当前位置：网站首页>Mysql索引特性(重要)

Mysql索引特性(重要)

2022-07-30 20:07:00 【GSX_MI】

1.没有索引，可能会有什么问题

2.认识磁盘

1.没有索引，可能会有什么问题

(1)关于索引

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。

(2)常见索引

主键索引(primary key)
唯一索引(unique)
普通索引(index)
全文索引(fulltext)--解决中子文索引问题。

(3)案例

先整一个海量表(800万条数据)，在查询的时候，看看没有索引时有什么问题

drop database if exists `bit_index`;
create database if not exists `bit_index` default character set utf8;
use `bit_index`;

-- 构建一个8000000条记录的数据
-- 构建的海量表数据需要有差异性，所以使用存储过程来创建， 拷贝下面代码就可以了，暂时不用理解

-- 产生随机字符串
delimiter $$
create function rand_string(n INT)
returns varchar(255)
begin
declare chars_str varchar(100) default
'abcdefghijklmnopqrstuvwxyzABCDEFJHIJKLMNOPQRSTUVWXYZ';
declare return_str varchar(255) default '';
declare i int default 0;
while i < n do
set return_str =concat(return_str,substring(chars_str,floor(1+rand()*52),1));
set i = i + 1;
end while;
return return_str;
end $$
delimiter ;


-- 产生随机数字
delimiter $$
create function rand_num( )
returns int(5)
begin
declare i int default 0;
set i = floor(10+rand()*500);
return i;
end $$
delimiter ;

-- 创建存储过程，向雇员表添加海量数据
delimiter $$
create procedure insert_emp(in start int(10),in max_num int(10))
begin
declare i int default 0;
set autocommit = 0;
repeat
set i = i + 1;
insert into EMP values ((start+i)
,rand_string(6),'SALESMAN',0001,curdate(),2000,400,rand_num());
until i = max_num
end repeat;
commit;
end $$
delimiter ;

-- 雇员表
CREATE TABLE `EMP` (
  `empno` int(6) unsigned zerofill NOT NULL COMMENT '雇员编号',
  `ename` varchar(10) DEFAULT NULL COMMENT '雇员姓名',
  `job` varchar(9) DEFAULT NULL COMMENT '雇员职位',
  `mgr` int(4) unsigned zerofill DEFAULT NULL COMMENT '雇员领导编号',
  `hiredate` datetime DEFAULT NULL COMMENT '雇佣时间',
  `sal` decimal(7,2) DEFAULT NULL COMMENT '工资月薪',
  `comm` decimal(7,2) DEFAULT NULL COMMENT '奖金',
  `deptno` int(2) unsigned zerofill DEFAULT NULL COMMENT '部门编号'
);


-- 执行存储过程，添加8000000条记录
call insert_emp(100001, 8000000);

①查询员工编号为998866的员工

可以看到耗时8.09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。

②解决方法，创建索引，创建索引也是需要花费时间的

③换一个员工编号，测试看看查询时间

2.认识磁盘

(1) Mysql与存储

MySQL 给用户提供存储服务，而存储的都是数据，数据在磁盘这个外设当中。磁盘是计算机中的一个机械设备，相比于计算机其他电子元件，磁盘效率是比较低的，在加上IO本身的特征，可以知道，如何提交效率，是 MySQL 的一个重要话题。

(2)研究磁盘

①平面图

② 磁盘中一个盘片

(3)扇区

①数据库文件，本质其实就是保存在磁盘的盘片当中。也就是上面的一个个小格子中，就是我们经常所说的扇区。当然，数据库文件很大，也很多，一定需要占据多个扇区。

从上图可以看出来，在半径方向上，距离圆心越近，扇区越小，距离圆心越远，扇区越大
那么，所有扇区都是默认512字节吗？目前是的，我们也这样认为。因为保证一个扇区多大，是由比特位密度决定的。
不过最新的磁盘技术，已经慢慢的让扇区大小不同了，不过我们现在暂时不考虑。

②我们在使用Linux，所看到的大部分目录或者文件，其实就是保存在硬盘当中的。(当然，有一些内存文件系统，如proc ， sys 之类，我们不考虑)

