索引

索引其实就是为了提高数据查询的效率,就像书的目录一样
 
索引常见的三种模型:
①哈希表:k-v结构,适用于只有等值查询的场景,范围查询效率低 【插入速度很快:计算key值即可存储】
 
②有序数组:等值查询和范围查询的性能就都非常优秀
【查询性能最好,效率都是二分法O(log(N)),但插入成本太高(插入一个记录就必须挪动后面所有记录)】
∴ 有序数组索引只适用于静态存储引擎
 
③搜索树:数据库使用的都是N叉搜索树
【由于读写上的性能优点,以及适配磁盘的访问模式,已经被广泛应用在数据库引擎中】
 
使用N叉而不使用二叉的原因: 
虽然二叉搜索树效率最高,但是索引不止存在内存中,还要写到磁盘上树高决定访问数据块的时间
在机械硬盘时代,从磁盘随机读一个数据块需要 10 ms 左右的寻址时间。对于一个 100 万行的表,
如果使用二叉树来存储,单独访问一个行可能需要 20 个 10 ms 的时间。
一个查询想尽量少读磁盘,查询过程必须访问尽量少的数据块
 
所以虽然二叉树搜索效率高,但往往查询可能很慢;
为了提升查询效率,使用N叉树,“N 叉”树中的“N”取决于数据块的大小
 
以 InnoDB 的一个整数字段索引为例,N 差不多是 1200。这棵树高是 4 的时候,就可以存 1200 的 3 次方个值,这已经 17 亿了。
 
而树根的数据块总在内存中的,一个 10 亿行的表上一个整数字段的索引,查找一个值最多只需访问 3 次磁盘。
其实,树的第二层也有很大概率在内存中,那么访问磁盘的平均次数就更少了。
 
其它模型:跳表LSM 树,有兴趣可以自行了解。
 
数据库底层存储的核心就是基于这些数据模型的。
每碰到一个新数据库,我们需要先关注它的数据模型,这样才能从理论上分析出这个数据库的适用场景
 
 
MySQL 中,索引是在存储引擎层实现的,所以并没有统一的索引标准,即不同存储引擎的索引的工作方式并不一样。
 
而即使多个存储引擎支持同一种类型的索引,其底层的实现也可能不同。
 
 
InnoDB 的索引模型(B+树)
InnoDB 中,表都是根据主键顺序以索引的形式存放的,这种存储方式的表称为索引组织表
InnoDB 使用了 B+ 树索引模型,所以数据都是存储在 B+ 树中的。
每一个索引在 InnoDB 里面对应一棵 B+ 树
 
主键索引的叶子节点存的是整行数据。在 InnoDB 里,主键索引也被称为聚簇索引
非主键索引的叶子节点内容是主键的值。在 InnoDB 里,非主键索引也被称为非聚簇索引(二级索引)
 
基于主键索引和普通索引的查询有什么区别:
主键查询方式直接查找主键索引的这颗B+树,而非主键索引需要先查找非主键索引这颗B+树,拿到对应的主键值再去查找主键索引树(这个过程称为“回表”)
即 基于非主键索引的查询需要多扫描一棵索引树。所以“尽量使用主键查询
 
索引维护
B+ 树为了维护索引有序性,在插入新值的时候需要做必要的维护。
如果插入值大于当前所有值,则只需要在现有的记录后面插入一个新记录。
在中间插入新值有可能引起页分裂(即数据页占满,需要申请一个新的数据页),除了性能还会影响数据页的利用率(原本一个页的数据分到两页,整体空间利用率下降50%)
(有分裂就有合并。当相邻两个页由于删除了数据,利用率很低之后,会将数据页做合并。合并的过程,可以认为是分裂过程的逆过程。)
 
基于上面的索引维护过程说明,我们来讨论:
哪些场景下应该使用自增主键,而哪些场景下不应该
 
我们知道,自增主键的插入数据模式是递增插入,正符合了我们前面提到的插入值大于当前所有值的场景。
每次插入一条新记录,都是追加操作,都不涉及到挪动其他记录,也不会触发叶子节点的分裂。
 
