点击上方蓝字关注我们
索引是应用程序设计和开发的一种重要方面。可以这么理解索引相当于一本书的目录，让你快速定位到你想要的内容。但是索引大多，应用程序的性能可能会受到影响。索引太少，这对查询性能又会产生影响。因此，我们下面来介绍一下MySQL中InnoDB引擎的索引，让各位更好的理解。
常见的三种索引：哈希表、有序数组和搜索树
哈希表
哈希表是一种以键 - 值(key-value)存储数据的结构，我们只要输入待查找的键即 key，就可以找到其对应的值即 Value。
但是多个 key 值经过哈希函数的换算，会出现同一个值的情况。处理这种情况的一种方法是，拉出一个链表。
例子
假设，你现在维护着一个身份证信息和姓名的表，需要根据身份证号查找对应的名字，对应的哈希索引的示意图如下所示：
我们发现：User2 和 User4 根据身份证号算出来的值都是 N，但没关系，后面还跟了一个链表。
如果我们要查询ID_card_n2 对应的名字，那么执行步骤如下：
将 ID_card_n2 通过哈希函数算出 N；
按顺序遍历，找到 User2。
注意：图中四个 ID_card_n 的值并不是递增的，这样做的好处是增加新的 User 时速度会很快，只需要往后追加。
缺点：因为不是有序的，所以哈希索引做区间查询的速度是很慢的。因此如果我们要查找身份证号在[ID_card_X, ID_card_Y]这个区间的所有用户，就必须全部扫描一遍。
所以，哈希表这种结构适用于只有等值查询的场景，比如 Memcached 及其他一些 NoSQL 引擎
有序数组
有序数组在等值查询和范围查询场景中的性能就都非常优秀
例子
我们还是上面那个根据身份证号查名字的例子，如果我们使用有序数组来实现的话，示意图如下所示：
这里我们假设身份证号没有重复，这个数组就是按照身份证号递增的顺序保存的
我们知道对于一个有序的数组，我们可以用二分查找来找指定的ID_card_n2 对应的名字，同时我们也可以用二分查找对身份证号在[ID_card_X, ID_card_Y]区间的 User 进行查找。这两个查询的复杂度是 O(log(N))。
缺点：如果我们在更新数据时需要插入一条记录，如果那条记录正好是插入在有序数组的尾部，那还好。但是往中间插入一个记录就必须得挪动后面所有的记录，成本太高。
所以，有序数组索引只适用于静态存储引擎
搜索树
二叉搜索树作为一种经典的数据结构，它既有链表的快速插入与删除操作的特点，又有数组快速查找的优势；
例子
我们还是上面根据身份证号查名字的例子，如果我们用二叉搜索树来实现的话，示意图如下所示：
二叉搜索树的查询
我们都知道二叉搜索树的特点是：父节点左子树所有结点的值小于父节点的值，右子树所有结点的值大于父节点的值。
通过这个方法：如果我们要查 ID_card_n2 的话，按照图中的搜索顺序就是按照 UserA -> UserC -> UserF -> User2 这个路径得到。这个时间复杂度是 O(log(N))。
当然为了维持 O(log(N)) 的查询复杂度，你就需要保持这棵树是平衡二叉树。为了做这个保证，更新的时间复杂度也是 O(log(N))。
树可以有二叉，也可以有多叉。多叉树就是每个节点有多个儿子，儿子之间的大小保证从左到右递增。
数据库存储并不使用二叉搜索树：
其原因是，索引不止存在内存中，还要写到磁盘上。你可以想象一下一棵 100 万节点的平衡二叉树，树高 20。一次查询可能需要访问 20 个数据块。在机械硬盘时代，从磁盘随机读一个数据块需要 10 ms 左右的寻址时间。也就是说，对于一个 100 万行的表，如果使用二叉树来存储，单独访问一个行可能需要 20 个 10 ms 的时间，这个查询可真够慢的。
因此一般使用“N叉树”，我们以 InnoDB 的一个整数字段索引为例，这个 N 差不多是 1200。这棵树高是 4 的时候，就可以存 1200 的 3 次方个值，这已经 17 亿了。考虑到树根的数据块总是在内存中的，一个 10 亿行的表上一个整数字段的索引，查找一个值最多只需要访问 3 次磁盘。其实，树的第二层也有很大概率在内存中，那么访问磁盘的平均次数就更少了。
索引模型在 InnoDB 中
表都是根据主键顺序以索引的形式存放的，这种存储方式的表称为索引组织表。
InnoDB 使用了 B+ 树索引模型，所以数据都是存储在 B+ 树中的。每一个索引在 InnoDB 里面对应一棵 B+ 树。
例子
我们假设有一个主键列为 ID 的表，表中有字段 k，并且在 k 上有索引。
mysql> create table T( id int primary key, k int not null, name varchar(16), index (k))engine=InnoDB;表中 R1~R5 的 (ID,k) 值分别为 (100,1)、(200,2)、(300,3)、(500,5) 和 (600,6)，两棵树的示例示意图如下。
根据叶子节点的内容，索引类型分为主键索引和非主键索引
