【面试】面试常问之数据库索引

---

1）什么是索引？

索引在mysql中也叫做键（key），是存储引擎用于快速找到记录的一种数据结构。

• 索引是对数据库表中一个或多个列的值进行排序的结构。关键点是索引包含一个表中列的值，并且这些值存储在一个数据结构中。
• 例如对employee 表的姓名 (name) 列进行排序，如果想按特定职员的姓来查找ta，则与在表中搜索所有的行相比，索引有助于更快地获取信息。

例如这样一个查询：select * from table1 where id=10000。

• 如果没有索引，必须遍历整个表，直到ID等于10000的这一行被找到为止。
• 有了索引之后（必须是在ID这一列上建立的索引），即可在索引中查找。
• 由于索引是经过某种算法优化过的，因而查找次数要少得多。可见，索引是用来定位的。

1.0 为什么需要索引？

• 一个没加主键的表，它的数据无序的放置在磁盘存储器上，一行一行的排列的很整齐， 跟通常意义上的「表」很接近。
• 如果给表上了主键，那么表在磁盘上的存储结构就由整齐排列的结构转变成了树状结构（「平衡树」结构），换句话说，就是整个表就变成了一个索引。

下面是带有主键的表（聚集索引）的结构图：

• 其中树的所有结点（底部除外）的数据都是由主键字段中的数据构成，也就是通常我们指定主键的id字段。
• 最下面部分是真正表中的数据。
  
  

假如我们执行一个SQL语句：select * from table where id = 1256;

• 首先根据索引定位到1256这个值所在的叶结点，然后再通过叶结点取到id等于1256的数据行。
• 树一共有三层， 从根节点至叶节点只需要经过三次查找就能得到结果。

假如一张表有一亿条数据 ，需要查找其中某一条数据：

• 按照常规逻辑， 一条一条的去匹配的话， 最坏的情况下需要匹配一亿次才能得到结果，用大O标记法就是O(n)，最坏时间复杂度。
  • 这是无法接受的，而且这一亿条数据显然不能一次性读入内存供程序使用， 因此， 这一亿次匹配在不经缓存优化的情况下就是一亿次IO开销。
• 如果把这张表转换成平衡树结构（一棵非常茂盛和节点非常多的树）， 则查找速度以指数级别提升，用大O标记法就是O(log n)，n是记录总数，底数是树的分叉数，结果就是树的层次数。
  • 因此，利用索引会使数据库查询有惊人的性能提升。

1.1 特点

• 索引可以加快数据库的检索速度
• 索引降低了数据库插入、修改、删除等维护任务的速度
• 索引创建在表上，不能创建在视图上
• 索引既可以直接创建，也可以间接创建
• 索引可以覆盖多个数据列，如像INDEX(columnA, columnB)索引，这就是联合索引
• 可以在优化隐藏中，使用索引
• 使用查询处理器执行SQL语句，在一个表上，一次只能使用一个索引

1.2 优缺点

• 优点：

  • 通过创建唯一性索引，可以保证数据库表中每一行数据的唯一性。

  • 可以大大加快数据的检索速度，这也是创建索引的最主要的原因。

  • 可以加速表和表之间的连接，特别是在实现数据的参考完整性方面特别有意义。

  • 在使用分组和排序子句进行数据检索时，同样可以显著减少查询中分组和排序的时间。

  • 通过使用索引，可以在查询的过程中，使用优化隐藏器，提高系统的性能。

• 缺点：

  • 增加了数据库的存储空间。

    • 索引需要占物理空间，除了数据表占数据空间之外，每一个索引还要占一定的物理空间。
    • 如果要建立聚簇索引，那么需要的空间就会更大。

  • 创建索引和维护索引要耗费时间，这种时间随着数据量的增加而增加。

  • 在插入和修改数据时要花费较多的时间（因为索引也要随之变动）。

1.3 索引的分类

• SQL Sever索引类型有：唯一索引，主键索引，聚集索引，非聚集索引。

• MySQL 索引类型有：唯一索引，主键（聚集）索引，非聚集索引，全文索引。

功能类型：

• 普通索引（INDEX）：

  普通索引允许被索引的数据列包含重复的值。CREATE INDEX index_name ON table_name (column_list);
  
