深入理解Mysql索引底层数据结构与算法

深入理解Mysql索引底层数据结构与算法

一、索引是什么

• 磁盘存取原理
  1. 寻道时间(时间长，慢)
  2. 旋转时间(快)
     
     

二、树结构

B-Tree

1. 相比二叉树,相当于多叉树
2. 度(Degree)-节点的数据存储个数 (一般存储一页大小的数据量)
3. 叶节点具有相同的深度
4. 叶节点的指针为空
5. 节点中的数据key从左到右递增排列

B+Tree(B-Tree变种)

1. 非叶子节点不存储data，只存储key，可以增大度
2. 叶子节点不存储指针
3. 顺序访问指针，提高区间访问的性能

B+Tree索引的性能分析

• 一般使用磁盘I/O次数评价索引结构的优劣
• 预读：磁盘一般会顺序向后读取一定长度的数据(页的整数倍)放入内存
• 局部性原理：当一个数据被用到时，其附近的数据也通常会马上被使用
• B+Tree节点的大小设为等于一个页，每次新建节点直接申请一个页的空间，这样就 保证一个节点物理上也存储在一个页里，就实现了一个节点的载入只需一次I/O
• B+Tree的度d一般会超过100，因此h非常小(一般为3到5之间)

三 MyISAM 与Innodb 索引比较

MyISAM索引实现

• MyISAM索引文件和数据文件是分离的（非聚集），叶子节点存储索引和索引文件的指针。
  主键索引
  
  普通索引
  
  InnoDB索引实现

  • 数据文件本身就是索引文件*(.frm和.idb)*,idb包含数据和索引

  • 表数据文件本身就是按B+Tree组织的一个索引结构文件

  • 聚集索引-叶节点包含了完整的数据记录

  • 为什么InnoDB表必须有主键，并且推荐使用整型的自增主键？

    1. 如果我们定义了主键(PRIMARY KEY)
       那么InnoDB会选择主键作为聚集索引、如果没有显式定义主键，则InnoDB会选择第一个不包含有NULL值的唯一索引作为主键索引、如果也没有这样的唯一索引，则InnoDB会选择内置6字节长的ROWID作为隐含的聚集索引(ROWID随着行记录的写入而主键递增，这个ROWID不像ORACLE的ROWID那样可引用，是隐含的)。
    2. 数据记录本身被存于主索引（一颗B+Tree）的叶子节点上
       这就要求同一个叶子节点内（大小为一个内存页或磁盘页）的各条数据记录按主键顺序存放，因此每当有一条新的记录插入时，MySQL会根据其主键将其插入适当的节点和位置，如果页面达到装载因子（InnoDB默认为15/16），则开辟一个新的页（节点）
    3. 如果表使用自增主键
       那么每次插入新的记录，记录就会顺序添加到当前索引节点的后续位置，当一页写满，就会自动开辟一个新的页
    4. 如果使用非自增主键（如果身份证号或学号等）
       由于每次插入主键的值近似于随机，因此每次新纪录都要被插到现有索引页得中间某个位置，此时MySQL不得不为了将新记录插到合适位置而移动数据，甚至目标页面可能已经被回写到磁盘上而从缓存中清掉，此时又要从磁盘上读回来，这增加了很多开销，同时频繁的移动、分页操作造成了大量的碎片，得到了不够紧凑的索引结构，后续不得不通过OPTIMIZE TABLE来重建表并优化填充页面。
       总结：如果InnoDB表的数据写入顺序能和B+树索引的叶子节点顺序一致的话，这时候存取效率是最高的，也就是下面这几种情况的存取效率最高：
       a、使用自增列(INT/BIGINT类型)做主键，这时候写入顺序是自增的，和B+数叶子节点分裂顺序一致；
       b、该表不指定自增列做主键，同时也没有可以被选为主键的唯一索引(上面的条件)，这时候InnoDB会选择内置的ROWID作为主键，写入顺序和ROWID增长顺序一致；
       c、如果一个InnoDB表又没有显示主键，又有可以被选择为主键的唯一索引，但该唯一索引可能不是递增关系时(例如字符串、UUID、多字段联合唯一索引的情况)，该表的存取效率就会比较差。

  • 为什么非主键索引结构叶子节点存储的是主键值？(一致性和节省存储空间)
    1 主键索引已经存储了完成的数据，如果再存储浪费空间，并且当数据更新时还要讲非主键索引的数据重新更新，否则会出现数据不一致。因为存的是主键