1索引
1.1索引概述
索引(
index
)是帮助
MySQL
高效获取数据的数据结构
(
有序
)。在数据之外,数据库系统还维护着满足 特定查找算法的数据结构,这些数据结构以某种方式引用(指向)数据, 这样就可以在这些数据结构 上实现高级查找算法,这种数据结构就是索引。
1.1.1特点
优势
|
劣势
|
提高数据检索的效率,降低数据库 的IO
成本
|
索引列也是要占用空间的。
|
通过索引列对数据进行排序,降低 数据排序的成本,降低CPU的消 耗。
|
索引大大提高了查询效率,同时却也降低更新表的速度, 如对表进行
INSERT
、
UPDATE
、
DELETE
时,效率降低。
|
1.2 索引结构
1.2.1 概述
MySQL的索引是在存储引擎层实现的,不同的存储引擎有不同的索引结构,主要包含以下几种:
索引结构
| 描述 |
B+Tree
索引
|
最常见的索引类型,大部分引擎都支持
B+
树索引
|
Hash
索引
|
底层数据结构是用哈希表实现的
,
只有精确匹配索引列的查询才有效
, 不 支持范围查询
|
R-tree(空间索 引)
|
空间索引是
MyISAM引擎的一个特殊索引类型,主要用于地理空间数据类型,通常使用较少
|
Full-text(全文索引
)
|
是一种通过建立倒排索引
,
快速匹配文档的方式。类似于
Lucene,Solr,ES
|
上述是
MySQL中所支持的所有的索引结构,接下来,我们再来看看不同的存储引擎对于索引结构的支持情况。
索引
|
InnoDB
|
MyISAM
|
Memory
|
B+tree
索引
|
支持
|
支持
|
支持
|
Hash
索引
|
不支持
|
不支持
|
支持
|
R-tree
索引
|
不支持
| 支持 |
不支持
|
Full-text
|
5.6
版本之后支持
|
支持
|
不支持
|
注意: 我们平常所说的索引,如果没有特别指明,都是指 B+ 树结构组织的索引。
1.2.2二叉树
假如说MySQL的索引结构采用二叉树的数据结构,比较理想的结构如下:
如果主键是顺序插入的,则会形成一个单向链表,结构如下:
所以,如果选择二叉树作为索引结构,会存在以下缺点:
- 顺序插入时,会形成一个链表,查询性能大大降低。
- 大数据量情况下,层级较深,检索速度慢。
此时大家可能会想到,我们可以选择红黑树,红黑树是一颗自平衡二叉树,那这样即使是顺序插入数 据,最终形成的数据结构也是一颗平衡的二叉树
,
结构如下:
但是,即使如此,由于红黑树也是一颗二叉树,所以也会存在一个缺点:
- 大数据量情况下,层级较深,检索速度慢
所以,在
MySQL
的索引结构中,并没有选择二叉树或者红黑树,而选择的是
B+Tree
,那么什么是
B+Tree
呢?在详解
B+Tree
之前,先来介绍一个
B-Tree
。
1.2.3 B-Tree
B-Tree
,
B
树是一种多叉路衡查找树,相对于二叉树,
B
树每个节点可以有多个分支,即多叉。
以一颗最大度数(
max-degree
)为
5(5
阶
)
的
b-tree
为例,那这个
B
树每个节点最多存储
4
个
key
,
5
个指针:
小贴士 : 树的度数指的是一个节点的子节点个数。
1.2.4 B+Tree
B+Tree
是
B-Tree
的变种,我们以一颗最大度数(
max-degree
)为
4
(
4
阶)的
b+tree
为例,来看一
下其结构示意图:
我们可以看到,两部分:
- 绿色框框起来的部分,是索引部分,仅仅起到索引数据的作用,不存储数据。
- 红色框框起来的部分,是数据存储部分,在其叶子节点中要存储具体的数据。
B+Tree 与 B-Tree相比,主要有以下三点区别:
- 所有的数据都会出现在叶子节点。
- 叶子节点形成一个单向链表。
- 非叶子节点仅仅起到索引数据作用,具体的数据都是在叶子节点存放的。
上述我们所看到的结构是标准的
B+Tree
的数据结构,接下来,我们再来看看
MySQL
中优化之后的
B+Tree
。
MySQL
索引数据结构对经典的
B+Tree
进行了优化。在原
B+Tree
的基础上,增加一个指向相邻叶子节点的链表指针,就形成了带有顺序指针的B+Tree
,提高区间访问的性能,利于排序。
1.2.5 Hash
MySQL
中除了支持
B+Tree
索引,还支持一种索引类型
---Hash
索引。
1).
