MySQL 什么是索引?

Wesley13
• 阅读 560

该文为《 MySQL 实战 45 讲》的学习笔记,感谢查看,如有错误,欢迎指正

一、索引简介

索引就类似书本的目录,作用就是方便我们更加快速的查找到想要的数据。

索引的实现方式比较多,常见的有哈希表有序数组搜索树

1.1 哈希表

哈希表是将数据以key-value的形式存储起来,简单来说就是将key通过哈希函数换算成数组中的一个确定的位置,将value存到这个位置去。当key比较多时,有可能换算出相同的位置,此时可以通过链表来解决。在查询时先找到位置,再对该位置的多个value进行遍历。

哈希表适合用于等值查询,由于是无序的,不适合用来做区间查询。

1.2 有序数组

有序数组在等值查询和区间查询上效率都很高。由于是有序的,可以通过二分法快速得到结果。也支持范围查询。但是也有一个缺点,如果要在中间插入一个数据,那么后面的所有记录都要向后挪一位,成本太高了。

因此,有序数组只适用于静态存储引擎。 例如我们要保存2019年的出生人口信息,就适合用有序数组。

1.3 搜索树

常见的搜索树有二叉,也有多叉

二叉树的特点是:

  • 每个节点的左儿子小于父节点,父节点又小于右儿子。

多叉树的特点是:

  • 每个节点有多个儿子,儿子之间的大小保证从左到右递增。

由于索引不止存在内存中,还会写到磁盘上,而读磁盘越多,查询效率越慢。要降低读磁盘的次数的话,就要尽量访问尽量少的数据块。

假设数据块大小是N,树高为M,最多可以存的数据行数为 N^(M-1)NM-1 次方)。最多访问磁盘数为 M-1

要使树高比较小,访问次数就少,N叉树的树高就小于二叉树。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 亿行记录了。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。

数据库底层存储的核心就是基于这些数据模型的。每碰到一个新数据库,我们需要先关注它的数据模型,这样才能从理论上分析出这个数据库的适用场景

二、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。

因此,每一个索引在 InnoDB 里面对应一棵 B+ 树。

2.1 索引分类

根据字段约束,分为主键索引普通索引;根据字段内容是否可重复,分为唯一索引非唯一索引

  • 主键索引 主键是一种约束,一个表中只能有一个主键; 主键可以是多个列; 主键可以被其它表引用为外键使用; 主键索引可以理解为非空字段+唯一索引; 主键索引的叶子节点存的是整行数据。

  • 普通索引(二级索引) 一个表中可以有多个普通索引;索引可以有多列; 普通索引的叶子节点内容是主键的值;

  • 唯一索引 字段内容不能重复,但是可以为空; 一个表中可以有多个唯一索引; 不能做外键使用;

  • 非唯一索引 字段内容允许重复;

下面以表为例,建表语句:

mysql> 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: MySQL 什么是索引? id字段为主键索引主键索引的字段是不会重复的,必定是唯一索引k字段为普通索引k的值允许重复,因此是非唯一索引


2.2 回表操作

分析下面 2 条 SQL 语句:

  1. select * from T where ID=500。此时用到的是主键索引,因此直接从索引中返回了整行记录,只需要搜索ID这棵 B+ 树。
  2. select * from T where k=5。此时用到的是普通索引,需要先搜索 k索引树,得到ID = 500 ,再根据500ID索引树搜索一次。这种需要返回主键索引树搜索的过程,叫做回表。

以上两条 SQL 语句返回的结果是一样的,但是效率却不一样,因为第 2 条 SQL 语句有一次回表操作,效率会慢很多,因此,要尽量避免回表操作,多使用主键查询

2.3 页的分裂与合并

还是以上表为例,如果我们要插入一个数据,ID 值为 700,则只需要在 R5 后面新增加 1 条记录即可。如果插入的值 ID 为 400,那就需要逻辑上挪动后面的数据,空出位置。

如果恰好 R5 所在的数据页已经满了,那么就需要申请一个新的数据页,并且将 R5 挪过去,这个情况就叫做页分裂

数据页中并不是要利用率达到 100% 才会申请新的数据页。也不是说只要有数据删除,那么后一页的数据就会顺补到前一页,这样太浪费性能了。数据页有一个利用率,假设分裂是80%,合并是 50%。只要利用率达到了 80%,就会申请一个新的数据页。如果删除数据比较多,利用率低于 50% 了,就会把后一页的数据合并过来。

