mysql 系列：搞定索引

摘要

索引是数据库里重要的组成部分，也是提高查询效率必备的知识点。本文将会介绍索引作用、索引类型、索引优化以及索引底层结构，也算是对索引知识的一次归纳。

一、索引介绍

什么是索引？

数据库是用来存储与读取数据的，如何在这庞大的数据中查询我们想要的那一行呢？最简单的办法便是扫描整个数据表，一一对比。然而这样效率太低了。

如果我们有类似字典的功能，在查询某行数据前，先到字典里定位到行位置，再根据行位置找到具体数据，是否能更快呢？是的，索引就是这么设计的。

一般的，我们往表里插入某一行数据时，总会有额外的信息来定位到这一行。这个信息可能是一个指针地址，也可能是一个主键标识。

在拿到这一行的定位信息后，就可以将列数据和定位信息做关联了。下次想查找这个字段列所对应的行数据时，就可以先到关联信息里搜索，拿到定位信息后直接查找即可。这就是索引，存储了列和定位信息，这定位信息也可以理解指向数据记录的引用指针。

需要注意的是，索引是由存储引擎这个模块来实现的，不同的存储引擎有不同的实现方式。像 innodb 的主键就包含了行数据，找到了主键，也就找到了数据。

索引的分类

在数据库里，索引有好多种。我们可以从下面几方面来分类归纳。

从数据结构划分：B+ 树、hash 索引、全文索引
从物理结构划分：聚集索引、非聚集索引
从逻辑用户划分：主键、唯一索引、复合索引、普通单列索引

其中， B+ 树、 hash 索引、全文索引将会在后面具体介绍其底层结构，我们来看看其他的索引：

聚集索引：该索引除了存储索引信息还存储了行数据，像刚刚提到的主键就是。找到它也就意味找到数据了。并且它的排序直接对应了物理存储顺序。

非聚集索引：该索引除了存储索引信息还存储了定位到数据记录的信息，需要根据这个信息再做一次查询，才能获取到数据，并且它的排序是逻辑上，不是物理存储顺序。

主键：唯一地标识表中一条记录的索引，不能有 NULL 值。在 InnoDB 里，主键就是聚集索引。

唯一索引：索引所对应的列值里是不能有重复值的，允许有 NULL 值。像刚刚提到的主键是不允许有 NULL 值的。

复合索引：有多列组合在一起的索引，但只能按最左原则查找，即第一列字段才能被索引查找，后面只是作为附带信息存放着。主要是为了找到索引后，不需要再去行数据里捞数据，直接从索引里提取字段信息即可。

普通单列索引：没有什么限制条件的索引列。

索引的缺点

引入索引，并不总意味着高效，它是需要付出代价维护的。每当有数据需要添加更新时，都得更新对应的索引，这是额外的性能开销，甚至有可能有出现死锁。

另外，索引是需要占用磁盘空间的，不能无限制的添加索引，要有针对性的建索引。

二、索引的使用

使用原则

索引之所以那么快，是因为我们将平时查询频率较高的字段单独维护了起来。当我们有多个查询选项，多个查询条件就不一定能发挥作用了，所以索引的使用是有注意事项的，下面总结了一些：

• where 里最经常用到的查询字段才建索引，能利用主键 id，就用主键 id 来增删改查
• 按最左匹配原则，将多个单列索引改为复合索引，减少维护量
• 尽量挑选择度高，也就是重复率低的列作为索引，像性别这种列就不适合了，会在 B+ 树里做多层次多范围的搜索，还不如全表扫描呢
• 查找时，不对索引列做函数计算，否则不能使用到索引
• 查询条件尽量用 union 来取代 or
• like 用法： ‘列%’ 这样还是可以用到索引的，’%列%’ 就不行了
• IS NULL，IS NOT NULL 是用不到索引的
• 在 order by，group by 里尽量使用索引字段
• join 的 on 条件里尽量使用索引字段

