【MySql】04 笔记 索引

一、介绍

1、为什么需要索引？

索引的出现是为了提高数据查询的效率

二、索引的常见模型

1、哈希表

1. 哈希表是一种以键-值(key-value)存储数据的结构，只要输入待查找的值即key，就可以找到其对应的值即 Value。

2. 哈希的思路: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

3. 哈希表增加数据是通过一种哈希运行,先算出位置,然后在数组中添加。所以增加数据快,因为不是有序的所以哈希索引做区间查询的速度是很慢的。

4. 哈希表结构： 适用于有等值查询的场景

2、有序数组

1. 在等值查询和范围查询场景中的性能就都非常优秀

2. 数组就是按照递增的顺序保存的。查询用二分法就可以快速得到，时间复杂度是 O(log(N))。

3. 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。

4. 有序数组索引适用于静态存储引擎

3、搜索树

1. 二叉搜索树的特点是: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O(log(N))

2. 树可以有二叉，也可以有多叉。多叉树就是每个节点有多个儿子，儿子之间的大小保证从左
   到右递增。

3. 二叉树是搜索效率最高的，但是实际上大多数的数据库存储却并不使用二叉树。原因是，索引不止存在内存中，还要写到磁盘上。

4. 为什么不用二叉树：一棵 100 万节点的平衡二叉树，树高 20。一次查询可能需要访问 20 个数 据块。在机械硬盘时代，从磁盘随机读一个数据块需要 10 ms 左右的寻址时间。对于一个 100 万行的表，如果使用二叉树来存储，单独访问一个行可能需要 20 个 10 ms 的时间，这个查询太慢。

5. 为了让一个查询尽量少地读磁盘，就必须让查询过程访问尽量少的数据块。就不应该使用二叉树，而是要使用“N 叉”树。这里，“N 叉”树中的“N”取决于数据块的 大小。

6. 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。

三、InnoDB 的索引模型

1、以 InnoDB 的一个整数字段索引为例，这个N差不多是1200。这棵树高是4的时候，可以存1200的3 次方个值差不多17亿。考虑到树根的数据块总是在内存中的，一个10亿行的表上一个整数字段的索引，查找一个值最多只需要访问3次磁盘。

2、索引组织表 在InnoDB中，表都是根据主键顺序以索引的形式存放的。

3、InnoDB使用B+树索引模型

4、索引类型分为主键索引和非主键索引

1. 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 (clustered index)。

2. 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 (secondary index)。

5、主键索引和普通索引的查询的区别

1. 主键查询方式==> 只需搜索ID 这颗B+树

2. 普通索引先搜索索引树,得到ID 的值,再到ID 索引搜索一次 => 回表

3. 基于非主键索引的查询需要多扫描一棵索引树。在应用中应该尽量使用主键查询。

4. 如果设计到分库分表就需要考虑唯一id 可以使用雪花算法生成一个唯一id

5. 普通的uuid 在底层查找也是将字符转化为ASCII然后再去比较

6、自增主键优缺点

1. 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。

2. 自增主键的插入数据模式，符合递增插入的场景。每次插入一条新记录，都是追加操作，都不涉及到挪动其他记录，也不会触发叶子节点的分裂。

3. 从性能和存储空间方面考量，自增主键往往是更合理的选择

索引的分裂与合并

1、所在的数据页已经满了，根据B+树的算法，这时候需要申请一个新的数据页，然后挪动部分数据过去=> 页分裂。

页分裂操作影响数据页的利用率

2、数据删除，利用率降低，将数据页合并