③数据库文件，本质其实就是保存在磁盘的盘片当中，就是一个一个的文件

④最基本的，找到一个文件的全部，本质就是在磁盘找到所有保存文件的扇区。

而我们能够定位任何一个扇区，那么便能找到所有扇区，因为查找方式是一样的。

(4)定位扇区

柱面(磁道): 多盘磁盘，每盘都是双面，大小完全相等。那么同半径的磁道，整体上便构成了一个柱面
每个盘面都有一个磁头，那么磁头和盘面的对应关系便是1对1的
所以，我们只需要知道，磁头（Heads）、柱面(Cylinder)(等价于磁道)、扇区(Sector)对应的编号。即可在磁盘上定位所要访问的扇区。这种磁盘数据定位方式叫做 CHS 。不过实际系统软件使用的并不是 CHS （但是硬件是），而是 LBA ，一种线性地址，可以想象成虚拟地址与物理地址。系统将 LBA 地址最后会转化成为 CHS ，交给磁盘去进行数据读取。不过，我们现在不关心转化细节，知道这个东西，让我们逻辑自洽起来即可。

(5)结论

现在已经能够在硬件层面定位，任何一个基本数据块了(扇区)。那么在系统软件上，就直接按照扇区(512字节，部分4096字节), 进行IO交互吗？不是
如果操作系统直接使用硬件提供的数据大小进行交互，那么系统的IO代码，就和硬件强相关，换言之，如果硬件发生变化，系统必须跟着变化 (要实现系统和硬件的解耦)
从目前来看，单次IO 512字节，还是太小了。IO单位小，意味着读取同样的数据内容，需要进行多次磁盘访问，会带来效率的降低。
学习的文件系统，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 。

(6)磁盘随机访问(Random Access)与连续访问(Sequential Access)

随机访问：本次IO所给出的扇区地址和上次IO给出扇区地址不连续，这样的话磁头在两次IO操作之间需要作比较大的移动动作才能重新开始读/写数据。
连续访问：如果当次IO给出的扇区地址与上次IO结束的扇区地址是连续的，那磁头就能很快的开始这次IO操作，这样的多个IO操作称为连续访问。
因此尽管相邻的两次IO操作在同一时刻发出，但如果它们的请求的扇区地址相差很大的话也只能称为随机访问，而非连续访问。
磁盘是通过机械运动进行寻址的，随机访问不需要过多的定位，故效率比较高。

①所谓的IO效率低指的是哪方面效率低？

IO=等(磁盘要给你找到你要的一个一个的数据磁道)(主要矛盾)+ 拷贝(数据从磁盘拷贝到内存)(次要矛盾)
磁盘传送数据最耗时的操作不是传送数据，而是磁头寻址！(磁头定位，磁盘旋转)
减少IO次数，潜台词是减少数据查找的次数！然后才是读取或者写入外设的次数！

②你怎么保证，我未来要访问的数据和我当前你的page是同一个?

不能保证，有较大的概率保证，局部性原理!!

3. MySQL 与磁盘交互基本单位

(1)基本概念

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 (后面统一使用 InnoDB 存储引擎)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（注意和系统的page区分）

(2)示意图

MySQL本质上也可以理解成为一个用户层文件系统!
MySQL在启动的时候，就已经申请了大量的内存空间，作为数据的缓冲区，buffer_pool
MySQL的所有操作，全部都必须在内存中进行!!

4. 建立共识

MySQL 中的数据文件，是以page为单位保存在磁盘当中的。
MySQL 的 CURD 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。(mysql有自己的内存管理)
为何更高的效率，一定要尽可能的减少系统和磁盘IO的次数

5. 索引的理解

(1)建立测试表

(2)插入多条记录

我们并没有按照主键的大小顺序插入哦

(3)查看结果

你所看到的表结构不一定是mysql在磁盘中存储的结构，不一定是顺序存放的，它有自己的一套策略;
如果设置了主键，即便你是乱序插入，mysql也会自己自动按照key进行排序!

(4)为何IO交互以Page为单位

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。

(5)理解单个Page

①Mysql在运行的时候，一定有大量的page需要被换入换出，一个时间点内，MySQL内部一定存在着大量的Page ! MySQL要不要把这个Page也管理起来呢? 先描述，在组织!!

