网站建设多少钱企业网站营销实现方式解读
概述
索引：帮助MySQI高效获取数据的数据结构(有序)。
数据库系统除维护数据外，还维护满足特定查找算法的数据结构，即索引。
演示
表结构及数据如下：
假设执行SQL语句：select * from user where age = 45;
- 无索引情况：要从第一行扫描到最后一行，即全表扫描，性能很低
- 有索引情况：假设对该表建立了索引，索引结构是二叉树，那就意味，会对age字段建立一个二叉树的索引结构。
此时再进行查询时，扫描三次就能找到数据，极大提高了查询效率。
索引的优点
提高数据检索的效率，降低了数据库的IO成本
通过索引列对数据进行排序，降低数据排序的成本，降低CPU的消耗。
索引的缺点（几乎可以忽略）
索引列也要占用空间
索引提高了表的查询效率，但降低更新速率，即对表进行增、删、改时，效率降低。
索引结构
MySQL的索引是在存储引擎层实现的，不同存储引擎有不同的索引结构。
MySQL支持的全部索引结构
不同存储引擎支持的索引
不支持 支持 不支持 支持 不支持 注：我们平常说的索引，若无特别指明，都指 B+ 树索引
二叉树、红黑树为什么不用作索引结构
假设 MySQL 的索引结构采用 二叉树 或 红黑树 的数据结构
- 理想情况如图1
- 那选择红黑树呢（图 3）？
- 红黑树是自平衡二叉树，即使顺序插入数据，最终也会形成一棵平衡的二叉树。但红黑树本质上仍是二叉树，大数据量情况下，层级较深，检索慢。
所以，MySQL的索引结构中并没有二叉树或红黑树，而是默认 B+ 树
B Tree （多路平衡查找树）
以一棵 最大度数为5(5阶)的b-tree为例，则该 B树每个节点最多存储4个key，5 个指针：
5阶 B树的特点：
- 每个节点最多存储4个key，5个指针。
- 每个节点存储的key达到 5 就会裂变，中间元素向上分裂。
- 在B树中，每个节点都存放数据。
模拟网站：B-Tree Visualization
B+ Tree
以4阶 B+ 树为例：
5阶 B+ 树的特点：
- 每个节点最多存储4个key，5个指针。
- 每个节点存储的key达到 5 就会裂变，中间元素向上分裂并保留。
- 在B+ 树中，仅叶节点都存放数据。非叶子节点仅仅起到索引数据作用
模拟网站：B+ Tree Visualization
MySQL优化后的 B+Tree
MySQL索引对经典的B+Tree进行优化。在原B+Tree基础上，增加一个指向相邻叶子节点的链表指针，形成了带有顺序指针的 B+Tree，提高区间访问的性能，利于排序。
Hash
- 哈希索引采用hash算法，将键值换算成hash值，映射到对应的槽位，然后存储在hash表中。
- 如果多个键值，映射到同一槽位，即产生hash冲突（也称hash碰撞），可以通过链表解决。
hash索引的特点：
- 不能完成排序操作
- 通常只需一次检索即可，效率通常高于B+tree
- MySQL中，支持hash索引的是Memory存储引擎，其他引擎不支持。但 InnoDB 有自适应hash功能，InnoDB 根据B+Tree 索引在指定条件下自动构建hash索引。
面试题：为什么InnoDB存储引擎选择使用B+tree索引结构?
