深入浅出之mysql索引--上

当着小萌新之际，最近工作中遇到了mysql优化的相关问题，然后既然提到了优化，很多像我这样的小萌新不容置喙，肯定张口就是 建立索引 之类的。

那么说到底，索引到底是什么，它是怎么工作的？接下来就让我和大家一起学习学习吧

1.索引是什么？

不难理解，索引的出现其实就是为了提高数据查询的效率，简单点来说索引就好比一本书的目录，是为了准确定位具体数据而用的。

2.索引的常见模型

索引模型中，一般比较常见的包括 哈希表、有序数组、搜索树

哈希表是一种以key-value存储数据的结构，我们只要输入待查找的值即 key， 就可以找到其对应的值即 Value。哈希的思路很简单，把值放在数组里，用一个哈希函数把 key 换算成一个确定的位置，然后把 value 放在数组的这个位置。

但是当多个 key 值经过哈希函数的换算，会出现同一个值的情况，为了处理这种情况，引出了 链表

如果你要维护一个身份证信息和姓名的表，需要根据身份证号查找对应的名字，这时 对应的哈希索引的示意图如下所示

图中，User2 和 User3 根据身份证号算出来的值都是 n，后面还跟了一个链表。

如果这时候你要查 card-2 对应的名字是什么，处理步骤就是：首先，将 card-2 通过哈希函数算出n,然后，按顺序遍历，找到 User2。

需要注意的是，图中四个 card-n 的值并不是递增的，这样做的好处是增加新的 User 时 速度会很快，只需要往后追加。

但缺点是，因为不是有序的，所以哈希索引做 区间查询 的速度是很慢的。

如果你现在要找身份证号在 [card_X, card_Y] 这个区间的所有用户，就必须全部扫描一遍了。

所以，哈希表这种结构适用于只有等值查询的场景，比如 Memcached 及其他一些 NoSQL 引擎

有序数组在等值查询和范围查询场景中的性能就都非常优秀,以下是其索示意图

假设身份证号没有重复，这个数组就是按照身份证号递增的顺序保存的。
这时候如 果你要查 card_n2 对应的名字，用二分法就可以快速得到，这个时间复杂度是 O(log(N))。
同时很显然，这个索引结构支持范围查询。你要查身份证号在 [card_X, card_Y] 区间的user，可以先用二分法找到 card_X（如果不存在card_X，就找到大于card_X 的第一个user），然后向右遍历，直到查到第一个大于card_Y 的身份证 号，退出循环。
如果仅仅看查询效率，有序数组就是最好的数据结构了。
但是，在需要更新数据的时候却不好，你往中间插入一个记录就必须得挪动后面所有的记录，成本太高。
所以，有序数组索引只适用于静态存储引擎，比如你要保存的是2020年某个城市的所有人口信息，这类不会再修改的数据

二叉搜索树示意图

二叉搜索树的特点是：

每个节点的左儿子小于父节点，父节点又小于右儿子。这样如果你要查card_n2 的话，按照图中的搜索顺序就是按照 UserA -> UserC -> UserF -> User2 这个路径得到。这个时间复杂度是 O(log(N))。
当然为了维持 O(log(N)) 的查询复杂度，你就需要保持这棵树是平衡二叉树。为了做这个 保证，更新的时间复杂度也是 O(log(N))。
树可以有二叉，也可以有多叉。多叉树就是每个节点有多个儿子，儿子之间的大小保证从左 到右递增。
二叉树是搜索效率最高的，但是实际上大多数的数据库存储却并不使用二叉树。 其原因是，索引不止存在内存中，还要写到磁盘上。
你可以想象一下一棵 100 万节点的平衡二叉树，树高20。一次查询可能需要访问 20 个数据块。
在机械硬盘时代，从磁盘随机读一个数据块需要 10 ms 左右的寻址时间。也就是说，对于一个100万行的表，如果使用二叉树来存储，单独访问一个行可能需要 20 个10 ms 的时间

为了让一个查询尽量少地读磁盘，就必须让查询过程访问尽量少的数据块。那么，我们就不应该使用二叉树，而是要使用“N 叉”树。这里，“N 叉”树中的“N”取决于数据块的大小。
以 InnoDB 的一个整数字段索引为例，这个N差不多是 1200。这棵树高是 4 的时候，就可以存 1200 的 3 次方个值，这已经 17 亿了。
考虑到树根的数据块总是在内存中的，一个 10 亿行的表上一个整数字段的索引，查找一个值最多只需要访问3次磁盘。
其实，树的第二层也有很大概率在内存中，那么访问磁盘的平均次数就更少了。N叉树由于在读写上的性能优点，以及适配磁盘的访问模式，已经被广泛应用在数据库引 擎中了。

在 MySQL 中，索引是在存储引擎层实现的，所以并没有统一的索引标准，即不同存储引 擎的索引的工作方式并不一样。而即使多个存储引擎支持同一种类型的索引，其底层的实现 也可能不同。由于 InnoDB 存储引擎在 MySQL 数据库中使用最为广泛，下面以 InnoDB为例子

