【MySQL】索引（页目录、B+树）

1. 引入索引

索引：提高数据库的性能，索引是物美价廉的东西了。

• 不用加内存，不用改程序，不用调sql，只要执行正确的 create index ，查询速度就可能提高成百上千倍。
• 但是天下没有免费的午餐，查询速度的提高是以插入、更新、删除的速度为代价的，这些写操作，增加了大量的IO。所以它的价值，在于提高一个海量数据的检索速度。

常见索引分为：

• 主键索引
• 唯一索引
• 普通索引
• 全文索引(fulltext)：解决中子文索引问题。

下面举一个例子来查看索引的作用

已有一张具有八百万条数据的表，在查询的时候，看看没有索引时有什么问题？

查询员工编号为998877的员工

可以看到耗时5.54秒，这还是在本机一个人来操作，在实际项目中，如果放在公网中，假如同时有1000个人并发查询，那很可能就死机。

解决方法，创建索引

换一个员工编号，查询时间也快了很多。

我们知道，MySQL的服务器mysqld本质是在内存中运行的，所有的CRUD操作也都是在内存中运行的，所以，索引在内存中，就是以特定的数据结构组织的一种结构，加快了查找的效率

2. MySQL与磁盘交互的基本单位

之前学习文件系统，就是在磁盘的基本结构下建立的，文件系统读取基本单位，就不是扇区，而是数据块。
故，系统读取磁盘，是以块为单位的，基本单位是 4KB

点击了解文件系统的4KB

而 MySQL 作为一款应用软件，可以想象成一种特殊的文件系统。它有着更高的IO场景，所以，为了提高基本的IO效率， MySQL 进行IO的基本单位是 16KB

也就是说，磁盘这个硬件设备的基本单位是 512 字节，而 MySQL InnoDB引擎 使用 16KB 进行IO交互。
即， MySQL 和磁盘进行数据交互的基本单位是 16KB，这个基本数据单元，在 MySQL 这里叫做page

• MySQL 中的数据文件，是以page为单位保存在磁盘当中的。
• MySQL 的 CRUD 操作，都需要通过计算，找到对应的插入位置，或者找到对应要修改或者查询的数据。
• 而只要涉及计算，就需要CPU参与，而为了便于CPU参与，一定要能够先将数据移动到内存当中。
• 所以在特定时间内，数据一定是磁盘中有，内存中也有。后续操作完内存数据之后，以特定的刷新策略，刷新到磁盘。而这时，就涉及到磁盘和内存的数据交互，也就是IO了，而此时IO的基本单位就是Page
• 为了更好的进行上面的操作， MySQL 服务器在内存中运行的时候，在服务器内部，就申请了被称为 Buffer Pool 的大内存空间，来进行各种缓存，其实就是很大的内存空间，来和磁盘数据进行IO交互。
• 为了更高的效率，一定要尽可能的减少系统和磁盘IO的次数

3. 索引的理解

3.1 页目录

1. 建立测试表

2. 插入数据

为什么我们查找的时候是有序的了呢？谁排的序？为什么排序？

为了方便引入页内目录

思考一下，为何MySQL和磁盘进行IO交互的时候，要采用Page的方案进行交互呢?用多少，加载多少不香吗?

• 如上面的5条记录，如果MySQL要查找id=2的记录，第一次加载id=1，第二次加载id=2，一次一条记录，那么就需要2次IO。如果要找id=5，那么就需要5次IO。
• 但，如果这5条(或者更多)都被保存在一个Page中(16KB，能保存很多记录)，那么第一次IO查找id=2的时候，整个Page会被加载到MySQL的Buffer
  Pool中，这里完成了一次IO。
• 但是往后如果在查找id=1,3,4,5等，完全不需要进行IO了，而是直接在内存中进行了。所以，就在单Page里面，大大减少了IO的次数。
• 你怎么保证，用户一定下次找的数据，就在这个Page里面？我们不能严格保证，但是有很大概率，因为有局部性原理。
• 往往IO效率低下的最主要矛盾不是IO单次数据量的大小，而是IO的次数

MySQL 中要管理很多数据表文件，而要管理好这些文件，就需要先描述，在组织，我们目前可以简单理解成一个个独立文件是由一个或者多个Page构成的

不同的 Page ，在 MySQL 中，都是 16KB ，使用 prev 和 next 构成双向链表

因为有主键的问题， MySQL 会默认按照主键给我们的数据进行排序，从上面的Page内数据记录可以看出，数据是有序且彼此关联的。

为什么数据库在插入数据时要对其进行排序呢？我们按正常顺序插入数据不是也挺好的吗？

• 插入数据时排序的目的，就是优化查询的效率。
• 页内部存放数据的模块，实质上也是一个链表的结构，链表的特点也就是增删快，查询修改慢，所以查询的效率是必须要进行优化的。
• 正是因为有序，在查找的时候，从头到后都是有效查找，没有任何一个查找是浪费的，而且，如果运气好，是 可以提前结束查找过程的。

