InnoDB 存储引擎的索引

一、InnoDB 索引分类

索引是在存储引擎层实现的，而不是在服务器层实现的，所以不同存储引擎具有不同的索引类型和实现。

如果索引太多，应用程序的性能可能会受到影响。而索引太少，也会对查询性能产生影响。

InnoDB 支持三种索引：B+树索引、哈希索引、全文索引。

一般机械硬盘每秒至少可以做100次IO，每次约需要0.01秒。

可以使用EXPLAIN分析SQL语句的执行情况。

B树和B+树的对比

1. B+ 树索引

是大多数 MySQL 存储引擎的默认索引类型。因为不再需要进行全表扫描，只需要对树进行搜索即可，所以查找速度快很多。除了用于查找，还可以用于排序、分组、范围查找。可以指定多个列作为索引列，多个索引列共同组成键，即联合索引。

适用于全键值、键值范围和键前缀查找，其中键前缀查找只适用于最左前缀查找。如果不是按照索引列的顺序进行查找，则无法使用索引。

InnoDB 的 B+Tree 索引分为主索引和辅助索引。

主索引的叶子节点 data 域记录着完整的数据记录，这种索引方式被称为聚簇索引。因为无法把数据行存放在两个不同的地方，所以一个表只能有一个聚簇索引。

聚簇索引最大限度地提高了IO密集型应用的性能，如果数据都在内存中，则访问顺序没那么重要，聚簇索引也就没有优势了。

实际上这里B+树索引并不能找到一个给定键值的具体行，而是找到数据行所在的页。然后数据库通过把页读入内存，再在内存中进行查找。

上图中B+树高度为2，每页可存放2条记录，扇出(指向3个下层节点)为3，实际上叶子应该是双向链表，首尾相连。

InnoDB 聚簇索引的选择

• 有主键时，根据主键创建聚簇索引
• 没有主键时，会用第一个唯一且非空的索引列做为主键，成为此表的聚簇索引
• 如果以上两个都不满足，那么InnoDB内部会生成一个隐藏的主键作为聚簇索引，这个隐藏的主键是一个6字节的列，该列的值会随着数据的插入自增。

InnoDB 索引的规则

• InnoDB 中自增长的列只能有一个并且必须是索引，同时必须是索引的第一个列（如果是联合索引）。
• 对于一个外键列，如果没有显式地对这个列加索引，InnoDB会自动对其加一个索引。

辅助索引（非聚簇索引） 的叶子节点记录着主索引的主键的值和辅助索引的key值，因此在使用辅助索引进行查找时，需要先查找到主键值，然后再到主索引中进行查找。为什么存放的主键，而不是记录所在地址呢，因为记录所在地址可能会变，但主键很少变。

如果辅助索引对应多个主键值，则并列在叶子节点，即 (a,1), (a,2), (a,3),(b,2)这样。

聚簇索引要比非聚簇索引查询效率高很多，特别是范围查询和排序查找的时候。当辅助索引的范围查找比较大时（一般20%），会直接通过聚簇索引来全表扫描查找数据（顺序读比较快）。

对聚簇索引的创建和删除需要重建一张表，效率比较低，对辅助索引的创建和删除无需重建表。

2. 哈希索引

哈希索引能以 O(1) 时间进行查找，但是失去了有序性：

• 无法用于排序与分组；
• 只支持精确查找，无法用于部分查找和范围查找。

InnoDB 存储引擎有一个特殊的功能叫“自适应哈希索引”，当某个索引值被使用的非常频繁时，InnoDB 会在 B+Tree 索引之上再创建一个哈希索引，这样就让 B+Tree 索引具有哈希索引的一些优点，比如快速的哈希查找。

