10. MySQL索引

没有索引，可能会有什么问题

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：

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

老师补充知识点:

MySQL的服务器, 本质是在内存中运行的, 所有数据库的CURD操作, 也都需要在内存中完成, 索引也是如此(因为需要CPU参与计算)

提高查询效率的因素, 而索引是侧重想着以一种数据结构方式来提高效率!

1. 组织数据的方式(数据结构)
2. 算法本身(算法方法)

案例：

先整一个海量表，在查询的时候，看看没有索引时有什么问题？

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

到此，已经创建出了海量数据的表了。

查询员工编号为998877的员工:

认识磁盘

MySQL与存储(介绍了解)

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。

扇区(介绍了解)

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。

题外话：

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。

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)

#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 [root@VM-0-3-centos ~]# ls /var/lib/mysql -l #我们目前MySQL中的文件 total 319592 drwxr-x--- 2 mysql mysql 4096 Apr 15 21:46 57test -rw-r----- 1 mysql mysql 56 Apr 12 15:27 auto.cnf drwxr-x--- 2 mysql mysql 4096 May 17 13:52 bit_index -rw------- 1 mysql mysql 1676 Apr 12 15:27 ca-key.pem -rw-r--r-- 1 mysql mysql 1112 Apr 12 15:27 ca.pem drwx------ 2 mysql mysql 4096 Apr 13 21:26 ccdata_pro -rw-r--r-- 1 mysql mysql 1112 Apr 12 15:27 client-cert.pem -rw------- 1 mysql mysql 1680 Apr 12 15:27 client-key.pem -rw-r----- 1 mysql mysql 16958 Jun 8 15:46 ib_buffer_pool -rw-r----- 1 mysql mysql 213909504 Jun 8 16:02 ibdata1 -rw-r----- 1 mysql mysql 50331648 Jun 8 16:02 ib_logfile0 -rw-r----- 1 mysql mysql 50331648 Jun 8 16:02 ib_logfile1 -rw-r----- 1 mysql mysql 12582912 Jun 8 15:46 ibtmp1 drwxr-x--- 2 mysql mysql 4096 Apr 28 14:11 musicserver drwxr-x--- 2 mysql mysql 4096 May 9 09:47 mysql srwxrwxrwx 1 mysql mysql 0 Jun 8 15:46 mysql.sock -rw------- 1 mysql mysql 5 Jun 8 15:46 mysql.sock.lock drwxr-x--- 2 mysql mysql 4096 Apr 12 15:27 performance_schema -rw------- 1 mysql mysql 1676 Apr 12 15:27 private_key.pem -rw-r--r-- 1 mysql mysql 452 Apr 12 15:27 public_key.pem drwxr-x--- 2 mysql mysql 4096 May 9 09:46 scott -rw-r--r-- 1 mysql mysql 1112 Apr 12 15:27 server-cert.pem -rw------- 1 mysql mysql 1676 Apr 12 15:27 server-key.pem drwxr-x--- 2 mysql mysql 12288 Apr 12 15:27 sys drwxr-x--- 2 mysql mysql 4096 Jun 5 17:13 test # 自己定义的数据库，里面有数据表

所以，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。

定位扇区(介绍了解)

• 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。

结论: OS 与 磁盘的交互单位是 4kb

我们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

• 耦合问题: 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
• 效率问题: 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。
• 文件系统: 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 。

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。 我们尽可能希望是连续访问而非随机访问(因为效率更高)

最终结论: MySQL 与磁盘交互基本单位: 16kb

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 (后面统一使用 InnoDB 存储引擎讲解)

查询基本单位: mysql> SHOW GLOBAL STATUS LIKE 'innodb_page_size';

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（ 注意和系统的page区分）

建立共识:

1. MySQL 中的数据文件，是以page为单位保存在磁盘当中的。
2. 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。
3. 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。
4. 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。
5. 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

1现象 + 3话题 -> 1结论(B+树)

