 若该数据页不在内存,在不影响数据一致性前提下,InooDB会将这些更新操作缓存在change buffer,无需从磁盘读入该数据页。
    在下次查询需要访问该数据页时,将数据页读入内存,然后执行change buffer中与这个页有关的操作。通过该方式就能保证这个数据逻辑的正确性。

虽然叫change buffer,实际上是可持久化的数据。
即change buffer在内存中有拷贝,也会被写进磁盘。

3.2 merge

3.2.1 概念

将change buffer中的操作应用到原数据页,得到最新结果的过程。

3.2.2 触发时机

访问该数据页会触发merge
系统有后台线程会定期merge
在数据库正常关闭(shutdown)的过程中,也会执行merge。

若能将更新操作先记录在change buffer,减少读盘,语句执行速度会明显提升。
且数据读入内存需要占用buffer pool,所以该方式还能避免占用内存,提高内存利用率。

3.3 何时用change buffer

对于唯一索引,所有更新操作要先判断该操作是否违反唯一性约束。

比如,要插入(4,400)记录,要先判断表中是否已存k=4记录,而这必须要将数据页读入内存才能判断。
如果都已经读入到内存,那直接更新内存会更快,就没必要使用change buffer。
因此,唯一索引的更新就不能使用change buffer,实际上也只有普通索引可使用

change buffer用的是buffer pool里的内存,因此不能无限增大。
change buffer的大小,可通过参数innodb_change_buffer_max_size动态设置。
参数设置为50时,表示change buffer的大小最多只能占用buffer pool的50%。

理解了change buffer机制,看看要在这张表中插入一个新记录(4,400),InnoDB处理流程。

分情况讨论该记录要更新的目标页是否在内存中:

在内存

  • 唯一索引
    找到3和5之间位置,判断到没有冲突,插入值,语句执行结束。
  • 普通索引
    找到3和5之间位置,插入值,语句执行结束。

普通索引和唯一索引对更新语句性能影响的差别,只是一个判断,只会耗费微小CPU时间。

不在内存

  • 唯一索引
    需要将数据页读入内存,判断到没有冲突,插入值,语句执行结束
  • 普通索引
    将更新记录在change buffer,语句执行结束

将数据从磁盘读入内存涉及随机IO访问,是数据库里面成本最高操作之一。
change buffer因减少随机磁盘访问,所以对更新性能提升明显。

问题案例:某业务的库内存命中率突然从99%降低到了75%,整个系统处于阻塞状态,更新语句全部堵住。
探究其原因,发现该业务有大量插入数据操作,而DBA在前天把其中的某个普通索引改成了唯一索引。

change buffer的使用场景

普通索引的所有场景,使用change buffer都可加速吗?

因为merge才是真正进行数据更新时刻;
change buffer主要目的是将记录的变更动作缓存下来;
所以在一个数据页做merge前,change buffer记录变更越多(即该数据页上要更新的次数越多),收益越大。

对写多读少业务,页面在写完后马上被访问到的概率较小,change buffer使用效果最好。该类业务模型常见为账单、日志类的系统。

反之,假设一业务的更新模式是写后马上查询,那么即使满足条件,将更新先记录在change buffer,但之后由于马上要访问该数据页,立即触发merge。
这样随机访问IO的次数不会减少,反而增加change buffer维护代价。
所以,对于这种业务模式,change buffer起副作用。

4 实践中的索引选择

普通索引和唯一索引如何抉择。
这两类索引在查询性能上没差别,主要考虑对更新性能影响。
所以,推荐尽量选择普通索引。

如果所有更新后面,都紧跟对该记录的查询,那么该关闭change buffer。
而在其他情况下,change buffer都能提升更新性能。
普通索引和change buffer的配合使用,对于数据量大的表的更新优化还是很明显的。

在使用机械硬盘时,change buffer机制的收效非常显著。
所以,当你有一个类似“历史数据”的库,并且出于成本考虑用机械硬盘时,应该关注这些表里的索引,尽量使用普通索引,把change buffer 开大,确保“历史数据”表的数据写速度。

