8.数据库索引

一.什么是索引？

索引是一种数据结构，可以快速定位到数据的位置，用来加快查询速度。类似一本书的目录

原理：索引基于数据表中的一列或多列创建。存储这些列的值以及指向实际数据记录的位置

用额外的存储空间和一定的维护成本，换取查询速度的巨大提升

二.索引的分类

1.按数据结构分类

1）B树索引

2）B+树索引

B+树是MySQL中最常用的索引结构，尤其是在InnoDB存储引擎中，几乎所有的索引都是B+树索引。

B+树是一种自平衡的树形数据结构，所有数据都存储在叶子节点，且叶子节点通过链表连接，提供顺序访问；非叶子节点只存储键值和指向子节点的指针

特点：

• 支持高效的等值查询、范围查询、排序
• 查询效率高，查询、插入和删除操作的时间复杂度都是O(log N)
• 每个节点存储多个键值，树的高度始终保持一个较低的水平，减少了磁盘I/O次数，适用于大数据量场景

3）哈希索引

MySQL中，只有Memory引擎显式支持哈希索引；InnoDB不支持哈希索引，但它会自动创建哈希索引，称为自适应哈希索引（索引的索引）

哈希索引基于哈希表实现，通过计算键值的哈希值来查询数据

特点：

• 等值查询快，可以在O(1)时间内匹配
• 只能用于等值查询，不支持范围查询
• 大量重复键值的情况下，哈希冲突会影响性能

4）全文索引

主要用于MyISAM和InnoDB存储引擎

全文索引用于文本数据的搜索，通常用于对长文本列进行全文索引

特点：

• 适合处理文本字段中的关键字查找，支持单词匹配、短语匹配、模糊匹配等复杂文本搜索
• 只适用于文本类型字段，不能用于数值或日期等其他数据类型

5）位图索引

为索引列的每一个唯一值创建一个位图。位图中的每一位代表表中的一行，如果某行具有该值，对应为置为1，否则为0

特点：

• 适用于取值有限且变化不频繁的字段，如性别、状态等
• 多个位图索引可以通过位运算组合查询

6）空间索引

MyISAM和InnoDB支持空间数据类型的索引

空间索引用于存储和查询空间数据，如地理坐标、地图数据等

特点：

• 仅限于存储空间数据类型的字段，穿件和维护复杂度较高

2.按物理存储分类

1）聚集索引

2）非聚集索引

详情见3.聚簇索引和非聚簇索引的区别？-CSDN博客

3.按字段特性分类

1）唯一索引

索引键的值在整个表中必须是唯一的，不允许重复值，允许NULL值

特点：

• 保证数据的唯一性约束
• 主键约束primary key会自动创建一个唯一索引
• 唯一约束unique constraint会自动创建一个唯一索引

2）主键索引

特殊的唯一索引，用于唯一标识表中的每一行数据

特点：

• 不允许NULL值
• 一个表有且仅有一个主键

3）普通索引

最基本的索引类型，没有任何唯一性约束，也称为非唯一索引

特点：

• 主要目的就是加速查询，允许索引键的值重复出现

4）函数索引

索引键不是列本身，而是基于一个或多个列应用函数或表达式计算的结果

特点：

• 加速在where子句或join条件中使用了函数或表达式的查询

5）前缀索引

只对列值的前面一部分字符或字节创建索引，而不是整个列

特点：

• 减少索引占用的存储空间
• 会降低索引的区分度，可能返回更多行

4.按字段个数分类

1）单列索引

基于表中单个列创建的索引

2）联合索引

基于表中多个列创建的索引

特点：

• 遵循最左前缀原则
• 如果联合索引的索引值已经满足了查询条件，就不会进行回表，直接返回结果
• 相比单列索引，联合索引能更高效地组合多条件查询

3）覆盖索引

覆盖索引是指一个索引包含了查询语句中所有需要返回的字段，使数据库引擎可以直接从索引中获取所需数据，无需回表查询数据行

三.索引的优点和缺点

优点：

• 加快数据检索，降低数据库I/O成本
• 增强数据完整性：唯一索引确保列值无重复，主键索引强制非空，防止数据冗余
• 优化排序和分组：索引本身按键值有序存储，直接支持排序和分组操作，减少查询中排序和分组的时间
• 加速表连接：外键字段的索引可以高效关联多表数据

