[MYSQL数据库]- 索引

前言

作者：小蜗牛向前冲

名言：我可以接受失败，但我不能接受放弃

  如果觉的博主的文章还不错的话，还请点赞，收藏，关注👀支持博主。如果发现有问题的地方欢迎❀大家在评论区指正 

目录

一、认识索引 

1、为什么要有索引

2、什么是索引

二、索引实现的基础

1、认识磁盘

2、MySQL 与磁盘交互基本单位

 三、索引的实现

1、理解单个Page

2、理解多个Page

 3、聚簇索引 VS 非聚簇索引

四、索引操作 

1、创建主键索引

2、唯一索引的创建 

3、普通索引的创建

4、全文索引的创建 

5、索引的其他知识 

本期学习：索引由来，索引是怎么实现的，索引的创建，删除和信息的查询

一、认识索引 

1、为什么要有索引

 大家可能想象这么一个场景，假设我们现在存放了8百万条用户数据到mysql中，我们要查找最后几条数据，正常来说我们不知道这个用户数据在哪里，那大家可能是从第条用户数据开始找，直到我们找到为止，也就是说我们要遍历8百万条数据才可以的得到自己想要的结果。

下面我们用where条件进行筛选查询：

发现用了5秒，但是这只是一层IO啊，如果我们高频率访问数据库这样的效率肯定是不可以的。

但是我们却可以帮empno编号加上索引。 

创建索引
alter table EMP add index(empno);

在次查询：

2、什么是索引

在上面我们创建了索引，在索引的帮助下查找效率几个量级。那为什么会这样呢？其实我们可以把mysql理解为一个本书，用户数据就是书中的文字，我们知道书多是目录的，当我们想要查询书中具体章节可以通过目录查找到对应的页码，从而找到对应的章节。

而在mysql的索引也就相当于书的目录，所以通过索引可以快速的找到我们想要的内容。

对于我们程序员，理解到这个层次肯定是不够的，虽然说我们表面上把数据存放在mysql中，但是其实仍然要通过操作系统存放在磁盘上。

提高算法的查找效率无外乎在：组织数据的方式上(各种数据结构)，算法本身（二分，快排）。

索引也不列外，但是本文只想讨论组织结构对索引的影响。

为了更好的理解mysql的存储原理，我们还要简单的了解其在硬件上的存放。

二、索引实现的基础

1、认识磁盘

MySQL与存储

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，那么如何提交效率便成为是 MySQL 的一个重要话题。

磁盘结构 

扇区 ：

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。

• 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) 

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

• 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:

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

• 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 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。 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。

通过上面的认识，我们认识到在物理层面上，如果我们想要选择文件，必须通过磁盘读取的方式获得，而且系统每次读取磁盘的io大小为4KB，是一块一块的读取数据(这里不需要担心，如果我们只要1KB的数据怎么办，这样不就浪费了查找成本，但这是不需要担心的，因为根据计算机的局部存储性原理，下次要用大的数据大概会是3KB的是数据)。

2、MySQL 与磁盘交互基本单位

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。

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

• MySQL 中的数据文件，是以page为单位保存在磁盘当中的。
• 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。
• 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。
• 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。 为了更高的效率，一定要尽可能的减少系统和磁盘IO的次数

 三、索引的实现

1、理解单个Page

MySQL 中要管理很多数据表文件，而要管理好这些文件，就需要 先描述，在组织 ,我们目前可以简单理解 成一个个独立文件是有一个或者多个Page构成的。

不同的 Page ，在 MySQL 中，都是 16KB ，使用 prev 和 next 构成双向链表。

因为有主键的问题， MySQL 会默认按照主键给我们的数据进行排序，从上面的Page内数据记录可以看出，数据是有序且彼此关联的。这里可以认为是通过链表将这些数据串联管理起来。