主键索引
主键(ID)索引的叶子节点存的是整行数据。在 InnoDB 里，主键索引也被称为聚簇索引(clustered index)。
非主键索引
非主键索引的叶子节点内容是主键的值。在 InnoDB 里，非主键索引也被称为二级索引(secondary index)。
基于主键索引和普通索引的查询有什么区别？
如果语句是 select * from T where ID=500，即主键查询方式，则只需要搜索 ID 这棵 B+ 树；
如果语句是 select * from T where k=5，即普通索引查询方式，则需要先搜索 k 索引树，得到 ID 的值为 500，再到 ID 索引树搜索一次。这个过程称为回表。也就是说，基于非主键索引的查询需要多扫描一棵索引树。
因此，我们在应用中应该尽量使用主键查询。
索引维护
B+ 树为了维护索引有序性，在插入新值的时候需要做必要的维护。
页分裂
我们以上面那个图为例
如果插入新的行 ID 值为 700，则只需要在 R5 的记录后面插入一个新记录。
如果新插入的 ID 值为 400，就相对麻烦了，需要逻辑上挪动后面的数据，空出位置。而更糟的情况是，如果 R5 所在的数据页已经满了，根据 B+ 树的算法，这时候需要申请一个新的数据页，然后挪动部分数据过去。这个过程称为页分裂。
在第二种情况下，性能自然会受影响。除了性能外，页分裂操作还影响数据页的利用率。原本放在一个页的数据，现在分到两个页中，整体空间利用率降低大约 50%。
页合并
当相邻两个页由于删除了数据，利用率很低之后，会将数据页做合并。合并的过程，可以认为是分裂过程的逆过程。
案例分析
什么时候应该使用自增主键，什么时候不应该使用？
自增主键是指自增列上定义的主键，在建表语句中一般是这么定义的：NOT NULL PRIMARY KEY AUTO_INCREMENT。
插入新记录的时候可以不指定 ID 的值，系统会获取当前 ID 最大值加 1 作为下一条记录的 ID 值。也就是说，自增主键的插入数据模式，正符合了我们前面提到的递增插入的场景。每次插入一条新记录，都是追加操作，都不涉及到挪动其他记录，也不会触发叶子节点的分裂。而有业务逻辑的字段做主键，则往往不容易保证有序插入，这样写数据成本相对较高。
除了考虑性能外，我们还可以从存储空间的角度来看。假设你的表中确实有一个唯一字段，比如字符串类型的身份证号，那应该用身份证号做主键，还是用自增字段做主键呢？
由于每个非主键索引的叶子节点上都是主键的值。如果用身份证号做主键，那么每个二级索引的叶子节点占用约 20 个字节，而如果用整型做主键，则只要 4 个字节，如果是长整型(bigint)则是 8 个字节。显然，主键长度越小，普通索引的叶子节点就越小，普通索引占用的空间也就越小。
所以，从性能和存储空间方面考量，自增主键往往是更合理的选择。
有没有什么场景适合用字段直接做主键的呢？
有些场景需求是这样的：
只有一个索引；
该索引必须是唯一索引。
这就是典型的 KV 场景。由于没有其他索引，所以也就不用考虑其他索引的叶子节点大小的问题。这时候我们就要优先考虑上一段提到的“尽量使用主键查询”原则，直接将这个索引设置为主键，可以避免每次查询需要搜索两棵树。
InnoDB中非主键索引的查询
我们先创建一个表
mysql> create table T ( ID int primary key, k int NOT NULL DEFAULT 0, s varchar(16) NOT NULL DEFAULT '', index k(k))engine=InnoDB;insert into T values(100,1, 'aa'),(200,2,'bb'),(300,3,'cc'),(500,5,'ee'),(600,6,'ff'),(700,7,'gg');创建出来的树索引是这样的
现在我们来看看下面这条语句需要执行几次树的搜索操作，会扫描多少行？
select * from T where k between 3 and 5在k 索引树上找到 k=3 的记录，取得 ID = 300；
再到 ID 索引树查到 ID=300 对应的 R3；
在 k 索引树取下一个值 k=5，取得 ID=500；
再回到 ID 索引树查到 ID=500 对应的 R4；
在 k 索引树取下一个值 k=6，不满足条件，循环结束。
我们知道对于利用非主键索引进行查询，会有一个回表的过程，这是我们上面提到的。
可以看到，这个查询过程读了 k 索引树的 3 条记录(步骤 1、3 和 5)，回表了两次(步骤 2 和 4)。
因为查询结果所需要的数据只在主键索引上有，所以不得不回表。那么，有没有可能经过索引优化，避免回表过程呢？
覆盖索引
如果执行下面语句
select ID from T where k between 3 and 5这时只需要查 ID 的值，而 ID 的值已经在 k 索引树上了，因此可以直接提供查询结果，不需要回表。