  

• 唯一索引（UNIQUE INDEX）：

  mysql数据库索引列的值必须唯一，但允许有空置（null）。如果是组合索引，列值的组合必须唯一。
  CREATE UNIQUE INDEX index_name ON table_name (column_list);
  
  

• 主键索引（PRIMARY KEY）：

  是一种特殊的唯一索引，不允许有空置（null），一般在建表时创建。

  CREATE TABLE table_name ( 
  	ID INT NOT NULL, 
  	[column] VARCHAR(16) NOT NULL, 
      PRIMARY KEY(ID)   
  );  
  

  • 数据库表经常有一列或多列组合，其值唯一标识表中的每一行，该列称为表的主键。每个表只能有一个主键（PRIMARY KEY）。
  • 在数据库关系图中为表定义主键，将自动创建主键索引。
  • 该索引要求主键中的每个值都唯一。
    
    

• 全文索引（FULLTEXT）：

  只可以用在MyISAM引擎，对大数据文本进行索引，在建立的索引中对要查找的单词进行搜索，定位哪些文本数据包括要搜索的单词。

  1，建立索引   2，在索引中搜索定位
      //针对content做了全文索引：
      CREATE TABLE `table` (
      `id` int(11) NOT NULL AUTO_INCREMENT ,
      `title` char(255) CHARACTER SET utf8 COLLATE utf8_general_ci NOT NULL ,
      `content` text CHARACTER SET utf8 COLLATE utf8_general_ci NULL ,
      PRIMARY KEY (`id`),
      FULLTEXT (content) );
      //查找时：
      SELECT * FROM article WHERE MATCH( content) AGAINST('想查询的字符串')
  

*主键与唯一索引的区别

• 主键是一种约束，唯一索引是一种索引，两者在本质上是不同的。
• 主键创建后一定包含一个唯一性索引，唯一性索引并不一定就是主键。
• 唯一性索引列允许空值，而主键列不允许为空值。 主键列在创建时，已经默认为空值 + 唯一索引了。
• 主键可以被其他表引用为外键，而唯一索引不能。
• 一个表最多只能创建一个主键，但可以创建多个唯一索引。
• 主键更适合那些不容易更改的唯一标识，如自动递增列、身份证号等。 在 RBO 模式下，主键的执行计划优先级要高于唯一索引。
• 两者可以提高查询的速度。

• 聚集索引（CLUSTERED）：

  也叫聚簇索引，数据行的物理顺序与键值的逻辑（索引）顺序相同，即表数据按照索引的顺序来存储的。
  • 在一张表上只能创建一个聚集索引，因为真实数据的物理顺序只可能是一种。
  • 对于聚集索引，叶子结点即存储了真实的数据行，不再有另外单独的数据页。
    • MySQL的MyISAM除外，此存储引擎的聚集索引和非聚集索引只多了个唯一约束，其他没什么区别。
  • 与非聚集索引相比，聚集索引通常提供更快的数据访问速度。

• 非聚集索引（NONCLUSTERED）：

  该索引中索引的逻辑顺序与磁盘上行的物理存储顺序不同，一个表中可以拥有多个非聚集索引。
  • 其实按照定义，除了聚集索引以外的索引都是非聚集索引，只是人们想细分一下非聚集索引，分成普通索引，唯一索引，全文索引。
  • 非聚集索引叶节点仍然是索引节点，只是有一个指针指向对应的数据块。
    • 此如果使用非聚集索引查询，而查询列中包含了其他该索引没有覆盖的列，那么还要进行第二次的查询，查询节点上对应的数据行的数据。

*如何解决非聚集索引的二次查询问题：

复合索引（覆盖索引）：建立两列以上的索引，即可查询复合索引里的列的数据而不需要进行回表二次查询。

• 如index(col1, col2)，执行语句：select col1, col2 from t1 where col1 = ‘213’;
• 要注意使用复合索引需要满足最左侧索引的原则，也就是查询的时候如果where条件里面没有最左边的一到多列，索引就不会起作用。
• 在SQL Server中还有include的用法，可以把非聚集索引里包含的列包含进来，而不一定需要建立复合索引。