性能分析

当我们使用了索引后，又如何知道它有没有使用到索引呢？我们可以借助执行计划来分析，执行计划是 mysql 根据我们的查询语句进行一系列的分析后得到的优化方案。我们可以通过执行计划来获取执行过程。

执行计划的获取：

explain select 语句

涉及的字段含义如下：

• id： 该 SELECT 标识符
• select_type： 该 SELECT 类型
• table： 输出行的表
• partitions： 匹配的分区
• type： 联接类型
• possible_keys： 可供选择的可能索引
• key： 实际选择的索引
• key_len： 所选密钥的长度
• ref： 与索引比较的列
• rows： 估计要检查的行数
• filtered： 按表条件过滤的行百分比
• Extra： 附加信息

其中，有个 type 字段，它的含义大概如下：

• eq_ref： 使用到了 UNIQUE 或 PRIMARY KEY 索引
• ref： 显示索引的哪一列被使用了
• ref_or_null： 对 Null 进行了索引优化
• range： 索引范围检索
• index： 索引扫描
• unique_subquery： 使用了 in 子查询，里面涉及了主键字段
• index_subquery： 使用了 in 子查询，里面涉及了非唯一索引
• fulltext： 全文索引
• all： 全表扫描数据

从上面大概就能分析出索引的使用情况了，如果是 all，那就是没有用到索引了。

索引的的底层

前面提到过索引的种类时，细分了 B+ 树、hash 索引、全文索引这三类。现在我们来具体看下对应的底层结构吧。

B+树

在 B+ 树之前还有二叉搜索树和 B 树，我们来一步一步演化，看看有什么不同，先来看二叉搜索树：

当要进行查找时，会按小于往左搜索，大于往右搜索的规则去寻找。二叉搜索树只存了单个节点值，树的高度有可能会很高，如果用来存储索引数据，效率将会降低，不适用于 mysql 的索引，我们来看看 B 树吧：

一个节点可以存储多个数据值。当然，在插入删除时需要做对应的拆分或合并动作。

而且 B 树允许在非叶子节点也存储具体数据，这意味着在扫描搜索时也会将数据加载进来，这无疑增加了磁盘 IO。

对于磁盘 IO 要求高的 mysql 而言，B 树也很不划算，所以 B+ 树成了最好的选择，它长这样的：

B+ 树只在叶子节点存储具体的数据(注：数据可以是真正的行数据也可以是定位到行数据的指针地址)，而非叶子节点值只存放索引数据，这样可以降低磁盘 IO，还能充分利用磁盘的预读功能，批量的加载索引数据。

hash 索引

hash 索引将列通过 hash 运算得到 hash code，然后将 hash code 跟数据行的指针地址关联在一起，下次查找时只需查找对应 hash code 的数据行地址即可。

hash 索引非常的紧凑，查找速度很快，适用于内存存储引擎的应用。不过它只能精确查询，不支持范围查找，也不能直接进行排序。限制还是挺多的。

全文索引

全文索引主要是用于文档查找，像我们可能会从多篇文章中查找包含某些词语的文章，这时就可以使用全文索引了。虽然 like 也可以使用，但是效率太低了。

全文索引在接收到文档时，会对它进行分词处理，以获取到关键词。然后会将关键词和属于这个文档的 id 关联起来。

下次查找，就会先到关键词列表里找到关联的文档 id ，最后利用文档 id 去查找到文档数据。

总结

索引所涉及的知识点还是挺多的，从了解索引到用好索引再到优化索引，我想这应该是我们进行查询优化的必经之路吧。希望本文能为大家带来不一样的认识，也欢迎一起探讨！

---

感兴趣的朋友可以搜一搜公众号「 阅新技术 」，关注更多的推送文章。
可以的话，就顺便点个赞、留个言、分享下，感谢各位支持！
阅新技术，阅读更多的新知识。