而业务逻辑字段做主键,则往往不容易保证有序插入,写数据成本相对较高。
 
 
除了考虑性能外,我们还可以从存储空间的角度来看。假设表中确实有一个唯一字段,比如身份证号,那应该用身份证号用自增字段做主键呢?
由于每个非主键索引的叶子节点上都是主键的值。如果用身份证号做主键,那么每个二级索引的叶子节点占用约 20 个字节,
而如果用整型做主键,则只要 4 个字节,如果是长整型(bigint)则是 8 个字节。
 
主键长度越小,普通索引的叶子节点就越小,普通索引占用的空间也就越小
从性能和存储空间方面考量,自增主键往往是更合理的选择
 
什么场景适合用业务字段直接做主键:
1. 只有一个索引;
2.该索引必须是唯一索引。
 
即典型的k-v场景
由于没有其他索引,所以不用考虑其他索引的叶子节点大小的问题。
另外优先考虑“尽量使用主键查询”原则,直接将这个索引设置为主键,减少回表操作
 
 
覆盖索引:
举个例子:
初始化一个表
create table T (ID int primary key,k int NOT NULL DEFAULT 0, s varchar(16) NOT NULL DEFAULT '',index k(k))engine=InnoDB;

插入一些数据

insert into T values(100,1, 'aa'),(200,2,'bb'),(300,3,'cc'),(500,5,'ee'),(600,6,'ff'),(700,7,'gg');

一个问题:

如果执行 select * from T where k between 3 and 5,需要执行几次树的搜索操作,会扫描多少行?

答:

1. 在 k 索引树上找到 k=3 的记录,取得 ID = 300;

2. 再到 ID 索引树查到 ID=300 对应的 R3;

3. 在 k 索引树取下一个值 k=5,取得 ID=500;

4. 再回到 ID 索引树查到 ID=500 对应的 R4;

5. 在 k 索引树取下一个值 k=6,不满足条件,循环结束。

这里需要注意的是,在引擎内部使用覆盖索引在索引 k 上其实读了三个记录(k=3,5,6),

但是对于 MySQL 的 Server 层来说,它就是找引擎拿到了两条记录,因此 MySQL 认为扫描行数是 2

 

这个过程中回表了两次,于是我们会有一个思路:是否可以通过索引优化,减少甚至避免回表过程呢?

如果执行的语句是 select ID from T where k between 3 and 5,这时只需要查 ID 的值,而 ID 的值已经在 k 索引树上了,因此可以直接提供查询结果,不需要回表。
这个查询里面,k索引树  已经“覆盖了”我们的查询需求,我们称为覆盖索引
 
覆盖索引可以减少树的搜索次数,显著提升查询性能,所以使用覆盖索引是一个常用的性能优化手段
 
基于上面对索引覆盖的说明,我们再讨论一个场景:
问题:在一个市民信息表上,是否有必要将身份证号和名字建立联合索引?
市民表如下:
CREATE TABLE `tuser` (
  `id` int(11) NOT NULL,
  `id_card` varchar(32) DEFAULT NULL,
  `name` varchar(32) DEFAULT NULL,
  `age` int(11) DEFAULT NULL,
  `ismale` tinyint(1) DEFAULT NULL,
  PRIMARY KEY (`id`),
  KEY `id_card` (`id_card`),
  KEY `name_age` (`name`,`age`)
) ENGINE=InnoDB

身份证号是市民的唯一标识。即如果有根据身份证号查询市民信息的需求,只要在身份证号字段上建立索引就够了。

如果要再建立一个(身份证号、姓名)的联合索引,是不是浪费空间?

