深入浅出索引(上)

• 索引是一种以数据库的一列或多列进行排序的数据结构
• 索引的出现是为了提高查询效率，索引就是树的目录，相当于数据库的目录
• 每碰到一个数据库要先关注它的数据模型，这样才能从理论上分析出数据库的应用场景
• 实现索引的三种主要方式
  • 哈希索引
    • 哈希表是一种以键值对存储的数据结构，查找效率高，对于哈希冲突的解决主要采用的还是链地址法
    • 哈希表存储数据较快，同一条链上只需想后添加，缺点是数据无序，不适合做区间查询，适合做等值查询 (应用：mercached和其它NoSQL引擎)
  • 有序数组
    • 相比哈希索引，有序数组由于其有序性，适合做等值查询(使用二分法)，但是当插入数据时，需要移动后面的记录
    • 适用场景：静态存储引擎，比如保存某一年的城市人口信息，这一类不会再进行数据的修改场景
  • 搜索树
    • 平衡二叉搜索树的特点，有序，左孩子节点小于根节点，右孩子节点大于根节点，节点的更新查找都是logn的复杂度，查找效率很高
    • 大多数的数据库存储引擎并不会选择二叉搜索树，因为索引不仅存在内存，还会存储在磁盘，对于二叉搜索树来说，树越高，每个磁盘页对应树的节点，需访问磁盘的次数越多，每一次磁盘读取都要寻道和旋转，会耗费大量的时间，因此每一次查询需要尽可能的少访问磁盘
    • InnoDB是最常用的MySQL引擎，其索引结构使用的是B+树，为什么是B+树？
      • B树和B+树的区别
      • B树是平衡多路查找树是二叉查找树的变形，每个非叶子节点可以存在多个节点，每个节点存在多个关键字，每个节点的关键字按大小排序，关键字所有的左子树关键字均大于它，其右子树的关键字都大于它，节点的常见应用外存的读取，硬盘的读取以页为单位进行读取，而B树的节点元素(阶数)便可以调整为页的大小 查找时减少访问磁盘的次数
      • 对于B树的遍历，我们需要往返于不同的节点，也就是对磁盘页面进行多次的访问(详见大话352)，使得同一个元素会被访问多次。B+树是B树的变形
      • 区别：
        • B+树有两种类型的节点：内部结点（也称索引结点）和叶子结点。
          • 内部节点就是非叶子节点，内部节点不存储数据，只存储索引，数据都存储在叶子节点。
          • 内部结点中的key都按照从小到大的顺序排列，对于内部结点中的一个key，左树中的所有key都小于它，右子树中的key都大于等于它。叶子结点中的记录也按照key的大小排列。
          • 每个叶子结点都存有相邻叶子结点的指针，叶子结点本身依关键字的大小自小而大顺序链接。【相邻叶子节点存在指针，查找时从最左侧叶子节点出发，不用经过叶子节点，非常适合范围的查找】
          • 父节点存有右孩子的第一个元素的索引。
          • 优势：https://segmentfault.com/a/1190000020416577
            • 查找效率稳定，所有查询都要查找到叶子节点
            • 由于非叶子节点仅作为索引，能够存储更多的元素，使得io查询次数更少
            • 查找时从最左侧叶子节点出发，不用经过非叶子节点，非常适合范围的查找
      • 选择B+树的原因和磁盘的局部性原理也有关系，磁盘是随机读取的，每次读取是通常是读取一页
      • 每个索引在InnoDB对应一颗B+树，一张表可以存在多棵B+树
  • 索引类型分为主键索引和非主键索引(二级索引)
    • 主键索引的叶子节点存储的是整行数据
    • 非主键索引叶子节点存储的主键的值
    • 基于两种索引的查询区别，基于主键只需查询主键列的索引树，而基于非主键需先查询非主键列索引树得到主键，再查询主键列索引树【这种过程称之为回表】，多扫描一棵树，tip：尽量使用主键查询
  • 索引维护
    • 页分裂，B+树添加元素时，节点的元素大于阶数(这里可以认为是页大小)，那么就会出现页分裂，出现数据的挪动，页分裂会影响数据页的利用率，空间利用率降低50%。当删除元素时，相邻页也会做页合并，分裂的逆过程
  • 要不要用自增主键？(考虑索引的数据类型即索引大小)
    • 自增主键的插入是递增的，都是追加操作，不会发生页分裂和数据挪动，而业务逻辑字段往往不能保证有序增加
    • 另一方面存储角度，如果表中存在唯一字段身份证号(字符串类型)，相比整形或或长整型要占用更大的存储空间，而主键长度越小，普通索引的叶子节点所占用的空间页越小
    • 什么场景适合业务字段做索引
      • 表中只有一个索引，并且是唯一索引 即kv场景(keyvalue)