MySQL索引特性

1. 没有索引，可能会有什么问题

索引：提高数据库的性能，索引是物美价廉的东西了。不用加内存，不用改程序，不用调sql，只要执行正确的 create index ，查询速度就可能提高成百上千倍。但是天下没有免费的午餐，查询速度的提高是以插入、更新、删除的速度为代价的，这些写操作，增加了大量的IO。所以它的价值，在于提高一个海量数据的检索速度。

先整一个海量表，在查询的时候，看看没有索引时有什么问题？
构建一个8000000条记录的数据，构建的海量表数据需要有差异性，所以使用存储过程来创建， 拷贝下面代码就可以了，暂时不用理解。

-- 产生随机字符串
delimiter $$
create function rand_string(n INT)
returns varchar(255)
begin
declare chars_str varchar(100) default
'abcdefghijklmnopqrstuvwxyzABCDEFJHIJKLMNOPQRSTUVWXYZ';
declare return_str varchar(255) default '';
declare i int default 0;
while i < n do
set return_str =concat(return_str,substring(chars_str,floor(1+rand()*52),1));
set i = i + 1;
end while;
return return_str;
end $$
delimiter ;
--产生随机数字
delimiter $$
create function rand_num()
returns int(5)
begin
declare i int default 0;
set i = floor(10+rand()*500);
return i;
end $$
delimiter ;
--创建存储过程，向雇员表添加海量数据
delimiter $$
create procedure insert_emp(in start int(10),in max_num int(10))
begin
declare i int default 0;
set autocommit = 0;
repeat
set i = i + 1;
insert into EMP values ((start+i)
,rand_string(6),'SALESMAN',0001,curdate(),2000,400,rand_num());
until i = max_num
end repeat;
commit;
end $$
delimiter ;
-- 执行存储过程，添加8000000条记录
call insert_emp(100001, 8000000);

到此，已经创建出了海量数据的表了。下面我们要查询员工编号为998877的员工：

可以看到耗时4.86秒，这还是在本机一个人来操作，在实际项目中，如果放在公网中，假如同时有1000个人并发查询，那很可能就死机。

2. 认识磁盘

MySQL与存储：
MySQL 给用户提供存储服务，而存储的都是数据，数据在磁盘这个外设当中。磁盘是计算机中的一个机械设备，相比于计算机其他电子元件，磁盘效率是比较低的，在加上IO本身的特征，可以知道，如何提交效率，是 MySQL 的一个重要话题。

磁盘中一个盘片：

数据库文件，本质其实就是保存在磁盘的盘片当中。也就是上面的一个个小格子中，就是我们经常所说的扇区。当然，数据库文件很大，也很多，一定需要占据多个扇区。

我们在使用Linux，所看到的大部分目录或者文件，其实就是保存在硬盘当中的。(当然，有一些内存文件系统，如： proc ， sys 之类，我们不考虑)。所以，最基本的，找到一个文件的全部，本质，就是在磁盘找到所有保存文件的扇区。

在系统软件上，就直接按照扇区(512字节，部分4096字节)进行IO交互吗？
如果操作系统直接使用硬件提供的数据大小进行交互，那么系统的IO代码，就和硬件强相关，换言之，如果硬件发生变化，系统必须跟着变化。从目前来看，单次IO 512字节，还是太小了。IO单位小，意味着读取同样的数据内容，需要进行多次磁盘访问，会带来效率的降低。

之前学习文件系统，就是在磁盘的基本结构下建立的，文件系统读取基本单位，就不是扇区，而是数据块。故系统读取磁盘，是以块为单位的，基本单位是 4KB 。

mysqld在那里工作呢？
mysql对数据的增删查改的时候，其实是在内存中进行的。但是后期mysqld会进行持久化。

3. MySQL 与磁盘交互基本单位

而 MySQL 作为一款应用软件，可以想象成一种特殊的文件系统。它有着更高的IO场景，所以，为了提高基本的IO效率， MySQL 进行IO的基本单位是 16KB (后面统一使用 InnoDB 存储引擎讲解)

