MySQL 什麼是索引？_ZenDei技術網路在線

該文為《 MySQL 實戰 45 講》的學習筆記，感謝查看，如有錯誤，歡迎指正一、索引簡介索引就類似書本的目錄，作用就是方便我們更加快速的查找到想要的數據。索引的實現方式比較多，常見的有，`有序數組搜索樹`。 1.1 哈希表是將數據以的形式存儲起來，簡單來說就是將通過哈希函數換算成數 ...

該文為《 MySQL 實戰 45 講》的學習筆記，感謝查看，如有錯誤，歡迎指正

一、索引簡介

索引就類似書本的目錄，作用就是方便我們更加快速的查找到想要的數據。

索引的實現方式比較多，常見的有哈希表，有序數組，搜索樹。

1.1 哈希表

哈希表是將數據以key-value的形式存儲起來，簡單來說就是將key通過哈希函數換算成數組中的一個確定的位置，將value存到這個位置去。當key比較多時，有可能換算出相同的位置，此時可以通過鏈表來解決。在查詢時先找到位置，再對該位置的多個value進行遍歷。

哈希表適合用於等值查詢，由於是無序的，不適合用來做區間查詢。

1.2 有序數組

有序數組在等值查詢和區間查詢上效率都很高。由於是有序的，可以通過二分法快速得到結果。也支持範圍查詢。但是也有一個缺點，如果要在中間插入一個數據，那麼後面的所有記錄都要向後挪一位，成本太高了。

因此，有序數組只適用於靜態存儲引擎。例如我們要保存2019年的出生人口信息，就適合用有序數組。

1.3 搜索樹

常見的搜索樹有二叉，也有多叉。

二叉樹的特點是：

每個節點的左兒子小於父節點，父節點又小於右兒子。

多叉樹的特點是：

每個節點有多個兒子，兒子之間的大小保證從左到右遞增。

由於索引不止存在記憶體中，還會寫到磁碟上，而讀磁碟越多，查詢效率越慢。要降低讀磁碟的次數的話，就要儘量訪問儘量少的數據塊。

假設數據塊大小是N，樹高為M，最多可以存的數據行數為 N^(M-1)（N 的 M-1 次方）。最多訪問磁碟數為 M-1。

要使樹高比較小，訪問次數就少，N叉樹的樹高就小於二叉樹。以 InnoDB 的一個整數欄位索引為例，這個 N 差不多是 1200，這棵樹高是 4 的時候，就可以存 1200 的 3 次方個值，這已經 17 億行記錄了。一個 10 億行的表上一個整數欄位的索引，查找一個值最多只需要訪問 3 次磁碟。

資料庫底層存儲的核心就是基於這些數據模型的。每碰到一個新資料庫，我們需要先關註它的數據模型，這樣才能從理論上分析出這個資料庫的適用場景。

二、InnoDB 的索引模型

在 InnoDB 中，表都是根據主鍵順序以索引的形式存放的，這種存儲方式的表稱為索引組織表。
InnoDB 使用了 B+ 樹索引模型，所以數據都是存儲在 B+ 樹中的。

因此，每一個索引在 InnoDB 裡面對應一棵 B+ 樹。

2.1 索引分類

根據欄位約束，分為主鍵索引和普通索引；根據欄位內容是否可重覆，分為唯一索引和非唯一索引。

主鍵索引
主鍵是一種約束，一個表中只能有一個主鍵；
主鍵可以是多個列；
主鍵可以被其它表引用為外鍵使用；
主鍵索引可以理解為非空欄位+唯一索引；
主鍵索引的葉子節點存的是整行數據。
普通索引（二級索引）
一個表中可以有多個普通索引；索引可以有多列；
普通索引的葉子節點內容是主鍵的值；
唯一索引
欄位內容不能重覆，但是可以為空；
一個表中可以有多個唯一索引；
不能做外鍵使用；
非唯一索引
欄位內容允許重覆；

下麵以表為例，建表語句：

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) 值分別為 (100,1)、(200,2)、(300,3)、(500,5) 和 (600,6)，兩棵樹的示例示意圖如下：
在這裡插入圖片描述
id欄位為主鍵索引，主鍵索引的欄位是不會重覆的，必定是唯一索引；
k欄位為普通索引，k的值允許重覆，因此是非唯一索引。

2.2 回表操作

分析下麵 2 條 SQL 語句：

select * from T where ID=500。此時用到的是主鍵索引，因此直接從索引中返回了整行記錄，只需要搜索ID這棵 B+ 樹。
select * from T where k=5。此時用到的是普通索引，需要先搜索 k索引樹，得到ID = 500 ，再根據500到ID索引樹搜索一次。這種需要返回主鍵索引樹搜索的過程，叫做回表。