*聚集索引和非聚集索引的区别

• 聚集索引一个表只能有一个，而非聚集索引一个表可以存在多个。
• 聚集索引存储记录是物理上连续存在，而非聚集索引是逻辑上的连续，物理存储并不连续。
• 聚集索引中物理存储按照索引排序，非聚集索引中物理存储不按照索引排序。
• 聚簇索引的索引叶节点就是数据节点，而非聚簇索引的叶节点仍然是索引节点，只不过有一个指针指向对应的数据块。

*何时使用聚集索引或非聚集索引

其他：

1、直接创建索引和间接创建索引

• 直接创建索引： CREATE INDEX mycolumn_index ON mytable (myclumn)
• 间接创建索引：定义主键约束或者唯一性键约束，可以间接创建索引。

2、普通索引和唯一性索引

• 普通索引：CREATE INDEX mycolumn_index ON mytable (myclumn)
• 唯一性索引：保证在索引列中的全部数据是唯一的，对聚簇索引和非聚簇索引都可以使用 CREATE UNIQUE COUSTERED INDEX myclumn_cindex ON mytable(mycolumn)

3、单个索引和复合索引

• 单个索引：即非复合索引，一个表可以多个单值索引
• 复合索引：又叫组合索引，在索引建立语句中同时包含多个字段名，最多16个字段， CREATE INDEX name_index ON username(firstname,lastname)

4、聚簇索引和非聚簇索引

• 聚簇索引：物理索引与基表的物理顺序相同，数据值的顺序总是按照顺序排列 CREATE CLUSTERED INDEX mycolumn_cindex ON mytable(mycolumn) WITH ALLOW_DUP_ROW(允许有重复记录的聚簇索引)
• 非聚簇索引：CREATE UNCLUSTERED INDEX mycolumn_cindex ON mytable(mycolumn)

1.4 索引的使用

• 创建索引：

  • 方式一：create 索引类型 索引名 on 表(字段)
    • 单值：create index dept_index on tb(dept);
    • 唯一：create unique index name_index on tb(name);
    • 复合索引：create index dept_name_index on tb(dept,name);
  • 方式二：alter table 表名 add 索引类型 索引名（字段）
    • 单值：alter table tb add index dept_index(dept);
    • 唯一：alter table tb add unique index name_index(name);
    • 复合索引：alter table tb add index dept_name_index(dept,name);
  • 注意：如果一个字段是primary key，则该字段默认就是主键索引。

• 删除索引：

  drop index 索引名 on 表名 ;
  • drop index name_index on tb ;

• 查询索引：

  show index from 表名 ;

---

2）索引结构类型

• MyISAM存储引擎的表的数据和索引是自动分开存储的，各自是独立的一个文件。
• InnoDB存储引擎的表的数据和索引是存储在同一个表空间里面，但可以有多个文件组成。

MySQL 中索引的存储类型目前只有两种（BTREE 和 HASH），具体和表的存储引擎相关：

• MyISAM 和 InnoDB 存储引擎都只支持 BTREE 索引。
• MEMORY/HEAP 存储引擎可以支持 HASH和 BTREE 索引。

存储引擎相关可参考《【数据库】数据库之存储引擎》。

2.1 B-Tree索引

B-Tree（Balanced Tree）是最常用的用于索引的数据结构，大多数mysql引擎都支持这种索引，也是oracle默认的索引类型。

• 因为时间复杂度低， 查找、删除、插入操作都可以可以在对数时间内完成。
• 另外一个重要原因存储在B-Tree中的数据是有序的。

Btree索引的数据结构：

特点：

• 树形结构：由根节(root)、分支(branches)、叶(leaves)三级节点组成，其中分支节点可以有多层。
• 多分支结构：与binary tree不相同的是，btree索引中单root/branch可以有多个子节点(超过2个)。
• 双向链表：整个叶子节点部分是一个双向链表。
• 单个数据块中包括多条索引记录。

2.2 哈希索引

哈希索引（hash index）基于哈希表实现，只有精确匹配索引所有列的查询才有效。在mysql中，只有memory引擎显示支持哈希索引。

• 工作原理：

  

