理解MySql索引与优化

1、索引是什么？

简单理解为：

用来加快数据访问

1.1 mysql数据存储在什么地方？

磁盘

延伸思考一下，为什么不存在内存中？

• 断电保存
• 数据量
• 内存消耗

1.2 查询数据比较慢，一般情况下卡在哪里？

IO

这里延伸出来的问题就是：要想查询快，想办法提高IO查询效率。

• 减少IO次数
• 减少IO量

1.3 去磁盘读取数据，用多少读多少？

磁盘预读

这里涉及到：

• 局部性原理：
  数据和程序都有聚集成群的倾向，同时之前被访问到的数据很有可能再次被查询。（时间局部性、空间局部性）
• 磁盘预读
  内存跟磁盘发生数据交互的时候，一般情况下有一个最小逻辑单元。称之为页（page）。页一般由操作系统决定多大，一般是4K或者8K。而我们在进行数据交互的时候，可以取页的整数倍来进行读取。innodb存储引擎每次读取数据，读取16K。

1.4 索引存储在哪里？

磁盘

磁盘，查询数据的时候会优先将索引加载到内存中。

1.5 索引在存储的时候需要什么信息？一般需要考虑存储什么字段值？

唯一标识（Key），实际数据行中存储的值。
文件地址（数据记录）
offset：偏移量，在文件中的哪个位置

1.6 1.5这种格式的数据要使用什么样的数据结构进行存储？

抽象为K-V，key + value组合

符合的数据结构：

• 哈希表
• 树（二叉树、红黑树、AVL树、B树、B+树）

1.7 mysql的索引并不是按照1.5存储，用了B+树。

2、索引结构

2.1 哈希索引

2.1.1 缺点

2.1.1.1 哈希冲突

• 造成数据散列不均匀，会产生大量线性查询，比较浪费时间

2.1.1.2 不支持范围查询

• 当进行范围查询的时候，必须挨个遍历

2.1.1.3 内存空间高

• 对于内存空间的要求比较高，加载全部数据

2.1.2 优点

2.1.2.1 等值查询非常快

• 通过hash值直接得到数组位置直接定位

2.1.3 mysql有hash索引？

• memory存储引擎使用hash索引
• innodb支持自适应hash

2.2 BST二分查找树

• Binary Search Tree
• 插入数据的时候必须有序，左子树必须小于根节点，右子树必须保证大于根节点
• 使用二分查找提高查询效率

2.2.1 缺点

2.2.1.1 递增数据，退化为链表

解决思路：继续进化，让树保持平衡（经过左旋或者右旋让树平衡起来，AVL平衡二叉树）

2.3 AVL平衡二叉树

最短子树和最长子树高度差不能超过1

为了保证平衡，在插入数据的时候必须进行旋转。通过插入性能的损失来换取查询性能的提升。

比较适用于写少读多的场景。

2.3.1 缺点

2.3.1.1 不适合写多读少场景

但是如何读写差不多或者写比读多？

解决思路：继续进化，红黑树

2.4 红黑树

• 最长子树只要不超过最短子树的两倍即可
• 查询性能和插入性能近似取得平衡

2.4.1 缺点

2.4.1.1 随着数据插入，树深度变深，IO次数越多，影响效率

原因：

• 每个节点只有两个分支

解决思路：继续进化，二叉树变成多叉树，把原来有序二叉树变成有序多叉树，进化为B树

2.5 B树

• B树每个节点都存储数据，所有节点组成这棵树，并且叶子节点指针为null；
• B树中叶节点包含的关键字和其他节点包含的关键字是不重复的。

2.5.1 优点

• B树的每一个节点都包含key和value，因此经常访问的元素可能离根节点更近，因此访问也更迅速。（可能访问一下就能得到我要的节点数据）

2.5.2 缺点

• 每个非叶子节点都存储数据，意味着每一层能存储的数据量就变少了。

三层B树，假设一个节点的内存空间大小是16KB，一个数据占用了1KB。那么三层就是 16 * 16 * 16 = 4096，对于数据库来说这个数据量太小了。

• 需要遍历整条树才能获取到所有数据。

解决思路：

• 继续加多一层，但是IO量变大了
• 非叶子节点不存储数据data，那么继续进化，B树变成B+树
• 加多一条链表支持范围查询

2.6 B+树

• B+树只有叶子节点存储数据（B+数中有两个头指针：一个指向根节点，另一个指向关键字最小的叶节点），叶子节点包含了这棵树的所有数据，所有的叶子结点使用链表相连，便于区间查找和遍历，所有非叶节点起到索引作用。
• B+树的索引项只包含对应子树的最大关键字和指向该子树的指针，不含有该关键字对应记录的存储地址。
• B+树中查找，无论查找是否成功，每次都是一条从根节点到叶节点的路径。