我们这个mysql数据库的交互大小是16384字节，也就是16KB。

4. 建立共识

MySQL 中的数据文件，是以page为单位保存在磁盘当中的。
MySQL 的 CURD 操作，都需要通过计算，找到对应的插入位置，或者找到对应要修改或者查询的数据。而只要涉及计算，就需要CPU参与，而为了便于CPU参与，一定要能够先将数据移动到内存当中。所以在特定时间内，数据一定是磁盘中有，内存中也有。后续操作完内存数据之后，以特定的刷新策略，刷新到磁盘。而这时，就涉及到磁盘和内存的数据交互，也就是IO了。而此时IO的基本单位就是Page。为了更好的进行上面的操作， MySQL 服务器在内存中运行的时候，在服务器内部，就申请了被称为 Buffer Pool 的的大内存空间，来进行各种缓存。其实就是很大的内存空间，来和磁盘数据进行IO交互。

那么mysql内部会充满大量的page，mysql就需要先描述，再组织，那么就会用非常高效的数据结构来管理一个一个page，什么样的数据结构来完成page的组织，就是索引的基础。

5. 索引的理解

建立测试表：

插入多条记录：

注意：我们并没有按照主键的大小顺序插入。

查看插入结果：

发现竟然默认是有序的！是谁干的呢？排序有什么好处呢？

中断一下—为何MySQL和磁盘进行IO交互的时候，要采用Page的方案进行交互呢？
如上面的5条记录，假设一条记录是一个page，那么MySQL要查找id=2的记录，第一次加载id=1，第二次加载id=2，一次一条记录，那么就需要2次IO。如果要找id=5，那么就需要5次IO。

但如果这5条(或者更多)都被保存在一个Page中(16KB，能保存很多记录),那么第一次IO查找id=2的时候，整个Page会被加载到MySQL的Buffer Pool中，这里完成了一次IO。但是往后如果在查找id=1,3,4,5等，完全不需要进行IO了，而是直接在内存中进行了。所以，就在单Page里面，大大减少了IO的次数。

你怎么保证，用户一定下次找的数据，就在这个Page里面？
我们不能严格保证，但是有很大概率，因为有局部性原理。往往IO效率低下的最主要矛盾不是IO单次数据量的大小，而是IO的次数。

5.1 理解单个Page

MySQL 中要管理很多数据表文件，而要管理好这些文件，就需要 先描述，在组织，我们目前可以简单理解成一个个独立文件是有一个或者多个Page构成的。

一个page里有它的属性和关于表的记录。不同的 Page ，在 MySQL 中，都是 16KB ，使用 prev 和 next 构成双向链表。
因为有主键的问题， MySQL 会默认按照主键给我们的数据进行排序，从上面的Page内数据记录可以看出，数据是有序且彼此关联的。

为什么数据库在插入数据时要对其进行排序呢？
插入数据时排序的目的，就是优化查询的效率。页内部存放数据的模块，实质上也是一个链表的结构，链表的特点也就是增删快，查询修改慢，所以优化查询的效率是必须的。
正式因为有序，在查找的时候，从头到后都是有效查找，没有任何一个查找是浪费的，而且，如果运气好，是可以提前结束查找过程的。

5.2 理解多个Page

通过上面的分析，我们知道，上面页模式中，只有一个功能，就是在查询某条数据的时候直接将一整页的数据加载到内存中，以减少硬盘IO次数，从而提高性能。但是，我们也可以看到，现在的页模式内部，实际上是采用了链表的结构，前一条数据指向后一条数据，本质上还是通过数据的逐条比较来取出特定的数据。
如果有1千万条数据，一定需要多个Page来保存1千万条数据，多个Page彼此使用双链表链接起来，而且每个Page内部的数据也是基于链表的。那么，查找特定一条记录，也一定是线性查找。这效率也太低了。

5.3 单页情况

针对上面的单页Page，我们能否也引入目录呢？当然可以。

在一个Page内部，我们引入了目录。比如，我们要查找id=4记录，之前必须线性遍历4次，才能拿到结果。现在直接通过目录2[3]，直接进行定位新的起始位置，提高了效率。

