理解聚簇索引

聚簇索引（Cluster Index）也叫索引组织表（Index-organized Table），MySQL用户经常称呼为前者。聚簇索引并不是数据库索引的某个种类，其描述的是数据的一种存储方式。我们知道，在InnoDB中，数据是以B+Tree的形式存储的，其特点就是数据都存储在叶子节点上，非叶子节点上只存索引信息，即key值和指向子节点的指针。这种索引和数据的存储方式就叫做聚簇索引，“聚簇”的意思就是通常来说，数据行和相邻的健挨着。

InnoDB通过主键来聚集数据，也就是说聚簇索引的B+Tree上的叶子结点所存储的key总是主键，如果没有定义主键，InnoDB会选择一个唯一的非空索引代替，如果没有这样的索引，InnoDB会隐式地定义一个主键来聚集（存储）数据，这个隐式的主键被称为rowID。

在InnoDB中，存储聚簇索引的B+Tree的叶子节点是一个数据页，默认大小为16K，这些数据页上的数据其实是一个有序链表，会按照主键递增的顺序来进行存储。在上图中，如果要访问ID为10的记录，InnoDB根据索引找到了key为11的索引，访问其左子节点，然后进行遍历（由于在一个数据页中的数据的存放位置是连续的，所以不会有多次寻址的额外开销），比较key值直到找到ID为10的记录。

对于非聚簇索引，InnoDB通常在叶子节点上存储的是数据行的主键值，命中非聚簇索引时，InnoDB会拿到此主键值再去聚簇索引中查询所需要的记录，这个过程称为回表。正是由于如此，所以通常来说聚簇索引的查询效率要比非聚簇索引高。

聚簇索引可能的缺点：

• 由于聚簇索引在数据页内的顺序存储的特点，在插入操作中，插入速度很依赖插入的主键的顺序，倘若是非顺序插入，可能会导致为了保持顺序插入，在页内的其他位置的数据位置不得不移动。所以按照主键递增的顺序插入是最快的。
• 主键被更新时，数据行的存储位置不得不发生改变
• 在插入新行时，可能造成数据页的空间不足（达到最大填充因子，默认为页大小的15/16），而不得不进行“页分裂”操作，增加额外开销
• 当行比较稀疏，或者因为页分裂导致数据存储不连续时，全表扫描会变慢
• 二级索引（非聚簇索引）的大小会依赖主键的大小，如果主键过大，会造成二级索引占用额外空间
• 二级索引的查找需要两次搜索（一次查索引，一次回表操作）。当然二级索引这样设计也有其优势，就是当数据行的存储位置变化时，不用更新二级索引（因为主键值没有变）

聚簇索引叶子结点的结构

聚簇索引每一个叶子节点都包含主键值、事务ID、用于事务和MVCC的回滚指针、以及所有的剩余列。

为什么通常使用自增主键

• InnoDB操作某一行时，会先讲此行所在的数据页加载到内存当中。如果使用连续主键，则很可能此数据页已经加载到内存中了。如果主键不连续，则这种情况命中的概率就小很多。InnoDB不得不在插入之前首先访问磁盘读取目标页到内存中，这将产生大量的随机IO
• 乱序的主键插入可能会导致大量的页分裂操作，耗费额外资源
• 频繁的页分裂会导致页中的数据分布不规则，且有可能变得稀疏，产生很多数据碎片

自增主键可能造成的问题

对于高并发的工作负载，InnoDB在插入操作时可能产生很多所争用的问题，这个时候主键的上界成为热点，因为所有的热点都发生在这里，所以并发插入可能会导致间隙锁竞争。

MyISAM的索引机制

MyISAM中的数据是按照插入的顺序存储的，而不是像InnoDB那样按照主键进行顺序存储的。其索引结构也比较简单，主键索引和二级索引并无差别，叶子节点存储的都是数据对应的行号或者地址（根据数据行是否为定长来采取不同的策略）。