- 相对于二叉树，B+tree的层级更少，检索效率高；
- B-tree的每个节点都保存数据，这样导致一页中存储的键值减少，指针跟着减少，要同样保存大量数据，只能增加树的高度，导致性能降低；
- 相对Hash索引，B+tree支持范围匹配及排序操作；
索引分类
| 分类 | 含义 | 特点 | 关键字 |
|---|---|---|---|
| 主键索引 | 针对表中主键创建的索引 | 默认自动创建，且 只能有一个 | primary |
| 唯一索引 | 避免同一个表中某数据列中的值重复 | 可以有多个 | unique |
| 常规索引 | 快速定位特定数据 | 可以有多个 | |
| 全文索引 | 全文索引查找的是文本中的关键词，而不是比较索引中的值 | 可以有多个 | fulltext |
而在InnoDB存储引擎中，根据索引的存储形式，又分2种：
| 分类 | 含义 | 特点 |
|---|---|---|
| 聚集索引 | 将数据与索引存储在一起，索引结构的叶子节点保存了行数据 | 必须有， 且只有一个 |
| 二级索引 | 将数据与索引分开存储，索引结构的叶子节点保存的是对应的主键 | 可以有多个 |
聚集索引选取规则：
- 如果有主键，主键索引就是聚集索引。
- 如果没有主键，将第一个唯一 索引作为聚集索引。
- 如果表没有主键、唯一索引，则 InnoDB 会自动生成一个 rowid 作为隐藏的聚集索引。
聚集索引的叶子节点下保存的是这一行的数据。
二级索引的叶子节点下保的是对应的主键值。
当执行SQL语句时，具体的过程如下：
- 由于根据name字段查询，所以先根据name= 'Arm'，到name字段的二级索引中查找。注意：在二级索引中只能得到Arm对应的主键值10
- 由于查询返回的数据是*，所以还要根据主键值10，到聚集索引中查找，最终找到10对应的行row
- 最终拿到这一行的数据，直接返回即可
上面的过程又称为回表查询
回表查询：先到二级索引中查找，找到主键值，然后到聚集索引中根据主键值获取数据
思考题： 以下SQL语句，哪个执行效率高
A select * from user where id = 10 ;
B select * from user where name = 'Arm' ;
备注: id为主键，name字段创建了索引；
解答：A 语句的执行性能要高于B 语句。
因为A语句直接走聚集索引，直接返回数据。而B语句需要先查询name字段的二级索引，然
后再查询聚集索引，也就是需要进行回表查询。
思考题：InnoDB 主键索引的B+树的高度是多少？
索引的语法
-- 1. 创建索引：
-- 创建一个普通索引
-- 语法：create index 索引名 on 表名(字段名);
-- 创建一个唯一索引
-- 语法：create unique index 索引名 on 表名(字段名);
-- 创建一个主键索引
-- 语法：create primary key index 索引名 on 表名(字段名);
-- 创建一个全文索引
-- 语法：create fulltext index 索引名 on 表名(字段名);-- 2. 查看索引：
-- 语法：show index from 表名;-- 3. 删除索引：
-- 语法：drop index 索引名 on 表名;接下来演示一个案例：首先创建表，并插入数据
-- 1. 创建一个系统用户表tb_user，包含以下字段：
-- primary key：主键
-- auto_increment：自增主键
-- not null：非空
-- unsigned：无符号
create table tb_user(id int primary key auto_increment comment '主键',name varchar(50) not null comment '用户名',phone varchar(11) not null comment '手机号',email varchar(100) comment '邮箱',profession varchar(11) comment '专业',age tinyint unsigned comment '年龄',gender char(1) comment '性别 , 1: 男, 2: 女',status char(1) comment '状态',createtime datetime comment '创建时间'
) comment '系统用户表';-- 2. 插入数据
insert into tb_user (name, phone, email, profession, age, gender, status,createtime) values('吕布', '17799990000', 'lvbu666@163.com', '软件工程', 23, '1','6', '2001-02-02 00:00:00'),('曹操', '17799990001', 'caocao666@qq.com', '通讯工程', 33,'1', '0', '2001-03-05 00:00:00'),('赵云', '17799990002', '17799990@139.com', '英语', 34, '1','2', '2002-03-02 00:00:00'),('孙悟空', '17799990003', '17799990@sina.com', '工程造价', 54,'1', '0', '2001-07-02 00:00:00'),('花木兰', '17799990004', '19980729@sina.com', '软件工程', 23,'2', '1', '2001-04-22 00:00:00'),('大乔', '17799990005', 'daqiao666@sina.com', '舞蹈', 22, '2','0', '2001-02-07 00:00:00'),('露娜', '17799990006', 'luna_love@sina.com', '应用数学', 24,'2', '0', '2001-02-08 00:00:00'),('程咬金', '17799990007', 'chengyaojin@163.com', '化工', 