为何通过键值 MySQL 会自动排序？
可以很方便引入目录。

5.4 多页情况

MySQL 中每一页的大小只有 16KB ，单个Page大小固定，所以随着数据量不断增大， 16KB 不可能存下所有的数据，那么必定会有多个页来存储数据。在单表数据不断被插入的情况下， MySQL 会在容量不足的时候，自动开辟新的Page来保存新的数据，然后通过指针的方式，将所有的Page组织起来。

需要注意，上面的图，是理想结构，大家也知道，目前要保证整体有序，那么新插入的数据，不一定会在新Page上面，这里仅仅做演示。

这样，我们就可以通过多个Page遍历，Page内部通过目录来快速定位数据。可是，貌似这样也有效率问题，在Page之间，也是需要 MySQL 遍历的，遍历意味着依旧需要进行大量的IO，将下一个Page加载到内存，进行线性检测。这样就显得我们之前的Page内部的目录，有点杯水车薪了。

那么如何解决呢？解决方案，其实就是我们之前的思路，给Page也带上目录。
使用一个目录项来指向某一页，而这个目录项存放的就是将要指向的页中存放的最小数据的键值。和页内目录不同的地方在于，这种目录管理的级别是页，而页内目录管理的级别是行。其中，每个目录项的构成是：键值+指针。

存在一个目录页来管理页目录，目录页中的数据存放的就是指向的那一页中最小的数据。有数据，就可通过比较，找到该访问那个Page，进而通过指针，找到下一个Page。

其实目录页的本质也是页，普通页中存的数据是用户数据，而目录页中存的数据是普通页的地址。

可是，我们每次检索数据的时候，该从哪里开始呢？虽然顶层的目录页少了，但是还要遍历啊？不用担心，可以在加目录页。

这就是B+树啊！至此，我们已经给我们的表user构建完了主键索引。随便找一个id=？我们发现，现在查找的Page数一定减少了，也就意味着IO次数减少了，那么效率也就提高了。

主键索引：
1.具有主键的表，一表一个B+树
2.但是没有主键，mysql会自动形成隐藏主键

既然有隐藏主键，为什么我们在海量数据的时候会非常慢呢？
因为我们是按照员工id查的，它不是主键，我们也没有按照隐藏主键来查。

B+树中所有的叶子节点，路上的节点，需要全部加载到内存中吗？
不需要。查找的时候，自定向下找，只需要加载部分目录页到内存，即可完成算法的整个查找过程。

为什么目录页里面不放数据呢？这样在路上不就能找到吗？
Page分为目录页和数据页。目录页只放各个下级Page的最小键值。目录页里面没有数据id和page的地址，意味着16KB可以全部存储id和page的地址，也就是说，一个目录页可以管理更多的下级page。

InnoDB 在建立索引结构来管理数据的时候，其它数据结构为何不行？

5.5 B+ vs B

最值得比较的是 InnoDB 为何不用B树作为底层索引？


目前这两棵树，对我们最有意义的区别是：
1.B树节点，既有数据，又有Page指针，而B+，只有叶子节点有数据，其它目录页，只有键值和Page指针。
2.B+叶子节点，全部相连，而B没有。

为何选择B+？
1.节点不存储data，这样一个节点就可以存储更多的key。可以使得树更矮，所以IO操作次数更少。
2.叶子节点相连，更便于进行范围查找。

5.6 聚簇索引 VS 非聚簇索引

上面我们所说的， InnoDB 这种的存储引擎，其中B+树和数据是耦合在一起的，叫做聚簇索引。

MyISAM 存储引擎-主键索引，MyISAM 引擎同样使用B+树作为索引结果，叶节点的data域存放的是数据记录的地址。

下图为 MyISAM表的主索引， Col1 为主键：

MyISAM 最大的特点是，将索引Page和数据Page分离，也就是叶子节点没有数据，只有对应数据的地址。

代码演示：

我们在user1是InnoDB存储引擎，user2是MyISAM存储引擎。

并且InnoDB存储引擎在磁盘上是2个文件，MyISAM存储引擎是3个文件。两个.frm文件是一样的，它们是表结构，里面记录有哪些列，列的名称是什么等等。

那么为什么MyISAM存储引擎比InnoDB存储引擎多一个呢？
原因就是：InnoDB存储引擎是把索引和数据是一起的，所以放到了同一个文件中。MyISAM存储引擎是二者分开的，.MYD是存放数据的，.MYI是存放索引的。

