揭开MySQL索引神秘面纱(1)

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: 揭开MySQL索引神秘面纱

文章目录

一、MySQL索引到底是什么

二、为什么要使用索引

三、Innodb为什么使用B+Tree而不使用BTree

1. Btree解析

2. B+Tree解析

3.Hash索引

4. B+Tree跟BTree区别

5. B+Tree适合做索引的原因

四、聚簇索引、非聚簇索引区别

五、表中存在多个索引数据是如何存储的

六、索引的几个技术名词

1. 回表

2. 覆盖索引

3. 最左匹配

4. 索引下推

七、索引存储在什么地方

八、总结

————————————————

你是不是对于MySQL索引的知识点一直都像大杂烩,好像什么都知道,如果进行深究的话可能一个也答不上来。


假如你去面试,面试官让你聊一下对索引的理解,然而你对索引的理解仅限于,检索数据就是快,是一种数据结构这个层面,那你就只能回家等通知了。


为了避免这种尴尬的事情发生,咔咔用时两天将索引的内容在自己理解的范围内进行整理,如整理的不全面可以在评论区进行补充和提建议。


一、MySQL索引到底是什么

相信大多数伙伴都买过技术类的书籍,看完没看完不知道,但是目录肯定看的次数最多。


看目录有没有自己目前的痛点,如果有就会根据目录对应的页码用最快的速度翻阅到相应内容位置。


那么在MySQL中同样也是这样的一个道理,MySQL的索引就是存储引擎为了快速找到数据的一种数据结构


同样在MySQL索引中又分了几种类型,分别为B-tree索引、哈希索引、空间索引、全文索引。


下文所有内容均在Innodb的基础上讨论。


二、为什么要使用索引

索引可以加快数据检索速度,这也是使用的索引的最主要原因。


索引本身具有顺序性,在进行范围查询时,获取的数据已经排好了序,从而避免服务器再次排序和建立临时表的问题。


索引的底层实现本身具有顺序性,通过磁盘预读使得在磁盘上对数据的访问大致呈顺序的寻址,也就是将随机的I/O变为顺序I/O。


这几点不理解就暂时先放着,继续看下文即可,会给你一个满意的解释。


任何事物都存在双面性,既然能提供性能的提升,自然在其它方面也会付出额外的代价。


索引是跟数据共存,因此会占用额外的存储空间。


索引创建和维护需要时间成本,这个成本随着数据量的增大而增大。


索引创建会降低数据的增、删、改的性能,因为在修改数据的同时还需要修改索引数据。


三、Innodb为什么使用B+Tree而不使用BTree

聊到这个问题那就必须得分清楚BTree、B+tree的区别,首先来看一下BTree


1. Btree解析

先来看一下BTree的数据结构是怎么样的,这里咔咔给提供一个网站地址https://www.cs.usfca.edu/~galles/visualization/Algorithms.html,可以看到关于数据结构的一些实现过程。


image.png


先来看BTree的数据结构,下图是咔咔已经将数据填充进去的。



image.png

这里有一个陌生区关于Max. Degree,这个你可以理解为阶,也可以理解为度。


例如现在这个值设置的是4,那么在一个节点中最多就可以存储三条数据,设置为5那就可以最多放4条记录。


现在可以看到目前只插入了三条数据。



image.png

那么再加一条数据,节点就会进行分裂,这个也就验证了当阶设置为n时,一个节点可存n-1条数据。


image.png


那接着再来插入几条数据看看。


image.png


想要达到快速检索数据,那就需要满足俩个特性,一个是有序,另一个就是平衡。


从下图中可以看到BTree是有一定的顺序性的,平衡性更满足,可以看上文中生成的第一张图。


image.png


那么在BTree中找一个值是怎么找呢!


例如现在要找一个值9,看一下寻找过程。


首先看到的数据是4,9是大于4的,所以会往4的右节点寻找。


继续找到范围在6到8的节点,9又大于8,所以还需要往右节点寻找。


最有一步就找到了数据9,这个过程就是BTree数据结构查找数据的执行过程。



image.png

了解到了BTree的数据结构后,我们在来看看在MySQL中关于BTree是如何存储的。


在下图中P代表的是指针,指向的是下一个磁盘块。


在第一个节点中的16、24就是代表我们的key值是什么。


date就是这个key值对应的这一行记录是什么。



image.png

那么此时想要寻找key为33的这条记录应该怎么找。


33在16和34中间,所以会去磁盘3进行寻找。


在磁盘3中进行判断,指针指向磁盘8。


在磁盘8中即可获取到数据33,然后将data返回。


那么在这个过程中到底读取了多少条数据呢!