结构
哈希索引就是采用一定的
hash
算法,将键值换算成新的
hash值,映射到对应的槽位上,然后存储在 hash
表中。
如果两个
(
或多个
)
键值,映射到一个相同的槽位上,他们就产生了
hash
冲突(也称为
hash碰撞),可以通过链表来解决。
2).
特点
A. Hash
索引只能用于对等比较
(=
,
in)
,不支持范围查询(
between
,
>
,
<
,
...
)
B.
无法利用索引完成排序操作
C.
查询效率高,通常
(
不存在
hash
冲突的情况
)
只需要一次检索就可以了,效率通常要高于
B+tree
索
引
3).
存储引擎支持
在
MySQL
中,支持
hash
索引的是
Memory
存储引擎。 而
InnoDB
中具有自适应
hash
功能,
hash
索引是
InnoDB
存储引擎根据
B+Tree
索引在指定条件下自动构建的。
1.3 索引分类
1.3.1 索引分类
在MySQL数据库,将索引的具体类型主要分为以下几类:主键索引、唯一索引、常规索引、全文索引。
分类
|
含义
|
特点
|
关键字
|
主键索引
|
针对于表中主键创建的索引
|
默认自动创建
, 只能有一个
|
PRIMARY
|
唯一索引
|
避免同一个表中某数据列中的值重复
|
可以有多个
|
UNIQUE
|
常规索引
|
快速定位特定数据
|
可以有多个
| |
全文索引
|
全文索引查找的是文本中的关键词,而不是比较索引中的值
|
可以有多个
|
FULLTEXT
|
1.3.2 聚集索引&二级索引
而在在InnoDB存储引擎中,根据索引的存储形式,又可以分为以下两种:
分类
|
含义
|
特点
|
聚集索引(ClusteredIndex)
|
将数据存储与索引放到了一块,索引结构的叶子节点保存了行数据
|
必须有
,而且只有一个
|
二级索引(SecondaryIndex)
|
将数据与索引分开存储,索引结构的叶子节点关联的是对应的主键
|
可以存在多个
|
聚集索引选取规则
:
- 如果存在主键,主键索引就是聚集索引。
- 如果不存在主键,将使用第一个唯一(UNIQUE)索引作为聚集索引。
- 如果表没有主键,或没有合适的唯一索引,则InnoDB会自动生成一个rowid作为隐藏的聚集索 引。
聚集索引和二级索引的具体结构如下:
- 聚集索引的叶子节点下挂的是这一行的数据 。
- 二级索引的叶子节点下挂的是该字段值对应的主键值。
接下来,我们来分析一下,当我们执行如下的SQL语句时,具体的查找过程是什么样子的。
具体过程如下
:
①
.
由于是根据
name
字段进行查询,所以先根据
name='Arm'
到
name
字段的二级索引中进行匹配查
找。但是在二级索引中只能查找到
Arm
对应的主键值
10
②
.
由于查询返回的数据是
*
,所以此时,还需要根据主键值
10
,到聚集索引中查找
10对应的记录,最终找到
10
对应的行
row
。
③
.
最终拿到这一行的数据,直接返回即可。
回表查询: 这种先到二级索引中查找数据,找到主键值,然后再到聚集索引中根据主键值,获取 数据的方式,就称之为回表查询。