InnoDB 的哈希索引采用拉链法处理冲突。

InnoDB 生成哈希索引的过程都是自动的，不能人为干预。

3. 全文索引

InnoDB 存储引擎在 MySQL 5.6.4 版本中也开始支持全文索引。

全文索引，用于查找文本中的关键词，而不是直接比较是否相等。

查找条件使用 MATCH AGAINST，而不是普通的 WHERE。

全文索引使用倒排索引实现，它记录着关键词到其所在文档的映射。

-> 倒排索引-百度百科

二、和 MyISAM 索引的对比

MyISAM 支持 B+树索引、全文索引、空间数据索引。

1. MyISAM 和 InnoDB B+树索引的区别

MyISAM 的索引都是非聚集的，主键和非主键的区别只是是否唯一且非空。MyISAM的行标识符可以用“文件号：页号：槽号”来定位实际数据行。

InnoDB 的索引分聚集和非聚集。如果单纯比较MyISAM 和 InnoDB的非聚集索引，MyISAM 会更快一些。

MyISAM中的索引文件和数据文件是分开的，数据按照插入顺序存放。因此排序和范围查找要比InnoDB慢很多。

InnoDB 的存储引擎表是索引组织表，即表中的数据按照主键的顺序存放，聚集索引就是按照每张表的主键构造一颗B+树，叶子节点中存放的即为整张表的行记录数据，也将聚集索引的叶子节点称为数据页，每个数据页都通过双向链表进行连接。进行排序和范围查找速度很快。

聚簇索引的存储并不是在物理上连续的，而是在逻辑上连续，即通过双向链表访问可以有序。

MySQL中MyISAM和InnoDB的索引方式以及区别与选择

2. 空间数据索引

MyISAM 存储引擎支持空间数据索引（R-Tree），可以用于地理数据存储。空间数据索引会从所有维度来索引数据，可以有效地使用任意维度来进行组合查询。

必须使用 GIS 相关的函数来维护数据。

三、Cardinality 值

Cardinality 值表示索引中唯一值的数目的估计值（采样估计）。Cardinality/总行数应尽可能的接近1，如果非常小，就没有有必要创建这个索引。

优化器会根据这个值来判断是否使用这个索引，优化器还会根据其他条件决定是否使用和使用哪个索引。

可以使用ANALYZE TABLE命令更新Cardinality 值，建议在非高峰时期更新。

四、索引优化

最好设置InnoDB的主键为自增，非单调的主键会造成在插入新记录时数据文件为了维持B+Tree的特性而频繁的分裂调整，十分低效，而使用自增字段作为主键则是一个很好的选择。

1. 独立的列

在进行查询时，索引列不能是表达式的一部分，也不能是函数的参数，否则无法使用索引。

例如下面的查询不能使用 actor_id 列的索引：

SELECT actor_id FROM sakila.actor WHERE actor_id + 1 = 5;

2. 联合索引（多列索引）

本质上联合索引也是一颗B+树，不同的是联合索引的键值的数量大于等于2，索引首先按照最左列进行排序，其次是第二列，等等。

在需要使用多个列作为条件进行查询时，使用联合索引可能比使用多个单列索引性能更好。如果某列具有足够好的选择性，则无需建联合索引，对该列建索引就好。

例如下面的语句中，可以把 actor_id 和 film_id 设置为联合索引。

SELECT film_id, actor_ id FROM sakila.film_actor
WHERE actor_id = 1 AND film_id = 1;

比如上面这条语句，对单个actor_id列查询也可以使用联合索引，而对单个film_id列查询则不能用联合索引了，因为相同film_id值的键不在一起。

当第一个key相同时，联合索引会根据第二个索引排序。如果查询需要根据第二个键值排序则无需另外排序。

比如对联合索引（a, b, c）来说

select ... from table where a=xxx order by b;   
select ... from table where a=xxx and b=xxx order by c;
select ... from table where a=xxx order by b DESC, c DESC;
# 上面三句无需再进行排序
select ... from table where a=xxx order by c;
select ... from table where a>xxx order by b; # a 涉及范围查询，无法使用索引的排序
select ... from table where a=xxx order by b DESC, c ASC;
# 上面三句需要再排序

索引列都是正序排序的，只有当索引的列顺序和ORDER BY子句的顺序完全一致，并且所有列的排序方向（倒序或正序）都一样，才可以使用索引而无需再排序。另外，如果某列涉及范围条件，也无法使用索引的排序。

还是对联合索引（a, b, c）来说

select ... from table where a>xx;  # 可以利用索引进行范围查找
select ... from table where a=xx and b between 30 and 50; # 可以利用索引进行范围查找
select ... from table where a=xx and b=88 and c > 40; # 可以利用索引进行范围查找
select ... from table where a=xx and c > 40; # 不能利用索引进行范围查找
select ... from table where c > 40; # 不能利用索引进行范围查找