  • 对于每一行数据，存储引擎会对所有的索引列计算一个哈希码，不同的键值行计算出的哈希码不一样。
  • 哈希索引将所有的哈希码存储在索引中，同时在哈希表中保存指向每个数据行的指针。
  • 如果多个列的哈希值相同（哈希冲突），索引会以链表的方式存放多个记录指针到同一个哈希条目中去。

• 优点：

  • 索引只存储哈希码及行指针，所以索引的数据结构非常的紧凑，这也让哈希索引查找速度非常快。
    • 所以，如果使用哈希索引，对于比较字符串是否相等的查询能够极快的检索出的值。

• 缺点：

  • 哈希索引只支持等值比较查询，包括=、IN()、<=>，不支持范围查询，如where price > 100。

  • 哈希索引只保存哈希码和指针，而不存储字段值，所以不能使用索引中的值来避免读取行。（不过访问内存中的行速度非常快，因为是MEMORY引擎，所以对性能影响并不大）

  • 哈希索引数据并不是按照索引值顺序存储的，所以无法用于排序。

  • 哈希索引不支持部分索引列查找，因为哈希索引始终是使用索引列的全部内容来计算哈希码。

    • 如，在数据列（A,B）上建立哈希索引，如果查询只有数据列A，则无法使用该哈希索引。

  • 哈希冲突（不同索引列会用相同的哈希码）会影响查询速度，此时需遍历索引中的行指针，逐行进行比较。

  • 如果哈希冲突很多，一些索引维护操作的代价会很高。

    • 如果从表中删除一行，需要遍历链表中的每一行，找到并删除对应行的引用，冲突越多，代价越大。

*自定义哈希索引

存储引擎不支持哈希索引时，可以建立自定义哈希：

• 如：建表pseudohash：id，url，url_crc;
  • 建立触发器：
    • insert数据时 set new.url_crc = crc32(new.url);
    • Update数据时 set new.url_crc = crc32(new.url);
  • 查找：select url , url_crc from pseudohash where url_crc = crc32(“www.baidu.com”) and url = “www.baidu.com”;
    • 在where语句中带入hash值和对应列值。
      
      

在InnoDB中，某些索引值被使用的非常频繁的时候，它会在内存中基于B+Tree的基础上再创建一个哈希索引，使其不必要在从根节点进行查找。

• 完全自动的内部行为，用户无法配置或更改。

2.3 其他类型的索引

• 使用R-Tree作为数据结构的索引通常用来为空间问题提供帮助。
  • 例如，一个查询要求“查询出所有距离我两公里之内的星巴克”，如果数据库表使用R- Tree索引，这类查询的效率将会提高。
• 另一种索引是位图索引（bitmap index）， 这类索引适合放在包含布尔值(true 和 false)的列上，但是这些值（表示true或false的值）的许多实例-基本上都是选择性（selectivity）低的列。

---

3）索引的优化

3.1 前缀索引

• 问题：有时候索引需要存储很长的字符串，会让索引变得大且慢。
• 解决方法：
  • 1、hash索引
  • 2、前缀索引
• 计算适合的前缀长度，使前缀的选择性接近于完整列的选择性。
• Mysql无法使用前缀索引做order by和group by，也无法使用前缀索引做覆盖扫描。

3.2 选择合适的索引列顺序

将选择性最高的列放在索引最前列。

---

【部分内容参考自】

• MYSQL（一）数据库索引类型，索引优点：https://blog.51cto.com/u_13580976/2103750
• 数据库索引 - 详解：http://blog.itpub.net/25969737/viewspace-1051502/
• 数据库索引分类及操作：https://www.cnblogs.com/tiankx/p/13898445.html
• Btree索引详解：https://blog.csdn.net/xu_flash/article/details/62216969
• mysql: 哈希索引,虽不常用，但威力巨大：https://baijiahao.baidu.com/s?id=1647079867833965110&wfr=spider&for=pc
• 聚集索引与非聚集索引的总结：https://www.cnblogs.com/s-b-b/p/8334593.html
• 深入浅出数据库索引原理：https://zhuanlan.zhihu.com/p/23624390
• 聚集索引和非聚集索引的区别：https://blog.csdn.net/riemann_/article/details/90324846