Mysql索引底层数据结构

一、数据结构

1.1.索引的本质

  • 索引是帮助Mysql高效获取数据的排好序数据结构

1.2.MySQl特点

  • 查询效率高
  • 支持数据量大,在千万级以上数据量时也要保持查询的稳定性
  • 对范围查询友好

1.3.索引数据结构

- 二叉树
- 红黑树
- B-Tree
- B+Tree
- Hash表

数据结构网址:https://www.cs.usfca.edu/~galles/visualization/Algorithms.html
在这里插入图片描述

  • 平时我们的插入数据主键都是自增有序的,当使用二树树插入数据时,树的高度增加,会退化成一个链表结构,查询效率低。
  • 红黑树是颗平衡二叉树,解决了二叉树退化成链表结构问题,但当数据量过大,树的高度增加,查询效率逐渐降低。
  • 因此,树的高度决定了磁盘IO读写的次数,也就是查询效率。

1.4.B-Tree结构

  • 优点:
    • 叶节点具有相同的深度,叶节点的指针为空
    • 所有索引元素不重复
    • 节点中的数据索引从左到右递增排列
  • 缺点:
  • 范围查询不友好
    在这里插入图片描述

1.5.B+Tree结构

  • B+Tree(B-Tree变种)
    • 非叶子节点不存储data,只存储索引(冗余),一个节点可以放更多的索引
    • 叶子节点包含所有索引字段
    • 叶子节点存放所有数据
    • 叶子节点使用互相指向指针连接,提高区间访问的性能,方便进行范围查询,从左到右遍历即可查询
      在这里插入图片描述

1.6.查看mysql文件页大小(16K)

-- 查看mysql文件页大小(16K)
SHOW GLOBAL STATUS like 'Innodb_page_size';

在这里插入图片描述

1.7.为什么mysql页文件默认16K?

假设我们一行数据大小为1K,那么一页就能存16条数据,也就是一个叶子节点能存16条数据;
再看非叶子节点,假设主键ID为bigint类型,那么长度为8B,指针大小在Innodb源码中为6B,一共就是14B,
那么一页里就可以存储16K/14=1170(主键+指针)
那么一颗高度为2B+树能存储的数据为:1170*16=18720条,
一颗高度为3B+树能存储的数据为:1170*1170*16=21902400(千万级条)
千万级数据量的表,查询数据也最多只要经历3IO,而且根节点其实常驻在MySQL内存中。

1.8.Hash结构

  • Hash
    • 对索引的key进行一次hash计算就可以定位出数据存储的位置
    • 很多时候Hash索引要比B+ 树索引更高效
    • 仅能满足 “=”,“IN”,不支持范围查询
    • hash冲突问题

在这里插入图片描述

二、存储引擎

2.1.InnoDB

2.1.1.聚集索引

聚集索引:叶子结点存储完整的数据,主键索引即数据文件;比非聚集索引效率更高,减少了一次回表操作。

  • InnoDB索引实现(聚集)
    • 表数据文件本身就是按B+Tree组织的一个索引结构文件
    • 聚集索引-叶节点包含了完整的数据记录

在这里插入图片描述

2.1.2.为什么建议InnoDB表必须建主键,并且推荐使用整型的自增主键?

  • 首先,MySQL会找表中是否有唯一索引,如果有,就以唯一索引作为主键;然后用这一列的数据来组织你这个表的所有数据
  • 如果没有唯一索引,那么将添加隐藏字段rowid作为主键,帮你自动维护这整张表的B+数的数据结构
  • 整形作为主键相比字符型可以节省数据页的空间,构建索引 b+ 树时,为了保证索引的有序性,使用整形可以避免页分裂,在索引中查找数据时,减少比较的性能。
  • 因为索引结构 b+ 树,具有有序的特性,如果主键不是自增的,在进行增删数据的时候,会判断数据应该存放的位置,进行插入和删除,为了保持平衡,会对数据页进行分裂等操作移动数据,严重影响性能,所以主键需要是自增的,插入时,插入在索引数据页最后。

2.1.3.为什么非主键索引结构叶子节点存储的是主键值?(一致性和节省存储空间)

  • 一致性:如果二级索引也存储完整的数据,假如修改数据,需要同时修改主键索引又要修改二级索引数据,很繁琐。
  • 节省存储空间

2.1.4.二级索引

  • 通过其他字段查询数据,比如给age字段建立索引
  • 除主键索引之外的索引,称为二级索引或者辅助索引
  • 二级索引同样是颗B+树,与主键索引不同点是:二级索引的叶子节点并非存储完整的数据,而是存储主键,节省存储空间
  • 二级索引又分为普通索引和唯一索引

2.1.5.磁盘文件存储表信息

  • table.frm: 表结构文件
  • table.idb: 索引数据文件
CREATE TABLE `test_innodb_lock` (
  `a` int(11) NOT NULL,
  `b` varchar(255) DEFAULT NULL,
  KEY `idex_a` (`a`),
  KEY `idex_b` (`b`)
) ENGINE=InnoDB DEFAULT CHARSET=utf8;

在这里插入图片描述

2.1.6.查找id=18

图中空白部分存储的为下个结点的磁盘地址,如根结点[15-56][56-77]之间的空白点存储的就是指向最左边子结点的磁盘地址。

在这里插入图片描述

  • 1、首先,将根结点加载到内存中(后续根结点常驻内存)
  • 2、二分查找id=30的位置,定位在15-56之间,读取下一个结点的磁盘地址
  • 3、加载结点到内存,继续二分查找,定位在15-20之间,读取磁盘地址
  • 4、加载叶子结点,找到id为18的记录
  • 5、如果是通过二级索引查找,则继续使用主键回表查找主键索引

2.2.MyISAM

2.2.1.非聚集索引

MyISAM索引文件和数据文件是分离的(非聚集)
非聚集索引:叶子结点存储的是指向数据的磁盘地址,索引和数据分离。
在这里插入图片描述

2.2.2.磁盘文件存储表信息

  • table.frm: 表结构文件信息
  • table.MYI: 索引文件
  • tbale.MYD: 数据文件
CREATE TABLE `test_myisam` (
  `id` int(11) NOT NULL AUTO_INCREMENT,
  `name` varchar(255) DEFAULT NULL,
  PRIMARY KEY (`id`)
) ENGINE=MyISAM AUTO_INCREMENT=2 DEFAULT CHARSET=utf8;

在这里插入图片描述

三、索引最左前缀原理–联合索引

  • 联合索引指由多个字段组成的索引,如下面name+age+positon构成这样一颗索引树
  • 索引同样是从小到大排列,先根据第一个字段name排序,第一个字段相同时排序第二个字段age,以此类推。
    在这里插入图片描述

endl

  • 10
    点赞
  • 21
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 0
    评论

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

良辰美景好时光

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值