如果现在有一个高频请求,要根据市民的身份证号查询他的姓名,这个联合索引就有意义了。这个高频请求能用到覆盖索引。
当然,索引字段的维护总是有代价的。因此,在建立冗余索引来支持覆盖索引时就需要权衡考虑了。
 
 
最左前缀原则:
上面这个例子可能引起我们的另一个疑问:如果为每一种查询都设计一个索引,索引是不是太多了。
如果现在要按照市民的身份证号去查他的家庭地址呢?虽然这个查询需求在业务中出现的概率不高,但总不能让它走全表扫描吧?
反过来说,单独为一个不频繁的请求创建一个(身份证号,地址)的索引又感觉有点浪费。应该怎么做呢?
 
答案:B+ 树这种索引结构,可以利用索引的“最左前缀”,来定位记录
 
为了直观地说明这个概念,我们用(name,age)这个联合索引来分析。

 

索引项是按照索引定义里面出现的字段顺序排序的。 

当需求是查到所有名字是“张三”的人时,可以快速定位到 ID4,然后向后遍历得到所有需要的结果。
如果要查的是所有名字第一个字是“张”的人,也能够用上这个索引,查找到第一个符合条件的记录是 ID3,然后向后遍历,直到不满足条件为止。
 
可以看到,不只是索引的全部定义,只要满足最左前缀,就可以利用索引来加速检索。
这个最左前缀可以是联合索引的最左 N 个字段,也可以是字符串索引的最左 M 个字符
 
基于上面对最左前缀索引的说明,我们来讨论一个问题:在建立联合索引的时候,如何安排索引内的字段顺序
评估标准是,索引的复用能力。因为可以支持最左前缀,所以当已经有了 (a,b) 这个联合索引后,一般就不需要单独在 a 上建立索引了。
因此,第一原则是,如果通过调整顺序,可以少维护一个索引,那么这个顺序往往就是需要优先考虑采用的
所以前面的问题里,要为高频请求创建 (身份证号,姓名)这个联合索引,并用这个索引支持“根据身份证号查询地址”的需求就有明确方案了。
 
如果既有联合查询,又有基于 a、b 各自的查询呢?
查询条件里面只有 b 的语句,是无法使用 (a,b) 这个联合索引的,这时不得不维护另外一个索引,也就是需要同时维护 (a,b)、(b) 两个索引。
这时我们要考虑的就是第二原则就是空间了。比如上面name 字段是比 age 字段大的 ,那就创建一个(name,age) 的联合索引和一个 (age) 的单字段索引。
 
 
索引下推:
上面讲了最左前缀原则。那么那些不符合最左前缀的部分,会怎么样呢?
我们还是以索引(name, age)为例。如果现在有一个需求:检索出表中“名字第一个字是张,而且年龄是 10 岁的所有男孩”。
那么,SQL 语句是这么写的:
mysql> select * from tuser where name like '张%' and age=10 and ismale=1;

按照最左前缀原则,在搜索索引树的时候,只能用 “张”,找到第一个满足条件的记录 ID3。

当然,这还不错,总比全表扫描要好。接着判断其他条件是否满足:

1. 在 MySQL 5.6 之前,只能从 ID3 开始一个个回表。到主键索引上找出数据行,再对比字段值。

2. 而 MySQL 5.6 引入的索引下推优化(index condition pushdown), 可以在索引遍历过程中,对索引中包含的字段先做判断,直接过滤掉不满足条件的记录,减少回表次数。

图1    图2

 

 图1是无索引下推执行流程,图2是索引下推执行流程

 图1特意去掉了age值,是因为这个过程 InnoDB 并不会去看 age 的值,此时需要回表四次。

 图2因为判断了age值,只需回表2次。

 

 

小结:

1.InnoDB 是索引组织表(表都是根据主键顺序以索引的形式存放的)
2.一般情况建议创建一个自增主键(k-v场景除外)
3.利用覆盖索引,左前缀原则,索引下推可以有效减少回表次数,提升查询性能
 
 
本文参考 极客时间林晓斌老师的《MySQL45讲》,也极力向大家推荐这门课程。
本篇目前算做笔记,后面学习到更多索引相关的知识都会归结到这篇文章来
posted @ 2020-02-16 20:54  钺览IT  阅读(31)  评论(0编辑  收藏