以上兩條 SQL 語句返回的結果是一樣的，但是效率卻不一樣，因為第 2 條 SQL 語句有一次回表操作，效率會慢很多，因此，要儘量避免回表操作，多使用主鍵查詢。

2.3 頁的分裂與合併

還是以上表為例，如果我們要插入一個數據，ID 值為 700，則只需要在 R5 後面新增加 1 條記錄即可。如果插入的值 ID 為 400，那就需要邏輯上挪動後面的數據，空出位置。

如果恰好 R5 所在的數據頁已經滿了，那麼就需要申請一個新的數據頁，並且將 R5 挪過去，這個情況就叫做頁分裂。

數據頁中並不是要利用率達到 100% 才會申請新的數據頁。也不是說只要有數據刪除，那麼後一頁的數據就會順補到前一頁，這樣太浪費性能了。數據頁有一個利用率，假設分裂是80%，合併是 50%。只要利用率達到了 80%，就會申請一個新的數據頁。如果刪除數據比較多，利用率低於 50% 了，就會把後一頁的數據合併過來。

如何避免頁分裂造成的性能消耗？常見做法是在表中，設置一個自增長的 id 主鍵，這個欄位不能和業務相關。自增主鍵的定義：NOT NULL PRIMARY KEY AUTO_INCREMENT。

這樣每次插入數據，如果不指定 id 值，就會自增長到最後，因為和業務無關，所以沒必要去指定 id 值。這樣可以避免出現頁分裂。

三、索引的一些特點

3.1 覆蓋索引

還是以上表為例，執行以下 SQL 語句，分析執行過程：

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

在普通索引k上遍歷，得到k=3對應的 ID 值 300；
通過 ID=300 去主鍵索引上取得整行記錄R3；
繼續向後遍歷k，得到k=5對應的 ID 值 500；
通過 ID=500 去主鍵索引上取得整行記錄R5；
繼續向後遍歷k，發現k=6，不滿足between條件，迴圈結束。

可以看到，這個過程讀了k索引樹的 3 條記錄（步驟 1，3，5），回表了2次（步驟2，4）。

如果我們換成以下 SQL 語句：

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

由於 ID已經在k索引樹上了，因此可以直接返回結果，不用回表。這種索引中已經覆蓋了我們要查詢的數據，叫做覆蓋索引。

覆蓋索引可以減少樹的搜索次數（沒有回表過程），顯著提高查詢性能。

3.2 關於掃描行數

MySQL 認為上述操作掃描的行數是 2 行，因為在索引中查數據，是在引擎層的操作。而 Server 層最後只拿到了 2 條記錄，因此 MySQL 認為只掃描了 2 行。

那麼如何看掃描函數呢？有 2 種方法：

使用explain查看預計掃描行數

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，預計掃描行數rows=1000。

將慢日誌記錄時間設置為 0 ，直接在慢日誌中查看掃描行數

# 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，掃描行數為Rows_examined: 95324

3.3 最左首碼原則

舉一個例子來理解最左首碼原則，假設有一個聯合索引（name，age）如下：
在這裡插入圖片描述
可以看到，索引順序先按照第一個欄位排序，再按照第二個欄位。

假設我們要查詢所有名為張三的數據。可以快速定位到ID4，再依次向後遍歷。如果要查詢所有姓張的(where name like '張%')，也能用到索引，先定位到ID3，再依次向後遍歷，直到不滿足條件為止。

不只是索引的全部定義，只要滿足最左首碼，就可以利用索引來加速檢索。這個最左首碼可以是聯合索引的最左 N 個欄位，也可以是字元串索引的最左 M 個字元。

在建立聯合索引時，如何確定欄位的前後順序呢？

第一原則，如果通過調整順序，可以少維護一個索引，那麼這個順序往往就是需要優先考慮採用的。
比如，已經有了一個(a, b)索引，就不必再建立一個 a 索引了。
考慮磁碟空間占用大小。
比如，(name, age) 索引加上 age 索引，和 (age, name) 索引加上 name 索引。這兩種情況，我們就要考慮占用空間了。選擇占用空間小的。
由於name 欄位比 age 欄位大，因此我們選擇(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，目的是減少回表次數。

還是以市民表的聯合索引（name, age）為例。如果現在有一個需求：檢索出表中“名字第一個字是張，而且年齡是 10 歲的所有男孩”。那麼，SQL 語句是這麼寫的：

mysql> select * from tuser where name like '張%' and age=10 and ismale=1;

沒有索引下推
先定位到ID3，然後回表到主鍵索引，找出對應的數據行，判斷是否符合and age=10 and ismale=1。最終要回表 4 次（ID3，ID4，ID5，ID6），返回的結果只有 ID4，ID5。
索引下推
在回表之前，會先判斷這個聯合索引上的後續欄位是否滿足條件，不滿足則不進行回表操作。最終只用回表 2 次。

感謝閱讀，有興趣的小伙伴可以關註我的微信公眾號DevOps探索之旅，大家一起學習進步