如何避免页分裂造成的性能消耗?常见做法是在表中,设置一个自增长的 id 主键,这个字段不能和业务相关。自增主键的定义:NOT NULL PRIMARY KEY AUTO_INCREMENT

这样每次插入数据,如果不指定 id 值,就会自增长到最后,因为和业务无关,所以没必要去指定 id 值。这样可以避免出现页分裂。

三、索引的一些特点
3.1 覆盖索引

还是以上表为例,执行以下 SQL 语句,分析执行过程:

mysql> select * from T where k between 3 and 5;
  1. 在普通索引k上遍历,得到k=3对应的 ID300
  2. 通过 ID=300 去主键索引上取得整行记录R3
  3. 继续向后遍历k,得到k=5对应的 ID500
  4. 通过 ID=500 去主键索引上取得整行记录R5
  5. 继续向后遍历k,发现k=6,不满足between条件,循环结束。

可以看到,这个过程读了k索引树的 3 条记录(步骤 1,3,5), 回表了2次(步骤2,4)。

如果我们换成以下 SQL 语句:

mysql> select ID from T where k between 3 and 5;

由于 ID已经在k索引树上了,因此可以直接返回结果,不用回表。这种索引中已经覆盖了我们要查询的数据,叫做覆盖索引

覆盖索引可以减少树的搜索次数(没有回表过程),显著提高查询性能。

3.2 关于扫描行数

MySQL 认为上述操作扫描的行数是 2 行,因为在索引中查数据,是在引擎层的操作。而 Server 层最后只拿到了 2 条记录,因此 MySQL 认为只扫描了 2 行。

那么如何看扫描函数呢?有 2 种方法:

  1. 使用explain查看预计扫描行数

    mysql> explain select * from t where a between 1000 and 2000; +----+-------------+-------+-------+---------------+------+---------+------+------+-----------------------+ | id | select_type | table | type | possible_keys | key | key_len | ref | rows | Extra | +----+-------------+-------+-------+---------------+------+---------+------+------+-----------------------+ | 1 | SIMPLE | t | range | a | a | 5 | NULL | 1000 | Using index condition | +----+-------------+-------+-------+---------------+------+---------+------+------+-----------------------+ 1 row in set (0.01 sec)

    mysql>

可以看到使用了索引 key=a,预计扫描行数rows=1000

  1. 将慢日志记录时间设置为 0 ,直接在慢日志中查看扫描行数

    Time: 191228 13:03:16

    User@Host: federated[federated] @ [60.191.76.22] Id: 177

    Query_time: 31.211439 Lock_time: 0.000059 Rows_sent: 0 Rows_examined: 95324

    SET timestamp=1577509396; CALL Z10004();

可以看到,扫描行数为Rows_examined: 95324

3.3 最左前缀原则

举一个例子来理解最左前缀原则,假设有一个联合索引(name,age)如下: MySQL 什么是索引? 可以看到,索引顺序先按照第一个字段排序,再按照第二个字段。

假设我们要查询所有名为张三的数据。可以快速定位到ID4,再依次向后遍历。如果要查询所有姓张(where name like '张%'),也能用到索引,先定位到ID3,再依次向后遍历,直到不满足条件为止。

不只是索引的全部定义,只要满足最左前缀,就可以利用索引来加速检索。这个最左前缀可以是联合索引的最左 N 个字段,也可以是字符串索引的最左 M 个字符。

在建立联合索引时,如何确定字段的前后顺序呢?

  • 第一原则,如果通过调整顺序,可以少维护一个索引,那么这个顺序往往就是需要优先考虑采用的。 比如,已经有了一个(a, b)索引,就不必再建立一个 a 索引了。

  • 考虑磁盘空间占用大小。 比如,(name, age) 索引加上 age 索引,和 (age, name) 索引加上 name 索引。这两种情况,我们就要考虑占用空间了。选择占用空间小的。 由于name 字段比 age 字段大,因此我们选择(name, age) 索引加上 age 索引。


3.4 索引下推

索引下推功能是在 MySQL 5.6 引入的,目的是减少回表次数。

还是以市民表的联合索引(name, age)为例。如果现在有一个需求:检索出表中“名字第一个字是张,而且年龄是 10 岁的所有男孩”。那么,SQL 语句是这么写的:

mysql> select * from tuser where name like '张%' and age=10 and ismale=1;
  • 没有索引下推 先定位到ID3,然后回表到主键索引,找出对应的数据行,判断是否符合and age=10 and ismale=1。最终要回表 4 次(ID3,ID4,ID5,ID6),返回的结果只有 ID4,ID5。 MySQL 什么是索引?
  • 索引下推 在回表之前,会先判断这个联合索引上的后续字段是否满足条件,不满足则不进行回表操作。最终只用回表 2 次。 MySQL 什么是索引?

