-
索引的出现其实就是为了提高数据查询的效率,就像书的目录一样
-
索引模型
-
哈希表
-
哈希表是一种以键-值(key-value)存储数据的结构,我们只要输入待查找的值即key,就可以找到其对应的值即Value
-
思路:把值放在数组里,用一个哈希函数把key换算成一个确定的位置,然后把value放在数组的这个位置。
-
多个key值经过哈希函数的换算,会出现同一个值的情况,解决方法
-
解决方法
-
链表
-
-
-
哈希表这种结构适用于只有等值查询的场景
-
-
有序数组
-
在等值查询和范围查询场景中的性能就都非常优秀
-
优劣势:查询效率,有序数组就是最好的数据结构;更新数据的时候就麻烦了,你往中间插入一个记录就必须得挪动后面所有的记录,成本太高;
-
有序数组索引只适用于静态存储引擎
-
查询方法:二分法就可以快速得到,
-
时间复杂度是O(log(N))
-
-
搜索树
-
特点:每个节点的左儿子小于父节点,父节点又小于右儿子
-
时间复杂度是O(log(N)) (前提:保持这棵树是平衡二叉树)
-
为保证平衡二叉树,更新的时间复杂度也是O(log(N))
-
N叉树由于在读写上的性能优点,以及适配磁盘的访问模式,已经被广泛应用在数据库引擎中了。
-
-
-
innodb索引模型
-
表都是根据主键顺序以索引的形式存放的,这种存储方式的表称为索引组织表
-
InnoDB使用了B+树索引模型,所以数据都是存储在B+树中的
-
每一个索引在InnoDB里面对应一棵B+树
-
索引类型分为主键索引和非主键索引
-
主键索引的叶子节点存的是整行数据。在InnoDB里,主键索引也被称为聚簇索引
-
非主键索引的叶子节点内容是主键的值。在InnoDB里,非主键索引也被称为二级索引
-
基于主键索引和普通索引的查询有什么区别?
-
基于非主键索引的查询需要多扫描一棵索引树
-
过程:非主键索引先在在对应的索引树上搜索到自己的值,这个值存放的是主键值,然后根据这个主键值到主键的索引树上搜索到指定的记录。
-
-
-
-
索引维护
-
B+树为了维护索引有序性,在插入新值的时候需要做必要的维护
-
插入数据可能需要移动后面的数据,空出位置
-
如果数据页满了,就还要进行新的数据页的申请,将多的数据移动过去,称为页分裂,性能自然会受影响,影响数据页的利用率
-
当相邻两个页由于删除了数据,利用率很低之后,会将数据页做合并。合并的过程,可以认为是分裂过程的逆过程。
-
主键长度越小,普通索引的叶子节点就越小,普通索引占用的空间也就越小。
-
适合用业务字段直接做主键的场景
-
只有一个索引
-
该索引必须是唯一索引
-
-
-
小结1
-
B+树能够很好地配合磁盘的读写特性,减少单次查询的磁盘访问次数。
-
由于InnoDB是索引组织表,一般情况下我会建议你创建一个自增主键,这样非主键索引占用的空间最小。
-
问题:
-
重建主键索引和普通索引,说出对这两个的理解
-
重建主键的过程不合理。不论是删除主键还是创建主键,都会将整个表重建。就不需要对主键索引进行删除的操作。
-
如果删除,新建主键索引,会同时去修改普通索引对应的主键索引,性能消耗比较大。
-
删除重建普通索引貌似影响不大,不过要注意在业务低谷期操作,避免影响业务。
-
-
-
-
回到主键索引树搜索的过程,我们称为回表
-
索引覆盖
-
索引已经“覆盖了”我们的查询需求,我们称为覆盖索引。
-
由于覆盖索引可以减少树的搜索次数,显著提升查询性能,所以使用覆盖索引是一个常用的性能优化手段。
-
联合索引就是对索引覆盖一个很好的引用
-
例子:如果现在有一个高频请求,要根据市民的身份证号查询他的姓名,这样的索引就满足覆盖要查询的字段,这样就提高了效率。
-
-
-
最左前缀原则
-
B+树这种索引结构,可以利用索引的“最左前缀”,来定位记录。
-
只要满足最左前缀,就可以利用索引来加速检索。这个最左前缀可以是联合索引的最左N个字段,也可以是字符串索引的最左M个字符。
-
在建立联合索引的时候,如何安排索引内的字段顺序。
-
评估标准:索引的复用能力
-
第一原则是,如果通过调整顺序,可以少维护一个索引,那么这个顺序往往就是需要优先考虑采用的。
-
考虑的原则就是空间
-
-
-
索引下推
-
可以在索引遍历过程中,对索引中包含的字段先做判断,直接过滤掉不满足条件的记录,减少回表次数。
-
深入浅出索引知识
最新推荐文章于 2024-08-21 23:28:12 发布
![](https://img-home.csdnimg.cn/images/20240711042549.png)