mysql唯一索引内部结构_你分得清MySQL普通索引和唯一索引了吗？

走过路过不要错过

点击蓝字关注我们

0 概念区分

普通索引和唯一索引

普通索引可以重复，唯一索引和主键一样不能重复。

唯一索引可以作为数据的一个合法验证手段，例如学生表的身份证号码字段，我们人为规定该字段不得重复，那么就使用唯一索引。

(一般设置学号字段为主键)

主键和唯一索引

主键保证数据库里面的每一行都是唯一的，比如身份证，学号等，在表中要求唯一，不重复。

唯一索引的作用跟主键的作用一样。

不同的是，在一张表里面只能有一个主键，主键不能为空，唯一索引可以有多个，唯一索引可以有一条记录为空，即保证跟别人不一样就行。

比如学生表，在学校里面一般用学号做主键，身份证则弄成唯一索引；

而到了教育局，他们就把身份证号弄成主键，学号换成了唯一索引。

选谁做表的主键，要看实际应用，主键不能为空。

1 示例

一个市民系统，每个人都有个唯一身份证号；

业务代码已保证不会写入两个重复的身份证号；

如果市民系统需要按照身份证号查姓名，就会执行类似SQL：

select name from CUser where id_card = 'xxxxxxxyyyyyyzzzzz';