如果有1千万条数据，一定需要多个Page来保存1千万条数据，多个Page彼此使用双链表链接起来，而且每个Page内部的数据也是基于链表的。那么，查找一条特定记录，也一定是线性查找，这效率也太低了。

因此，就需要引入页目录了

页目录就像书中的目录，它标志着一段内容的起点

• 单页情况

针对上面的单页Page，我们能否也引入目录呢？当然可以

那么当前，在一个Page内部，我们引入了目录。比如，我们要查找id=4记录，之前必须线性遍历4次，才能拿到结果。现在直接通过目录2[3]，直接进行定位新的起始位置，然后再遍历2 次，提高了效率。
现在我们可以再次正式回答上面的问题了，为何通过键值 MySQL 会自动排序？ - - 可以很方便引入目录（拿空间换时间）

• 多页情况

MySQL 中每一页的大小只有 16KB ，单个Page大小固定，所以随着数据量不断增大，16KB 不可能存下所有的数据，那么必定会有多个页来存储数据。

在单表数据不断被插入的情况下， MySQL 会在容量不足的时候，自动开辟新的Page来保存新的数据，然后通过指针的方式，将所有的Page组织起来。

这样，我们就可以通过多个Page遍历，Page内部通过目录来快速定位数据。

可是，貌似这样也有效率问题，在Page之间，也是需要 MySQL 遍历的，遍历意味着依旧需要进行大量的IO，将下一个Page加载到内存，进行线性检测。这样就显得我们之前的Page内部的目录，有点杯水车薪了。

那么如何解决呢？- - 解决方案，其实就是我们之前的思路，给Page也带上目录

存在一个目录页来管理页目录，目录页中的数据存放的就是指向的那一页中最小的数据。有数据，就可通过比较，找到该访问那个Page，进而通过指针，找到下一个Page。
其实目录页的本质也是页，普通页中存的数据是用户数据，而目录页中存的数据是普通页的地址。

3.2 B+树

可是，我们每次检索数据的时候，该从哪里开始呢？虽然顶层的目录页少了，但是还要遍历啊？不用担心，可以继续加目录页

上图就是传说中的B+树！至此，我们已经给我们的表user构建完了主键索引。

整个B+树，叫做mysql中InnoDB下的索引结构，是缓存在mysql的buffer_pool中的

随便找一个id=？我们发现，现在查找的Page数一定减少了，也就意味着IO次数减少了，那么效率也就提高了。

总结

• Page分为目录页和数据页。目录页只放各个下级Page的最小键值。
• 查找的时候，自定向下找，只需要加载部分目录页到内存，即可完成算法的整个查找过程，大大减少了IO次数

InnoDB 在建立索引结构来管理数据的时候，其他数据结构为何不行？

• 链表？线性遍历
• 二叉搜索树？退化问题，可能退化成为线性结构
• AVL &&红黑树？虽然是平衡或者近似平衡，但是毕竟是二叉结构，相比较多阶B+，意味着树整体过高，大家都是自顶向下找，层高越低，意味着系统与硬盘更少的IO Page交互。虽然你很秀，但是有更秀的。
• Hash？官方的索引实现方式中， MySQL 是支持HASH的，不过 InnoDB 和 MyISAM 并不支持。Hash跟进其算法特征，决定了虽然有时候也很快(O(1))，不过，在面对范围查找就明显不行，另外还有其他差别，有兴趣可以查一下。
• B树？最值得比较的是 InnoDB 为何不用B树作为底层索引？

B树：节点既有数据，又有Page指针

B+树：只有叶子节点有数据，其他目录页，只有键值和Page指针；B+树的叶子节点，全部相连，而B没有

为何选择B+树呢？

• 非叶子节点不存储data，这样一个节点就可以存储更多的key
• 可以使得树更矮，所以IO操作次数更少。
• 叶子节点相连，更便于进行范围查找

4. 聚簇索引、非聚簇索引

MyISAM 的主键索引是一个非聚集索引，这意味着索引和数据是分开存储的

索引的叶子节点存储的是主键值和数据记录的地址，而不是数据记录本身。数据记录存储在单独的 .MYD 文件中，而索引存储在 .MYI 文件中，表结构在.sdi文件中。