38,'1', '5', '2001-05-23 00:00:00'),('项羽', '17799990008', 'xiaoyu666@qq.com', '金属材料', 43,'1', '0', '2001-09-18 00:00:00'),('白起', '17799990009', 'baiqi666@sina.com', '机械工程及其自动化', 27, '1', '2', '2001-08-16 00:00:00'),('韩信', '17799990010', 'hanxin520@163.com', '无机非金属材料工程', 27, '1', '0', '2001-06-12 00:00:00'),('荆轲', '17799990011', 'jingke123@163.com', '会计', 29, '1','0', '2001-05-11 00:00:00'),('兰陵王', '17799990012', 'lanlinwang666@126.com', '工程造价',44, '1', '1', '2001-04-09 00:00:00'),('貂蝉', '17799990014', '84958948374@qq.com', '软件工程', 40,'2', '3', '2001-02-12 00:00:00'),('妲己', '17799990015', '2783238293@qq.com', '软件工程', 31,'2', '0', '2001-01-30 00:00:00'),('芈月', '17799990016', 'xiaomin2001@sina.com', '工业经济', 35,'2', '0', '2000-05-03 00:00:00'),('嬴政', '17799990017', '8839434342@qq.com', '化工', 38, '1','1', '2001-08-08 00:00:00'),('狄仁杰', '17799990018', 'jujiamlm8166@163.com', '国际贸易',30, '1', '0', '2007-03-12 00:00:00'),('安琪拉', '17799990019', 'jdodm1h@126.com', '城市规划', 51,'2', '0', '2001-08-15 00:00:00'),('典韦', '17799990020', 'ycaunanjian@163.com', '城市规划', 52,'1', '2', '2000-04-12 00:00:00'),('廉颇', '17799990021', 'lianpo321@126.com', '土木工程', 19,'1', '3', '2002-07-18 00:00:00'),('后羿', '17799990022', 'altycj2000@139.com', '城市园林', 20,'1', '0', '2002-03-10 00:00:00'),('姜子牙', '17799990023', '37483844@qq.com', '工程造价', 29,'1', '4', '2003-05-26 00:00:00');然后我们先查看表的索引，然后再根据需求创建索引
-- 3. 查看表tb_user的索引
-- 可以看到，表tb_user有一个主键索引，主键索引的名称为PRIMARY，主键索引的字段为id。
show index from tb_user;-- 4. 创建索引
-- 需求如下：
-- name字段为姓名字段，该字段的值可能会重复，为该字段创建索引。
-- phone手机号字段的值，是非空，且唯一的，为该字段创建唯一引。
-- 为profession、age、status创建联合素引。
-- 为email建立合适的索引来提升查询效率
create index idx_name on tb_user(name);
create unique index idx_phone on tb_user(phone);
create index idx_profession_age_status on tb_user(profession,age,status);
create index idx_email on tb_user(email);SQL性能分析
SQL执行频率
-- 查看SQL的执行频率：show [session|global] status like 'Com%';
-- session: 查看当前会话的SQL执行频率
-- global：查看全局的SQL执行频率
-- like: 模糊查询
-- %: 通配符，匹配任意字符
-- _: 通配符，匹配一个字符show global status like 'Com%';
show global status like 'Com_______';
-- 可以看到，Com_select是查询语句的执行频率最高的语句。
-- Com_delete：删除次数
-- Com_insert：插入次数
-- Com_update：更新次数
-- Com_select：查询次数- 通过上述指令，就能知道当前数据库是以查询为主，还是以增删改为主，为数据库优化提供参考
- 如果以增删改为主，我们可以不优化索引。 如果以查询为主，就要对数据库的索引进行优化
那假如数据库是以查询为主，我们又该对哪些查询语句进行优化？ ==> 借助于慢查询日志。
慢查询日志
索引设计原则
对 数据量较大，且查询较频繁的表建立索引。
针对于常作为查询条件(where)、排序(order by)、分组(group by)操作的字段建立索引。
尽量选择区分度高的列作为索引，尽量建立唯一索引，区分度越高，使用索引的效率越高。
如果是字符串类型的字段，字段的长度较长，可以针对于字段的特点，建立前缀索引。
尽量用联合索引，减少单列索引，查询时，联合索引很多时候可以覆盖索引，节省存储空间避免回表，提高查询效率。
要控制索引的数量，索引不是越多越好，索引越多，维护索引结构的代价就越大，会影响增删改的效率。
若索引列不能存储NULL值，请在创建表时用非空约束，当优化器知道每列是否包含null值时，它可以更好地确定哪个索引最有效地用于查询。