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。

②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，所以优化查询的效率是必须的。
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。

(6)理解多个Page

通过上面的分析，我们知道，上面页模式中，只有一个功能，就是在查询某条数据的时候直接将一整页的数据加载到内存中，以减少硬盘IO次数，从而提高性能。但是，我们也可以看到，现在的页模式内部，实际上是采用了链表的结构，前一条数据指向后一条数据，本质上还是通过数据的逐条比较来取出特定的数据。
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，查找特定一条记录，也一定是线性查找。这效率也太低了。

(7)页目录

我们在看某一本书的时候，如果我们要看<某一章节>，找到该章节有两种做法
从头逐页的向后翻，直到找到目标内容
通过书提供的目录，发现该章节在234页(假设)，那么我们便直接翻到234页。同时，查找目录的方案，可以顺序找，不过因为目录肯定少，所以可以快速提高定位
本质上，书中的目录，是多花了纸张的，但是却提高了效率
所以，目录，是一种“空间换时间的做法”

(8)单页情况

针对单页的Page，我们也可以引入目录
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，提高了效率。
为何通过键值 MySQL 会自动排序？可以很方便引入目录

(9)多页情况

①page页相连

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。

需要注意，上面的图，是理想结构，目前要保证整体有序，那么新插入的数据，不一定会在新Page面，这里仅仅做演示。

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。

②提升查找page页的效率

1) 可在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。

2) 解决方案，用之前的思路，给Page也带上目录。

使用一个目录项来指向某一页，而这个目录项存放的就是将要指向的页中存放的最小数据的键值。
和页内目录不同的地方在于，这种目录管理的级别是页，而页内目录管理的级别是行。
其中，每个目录项的构成是：键值+指针。图中没有画全。

3) 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。

③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。

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！不用担心，可以在加目录页

这就是传说中的B+树，至此，我们已经给我们的表user构建完了主键索引。
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。

(10)小结

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
MySQL是一个用户级别的文件系统，所以底层对于所谓的数据库的读写，本质也是通过读取文件完成的! page是固定大小!
用户是不是访问表的时候，一定要把所有的数据都够建成为index全量的加入buffer pool中 ?
不需要全量加入的，需要时换入。
不保存任何用户数据，只保存它所管理的所有的page的最小记录ID为什么?
page都是16KB，只保存其他page的指针结构，就意味着能一次保存更多的地址信息!
一个表添加了主键，mysql自动形成主键索引，意思是: mysql默认会把这张表的所有数据整体以B+树的形式在buffer_pool当中保存

6.数据库引擎和索引分类

(1)InnoDB 在建立索引结构来管理数据的时候，为何不使用其他数据结构

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。
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。

(2)B树 vs B+树

①B树

②B+树

③目前这两棵树，对我们最有意义的区别是：

B树节点，既有数据，又有Page指针，而B+，只有叶子节点有数据，其他目录页，只有键值和Page指针
B+叶子节点，全部相连，而B没有

④为何选择B+

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

(3)聚簇索引 VS 非聚簇索引

①MyISAM 存储引擎-主键索引

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。
MyISAM 最大的特点是，将索引Page和数据Page分离，也就是叶子节点没有数据，只有对应数据的地址。相较于 InnoDB 索引， InnoDB 是将索引和数据放在一起的。

② 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

③ 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

(4)其他索引

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辅助（普通）索引。
对于 MyISAM ,建立辅助（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。

①下图就是基于 MyISAM 的 Col2 建立的索引，和主键索引没有差别

②InnoDB 除了主键索引，用户也会建立辅助（普通）索引，我们以上表中的 Col3 建立对应的辅助索引如下图

③小结

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。所以通过辅助（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？原因就是太浪费空间了。(主键索引一个B+树，普通索引一个B+数，两个树中的数据重复)

7.索引操作

索引的建立是基于列(多列,复合索引)为单位的!

(1)创建主键索引

//法1
// 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));

//法2
// 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));

//法3
create table user3(id int, name varchar(30)); 
// 创建表以后再添加主键 
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，当然可以使符合主键
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
主键索引的列基本上是int

(2)唯一索引的创建

//法1
// 在表定义时，在某列后直接指定unique唯一属性。 
create table user4(id int primary key, name varchar(30) unique);

//法2
// 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));

//法3
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

(3)普通索引的创建

//法1
create table user8(
id int primary key, 
name varchar(20), email varchar(30), 
index(name)  //在表的定义最后，指定某列为索引
);

//法2
create table user9(
id int primary key, 
name varchar(20), 
email varchar(30)
); 
alter table user9 add index(name); //创建完表以后指定某列为普通索引

//法3
create table user10(
id int primary key, 
name varchar(20), email varchar(30)
); 
//创建一个索引名为 idx_name 的索引 
create index idx_name on user10(name);

普通索引的特点：