如上面的例子所示，一般使用正确的情况下也只能对一个属性进行范围查找（利用索引）。如果想对两个属性进行范围查找，尽量将其中一个属性变为多个等值条件查询，比如b in (29,30,31)。

联合索引有联合主键索引（主索引）、联合普通索引（辅助索引）。

联合索引的案例学习可以参考《高性能MySQL》的5.4节。

3. 联合索引列的顺序

不需要考虑排序和分组时，一般让选择性最强的索引列放在前面。

如果每次查询的字段不一定，选择性较弱但经常出现的X字段一般也放在前面。如果把选择性强但不经常出现的Y字段放在第一个，如果查询没有Y字段则整个联合索引都用不了了。

索引的选择性是指：不重复的索引值和记录总数的比值。最大值为 1，此时每个记录都有唯一的索引与其对应。选择性越高，查询效率也越高。

例如下面显示的结果中 customer_id 的选择性比 staff_id 更高，因此最好把 customer_id 列放在联合索引的前面。

SELECT COUNT(DISTINCT staff_id)/COUNT(*) AS staff_id_selectivity,
COUNT(DISTINCT customer_id)/COUNT(*) AS customer_id_selectivity,
COUNT(*)
FROM payment;

staff_id_selectivity: 0.0001
customer_id_selectivity: 0.0373
               COUNT(*): 16049

4. 前缀索引

对于 BLOB(binary large object，二进制大对象)、TEXT 和 VARCHAR 类型的列，必须使用前缀索引，只索引开始的部分字符。

对于前缀长度的选取需要根据索引选择性来确定。

前缀索引的缺点：无法使用前缀索引做ORDER BY和GROUP BY。

5. 覆盖索引

辅助索引中就可以得到查询的记录，而不需要查询聚集索引中的记录。（MySQL 5.0 以上支持覆盖索引）

• 索引通常远小于数据行的大小，只读取索引能大大减少数据访问量。
• 对于 InnoDB 引擎，若辅助索引能够覆盖查询，则无需访问聚簇索引。辅助索引不包含整行记录的所有信息，故大小远小于聚簇索引，减少大量IO操作。
• 一些存储引擎（例如 MyISAM）在内存中只缓存索引，而数据依赖于操作系统来缓存。因此，只访问索引可以不使用系统调用（通常比较费时）。

6. 冗余的索引

7. Multi-Range Read 优化

MySQL 5.6 开始支持MRR优化。MRR优化的目的是为了减少磁盘的随机访问，并且将随机访问转化为较为顺序的数据访问。InnoDB和MyISAM的范围查询和JOIN查询操作会使用。

MRR优化的好处：

• MRR 使数据访问变得较为顺序。在查询辅助索引时，首先根据得到的查询结果，按照主键进行排序，并按照主键排序的顺序进行书签查找。
• 减少缓冲区中页被替换的次数。
• 批量处理对键值的查询操作。

8. Index Condition Pushdown 优化

ICP 优化也是MySQL 5.6 开始支持的一种根据索引进行查询的优化方式。

在支持ICP后，MySQL 数据库会在取出索引的同时，判断是否可以进行WHERE条件的过滤，也就是将WHERE的部分过滤操作放在了存储引擎层。

五、索引的优点

• 大大减少了服务器需要扫描的数据行数。

• 帮助服务器避免进行排序和分组，以及避免创建临时表（B+Tree 索引是有序的，可以用于 ORDER BY 和 GROUP BY 操作。临时表主要是在排序和分组过程中创建，因为不需要排序和分组，也就不需要创建临时表）。

• 将随机 I/O 变为顺序 I/O（B+Tree 索引是有序的，会将相邻的数据都存储在一起）。

六、索引的使用条件

• 对于非常小的表、大部分情况下简单的全表扫描比建立索引更高效；

• 对于中到大型的表，索引就非常有效；

• 但是对于特大型的表，建立和维护索引的代价将会随之增长。这种情况下，需要用到一种技术可以直接区分出需要查询的一组数据，而不是一条记录一条记录地匹配，例如可以使用分区技术。