缺点：

• 占用存储空间
• 降低写操作性能：增删改数据需要同步维护索引，增加I/O开销。频繁更新的表性能可能下降
• 维护成本高

四.使用索引一定能提升效率吗

使用索引不一定能提升效率，甚至可能降低性能

1.不适合创建索引的场景

1）低频查询字段

字段不常查询，索引的维护成本远高于查询收益

2）低区分度字段

数据重复率极高，索引过滤效率低，回表成本可能高于全表扫描

3）小数据量表

索引访问路径比全表扫描更长，I/O次数更多

4）写密集型场景

每次写操作需要同步更新索引

5）超长文本字段

索引因键值过长导致语义丢失，前缀索引失效；即使索引定位成功，回表获取完整文本需加载多个大字段数据页，I/O开销超过全表扫描

2.适合创建索引的场景

1）高频查询字段

where、join、order by/ group by子句频繁出现的列

2）高区分度字段

数据重复率低，B+树可以精准过滤少量数据，回表成本低于全表扫描

3）大数据量表的查询条件字段

4）覆盖查询字段

索引包含select的所有字段时，引擎直接从索引叶子节点返回数据，消除回表产生的随机I/O

5）外键关联字段

如果没有索引，数据库在执行连接操作时需要进行全表扫描，查找匹配的记录，降低查询性能

五.哪些情况会导致索引失效

索引结构被破坏

1.对字段进行操作导致索引失效

索引存储字段的原始值，并按照B+树组织，实现快速查找。对字段操作后，数据库无法直接匹配索引存储的原始值

1）使用函数或运算处理字段

B+树存储原始列值，如整数100，where id+1=101需要先计算id+1，导致无法匹配索引树节点值(where id*2 >100类似的运算也是同理）

如果使用函数在索引范围之外，即不在查询条件中使用，索引仍然有效

2）隐式类型转换

强制类型转换使索引值失效，如字符串“100”的二进制编码不等于整数100，索引按整型存储，字符串需转换为整型，引入额外的计算，导致优化器放弃索引

3）使用表达式

例如，WHERE salary + bonus > 10000，salary + bonus需计算每行的表达式结果，无法利用索引的有序性

4）WHERE条件中列间比较

SELECT * FROM employees 
WHERE salary > bonus;

索引没有存储列间关系的信息，数据库必须获取每一行的实际值来进行列间的比较计算

2.LIKE以%开头

B+树索引按左前缀排序，无法进行后缀匹配

3.联合索引未遵循最左前缀

4.使用ORDER BY可能会导致索引失效

索引失效场景：

1）全字段查询+无过滤条件

SELECT * FROM user ORDER BY card_id;

card_id有索引，但select *需要所有字段，数据库必须回表查询完整数据，当优化器发现回表成本大于全表扫描成本时，放弃索引

2）排序字段与索引顺序矛盾

-- 索引默认ASC，但查询要求DESC
SELECT * FROM user ORDER BY card_id DESC;

索引按升序存储，降序排序需要反向扫描，效率低于全表扫描加排序

3）混合排序字段

-- 索引是单字段，但多字段排序
SELECT * FROM user ORDER BY card_id, age; 

索引只能保证card_id有序，无法保证card_id+age有序，需要额外内存排序

索引有效场景：

1）索引覆盖查询

SELECT card_id FROM user ORDER BY card_id;

card_id值已在索引中，只需读取索引，无需回表，直接按索引顺序返回结果

2）where条件过滤+排序

SELECT * FROM user 
WHERE card_id > 1000 
ORDER BY card_id;

where条件利用索引过滤数据，排序字段与索引一直，且数据量小，回表成本小于全表扫描成本

3）联合索引匹配顺序

-- 创建联合索引
CREATE INDEX idx_card_age ON user(card_id, age);
-- 能走索引
SELECT id FROM user ORDER BY card_id, age;

排序字段顺序与索引定义完全一致，查询字段包含在索引中

索引扫描成本高于全表扫描：

5.IN参数超阈值

where column in (v1,v2,...,vn)当n的值非常大时，优化器预估多次索引查找加上回表的总成本会超过全表扫描的成本

6.错误使用NOT IN或!=

查询条件排除的数据太少，索引查找范围太大，成本高

7.表数据量过小

索引访问路径更长，全表扫描更快

8.IS NULL 或 IS NOT NULL

聚簇索引因为主键约束禁止NULL值，非聚簇索引允许NULL值且将其集中存储在B+树最左侧。行记录中的null bitmap是一个二进制位序列，用来标记表中每一个列是否为null。当null bitmap中对应的位为1时，表示对应的列为null；为0表示列不为null，实现了快速空值判断

对于IS NOT NULL查询，二级索引需要扫描几乎所有条目并触发大量回表随机I/O，达到某个比例时，使用二级索引执行查询的成本超过全表扫描的成本，优化器会在真正执行查询前预计算，走成本小的方式

9.OR连接非索引列

优化器无法合并多个索引扫描路径，如where 索引列A=1 or 非索引列B=2，数据库要么用索引查A=1，这样会漏掉B=2的数据，导致结果错误；要么就全表扫描，放弃索引

10.使用非主键范围条件查询时，部分情况索引失效

1）联合索引中的范围查询使后续索引列失效

SELECT * FROM table WHERE a > 100 AND b = 5;