相信你一定会在id_card字段上建索引。

由于身份证号字段比较大，不建推荐把身份证号做主键。

因此现在有两个选择

给id_card字段创建唯一索引

创建一个普通索引

如果业务代码已保证不会写入重复的身份证号，那这两个选择逻辑上都正确。

但从性能角度考虑，唯一索引还是普通索引呢？

假设字段 k 上的值都不重复。

InnoDB的索引组织结构

查询语句

select id from T where k=5

该语句在索引树查找的过程：

先通过B+树从树根开始，按层搜索到叶节点，即图中右下角的数据页，然后可认为数据页内部是通过二分法定位记录。

对普通索引，查找到满足条件的第一个记录(5,500)后，需查找下个记录，直到碰到第一个不满足k=5条件的记录

对唯一索引，由于索引定义了唯一性，查找到第一个满足条件的记录后，就会停止检索。

该不同点带来的性能差距会有多少呢？

微乎其微！

InnoDB数据是按数据页为单位读写。即当需读一条记录时，并非将该记录本身从磁盘读出，而是以页为单位，将其整体读入内存。

InnoDB中，每个数据页的大小默认是16KB。

因引擎按页读写，所以，当找到k=5记录时，它所在数据页就都在内存了。

对普通索引，要多做的那一次“查找和判断下一条记录”的操作，就只需要一次指针寻找和一次计算。

如果k=5记录刚好是该数据页的最后一个记录，那么要取下个记录，必须读取下个数据页，操作会稍微复杂。

对于整型字段，一个数据页可存近千个key，因此这种情况概率很低。所以，计算平均性能差异时，仍可认为该操作成本对现在的CPU可忽略不计。

需更新一个数据页时

若数据页在内存，直接更新

若该数据页不在内存，在不影响数据一致性前提下，InooDB会将这些更新操作缓存在change buffer，无需从磁盘读入该数据页。

在下次查询需要访问该数据页时，将数据页读入内存，然后执行change buffer中与这个页有关的操作。

通过该方式就能保证这个数据逻辑的正确性。

虽然叫change buffer，实际上是可持久化的数据。

即change buffer在内存中有拷贝，也会被写进磁盘。

将change buffer中的操作应用到原数据页，得到最新结果的过程。

访问该数据页会触发merge

系统有后台线程会定期merge

在数据库正常关闭(shutdown)的过程中，也会执行merge。

若能将更新操作先记录在change buffer，减少读盘，语句执行速度会明显提升。

且数据读入内存需要占用buffer pool，所以该方式还能避免占用内存，提高内存利用率。

对于唯一索引，所有更新操作要先判断该操作是否违反唯一性约束。

比如，要插入(4,400)记录，要先判断表中是否已存k=4记录，而这必须要将数据页读入内存才能判断。

如果都已经读入到内存，那直接更新内存会更快，就没必要使用change buffer。

因此，唯一索引的更新就不能使用change buffer，实际上也只有普通索引可使用。

change buffer用的是buffer pool里的内存，因此不能无限增大。

change buffer的大小，可通过参数innodb_change_buffer_max_size动态设置。

参数设置为50时，表示change buffer的大小最多只能占用buffer pool的50%。

理解了change buffer机制，看看要在这张表中插入一个新记录(4,400)，InnoDB处理流程。

分情况讨论该记录要更新的目标页是否在内存中：

唯一索引

找到3和5之间位置，判断到没有冲突，插入值，语句执行结束。

普通索引

找到3和5之间位置，插入值，语句执行结束。

普通索引和唯一索引对更新语句性能影响的差别，只是一个判断，只会耗费微小CPU时间。

唯一索引

需要将数据页读入内存，判断到没有冲突，插入值，语句执行结束

普通索引

将更新记录在change buffer，语句执行结束

将数据从磁盘读入内存涉及随机IO访问，是数据库里面成本最高操作之一。

change buffer因减少随机磁盘访问，所以对更新性能提升明显。

问题案例：某业务的库内存命中率突然从99%降低到了75%，整个系统处于阻塞状态，更新语句全部堵住。

探究其原因，发现该业务有大量插入数据操作，而DBA在前天把其中的某个普通索引改成了唯一索引。

普通索引的所有场景，使用change buffer都可加速吗？

因为merge才是真正进行数据更新时刻；

change buffer主要目的是将记录的变更动作缓存下来；

所以在一个数据页做merge前，change buffer记录变更越多(即该数据页上要更新的次数越多)，收益越大。

对写多读少业务，页面在写完后马上被访问到的概率较小，change buffer使用效果最好。该类业务模型常见为账单、日志类的系统。

反之，假设一业务的更新模式是写后马上查询，那么即使满足条件，将更新先记录在change buffer，但之后由于马上要访问该数据页，立即触发merge。

这样随机访问IO的次数不会减少，反而增加change buffer维护代价。

所以，对于这种业务模式，change buffer起副作用。

普通索引和唯一索引如何抉择。

这两类索引在查询性能上没差别，主要考虑对更新性能影响。

所以，推荐尽量选择普通索引。

如果所有更新后面，都紧跟对该记录的查询，那么该关闭change buffer。

而在其他情况下，change buffer都能提升更新性能。

普通索引和change buffer的配合使用，对于数据量大的表的更新优化还是很明显的。

在使用机械硬盘时，change buffer机制的收效非常显著。

所以，当你有一个类似“历史数据”的库，并且出于成本考虑用机械硬盘时，应该关注这些表里的索引，尽量使用普通索引，把change buffer 开大，确保“历史数据”表的数据写速度。

WAL 提升性能的核心机制，也是尽量减少随机读写，这两个概念易混淆。

所以，这里我把它们放到了同一个流程里来说明区分。

在表上

insert into t(id,k) values(id1,k1),(id2,k2);

假设当前k索引树的状态，查找到位置后

k1所在数据页在内存(InnoDB buffer pool)，k2所在的数据页不在内存中

带change buffer的更新状态图。

该更新语句涉及四部分：

内存

redo log(ib_log_fileX)

数据表空间(t.ibd)

系统表空间(ibdata1)

该更新语句做了如下操作(按图中数字顺序)：

Page1在内存，直接更新内存

Page2没有在内存中，就在内存的change buffer区，记录下“我要往Page2插一行”的信息

将前两个动作记入redo log(图中的3和4)

做完上面，事务完成。执行这条更新语句的成本很低，就写两处内存，然后写一处磁盘(两次操作合在一起写了一次磁盘)，还是顺序写。

图中两个虚箭，是后台操作，不影响更新的响应时间。

这之后的读请求，怎么处理？

现在执行

select * from t where k in (k1, k2)

若读语句紧随在更新语句后，内存中的数据都还在，那么此时这俩读操作就与系统表空间(ibdata1)和 redo log(ib_log_fileX)无关。所以在图中就没画这俩。

两个读请求的流程图(带change buffer的读过程)

从图中可见：

读Page1时，直接从内存返回。

WAL之后如果读数据，是不是一定要读盘，是不是一定要从redo log里面把数据更新以后才可以返回？其实不用。

看上图状态，虽然磁盘上还是之前数据，但这里直接从内存返回结果，结果正确。

要读Page2时，需把Page2从磁盘读入内存，然后应用change buffer里面的操作日志，生成一个正确版本并返回结果。

可见直到需读Page2时，该数据页才被读入内存。

所以，要简单对比这俩机制对更新性能影响

redo log 主要节省随机写磁盘的IO消耗(转成顺序写)

change buffer主要节省随机读磁盘的IO消耗

由于唯一索引用不了change buffer的优化机制，因此如果业务可以接受，从性能角度，推荐优先考虑非唯一索引。

主要纠结在“业务可能无法确保”。本文前提是“业务代码已经保证不会写入重复数据”下，讨论性能问题。

如果业务不能保证，或者业务就是要求数据库来做约束，那么没得选，必须创建唯一索引。

这种情况下，本文意义在于，如果碰上大量插入数据慢、内存命中率低时，多提供一个排查思路。

然后，在一些“归档库”的场景，可考虑使用唯一索引的。比如，线上数据只需保留半年，然后历史数据保存在归档库。此时，归档数据已是确保没有唯一键冲突。要提高归档效率，可考虑把表的唯一索引改普通索引。

参考并整理自《MySQL 实战 45 讲》

往期推荐

大厂Java面试题解(45)-来设计个高并发系统？

一看就懂的MySQL行锁

一看就懂的图文讲解事务隔离

好文！点个好看！