-- 建立测试表 create table if not exists user ( id int primary key, --一定要添加主键哦，只有这样才会默认生成主键索引 age int not null, name varchar(16) not null ); mysql> show create table user \G *************************** 1. row *************************** Table: user Create Table: CREATE TABLE `user` ( `id` int(11) NOT NULL, `age` int(11) NOT NULL, `name` varchar(16) NOT NULL, PRIMARY KEY (`id`) ) ENGINE=InnoDB DEFAULT CHARSET=utf8 --默认就是InnoDB存储引擎 1 row in set (0.00 sec) -- 插入多条记录 --插入多条记录，注意，我们并没有按照主键的大小顺序插入哦 mysql> insert into user (id, age, name) values(3, 18, '杨过'); Query OK, 1 row affected (0.01 sec) mysql> insert into user (id, age, name) values(4, 16, '小龙女'); Query OK, 1 row affected (0.00 sec) mysql> insert into user (id, age, name) values(2, 26, '黄蓉'); Query OK, 1 row affected (0.01 sec) mysql> insert into user (id, age, name) values(5, 36, '郭靖'); Query OK, 1 row affected (0.00 sec) mysql> insert into user (id, age, name) values(1, 56, '欧阳锋'); Query OK, 1 row affected (0.00 sec) -- 查看插入结果 mysql> select * from user; --发现竟然默认是有序的！是谁干的呢？排序有什么好处呢？ +----+-----+-----------+ | id | age | name | +----+-----+-----------+ | 1 | 56 | 欧阳锋 | | 2 | 26 | 黄蓉 | | 3 | 18 | 杨过 | | 4 | 16 | 小龙女 | | 5 | 36 | 郭靖 | +----+-----+-----------+ 5 rows in set (0.00 sec)

重谈page：如何理解page的概念呢？重点问题

1. 数据库中存在大量page(这是一个客观现象)

首先, 我们的mysql是一个数据库, 里面是存储数据的, 因此肯定有大量的page.

1. 管理大量page 结论: mysql能够管理page!

我们的mysql为了管理mysql内的page, 需要先描述后组织, 也就是会在mysql内部写入page的管理信息

struct page { struct page* next; struct page* prev; char buffer[NUM]; }; -- 16KB

1. 为何mysql与系统IO交互的时候是page(16KB)而非4KB呢? 结论：提高10效率

因为一个page经过实践来说是比较合适的, 以page为单位进行IO交互既可以有效减少IO交互(减少IO次数),又可以使得一个page的预加载内容足够, 计算机局部性原理提高缓存命中率, 缓存命中率高了就可以大大减少IO次数

说白了, 一般的软件呢, 他可能IO的要求比较小, OS在设计的时候是考虑到了大部分软件, 因此4kb是比较合适的但是呢, 这个mysql是个数据库软件, 这个4kb对于高强度的IO需求就不太合适, 这样IO整体看来就不太高, 因此mysql单独把这个单词IO设计为了一个 page.

为什么插入的时候要自动排序呢？结论：为了提高查找效率！方法：多级目录

概述: 如果我们插入的是乱序的, mysql不给我们自动排序, 那么在查找的时候就需要线性查找,如果按照主键进行排序了呢? 则可以直接用一些特定算法(比如二分查找)提高查找效率!

结论: 本质是一种以空间换时间的做法!

单页情况 单page内提高搜索效率 -> 引入页内目录

多页情况

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。

mysql下的innode db下的索引结构, 因此我们的CURD操作都在这个结构上操作

如果我的表没有主键呢? 也是如此, mysql会有默认主键(没想到吧!)~

可是, 这种默认生成的"隐藏主键"往往效率会比较低下,比如之前我们的那个例子, 查个数据5~6s, mysql可能默认用的员工名字为主键构建出来的b+树一般~但是我们制定了id为主键之后, mysql会再次构建高效的目录结构, 因此查找起来就快了!

而我们称这种多级目录的快速查找方法为 -> B加树

应用: B+树的索引结构是主流, 不过也存在哈希

B+树的特点 以及 为什么?

1. 叶子节点保存有数据，路上节点没有，非叶子节点，不要数据，只要目录项

可以存储更多目录项, 这棵树是一个"矮胖"的B+树, 这样的好处是: 提高效率! 表现在 IO层面以及 算法层面.

1. 减少查找层级, 提高查找效率!
2. 同时, 因为查找数据只需要更少的page, 因此IO次数减少, 提高IO效率(少加载page) -> IO层面

并且, 每一条数据都有目录项, 大大提高了搜索效率(算法层面)

1. 叶子节点全部用链表级联起来

mysql支持范围查找, 有链表的存在范围查找比较方便, 相比其他结构效率更高!

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合适？

• 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?

