什么是multi-valued index
MySQL 8.0.17起，InnoDB引擎新增了对JSON数据类型的多值索引，即multi-valued index。它的作用是针对JSON数据类型中，同一条记录有多个值的情况，加上索引后，根据这些值条件查询时，也可以指向同一条数据。
假设有一条数据是 {"user":"Bob","zipcode":[94477,94536]}，意为Bob这位用户，他拥有多个邮编"94477"和"94536"，这时候如果我们想对zipcode属性加索引，就可以选择使用多值索引了，在以往是不支持这个方式的。可以像下面这样创建索引：（建议在PC端或横版观看，下同）
[root@yejr.me]> CREATE INDEX zips ON t1(( CAST(data->'$.zipcode' AS UNSIGNED ARRAY)));
在本例中的多值索引实际上是采用基于CAST()的函数索引，CAST()转换后选择的数据类型除了BINARY和JSON，其他都可以支持。目前multi-valued index只针对InnoDB表中的JSON数据类型，其余场景还不支持。
multi-valued index怎么用
我们来看下一个JSON列怎么创建multi-valued index。
# 创建测试表 [root@yejr.me]> CREATE TABLE customers ( id INT NOT NULL AUTO_INCREMENT, custinfo JSON, primary key(id) )engine=innodb; # 写入5条测试数据 [root@yejr.me]> INSERT INTO customers(custinfo) VALUES ('{"user":"Jack","user_id":37,"zipcode":[94582,94536]}'), ('{"user":"Jill","user_id":22,"zipcode":[94568,94507,94582]}'), ('{"user":"Bob","user_id":31,"zipcode":[94477,94507]}'), ('{"user":"Mary","user_id":72,"zipcode":[94536]}'), ('{"user":"Ted","user_id":56,"zipcode":[94507,94582]}'); # 执行查询，此时还没创建索引，需要全表扫描 [root@yejr.me]> DESC SELECT * FROM customers WHERE JSON_CONTAINS(custinfo->'$.zipcode', CAST('[94507,94582]' AS JSON))\G ****************** 1. row ****************** ... type: ALL possible_keys: NULL key: NULL ... rows: 5 filtered: 100.00 Extra: Using where # 创建multi-valued index [root@yejr.me]> ALTER TABLE customers ADD INDEX zips((CAST(custinfo->'$.zipcode' AS UNSIGNED ARRAY))); # 查看新的执行计划，可以走索引 [root@yejr.me]> DESC SELECT * FROM customers WHERE JSON_CONTAINS(custinfo->'$.zipcode', CAST('[94507,94582]' AS JSON))\G ****************** 1. row ****************** ... type: range possible_keys: zips key: zips key_len: 9 ref: NULL rows: 6 filtered: 100.00 Extra: Using where; Using MRR
multi-valued index底层是怎么存储的
知道multi-valued index怎么用之后，再来看下它底层是怎么存储索引数据的。以上面的customers表为例，我们利用innblock和bcview工具来确认InnoDB底层是怎么存储的。
1. 先找到辅助索引page
先用innblock工具确认辅助索引zips在哪个page上。
[root@yejr.me]# innblock customers.ibd scan 16 ... ===INDEX_ID:56555 level0 total block is (1) block_no: 4,level: 0|*| ===INDEX_ID:56556 level0 total block is (1) block_no: 5,level: 0|*|
由于数据量很小，这两个索引都只需要一个page就能放下，辅助索引keys存储在5号page上。
2. 扫描确认辅助索引数据
继续用innblock扫描辅助索引，确认有多少条数据。
[root@yejr.me]# innblock customers.ibd 5 16 ... -----Total used rows:12 used rows list(logic): (1) INFIMUM record offset:99 heapno:0 n_owned 1,delflag:N minflag:0 rectype:2 (2) normal record offset:216 heapno:7 n_owned 0,delflag:N minflag:0 rectype:0 (3) normal record offset:162 heapno:4 n_owned 0,delflag:N minflag:0 rectype:0 (4) normal record offset:234 heapno:8 n_owned 0,delflag:N minflag:0 rectype:0 (5) normal record offset:270 heapno:10 n_owned 0,delflag:N minflag:0 rectype:0 (6) normal record offset:126 heapno:2 n_owned 5,delflag:N minflag:0 rectype:0 (7) normal record offset:252 heapno:9 n_owned 0,delflag:N minflag:0 rectype:0 (8) normal record offset:180 heapno:5 n_owned 0,delflag:N minflag:0 rectype:0 (9) normal record offset:144 heapno:3 n_owned 0,delflag:N minflag:0 rectype:0 (10) normal record offset:198 heapno:6 n_owned 0,delflag:N minflag:0 rectype:0 (11) normal record offset:288 heapno:11 n_owned 0,delflag:N minflag:0 rectype:0 (12) SUPREMUM record offset:112 heapno:1 n_owned 6,delflag:N minflag:0 rectype:3 -----Total used rows:12 used rows list(phy): (1) INFIMUM record offset:99 heapno:0 n_owned 1,delflag:N minflag:0 rectype:2 (2) SUPREMUM record offset:112 heapno:1 n_owned 6,delflag:N minflag:0 rectype:3 (3) normal record offset:126 heapno:2 n_owned 5,delflag:N minflag:0 rectype:0 (4) normal record offset:144 heapno:3 n_owned 0,delflag:N minflag:0 rectype:0 (5) normal record offset:162 heapno:4 n_owned 0,delflag:N minflag:0 rectype:0 (6) normal record offset:180 heapno:5 n_owned 0,delflag:N minflag:0 rectype:0 (7) normal record offset:198 heapno:6 n_owned 0,delflag:N minflag:0 rectype:0 (8) normal record offset:216 heapno:7 n_owned 0,delflag:N minflag:0 rectype:0 (9) normal record offset:234 heapno:8 n_owned 0,delflag:N minflag:0 rectype:0 (10) normal record offset:252 heapno:9 n_owned 0,delflag:N minflag:0 rectype:0 (11) normal record offset:270 heapno:10 n_owned 0,delflag:N minflag:0 rectype:0 (12) normal record offset:288 heapno:11 n_owned 0,delflag:N minflag:0 rectype:0 ...