总结：也就是说，在这个查询里面，索引 k 已经“覆盖了”我们的查询需求，我们称为覆盖索引。由于覆盖索引可以减少树的搜索次数，显著提升查询性能，所以使用覆盖索引是一个常用的性能优化手段。
注意：在引擎内部使用覆盖索引在索引 k 上其实读了三个记录，R3~R5(对应的索引 k 上的记录项)，但是对于MySQL 的 Server 层来说，它就是找引擎拿到了两条记录，因此 MySQL 认为扫描行数是 2。
分析下面问题
在一个市民信息表上，是否有必要将身份证号和名字建立联合索引？
假设这个市民表的定义是这样的：
CREATE TABLE `tuser` ( `id` int(11) NOT NULL, `id_card` varchar(32) DEFAULT NULL, `name` varchar(32) DEFAULT NULL, `age` int(11) DEFAULT NULL, `ismale` tinyint(1) DEFAULT NULL, PRIMARY KEY (`id`), KEY `id_card` (`id_card`), KEY `name_age` (`name`,`age`)) ENGINE=InnoDB我们知道，身份证号是市民的唯一标识。也就是说，如果有根据身份证号查询市民信息的需求，我们只要在身份证号字段上建立索引就够了。而再建立一个(身份证号、姓名)的联合索引，是不是浪费空间？
如果现在有一个高频请求，要根据市民的身份证号查询他的姓名，这个联合索引就有意义了。它可以在这个高频请求上用到覆盖索引，不再需要回表查整行记录，减少语句的执行时间。当然，索引字段的维护总是有代价的。因此，在建立冗余索引来支持覆盖索引时就需要权衡考虑了。
最左前缀原则
了解完覆盖索引我们可能有这些疑问
如果为每一种查询都设计一个索引，索引是不是太多了？
如果我现在要按照市民的身份证号去查他的家庭地址呢？
虽然这个查询需求在业务中出现的概率不高，但总不能让它走全表扫描吧？
反过来说，单独为一个不频繁的请求创建一个(身份证号，地址)的索引又感觉有点浪费。应该怎么做呢？
对于B+ 树这种索引结构，我们可以利用索引的“最左前缀”，来定位记录。为了直观地说明这个概念，我们用(name，age)这个联合索引来分析(如上图)。
可以看到，索引项是按照索引定义里面出现的字段顺序排序的。
当你的逻辑需求是查到所有名字是“张三”的人时，可以快速定位到 ID4，然后向后遍历得到所有需要的结果。
如果你要查的是所有名字第一个字是“张”的人，你的 SQL 语句的条件是"where name like ‘张 %’"。这时，你也能够用上这个索引，查找到第一个符合条件的记录是 ID3，然后向后遍历，直到不满足条件为止。
可以看到，不只是索引的全部定义，只要满足最左前缀，就可以利用索引来加速检索。这个最左前缀可以是联合索引的最左 N 个字段，也可以是字符串索引的最左 M 个字符。
现在我们来想想下面这些问题
在建立联合索引的时候，如何安排索引内的字段顺序？
这里我们的评估标准是，索引的复用能力。因为可以支持最左前缀，所以当已经有了 (a,b) 这个联合索引后，一般就不需要单独在 a 上建立索引了。因此，第一原则是，如果通过调整顺序，可以少维护一个索引，那么这个顺序往往就是需要优先考虑采用的。所以现在你知道了，这段开头的问题里，我们要为高频请求创建 (身份证号，姓名)这个联合索引，并用这个索引支持“根据身份证号查询地址”的需求。
如果既有联合查询，又有基于 a、b 各自的查询呢？
查询条件里面只有 b 的语句，是无法使用 (a,b) 这个联合索引的，这时候你不得不维护另外一个索引，也就是说你需要同时维护 (a,b)、(b) 这两个索引。这时候，我们要考虑的原则就是空间了。比如上面这个市民表的情况，name 字段是比 age 字段大的 ，那我就建议你创建一个(name,age) 的联合索引和一个 (age) 的单字段索引。
索引下推
我们讲到最左前缀可以用于在索引中定位记录。这时，我们可能要问，那些不符合最左前缀的部分，会怎么样呢？
还是以市民表的联合索引(name, age)为例。如果现在有一个需求：检索出表中“名字第一个字是张，而且年龄是 10 岁的所有男孩”。那么，SQL 语句是这么写的：
mysql> select * from tuser where name like '张%' and age=10 and ismale=1;我们已经知道了前缀索引规则，所以这个语句在搜索索引树的时候，只能用 “张”，找到第一个满足条件的记录 ID3。
然后我们判断其他条件是否满足。此时我们引入索引下推优化(index condition pushdown)， 可以在索引遍历过程中，对索引中包含的字段先做判断，直接过滤掉不满足条件的记录，减少回表次数。
每一个虚线箭头表示回表一次。
第一幅图中因为在 (name,age) 索引里面没有了 age 的值，这个过程 InnoDB 并不会去看 age 的值，只是按顺序把“name 第一个字是’张’”的记录一条条取出来回表。因此，需要回表 4 次。