感谢阅读,有兴趣的小伙伴可以关注我的微信公众号DevOps探索之旅,大家一起学习进步 MySQL 什么是索引?

点赞
收藏
评论区
推荐文章
blmius blmius
3年前
MySQL:[Err] 1292 - Incorrect datetime value: ‘0000-00-00 00:00:00‘ for column ‘CREATE_TIME‘ at row 1
文章目录问题用navicat导入数据时,报错:原因这是因为当前的MySQL不支持datetime为0的情况。解决修改sql\mode:sql\mode:SQLMode定义了MySQL应支持的SQL语法、数据校验等,这样可以更容易地在不同的环境中使用MySQL。全局s
皕杰报表之UUID
​在我们用皕杰报表工具设计填报报表时,如何在新增行里自动增加id呢?能新增整数排序id吗?目前可以在新增行里自动增加id,但只能用uuid函数增加UUID编码,不能新增整数排序id。uuid函数说明:获取一个UUID,可以在填报表中用来创建数据ID语法:uuid()或uuid(sep)参数说明:sep布尔值,生成的uuid中是否包含分隔符'',缺省为
待兔 待兔
3个月前
手写Java HashMap源码
HashMap的使用教程HashMap的使用教程HashMap的使用教程HashMap的使用教程HashMap的使用教程22
Jacquelyn38 Jacquelyn38
3年前
2020年前端实用代码段,为你的工作保驾护航
有空的时候,自己总结了几个代码段,在开发中也经常使用,谢谢。1、使用解构获取json数据let jsonData  id: 1,status: "OK",data: 'a', 'b';let  id, status, data: number   jsonData;console.log(id, status, number )
Easter79 Easter79
3年前
Twitter的分布式自增ID算法snowflake (Java版)
概述分布式系统中,有一些需要使用全局唯一ID的场景,这种时候为了防止ID冲突可以使用36位的UUID,但是UUID有一些缺点,首先他相对比较长,另外UUID一般是无序的。有些时候我们希望能使用一种简单一些的ID,并且希望ID能够按照时间有序生成。而twitter的snowflake解决了这种需求,最初Twitter把存储系统从MySQL迁移
Wesley13 Wesley13
3年前
mysql设置时区
mysql设置时区mysql\_query("SETtime\_zone'8:00'")ordie('时区设置失败,请联系管理员!');中国在东8区所以加8方法二:selectcount(user\_id)asdevice,CONVERT\_TZ(FROM\_UNIXTIME(reg\_time),'08:00','0
Stella981 Stella981
3年前
Django中Admin中的一些参数配置
设置在列表中显示的字段,id为django模型默认的主键list_display('id','name','sex','profession','email','qq','phone','status','create_time')设置在列表可编辑字段list_editable
Wesley13 Wesley13
3年前
MySQL部分从库上面因为大量的临时表tmp_table造成慢查询
背景描述Time:20190124T00:08:14.70572408:00User@Host:@Id:Schema:sentrymetaLast_errno:0Killed:0Query_time:0.315758Lock_
为什么mysql不推荐使用雪花ID作为主键
作者:毛辰飞背景在mysql中设计表的时候,mysql官方推荐不要使用uuid或者不连续不重复的雪花id(long形且唯一),而是推荐连续自增的主键id,官方的推荐是auto_increment,那么为什么不建议采用uuid,使用uuid究
Python进阶者 Python进阶者
9个月前
Excel中这日期老是出来00:00:00,怎么用Pandas把这个去除
大家好,我是皮皮。一、前言前几天在Python白银交流群【上海新年人】问了一个Pandas数据筛选的问题。问题如下:这日期老是出来00:00:00,怎么把这个去除。二、实现过程后来【论草莓如何成为冻干莓】给了一个思路和代码如下:pd.toexcel之前把这