5 change buffer 和 redo log

WAL 提升性能的核心机制,也是尽量减少随机读写,这两个概念易混淆。
所以,这里我把它们放到了同一个流程里来说明区分。

在表上

5.1 执行插入

insert into t(id,k) values(id1,k1),(id2,k2);

假设当前k索引树的状态,查找到位置后
k1所在数据页在内存(InnoDB buffer pool),k2所在的数据页不在内存中

  • 带change buffer的更新状态图。

该更新语句涉及四部分:

  • 内存
  • redo log(ib_log_fileX)
  • 数据表空间(t.ibd)
  • 系统表空间(ibdata1)

该更新语句做了如下操作(按图中数字顺序):

  1. Page1在内存,直接更新内存
  2. Page2没有在内存中,就在内存的change buffer区,记录下“我要往Page2插一行”的信息
  3. 将前两个动作记入redo log(图中的3和4)

做完上面,事务完成。执行这条更新语句的成本很低,就写两处内存,然后写一处磁盘(两次操作合在一起写了一次磁盘),还是顺序写。

图中两个虚箭,是后台操作,不影响更新的响应时间。

这之后的读请求,怎么处理?
现在执行

select * from t where k in (k1, k2)

若读语句紧随在更新语句后,内存中的数据都还在,那么此时这俩读操作就与系统表空间(ibdata1)和 redo log(ib_log_fileX)无关。所以在图中就没画这俩。

  • 两个读请求的流程图(带change buffer的读过程)

从图中可见:
读Page1时,直接从内存返回。
WAL之后如果读数据,是不是一定要读盘,是不是一定要从redo log里面把数据更新以后才可以返回?其实不用。
看上图状态,虽然磁盘上还是之前数据,但这里直接从内存返回结果,结果正确。

要读Page2时,需把Page2从磁盘读入内存,然后应用change buffer里面的操作日志,生成一个正确版本并返回结果。
可见直到需读Page2时,该数据页才被读入内存。

所以,要简单对比这俩机制对更新性能影响

  • redo log 主要节省随机写磁盘的IO消耗(转成顺序写)
  • change buffer主要节省随机读磁盘的IO消耗

6 总结

由于唯一索引用不了change buffer的优化机制,因此如果业务可以接受,从性能角度,推荐优先考虑非唯一索引。

6.1 关于到底是否使用唯一索引

主要纠结在“业务可能无法确保”。本文前提是“业务代码已经保证不会写入重复数据”下,讨论性能问题。

  • 如果业务不能保证,或者业务就是要求数据库来做约束,那么没得选,必须创建唯一索引。这种情况下,本文意义在于,如果碰上大量插入数据慢、内存命中率低时,多提供一个排查思路。
  • 然后,在一些“归档库”的场景,可考虑使用唯一索引的。比如,线上数据只需保留半年,然后历史数据保存在归档库。此时,归档数据已是确保没有唯一键冲突。要提高归档效率,可考虑把表的唯一索引改普通索引。

6.2 如果某次写入使用change buffer,之后主机异常重启,是否会丢失change buffer的数据?

不会丢失。
虽然是只更新内存,但在事务提交时,我们把change buffer的操作也记录到redo log,所以崩溃恢复时,change buffer也能找回。

6.3 merge的过程是否会把数据直接写回磁盘?

merge执行流程

  1. 从磁盘读入数据页到内存(老版本数据页)
  2. 从change buffer找出该数据页的change buffer 记录(可能有多个),依次应用,得到新版数据页
  3. 写redo log
    该redo log包含数据的变更和change buffer的变更

至此merge过程结束。
这时,数据页和内存中change buffer对应磁盘位置都尚未修改,是脏页,之后各自刷回自己物理数据,就是另外一过程。

版权声明:本文内容由阿里云实名注册用户自发贡献,版权归原作者所有,阿里云开发者社区不拥有其著作权,亦不承担相应法律责任。具体规则请查看《阿里云开发者社区用户服务协议》和《阿里云开发者社区知识产权保护指引》。如果您发现本社区中有涉嫌抄袭的内容,填写侵权投诉表单进行举报,一经查实,本社区将立刻删除涉嫌侵权内容。

分享:
Java技术进阶
使用钉钉扫一扫加入圈子
+ 订阅

Java技术进阶成长,课程资料,案例解析,实战经验全都有!

官网链接