InnoDB 的索引模型

在 InnoDB 中，表都是根据主键顺序以索引的形式存放的，这种存储方式的表称为索引组织表。

InnoDB 使用了 B+ 树索引模型，所以数据都是存储在 B+ 树中的，每一个索引在 InnoDB 里面对应一棵 B+ 树。

假设，我们有一个主键列为 ID 的表，表中有字段 k，并且在 k 上有索引

CREATE TABLE T ( id INT PRIMARY KEY, k INT NOT NULL, NAME VARCHAR ( 16 ), INDEX ( k ) ) ENGINE = INNODB;

表中 R1~R5 的 (ID,k) 值分别为 (100,1)、(200,2)、(300,3)、(500,5) 和 (600,6)，两棵树 的示例示意图如下

从图中不难看出，根据叶子节点的内容，索引类型分为 主键索引 和 非主键索引 。

主键索引的叶子节点存的是整行数据。在 InnoDB 里，主键索引也被称为聚簇索引 （clustered index）。

非主键索引的叶子节点内容是主键的值。在 InnoDB 里，非主键索引也被称为二级索引 （secondary index）。

根据上面的索引结构说明，来讨论一个问题：基于主键索引和普通索引的查询有什么区别？

如果语句是 select * from T where ID=500，即主键查询方式，则只需要搜索 ID 这棵 B+ 树；
如果语句是 select * from T where k=5，即普通索引查询方式，则需要先搜索 k 索引 树，得到 ID 的值为 500，再到 ID 索引树搜索一次。
这个过程称为回表。

也就是说，基于非主键索引的查询需要多扫描一棵索引树。因此，我们在应用中应该尽量使用主键查询。.

索引维护

B+树为了维护索引有序性，在插入新值的时候需要做必要的维护。
以上面这个图为例，
如果插入新的行ID值为 700，则只需要在 R5 的记录后面插入一个新记录。
如果新插入的ID值为400，就相对麻烦了，需要逻辑上挪动后面的数据，空出位置。
而更糟的情况是，如果 R5 所在的数据页已经满了，根据 B+ 树的算法，这时候需要申请一个新的数据页，然后挪动部分数据过去。
这个过程称为页分裂。在这种情况下，性能自然会受影响。
除了性能外，页分裂操作还影响数据页的利用率。原本放在一个页的数据，现在分到两个页中，整体空间利用率降低大约50%。

基于上面的索引维护过程说明，讨论一个案例：

在一些建表规范里面见到过类似的描述，要求建表语句里一定要有自 增主键。
分析一下哪些场景下应该使用自增主键，而 哪些场景下不应该。

自增主键是指自增列上定义的主键，在建表语句中一般是这么定义的： NOT NULL PRIMARY KEY AUTO_INCREMENT。
插入新记录的时候可以不指定 ID 的值，系统会获取当前 ID 最大值加 1 作为下一条记录的 ID 值。

也就是说，自增主键的插入数据模式，正符合了我们前面提到的递增插入的场景。每次插入一条新记录，都是追加操作，都不涉及到挪动其他记录，也不会触发叶子节点的分裂。
而有业务逻辑的字段做主键，则往往不容易保证有序插入，这样写数据成本相对较高。

除了考虑性能外，还可以从存储空间的角度来看。

假设你的表中确实有一个唯一字段， 比如字符串类型的身份证号，那应该用身份证号做主键，还是用自增字段做主键呢？

由于每个非主键索引的叶子节点上都是主键的值（因为要根据非主键索引找到主键索引位置然后再找到数据，可看上图）。
如果用身份证号做主键，那么每个二级索引的叶子节点占用约 20 个字节，而如果用整型做主键，则只要 4 个字节，如果是长整型 （bigint）则是 8 个字节。
显然，主键长度越小，普通索引的叶子节点就越小，普通索引占用的空间也就越小。
所以，从性能和存储空间方面考量，自增主键往往是更合理的选择。

什么场景适合用业务字段直接做主键的呢？有些业务的场景需求是如下：

1. 只有一个索引；
2. 该索引必须是唯一索引
   
   这就是典型的 KV 场景。

由于没有其他索引，所以也就不用考虑其他索引的叶子节点大小的问题。

这时候我们就要优先考虑上一段提到的“尽量使用主键查询”原则，直接将这个索引设置为 主键，可以避免每次查询需要搜索两棵树。

对于上面例子中的 InnoDB 表 T，如果要重建索引 k，可以写：

alter table T drop index k;

alter table T add index(k);

要重建主键索引，可以写

alter table T drop primary key;

alter table T add primary key(id);

这样写是否合理？

重建索引 k 的做法是合理的，可以达到省空间的目的。

但是，重建主键的过程不合理。

不论是删除主键还是创建主键，都会将整个表重建。

所以连着执行这两个语句的话，第一个语句就白做了。这两个语句，可以用这个语句代替 ：alter table T engine=InnoDB