第二幅图中InnoDB 在 (name,age) 索引内部就判断了 age 是否等于 10，对于不等于 10 的记录，直接判断并跳过。在我们的这个例子中，只需要对 ID4、ID5 这两条记录回表取数据判断，就只需要回表 2 次。
总结
三种常见索引 ：哈希表、有序数组和搜索树
InnoDB中的索引模型：B+树
InnoDB中的索引：主键索引与非主键索引
索引的维护：页分裂和页合并
非主键索引的相关优化：覆盖索引、最左前缀索引、索引下推
总的来说：在满足语句需求的情况下， 尽量少地访问资源是数据库设计的重要原则之一。我们在使用数据库的时候，尤其是在设计表结构时，也要以减少资源消耗作为目标。
问题1
mysql> create table T( id int primary key, k int not null, name varchar(16), index (k))engine=InnoDB;对于上面例子中的 InnoDB 表 T，如果要重建索引 k，两个 SQL 语句可以这么写：
alter table T drop index k;alter table T add index(k);如果要重建主键索引，也可以这么写：
alter table T drop primary key;alter table T add primary key(id);对于上面这两个重建索引的作法，说出自己的理解。如果有不合适的，为什么，更好的方法是什么？
答案1
可能有人会问为什么要重建索引。我们文章的页分裂以及页合并里面有提到，索引可能因为删除，或者页分裂等原因，导致数据页有空洞，重建索引的过程会创建一个新的索引，把数据按顺序插入，这样页面的利用率最高，也就是索引更紧凑、更省空间。
对于这道题，重建索引 k 的做法是合理的，可以达到省空间的目的。但是，重建主键的过程不合理。不论是删除主键还是创建主键，都会将整个表重建。所以连着执行这两个语句的话，第一个语句就白做了。这两个语句，可以用这个语句代替 ：alter table T engine=InnoDB。
问题2
实际上主键索引也是可以使用多个字段的。，有这么一个表，表结构定义类似这样的：
CREATE TABLE `geek` ( `a` int(11) NOT NULL, `b` int(11) NOT NULL, `c` int(11) NOT NULL, `d` int(11) NOT NULL, PRIMARY KEY (`a`,`b`), KEY `c` (`c`), KEY `ca` (`c`,`a`), KEY `cb` (`c`,`b`)) ENGINE=InnoDB;由于历史原因，这个表需要 a、b 做联合主键。但是，既然主键包含了 a、b 这两个字段，那意味着单独在字段 c 上创建一个索引，就已经包含了三个字段了呀，为什么要创建“ca”“cb”这两个索引？有人说是因为有下面这样的两种语句：
select * from geek where c=N order by a limit 1;select * from geek where c=N order by b limit 1;请问这个解释对吗？为了这两个查询模式，这两个索引是否都是必须的？为什么呢？
答案2
表记录
–a--|–b--|–c--|–d-- 1 2 3 d 1 3 2 d 1 4 3 d 2 1 3 d 2 2 2 d 2 3 4 d主键 a，b 的聚簇索引组织顺序相当于 order by a,b ，也就是先按 a 排序，再按 b 排序，c 无序。
索引 ca 的组织是先按 c 排序，再按 a 排序，同时记录主键
–c--|–a--|–主键部分b-- (注意，这里不是 ab，而是只有 b) 2 1 3 2 2 2 3 1 2 3 1 4 3 2 1 4 2 3这个跟索引 c 的数据是一模一样的。
索引 cb 的组织是先按 c 排序，在按 b 排序，同时记录主键
–c--|–b--|–主键部分a-- (同上) 2 2 2 2 3 1 3 1 2 3 2 1 3 4 1 4 3 2对于下面的语句
select ... from geek where c=N order by a走ca,cb索引都能定位到满足c=N主键，而且主键的聚簇索引本身就是按order by a,b排序，无需重新排序。所以ca可以去掉。
select ... from geek where c=N order by b这条sql如果只有 c单个字段的索引，定位记录可以走索引，但是order by b的顺序与主键顺序不一致(因为主键索引排序是先排a后排b)，这就需要额外排序。因此cb索引可以把排序优化掉。
所以，结论是 ca 可以去掉，cb 需要保留。
点个在看 你最好看
扫一扫
10万+
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
