MySql索引之谜

详情

索引：

一种帮助mysql快速获取数据的数据结构

原理：

通过不断的缩小想要获得数据的范围来筛选出最终想要的结果，同时把随机的事件变成顺序的事件，也就是我们总是通过同一种查找方式来锁定数据。

好坏因素：

由于索引本身体积较大，所以一般情况索引文件存储在磁盘上，所以需要快速查询数据，取决于磁盘的I/O存取次数

计算机局部性原理：

• 当一个数据被使用时，其附近的数据也会马上被使用
• 程序运行期间需要的数据通常比较集中
• 作用：提高磁盘I/O读取次数

磁盘预读原理：

根据计算机局部性原理，当程序要读取的数据不存在内存中，会发生缺页异常，此时系统会向磁盘发出读盘信息，磁盘会找到需要查询的数据起始位置并向后连续读取一页或者多页载入内存，然后异常返回，程序正常执行。这样一定程度会提高磁盘I/O读取效率。

B-tree和B+tree

b+相比b树，内节点不存储data数据，只存储key的值，叶子节点也不存储指针，并且每个叶子节点增加了指向相邻的指针，这样可以提高查询区间访问的性能，例如要查询key为22的数据，则只需要找到key为20的数据，然后顺序查找到key为22的值

重点部分：

图解B+树与查找过程：

图解B+树与查找过程：

如上图，是一颗b+树，关于b+树的定义可以参见B+树，这里只说一些重点，浅蓝色的块我们称之为一个磁盘块，可以看到每个磁盘块包含几个数据项（深蓝色所示）和指针（黄色所示），如磁盘块1包含数据项17和35，包含指针P1、P2、P3，P1表示小于17的磁盘块，P2表示在17和35之间的磁盘块，P3表示大于35的磁盘块。真实的数据存在于叶子节点即3、5、9、10、13、15、28、29、36、60、75、79、90、99。非叶子节点只不存储真实的数据，只存储指引搜索方向的数据项，如17、35并不真实存在于数据表中。

 

b+树的查找过程

如图所示，如果要查找数据项29，那么首先会把磁盘块1由磁盘加载到内存，此时发生一次IO，在内存中用二分查找确定29在17和35之间，锁定磁盘块1的P2指针，内存时间因为非常短（相比磁盘的IO）可以忽略不计，通过磁盘块1的P2指针的磁盘地址把磁盘块3由磁盘加载到内存，发生第二次IO，29在26和30之间，锁定磁盘块3的P2指针，通过指针加载磁盘块8到内存，发生第三次IO，同时内存中做二分查找找到29，结束查询，总计三次IO。真实的情况是，3层的b+树可以表示上百万的数据，如果上百万的数据查找只需要三次IO，性能提高将是巨大的，如果没有索引，每个数据项都要发生一次IO，那么总共需要百万次的IO，显然成本非常非常高。

 

b+树性质

通过上面的分析，我们知道IO次数取决于b+数的高度h，假设当前数据表的数据为N，每个磁盘块的数据项的数量是m，则有h=㏒(m+1)N，当数据量N一定的情况下，m越大，h越小；而m = 磁盘块的大小 / 数据项的大小，磁盘块的大小也就是一个数据页的大小，是固定的，如果数据项占的空间越小，数据项的数量越多，树的高度越低。这就是为什么每个数据项，即索引字段要尽量的小，比如int占4字节，要比bigint8字节少一半。这也是为什么b+树要求把真实的数据放到叶子节点而不是内层节点，一旦放到内层节点，磁盘块的数据项会大幅度下降，导致树增高。当数据项等于1时将会退化成线性表。

mysql中不适用索引的语句：>= ,like '% a %'

详见