在计算之前需要先了解一些知识点。


从MySQL5.7开始,存储引擎默认为innodb,并且innodb存储引擎用于管理数据的最小磁盘单位就是页。


这个页的类型也分为好几种,分别为数据页,Undo页,系统页,事物数据页。


一般说到的页都是数据页。默认的页面大小为16kb,每个页中至少存储2条或以上的行记录。


那么根据BTree数据查找的过程中可以得知一共读取了三个磁盘,那么每个磁盘的大小就是16kb。


而目前的给的案例寻找了三层,那么三层存储的数据就是16kb * 16kb * 16kb = 4096kb。


如果按照一条记录所需内存1kb,那么这三层的BTree就可以存储4096条记录。


各位数据库的数据少则几百万,多则几千万数据,那么BTree的层级就会越来越深,相对的查询效率也会越来越慢。


这个时候是不是应该思考一个问题,那就是为什么在Btree中48kb的内存怎么就只能存储4000多条记录


问题就出现在data上,要知道在计算数据大小时指针地址和key的内存都是没有计算在内的,单单就计算了data的内存。


因为在BTree结构中,节点中不仅存储的有key、指针地址还有对应的数据,所以就会造成单个磁盘存储的数据相对很少的原因。


为了解决单个节点存储数据量小的问题,于是就演变出另一种结构,也就是下文提到了B+Tree


相关实践学习
如何在云端创建MySQL数据库
开始实验后,系统会自动创建一台自建MySQL的 源数据库 ECS 实例和一台 目标数据库 RDS。
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
相关文章
|
24天前
|
存储 关系型数据库 MySQL
阿里面试:为什么要索引?什么是MySQL索引?底层结构是什么?
尼恩是一位资深架构师,他在自己的读者交流群中分享了关于MySQL索引的重要知识点。索引是帮助MySQL高效获取数据的数据结构,主要作用包括显著提升查询速度、降低磁盘I/O次数、优化排序与分组操作以及提升复杂查询的性能。MySQL支持多种索引类型,如主键索引、唯一索引、普通索引、全文索引和空间数据索引。索引的底层数据结构主要是B+树,它能够有效支持范围查询和顺序遍历,同时保持高效的插入、删除和查找性能。尼恩还强调了索引的优缺点,并提供了多个面试题及其解答,帮助读者在面试中脱颖而出。相关资料可在公众号【技术自由圈】获取。
|
1月前
|
存储 关系型数据库 MySQL
Mysql(4)—数据库索引
数据库索引是用于提高数据检索效率的数据结构,类似于书籍中的索引。它允许用户快速找到数据,而无需扫描整个表。MySQL中的索引可以显著提升查询速度,使数据库操作更加高效。索引的发展经历了从无索引、简单索引到B-树、哈希索引、位图索引、全文索引等多个阶段。
61 3
Mysql(4)—数据库索引
|
15天前
|
监控 关系型数据库 MySQL
数据库优化:MySQL索引策略与查询性能调优实战
【10月更文挑战第27天】本文深入探讨了MySQL的索引策略和查询性能调优技巧。通过介绍B-Tree索引、哈希索引和全文索引等不同类型,以及如何创建和维护索引,结合实战案例分析查询执行计划,帮助读者掌握提升查询性能的方法。定期优化索引和调整查询语句是提高数据库性能的关键。
77 1
|
26天前
|
存储 关系型数据库 MySQL
如何在MySQL中进行索引的创建和管理?
【10月更文挑战第16天】如何在MySQL中进行索引的创建和管理?
54 1
|
16天前
|
监控 关系型数据库 MySQL
数据库优化:MySQL索引策略与查询性能调优实战
【10月更文挑战第26天】数据库作为现代应用系统的核心组件,其性能优化至关重要。本文主要探讨MySQL的索引策略与查询性能调优。通过合理创建索引(如B-Tree、复合索引)和优化查询语句(如使用EXPLAIN、优化分页查询),可以显著提升数据库的响应速度和稳定性。实践中还需定期审查慢查询日志,持续优化性能。
47 0
|
27天前
|
监控 关系型数据库 MySQL
mysql8索引优化
综上所述,深入理解和有效实施这些索引优化策略,是解锁MySQL 8.0数据库高性能查询的关键。
28 0
|
30天前
|
SQL 关系型数据库 MySQL
美团面试:mysql 索引失效?怎么解决? (重点知识,建议收藏,读10遍+)
本文详细解析了MySQL索引失效的多种场景及解决方法,包括破坏最左匹配原则、索引覆盖原则、前缀匹配原则、`ORDER BY`排序不当、`OR`关键字使用不当、索引列上有计算或函数、使用`NOT IN`和`NOT EXISTS`不当、列的比对等。通过实例演示和`EXPLAIN`命令分析,帮助读者深入理解索引失效的原因,并提供相应的优化建议。文章还推荐了《尼恩Java面试宝典》等资源,助力面试者提升技术水平,顺利通过面试。
|
8天前
|
SQL 关系型数据库 MySQL
go语言数据库中mysql驱动安装
【11月更文挑战第2天】
22 4
|
6天前
|
SQL 关系型数据库 MySQL
12 PHP配置数据库MySQL
路老师分享了PHP操作MySQL数据库的方法,包括安装并连接MySQL服务器、选择数据库、执行SQL语句(如插入、更新、删除和查询),以及将结果集返回到数组。通过具体示例代码,详细介绍了每一步的操作流程,帮助读者快速入门PHP与MySQL的交互。
19 1
|
17天前
|
关系型数据库 MySQL Linux
在 CentOS 7 中通过编译源码方式安装 MySQL 数据库的详细步骤,包括准备工作、下载源码、编译安装、配置 MySQL 服务、登录设置等。
本文介绍了在 CentOS 7 中通过编译源码方式安装 MySQL 数据库的详细步骤,包括准备工作、下载源码、编译安装、配置 MySQL 服务、登录设置等。同时,文章还对比了编译源码安装与使用 RPM 包安装的优缺点,帮助读者根据需求选择最合适的方法。通过具体案例,展示了编译源码安装的灵活性和定制性。
59 2