索引
基本概念:索引是在存储引擎层实现的,而不是在服务器层实现的,因此不一样存储引擎具备不一样的索引类型和实现。mysql
数据结构
Tree 指的是 Balance Tree,也就是平衡树。平衡树是一颗查找树,而且全部叶子节点位于同一层。
B+ Tree 是基于 B Tree 和叶子节点顺序访问指针进行实现,它具备 B Tree 的平衡性,而且经过顺序访问指针来提升区间查询的性能。
在 B+ Tree 中,一个节点中的 key 从左到右非递减排列,若是某个指针的左右相邻 key 分别是 keyi 和 keyi+1,且不为 null,则该指针指向节点的全部 key 大于等于 keyi 且小于等于 keyi+1。
基本原理
进行查找操做时,首先在根节点进行二分查找,找到一个 key 所在的指针,而后递归地在指针所指向的节点进行查找。直到查找到叶子节点,而后在叶子节点上进行二分查找,找出 key 所对应的 data。
插入删除操做会破坏平衡树的平衡性,所以在进行插入删除操做以后,须要对树进行分裂、合并、旋转等操做来维护平衡性。
红黑树
红黑树等平衡树也能够用来实现索引,可是文件系统及数据库系统广泛采用 B+ Tree 做为索引结构,这是由于使用 B+ 树访问磁盘数据有更高的性能。sql
B+ 树有更低的树高:平衡树的树高 O(h)=O(logdN),其中 d 为每一个节点的出度。红黑树的出度为 2,而 B+ Tree 的出度通常都很是大,因此红黑树的树高 h 很明显比 B+ Tree 大很是多。
磁盘访问原理:操做系统通常将内存和磁盘分割成固定大小的块,每一块称为一页,内存与磁盘以页为单位交换数据。数据库系统将索引的一个节点的大小设置为页的大小,使得一次 I/O 就能彻底载入一个节点。
若是数据不在同一个磁盘块上,那么一般须要移动制动手臂进行寻道,而制动手臂由于其物理结构致使了移动效率低下,从而增长磁盘数据读取时间。B+ 树相对于红黑树有更低的树高,进行寻道的次数与树高成正比,在同一个磁盘块上进行访问只须要很短的磁盘旋转时间,因此 B+ 树更适合磁盘数据的读取。
磁盘预读特性:为了减小磁盘 I/O 操做,磁盘每每不是严格按需读取,而是每次都会预读。预读过程当中,磁盘进行顺序读取,顺序读取不须要进行磁盘寻道,而且只须要很短的磁盘旋转时间,速度会很是快。而且能够利用预读特性,相邻的节点也可以被预先载入。
索引分类
B+树索引
是大多数 MySQL 存储引擎的默认索引类型。
由于再也不须要进行全表扫描,只须要对树进行搜索便可,因此查找速度快不少。
由于 B+ Tree 的有序性,因此除了用于查找,还能够用于排序和分组。
能够指定多个列做为索引列,多个索引列共同组成键。
适用于全键值、键值范围和键前缀查找,其中键前缀查找只适用于最左前缀查找。若是不是按照索引列的顺序进行查找,则没法使用索引。
InnoDB 的 B+Tree 索引分为聚簇索引(主索引)和非聚簇索引(辅助索引)。
惟一索引:主键就是一种特殊的惟一索引,惟一索引容许null值,但主键列不容许为null值,一张表最多建议一个主键
哈希索引
哈希索引能以O(1)时间进行查找,可是失去了有序性特色InnoDB
存储引擎有一个特殊的功能叫“自适应哈希索引”,当某个索引值被使用的很是频繁时,会在 B+Tree 索引之上再建立一个哈希索引,这样就让 B+Tree 索引具备哈希索引的一些优势,好比快速的哈希查找。
全文索引
MyISAM 存储引擎支持全文索引,用于查找文本中的关键词,而不是直接比较是否相等。
查找条件使用 MATCH(clo1,clo2..) AGAINST(value),而不是普通的 WHERE。全文索引使用倒排索引实现,它记录着关键词到其所在文档的映射。
InnoDB 存储引擎在 MySQL 5.6.4 版本中也开始支持全文索引。
FULLTEXT (clo1,clo2)只有创建的全文索引的列能够进行全文索引
索引优化
独立的列
进行查询时,索引列不能是表达式的一部分,也不能是函数的参数,不然没法使用索引数据库
多列索引
在须要使用多个列做为条件进行查询时,使用多列索引比使用多个单列索引性能更好。
列以下面的语句中能够将actor_id和film_id设置多列索引性能优化
SELECT film_id, actor_ id FROM sakila.film_actor
WHERE actor_id = 1 AND film_id = 1;
索引列的顺序
索引的选择性是指:不重复的索引值和记录总数的比值。最大值为 1,此时每一个记录都有惟一的索引与其对应。选择性越高,每一个记录的区分度越高,查询效率也越高。
让选择性最强的索引列放在最前面
输入语句:服务器
SELECT COUNT(DISTINCT addr_id)/COUNT(*) AS addr_id_selectivity,
COUNT(DISTINCT user_id)/COUNT(*) AS user_id_selectivity,
COUNT(*)
FROM user_address;
结果:数据结构
addr_id_selectivity:1.0000
user_id_selectivity:0.1250
count(*):64
从上述结果分析:主键是惟一的,user_id会有重复,因此写sql语句时,主键应该放在最前面
这样能够逐个分析对应的索引函数
前缀索引
对于 BLOB、TEXT 和 VARCHAR 类型的列,必须使用前缀索引,只索引开始的部分字符。
前缀长度的选取须要根据索引选择性来肯定。某些列,通常是字符串类型,很长,所有做为索引大大增长存储空间,索引也须要维护,对于长字符串,又想做为索引列,一个可取的办法就是取前一部分(前缀),表明一整列做为索引串。
如何确保这个前缀能表明或大体表明这一列?因此mysql中有个概念是索引的选择性,是指索引中不重复的值的数目(也称基数)与整个表该列记录总数(#T)的比值,好比一个列表(1,2,2,3),总数是4,不重复值数目为3,选择性为3/4,所以选择性范围是[1/#T, 1],这个值越大,表示列中不重复值越多,越适合做为前缀索引,惟一索引(UNIQUE KEY)的选择性是1。
MySQL性能优化神器Explain使用分析
Explain 用来分析 SELECT 查询语句,开发人员能够经过分析 Explain 结果来优化查询语句。
select_type : 查询类型,有简单查询、联合查询、子查询等
key : 使用的索引
rows : 扫描的行数
总结
数据库只作两件事情:存储数据、检索数据。而索引是在你存储的数据以外,额外保存一些路标(通常是B+树),以减小检索数据的时间。因此索引是主数据衍生的附加结构。
一张表能够创建任意多个索引,每一个索引能够是任意多个字段的组合。索引可能会提升查询速度(若是查询时使用了索引),但必定会减慢写入速度,由于每次写入时都须要更新索引,因此索引只应该加在常常须要搜索的列上,不要加在写多读少的列上。
多使用explain对语句进行索引分析,任何理论都是创建在实际的分析基础上,explain语句关注那几个关键词便可。盲目的加索引并非好的,有时候索引反而成为拖慢咱们系统运行速度的源头.优化索引其实就两件事,第一找到区别度大的列,第二看生产的查询场景是否有用到这个列,加上索引用explain分析,看是否会比不加上索引性能提高更快