MySQL 除了默认会建立主键索引外，我们用户也有可能建立按照其它列信息建立的索引，一般这种索引可以叫做辅助（普通）索引。

对于 MyISAM 建立辅助（普通）索引和主键索引没有差别，无非就是主键不能重复，而非主键可重复。

下图就是基于 MyISAM 的 Col2 建立的索引，和主键索引没有差别：

就是用Col2的数据来做目录页，然后就用Col2数据来查找整个消息。

同样， InnoDB 除了主键索引，用户也会建立辅助（普通）索引，我们以上表中的 Col3 建立对应的辅助索引如下图：

这里我们是按照姓名来做索引的，那么InnoDB是怎么做的呢？它是按照姓名查，然后到叶子节点放的不是数据，而是主键。

所以通过辅助（普通）索引，找到目标记录，需要两遍索引：首先检索辅助索引获得主键，然后用主键到主索引中检索获得记录。这种过程，就叫做回表查询。

为何 InnoDB 针对这种辅助（普通）索引的场景，不给叶子节点也附上数据呢？原因就是太浪费空间了。

6. 索引操作

6.1 创建索引

创建主键索引：



主键索引的特点：
1.一个表中，最多有一个主键索引，当然可以使复合主键。
2.主键索引的效率高（主键不可重复）。
3.创建主键索引的列，它的值不能为null，且不能重复。
4.主键索引的列基本上是int。

唯一索引的创建：



唯一索引的特点：
1.一个表中，可以有多个唯一索引
2.查询效率高
3.如果在某一列建立唯一索引，必须保证这列不能有重复数据
4.如果一个唯一索引上指定not null，等价于主键索引

普通索引的创建：


第三种方式

create table user10(id int primary key, name varchar(20), email
varchar(30));
-- 创建一个索引名为 idx_name 的索引
create index idx_name on user10(name);

这第3种方式，我们可以自己定义索引的名字。

演示一下：

MUL代表的就是索引。

6.2 查询索引

第1种方法（信息比较简略）： desc 表名；

第2种方法：show keys from 表名；

第3种方法： show index from 表名；

可以看到，我们如果设置了主键，它就是一个索引，每设置一个索引就是一个B+树。Key_name就是索引的名字，Colum_name就是索引在哪列。

6.3 删除索引

第一种方法-删除主键索引： alter table 表名 drop primary key;

第二种方法-其它索引的删除： alter table 表名 drop index 索引名； 索引名就是show keysfrom 表名中的 Key_name 字段

第三种方法方法： drop index 索引名 on 表名

6.4 复合索引

我们现在给name和email加上复合索引：

可以看到name和email的索引的名字是一样的，那么我们该如何删除呢？

直接删除共同的索引名就行了。如果我们创建索引时不起名字的话。


可以看到这两种方式都不行，因为复合索引默认第一个列名称。我们只需要删除第一个就行了。

6.5 全文索引的创建

当对文章字段或有大量文字的字段进行检索时，会使用到全文索引。MySQL提供全文索引机制，但是有要求，要求表的存储引擎必须是MyISAM，而且默认的全文索引支持英文，不支持中文。如果对中文进行全文检索，可以使用sphinx的中文版(coreseek)。

全文索引的意思：不是查找某个消息，而是整个大文本内容。

我们插入一些数据，然后查询有没有database数据：

虽然查询出数据，但是没有使用到全文索引。可以用explain工具看一下，explain类似预处理，我不运行，但是我们想看看我是按照什么规则去运行。

key为null表示没有用到索引。

如何使用全文索引呢？

通过explain来分析这个sql语句：

key用到了title。