对于于单个page,我们要查找数据，怎么办？

如果我们采取链表遍历的方式，这样是很慢的，因为即使一个page只有16kb=16*1024==16384字节。那可以存放16383/4=4096个整形。

页目录 

我们在看《谭浩强C程序设计》这本书的时候，如果我们要看，找到该章节有两种做法

• 从头逐页的向后翻，直到找到目标内容 通过书提供的目录，发现指针章节在234页(假设)，那么我们便直接翻到234页。
• 同时，查找目录的 方案，可以顺序找，不过因为目录肯定少，所以可以快速提高定位 本质上，书中的目录，是多花了纸张的，但是却提高了效率 所以，目录，是一种“空间换时间的做法”

所以我们肯定会对这些数据要进行管理，起来，那么也会存在一个目录这样的结构对数据进行快速查找。

在一个Page内部，我们引入了目录。比如，我们要查找id=4记录，之前必须线性遍历4次， 才能拿到结果。现在直接通过目录2[3]，直接进行定位新的起始位置，提高了效率。  

但是单个pag也仅仅能管理4千多个整形的数据，那如果数据非常大，又是如何进行管理的。 

2、 理解多个Page

• 通过上面的分析，我们知道，上面页模式中，只有一个功能，就是在查询某条数据的时候直接将一 整页的数据加载到内存中，以减少硬盘IO次数，从而提高性能。但是，我们也可以看到，现在的页 模式内部，实际上是采用了链表的结构，前一条数据指向后一条数据，本质上还是通过数据的逐条 比较来取出特定的数据。
• 如果有1千万条数据，一定需要多个Page来保存1千万条数据，多个Page彼此使用双链表链接起 来，而且每个Page内部的数据也是基于链表的。那么，查找特定一条记录，也一定是线性查找。这 效率也太低了。

 MySQL 中每一页的大小只有 16KB ，单个Page大小固定，所以随着数据量不断增大， 16KB 不可能存下 所有的数据，那么必定会有多个页来存储数据。

需要注意，上面的图，是理想结构，大家也知道，目前要保证整体有序，那么新插入的数据，不一定会在新Page上面，这里仅仅做演示。 这样，我们就可以通过多个Page遍历，Page内部通过目录来快速定位数据。可是，貌似这样也有效率问 题，在Page之间，也是需要 MySQL 遍历的，遍历意味着依旧需要进行大量的IO，将下一个Page加载到 内存，进行线性检测。这样就显得我们之前的Page内部的目录，有点杯水车薪了。 那么如何解决呢？解决方案，其实就是我们之前的思路，给Page也带上目录

• 使用一个目录项来指向某一页，而这个目录项存放的就是将要指向的页中存放的最小数据的键值。
• 和页内目录不同的地方在于，这种目录管理的级别是页，而页内目录管理的级别是行。 其中，每个目录项的构成是：键值+指针。

存在一个目录页来管理页目录，目录页中的数据存放的就是指向的那一页中最小的数据。

有数据，就可通过比较，找到该访问那个Page，进而通过指针，找到下一个Page。

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。 可是，我们每次检索数据的时候，该从哪里开始呢？虽然顶层的目录页少了，但是还要遍历啊？不用担心，可以在加目录页 

这货就是传说中的B+树啊！没错，至此，我们已经给我们的表user构建完了主键索引。 随便找一个id=？我们发现，现在查找的Page数一定减少了，也就意味着IO次数减少了，那么效率也就 提高了。 

总结 ：

• Page分为目录页和数据页。目录页只放各个下级Page的最小键值。
• 查找的时候，自定向下找，只需要加载部分目录页到内存，即可完成算法的整个查找过程，大大减 少了IO次数

我们现在知道数据的查找是通过page进行的，也就是索引的搜索是通过page完成，也是说索引的本质是一颗b+树。 

b+树的特点：

• 叶子节点保存有数据，路上节点没有，非叶子节点，不要数据，只要目录项非叶子节点，不存数据，可以存储更多的目录项，目录页，可以管理更多的叶子page，这颗树，一定是一个矮胖型的树!
• 一颗矮胖型的树，在查找的时候经过的节点会大大减少，这也就减少了遍历节点的IO，提高了查找效率