2.6.1 优点

• 存储数据量大

三层B+树，假设一个节点的内存空间大小是16KB，一个数据占用了10B。那么三层大概就是 1600 * 1600 * 1600 = 4096000000，4千万数据。。。。
（一般情况下mysql B+树 3-4层。超过4层需要考虑分库分表）

延伸思考点：

• 索引系统中，每个数据占用数据量越小越好，那么索引字段用int还是vachar？

key 值占用存储空间尽量少，取决于int或者vachar的长度。不过一般情况下都选择int。

• 叶子节点组成双向链表，支持范围查询

3、索引知识点

3.1 聚簇索引与非聚簇索引

是否是聚簇索引取决于数据与索引是否放在一起

3.1.1 innodb只能有一个聚簇索引，多个非聚簇索引

向innodb插入数据的时候，必须包含一个索引key值。这个索引key值可以是主键。如果没有主键，那么就是唯一键。如果没有唯一键，那么就是一个自生成的6字节的Rowid。

延伸思考点

• 为什么只有一个聚簇索引？ 数据冗余
• 可以有很多非聚簇索引，那么data存什么？

3.1.2 MyISAM多个非聚簇索引

数据字段指向数据表记录地址。

3.2 回表（查询多个索引，走了多棵B+树）

• 当根据普通索引查询到聚簇索引的key值之后，再根据key值在聚簇索引中获取所有行记录，走了多棵B+树。

3.3 索引覆盖（重点，组合索引）

• 通过一个索引就能获取到想要的数据，不需要从聚簇索引查询任何数据。

延伸思考点：

• 是不是尽量用到聚簇索引？

3.4 最左匹配

假如创建一个（a,b)的联合索引，那么它的索引树是这样的

可以看到a的值是有顺序的，1，1，2，2，3，3，而b的值是没有顺序的1，2，1，4，1，2。所以b = 2这种查询条件没有办法利用索引，因为联合索引首先是按a排序的，b是无序的。

同时我们还可以发现在a值相等的情况下，b值又是按顺序排列的，但是这种顺序是相对的。所以最左匹配原则遇上范围查询就会停止，剩下的字段都无法使用索引。例如a = 1 and b = 2 a,b字段都可以使用索引，因为在a值确定的情况下b是相对有序的，而a>1and b=2，a字段可以匹配上索引，但b值不可以，因为a的值是一个范围，在这个范围中b是无序的。

最左匹配原则：最左优先，以最左边的为起点任何连续的索引都能匹配上。同时遇到范围查询(>、<、between、like)就会停止匹配。

假如建立联合索引（a,b,c）

• a
• a,b
• a,b,c

参考：https://blog.csdn.net/sinat_41917109/article/details/88944290

3.4.1 全值匹配查询

select * from table_name where a = '1' and b = '2' and c = '3' 
select * from table_name where b = '2' and a = '1' and c = '3' 
select * from table_name where c = '3' and b = '2' and a = '1' 
......

where子句几个搜索条件顺序调换不影响查询结果，因为Mysql中有查询优化器，会自动优化查询顺序

3.4.2 匹配左边列

select * from table_name where a = '1' 
select * from table_name where a = '1' and b = '2'  
select * from table_name where a = '1' and b = '2' and c = '3'

都从最左边开始连续匹配，用到了索引.

select * from table_name where  b = '2' 
select * from table_name where  c = '3'
select * from table_name where  b = '1' and c = '3' 

没有从最左边开始，最后查询没有用到索引，用的是全表扫描 .

select * from table_name where a = '1' and c = '3' 

只用到了a列的索引，b列和c列都没有用到 .

3.4.3 匹配列前缀

select * from table_name where a like 'As%'; //前缀都是排好序的，走索引查询
select * from table_name where  a like '%As'//全表查询
select * from table_name where  a like '%As%'//全表查询

3.4.4 匹配范围值

select * from table_name where  a > 1 and a < 3 and b > 1;

多个列同时进行范围查找时，只有对索引最左边的那个列进行范围查找才用到B+树索引，也就是只有a用到索引，在1<a<3的范围内b是无序的，不能用索引，找到1<a<3的记录后，只能根据条件 b > 1继续逐条过滤

3.4.5 精确匹配某一列并范围匹配另外一列

select * from table_name where  a = 1 and b > 3;

a=1的情况下b是有序的，进行范围查找走的是联合索引

3.4.6 排序

select * from table_name order by a,b,c limit 10;

因为b+树索引本身就是按照上述规则排序的，所以可以直接从索引中提取数据，然后进行回表操作取出该索引中不包含的列就好了

order by的子句后面的顺序也必须按照索引列的顺序给出，比如

select * from table_name order by b,c,a limit 10;

这种颠倒顺序的没有用到索引