可以看到，总共有12条记录，除去INFIMUM、SUPREMUM这两条虚拟记录，共有10条物理记录。为什么是10条记录，而不是5条记录呢，这是因为multi-valued index实际上是把每个zipcode value对都视为一天索引记录。再看一眼表数据：
[root@yejr.me]> select id, custinfo->'$.zipcode' from customers; +----+-----------------------+ | id | custinfo->'$.zipcode' | +----+-----------------------+ | 1 | [94582, 94536] | | 2 | [94568, 94507, 94582] | | 3 | [94477, 94507] | | 4 | [94536] | | 5 | [94507, 94582] | +----+-----------------------+
上面写入的5条数据中，共有10个zipcode，虽然有些zipcode是相同的，但他们对应的id值不同，因此也要分别记录索引。也就是说， "zipcode":[94582,94536]这里的两个整型数据，实际上在索引树中，是两条独立的数据，只不过他们都分别指向id=1这条数据。那么，这个索引实际上存储的顺序就应该是下面这样才对：
+---------+------+ | zipcode | id | +---------+------+ | 94477 | 3 | | 94507 | 2 | | 94507 | 3 | | 94507 | 5 | | 94536 | 1 | | 94536 | 4 | | 94568 | 2 | | 94582 | 1 | | 94582 | 2 | | 94582 | 5 | +---------+------+
提醒下，由于InnoDB的index extensions特性，辅助索引存储时总是包含聚集索引列值，若有两个值相同的辅助索引值，则会根据其聚集索引列值进行排序。当然了，以上也只是我们的推测，并不能实锤，直接去核对源码好像有点难度。好在可以用另一个神器bcview来查看底层数据。这里之所以没有采用innodb_space工具，是因为它对MySQL 5.7以上的版本兼容性不够好，有些场景下解析出来的可能是错误数据。
3. 用bcview工具确认结论
按照推测，zips这个索引按照逻辑顺序的话，第一条索引记录是 [94477,3]才对，上面看到第一条逻辑记录的偏移量是216，我们来看下。
# 从上面扫描结果可知，一条记录总消耗存储空间是18字节 bcview customers.ibd 16 216 18 ... # 这里为了排版方便，我给人为折行了 current block:00000005 --对应的pageno=5 --Offset:00216 --偏移量216 --cnt bytes:18 --读取18字节 --data is:000000000001710d80000003000000400024
来分析下这条数据，要拆分成几段来看。
000000000001710d，8字节（BIGINT），十六进制转成十进制，就是 94477 80000003，4字节（INT），对应十进制3，也就是id=3 000000400024，record headder，6字节，忽略
这表明推测结果是正确的。
另外，如果按照物理写入顺序，则第一条数据id=1这条数据：
+----+-----------------------+ | id | custinfo->'$.zipcode' | +----+-----------------------+ | 1 | [94582, 94536] | +----+-----------------------+
这条物理记录，共产生两条辅助索引记录，我们一次性扫描出来（36字节）：
bcview customers.ibd 16 126 36 ... current block:00000005 --Offset:00126 --cnt bytes:36 --data is:000000000001714880000001000000180036000000000001717680000001000000200048 ...
同上，解析结果见下（存储顺序要反着看）：
0000000000017148 => 94536 80000001 => id=1 000000180036 0000000000017176 => 94582 80000001 => id=1 000000200048
可以看到，确实是把JSON里的多个值拆开来，对应到聚集索引后存储每个键值。至此，我们完全搞清楚了multi-valued index的底层存储结构。