 3、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。 相较于 InnoDB 索引， InnoDB 是将索引和数据放在一起的。

create table st(
id int primary key,
name varchar(11) not null
)engine=MyISAM;

这里要在root权限下进入到mysql的目录下，找到创建的目录

cd /var/lib/mysql

• st.frm 里面存放的表结构数据
• st.MYD该表对应的数据，我没有插入所以为0
• st.MYI该表对应的主键索引数据 

换一个引擎存储InnoDB

create table st2(id int primary key,
name varchar(11) not null
)engine=InnoDB;

• st2.frm表结构数据
• st2.ibd表对应的主键索引和用户 

其中， 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 当然， MySQL 除了默认会建立主键索引外，我们用户也有可能建立按照其他列信息建立的索引，一般这 种索引可以叫做辅助（普通）索引。 对于 MyISAM ,建立辅助（普通）索引和主键索引没有差别，无非就是主键不能重复，而非主键可重复。 下图就是基于 MyISAM 的 Col2 建立的索引，和主键索引没有差别 

下图就是基于 MyISAM 的 Col2 建立的索引，和主键索引没有差别

 同样， InnoDB 除了主键索引，用户也会建立辅助（普通）索引，我们以上表中的 Col3 建立对应的辅助 索引如下图：

可以看到， InnoDB 的非主键索引中叶子节点并没有数据，而只有对应记录的key值。

所以通过辅助（普通）索引，找到目标记录，需要两遍索引：首先检索辅助索引获得主键，然后用主键 到主索引中检索获得记录。这种过程，就叫做回表查询 为何 InnoDB 针对这种辅助（普通）索引的场景，不给叶子节点也附上数据呢？原因就是太浪费空间 了。 

四、索引操作 

1、创建主键索引

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 

create table user3(id int, name varchar(30));
-- 创建表以后再添加主键
alter table user3 add primary key(id);

 主键索引的特点：

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

2、唯一索引的创建 

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  

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

 唯一索引的特点：

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

3、普通索引的创建

第一种方式

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   

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

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： 

• 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
• 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

4、全文索引的创建 

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)。

这里我们创建一个表并且对他进行查询 

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

这是我们正常使用到搜索，并没有用到索引。

可以用explain工具看一下，是否使用到索引，告诉我们mysql执行计划

• id: 查询中的 SELECT 语句的序列号。在这里是 1。
• select_type: 查询的类型。在这里是 SIMPLE，表示这是一个简单的 SELECT 查询。
• table: 查询涉及的表。在这里是 articles。
• partitions: 如果查询涉及分区表，将显示分区信息。在这里是 NULL，表示没有分区。
• type: 访问表的方式。在这里是 ALL，表示全表扫描，即没有使用索引。
• possible_keys: 显示可能使用的索引。在这里是 NULL，表示没有可用的索引。
• key: 实际使用的索引。在这里是 NULL，表示没有使用索引。
• key_len: 使用的索引的长度。在这里是 NULL。
• ref: 与索引比较的参考。在这里是 NULL。
• rows: 估计要检查的行数。在这里是 6。
• filtered: 结果集的过滤程度，以百分比表示。在这里是 16.67%。

 使用全文索引

select * from articles where match (title,body) against ('database');

5、索引的其他知识 

查询索引

第一种方法： show keys from 表名

mysql> show keys from goods\G
*********** 1. row ***********
Table: goods <= 表名
Non_unique: 0 <= 0表示唯一索引
Key_name: PRIMARY <= 主键索引
Seq_in_index: 1
Column_name: goods_id <= 索引在哪列
Collation: A
Cardinality: 0
Sub_part: NULL
Packed: NULL
Null:
Index_type: BTREE <= 以B+树形式的索引
Comment:
1 row in set (0.00 sec)

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
• 第三种方法方法： drop index 索引名 on 表名 

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