扫描索引中所有a>100的记录，针对这些记录，数据库逐条检查b=5的记录，如果a>100的记录数量非常大，成本将会非常高

2）范围查询覆盖了表中大部分数据

3）范围查询后，又使用非索引列进行过滤

六.索引对数据库性能的影响

正面影响：

1.加速select查询

避免全表扫描，快速定位数据

2.加速order by排序和group by分组

当order by或group by语句要求的排序顺序与索引存储顺序一致时，数据库可以直接按索引顺序读取数据

3.加速join连接

在连接条件列创建索引，数据库进行join操作时，直接利用索引定位到所有关联值相等的行位置，提高连接速度

4.覆盖索引

查询所需数据全在索引中，避免回表

5.强制唯一性

在列上创建唯一索引后，数据库会强制禁止在该列中插入或修改重复值，确保该列数据唯一性

负面影响：

1.降低写入速度

insert、update、delete操作需要同步更新索引，索引越多开销越大

2.占用磁盘空间

索引是独立的数据结构，消耗额外存储

3.增加优化器负担

过多索引可能使查询优化器选择执行计划更耗时

4.维护成本

索引可能产生碎片，需要定期维护

随着数据的插入、删除和更新，索引数据在物理存储上可能变得不连续，数据页中出现空白空间，这就是索引碎片。碎片会降低索引扫描的效率，需要定期使用OPTIMIZE TABLE 或 ALTER TABLE ... REBUILD 等命令重新整理索引数据来消除碎片

OPTIMIZE TABLE table_name;

这是最直接的表优化命令，重建表数据，重建所有索引，释放未使用的空间

ALTER TABLE table_name ENGINE = INNODB;

创建一张新的、结构相同的空表，将旧表中的数据逐行插入新表中，插入数据的同时重建所有索引，最后删除旧表，将新表重命名为旧表名

七.索引的设计原则有哪些？

1.只为查询频繁的列创建索引

索引主要用于加速查询操作，因此应该为经常出现查询条件的列创建索引，例如出现where子句、join子句、order by子句的列

2.避免为频繁更新的列创建索引

更新操作会导致索引同步更新，会增加写操作的性能开销

3.选择合适的索引类型

4.避免过多索引

过多索引会导致消耗空间，对表进行修改时，相关索引也需要更新

5.选择合适的字段

优先选择数据分布广泛的字段，这样查询时过滤的记录较少。像性别这样的字段，区分度不高，只有“男”、“女”两个值，创建索引的过滤效果不明显

如果低选择性的字段结合其他高选择性的字段一起使用时，索引可能会有效；作为覆盖索引的一部分，也可以提升性能

6.避免为小表创建索引

使用索引开销可能超过全表扫描成本

7.索引字段顺序合理

组合索引时，最常查询的列应靠前

八.通过索引排序内部流程是什么

1.内存优先：

在 Sort Buffer （默认 256KB）中尝试排序，使用快速排序

2.磁盘辅助：

若数据量超过 Sort Buffer，拆分数据到临时文件——>各文件快排——>归并排序合并结果

3.字段优化：

当单行数据长度 > max_length_for_sort_data （默认 4KB）时，触发 RowID 排序：

• 仅加载排序字段 + 主键ID到内存排序
• 排序后根据主键回表查询其他字段

MySQL排序优先用内存快排，内存不足转磁盘归并排序；若单行数据超过4KB（内存页大小），则改用RowID排序，仅存排序字段+主键，排序后回表补数据，最大限度降低内存的压力

九.MySQL 8 的索引跳跃扫描是什么

作用：

解决联合索引中最左列缺失时无法命中索引的问题

传统索引扫描的局限性：

假设联合索引（A,B），执行查询：

select * from table_name where B = XXX；

MySQL 8 之前，因A未出现在查询条件中，索引失效，进行全表扫描

MySQL 8 之后，跳跃扫描：自动识别A的所有可能值，拆解为多个子查询：

select * from table_name where A = XXX and B = XXX;
select * from table_name where A = YYY and B = XXX;
......

实现原理：

1.提取最左列的值，获取所有可能的值

2.为每个值构造虚拟索引

将联合索引（A,B）临时拆解为多个虚拟索引

B + A = XXX

B + A = YYY

3.合并结果

分别将执行子查询后合并结果集，利用索引快速定位B=XXX的行

生效条件：

1.联合索引最左列低选择字段

例如，A表示性别，只有“男”或“女”

2.查询条件包含索引的非最左列

例如，索引(A,B,C)，查询条件需包含B或C

3.优化器评估拆分扫描的成本低于全表扫描时才会启用

这是我的自学笔记，目前还在学习阶段，文章中可能有错误和不足，欢迎大家斧正！