MyISAM 这种用户数据与索引数据分离的索引方案，叫做非聚簇索引

• MyISAM

• InnoDB

InnoDB 这种用户数据与索引数据在一起索引方案，叫做聚簇索引

MyISAM 引擎同样使用B+树作为索引结果，叶节点的data域存放的是数据记录的地址。下图为 MyISAM表的主索引， Col1 为主键。

MySQL 除了默认会建立主键索引外，我们用户也有可能建立按照其他列信息建立的索引，一般这种索引可以叫做普通索引。

对于 MyISAM ，建立普通索引和主键索引没有差别，无非就是主键不能重复，而非主键可重复。

下图就是基于 MyISAM 的 Col2 建立的索引，和主键索引没有差别

InnoDB 除了主键索引，用户也会建立普通索引，我们以上表中的 Col3 建立对应的辅助

InnoDB 的非主键索引中叶子节点并没有数据，而只有对应记录的key值。

• 所以通过普通索引，找到目标记录，需要两遍索引： 首先检索辅助索引获得主键，然后用主键到主索引中检索获得记录,这种过程，就叫做回表查询
• 为何 InnoDB 针对这种辅助（普通）索引的场景，不给叶子节点也附上数据呢？因为太浪费空间了，同一份数据没有必要存两份

5. 索引的操作

5.1 索引的创建

5.1.1 创建主键索引

1. 第一种方式：在创建表的时候，直接在字段名后指定 primary key

create table user1(
	id int primary key, 
	name varchar(30)
);

2. 第二种方式：在创建表的最后，指定某列或某几列为主键索引

create table user2(
	id int, 
	name varchar(30), 
	primary key(id)
);

3. 第三种方式：创建表以后再添加主键

create table user3(
	id int, 
	name varchar(30)
);

alter table user3 add primary key(id);

主键索引的特点：

• 一个表中，最多有一个主键索引，当然可以也可是使用复合主键
• 主键索引的效率高（主键不可重复）
• 创建主键索引的列，它的值不能为null，且不能重复
• 主键索引的列的类型基本上是int

5.1.2 创建唯一索引

1. 第一种方式：表定义时，在某列后直接指定unique唯一属性

create table user4(
	id int primary key, 
	name varchar(30) unique
);

2. 第二种方式：创建表时，在表的后面指定某列或某几列为unique

create table user5(
	id int primary key,
	name varchar(30), 
	unique(name)
 );

3. 第二种方式：创建表以后再添加唯一键

create table user6(
	id int primary key, 
	name varchar(30)
);

alter table user6 add unique(name);

唯一索引的特点：

• 一个表中，可以有多个唯一索引
• 查询效率高
• 如果在某一列建立唯一索引，必须保证这列不能有重复数据
• 如果一个唯一索引上指定not null，等价于主键索引

5.1.3 普通索引的创建

1. 第一种方式：在表的定义最后，指定某列为索引

create table user8(id int primary key,
	name varchar(20),
	email varchar(30),
	index(name)
);

2. 第二种方式：创建完表以后指定某列为普通索引

create table user9(
	id int primary key,
	name varchar(20), 
	email varchar(30)
);

alter table user9 add index(name); 

3. 第三种方式：创建一个索引名为 idx_name 的索引

create table user10(
id int primary key, 
	name varchar(20), 
	email varchar(30)
);

create index idx_name on user10(name);

普通索引的特点

• 一个表中可以有多个普通索引，普通索引在实际开发中用的比较多
• 如果某列需要创建索引，但是该列有重复的值，那么我们就应该使用普通索引

5.1.4 全文索引的创建

当对文章字段或有大量文字的字段进行检索时，会使用到全文索引。

MySQL提供全文索引机制，但是有要求，要求表的存储引擎必须是MyISAM，而且默认的全文索引支持英文，不支持中文。

假设你有一个存储文章的表，希望为标题和内容字段添加全文索引

查询有没有database数据，如果使用如下查询方式，虽然查询出数据，但是没有使用到全文索引

使用全文索引

索引创建原则

• 比较频繁作为查询条件的字段应该创建索引
• 唯一性太差的字段不适合单独创建索引，即使频繁作为查询条件
• 更新非常频繁的字段不适合作创建索引
• 不会出现在where子句中的字段不该创建索引

5.2 索引的查询

1. 第一种方法： show keys from 表名

复合索引，当索引值就是我们想要的值时设置，这样就可以之间将索引返回了；这也叫做索引覆盖（覆盖的是主键索引，无须回表查询了）

2. 第二种方法: show index from 表名，结果与第一种方法相同
3. desc 表名；

5.3 删除索引

1. 第一种方法，删除主键索引：

alter table 表名 drop primary key;

2. 第二种方法，删除其他索引：

 alter table 表名 drop index 索引名；

索引名就是show keys from 表名中的 Key_name 字段

3. 第三种方法方法：

 drop index 索引名 on 表名