B树 VS B+树

1. 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 -> 对于第一点: 非叶子节点是否存数据的问题, 存了数据, 也就是说层级会变高, 变相的使得IO次数变多 -> IO变多, 也就变慢了

1. B+叶子节点，全部相连，而B没有 -> 没有相连, 对范围查找的支持比较差~

聚簇索引 VS 非聚簇索引

MyISAM 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。

其中， 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。

与之对应, InnoDB的是:

非聚簇索引: 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

聚簇索引: 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

索引的本质, 就是B+数据结构!

索引操作

细分索引有三种:

1. 主键索引
2. 唯一键索引
3. 普通索引

主键索引

• 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));

• 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));

• 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);

主键索引特点:

1. 一个表中，最多有一个主键索引，当然可以使符合主键
2. 主键索引的效率高（主键不可重复）
3. 创建主键索引的列，它的值不能为null，且不能重复
4. 主键索引的列基本上是int

唯一索引

• 第一种方式: 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);

• 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));

• 第三种方式: 创建表以后再添加唯一索引

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

唯一索引的特点：

1. 一个表中，可以有多个唯一索引
2. 查询效率高
3. 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
4. 如果一个唯一索引上指定not null，等价于主键索引

普通索引

• 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) --在表的定义最后，指定某列为索引

);

• 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); --创建完表以后指定某列为普通索引

• 第三种方式: 直接创建索引

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：

1. 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
2. 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

全文索引(选学)

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。如果对中文进行全文检索，可以使用 sphinx 的中文版 (coreseek)。

CREATE TABLE articles (

id INT UNSIGNED AUTO_INCREMENT NOT NULL PRIMARY KEY,

title VARCHAR(200),

body TEXT,

FULLTEXT (title,body)

)engine=MyISAM;

INSERT INTO articles (title,body) VALUES

('MySQL Tutorial','DBMS stands for DataBase ...'),

('How To Use MySQL Well','After you went through a ...'),

('Optimizing MySQL','In this tutorial we will show ...'),

('1001 MySQL Tricks','1. Never run mysqld as root. 2. ...'),

('MySQL vs. YourSQL','In the following database comparison ...'),

('MySQL Security','When configured properly, MySQL ...');

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

mysql> select * from articles where body like '%database%';

+----+-------------------+------------------------------------------+

| id | title | body |

+----+-------------------+------------------------------------------+

| 1 | MySQL Tutorial | DBMS stands for DataBase ... |

| 5 | MySQL vs. YourSQL | In the following database comparison ... |

+----+-------------------+------------------------------------------+

可以用 explain 工具看一下，是否使用到索引

mysql> explain select * from articles where body like '%database%'\G

*************************** 1. row ***************************

id: 1

select_type: SIMPLE

table: articles

type: ALL

possible_keys: NULL

key: NULL <== key为null表示没有用到索引

key_len: NULL

ref: NULL

rows: 6

Extra: Using where

1 row in set (0.00 sec)

如何使用全文索引呢？

mysql> SELECT * FROM articles

-> WHERE MATCH (title,body) AGAINST ('database');

+----+-------------------+------------------------------------------+

| id | title | body |

+----+-------------------+------------------------------------------+

| 5 | MySQL vs. YourSQL | In the following database comparison ... |

| 1 | MySQL Tutorial | DBMS stands for DataBase ... |

+----+-------------------+------------------------------------------+-

通过 explain 来分析这个 sql 语句

mysql> explain SELECT * FROM articles WHERE MATCH (title,body) AGAINST

('database')\G

*************************** 1. row ***************************

id: 1

select_type: SIMPLE

table: articles

type: fulltext

possible_keys: title

key: title <= key用到了title

key_len: 0

ref:

rows: 1

Extra: Using where

索引的其他操作

索引查询:

第一种方法: show keys from 表名

第二种方法: show index from 表名;

第三种方法（信息比较简略）： desc 表名；

删除索引

第一种方法-删除主键索引： alter table 表名 drop primary key;

第二种方法-其他索引的删除： 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

mysql> alter table user10 drop index idx_name;

第三种方法方法： drop index 索引名 on 表名

mysql> drop index name on user8;

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

拓展了解

复合索引

-> 多个column作为索引

索引覆盖问题

-> 利用复合索引来查找部分索引值, 不用再次回表, 能够提高效率

索引的最左匹配原则

-> 从最左开始匹配, 不能直接拿着K值进行匹配