深入浅出索引（上）

最新推荐文章于 2023-03-03 12:52:52 发布

2NaCl

最新推荐文章于 2023-03-03 12:52:52 发布

阅读量139

点赞数 1

分类专栏： Mysql 文章标签：索引

本文链接：https://blog.csdn.net/qq_41936805/article/details/96920018

版权

Mysql 专栏收录该内容

11 篇文章 1 订阅

订阅专栏

我们都知道数据库的索引是用来提升检索速度的，但是索引究竟内部是怎么工作的呢，就来说说这个话题8

索引就像书的目录一样，帮助我们更快的查找到我们需要的数据。

索引的常见类型

索引的种类有很多种，接下来主要介绍三种常见，也比较简单的数据结构，分别是哈希表，有序数组和搜索树。

然后从使用的角度分析一下，三者的区别：

哈希表

哈希表是一种kv存储数据的形式，只要输入待查找的值，比如说是key，就可以找到value。

但如果多个k对应一个v，那么就会拉出一个链表。

那么我们该如何在这种情况下，找到我们需要的那个v呢，可以看如下解释。

假如有一张表，只有身份证号和姓名，需要根据身份证号找到姓名

在这里插入图片描述

这时候我们发现，ID-card-n2和ID-card-n4计算出的哈希值都为N，并且N对应着一张链表，那么，假如我们要利用ID-card-n2找出name2，该怎么办呢？

首先，将ID-card-n2通过哈希函数计算出N，然后按照顺序遍历找到User2。

有序哈希，插入不方便，区间查询方便，无序哈希，插入方便(指的是顺延插入)，区间查询不方便。

所以，哈希表这种结构适用于等值查询的场景。

有序数组

如果以上的情况，我们用有序数组实现的话，示意图如下：

在这里插入图片描述

假设身份证账号没有重复，数组按照底层去保存，如果要查找ID-card-n2对应的名字，用二分法就可以查询到，这个时间复杂度是logN、

并且这个索引结构支持范围查询。而且查询效率也是相当高的。但是如果插入，就很麻烦，因为每一个都需要往后瞬移一个单位。

所以，有序数组只能进行静态存储引擎，就是那种不会修改的数据。

搜索树

二叉搜索树是非常经典的数据结构，也用上面的例子，效果如下：

在这里插入图片描述

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。

当然为了维持O(log(N))的查询复杂度，你就需要保持这棵树是平衡二叉树。为了做这个保证，更新的时间复杂度也是O(log(N))。

为了能够让一个查询更少的读取总存储，应该查询的时候访问更少的数据块，所以就不能使用二叉树，而是多叉树，至于多少叉，取决于数据块的大小，但是总体都满足大小从左往右递增。

以InnoDB的一个整数字段索引来说，N差不多是1200，当树高为4的时候，就可以存储1200的3次方个值，但是考虑到树根是在内存的，所以访问速度相当快，只需要访问三次硬盘。

总结

在mysql中，索引是在存储引擎层实现的，所以没有统一的索引标准，即不同存储引擎的索引方式是不同的，以下以常用的InnoDB来说一下。

InnoDB的索引模型

在InnoDB中，表都是根据主键顺序以索引的形式发放的，这种存储形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+树的。

每一个InnoDB索引都有一个B+树。

假设，我们有一个主键列为ID的表，表中有字段k，并且在k上有索引。
建表语句如下：

mysql> create table T3(
 id int unique key, 
 k int not null, 
 name varchar(16), 
 index (k))engine=InnoDB;       
Query OK, 0 rows affected (0.03 sec)

然后插入语句

mysql> insert into T3 (id,k,name)values(100,1,'R1'); 
Query OK, 1 row affected (0.00 sec)

mysql> insert into T3 (id,k,name)values(200,2,'R2');  
Query OK, 1 row affected (0.09 sec)

mysql> insert into T3 (id,k,name)values(300,3,'R3');
Query OK, 1 row affected (0.00 sec)

mysql> insert into T3 (id,k,name)values(500,5,'R4');
Query OK, 1 row affected (0.00 sec)

mysql> insert into T3 (id,k,name)values(600,6,'R5');  
Query OK, 1 row affected (0.01 sec)