MySQL实战45讲——索引（笔记）

索引的出现其实就是为了提高数据查询的效率，就像书的目录一样。

索引常见模型

• 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值即 key，就可以找到其对应的值即 Value。哈希的思路很简单，把值放在数组里，用一个哈希函数把 key 换算成一个确定的位置，然后把 value 放在数组的这个位置。哈希表这种结构适用于只有等值查询的场景；
• 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，但是插入、删除成本较高，有序数组索引只适用于静态存储引擎；
• 二叉搜索树的特点是：每个节点的左子树小于父节点，父节点又小于右子树。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))。为了让一个查询尽量少地读磁盘，就必须让查询过程访问尽量少的数据块。那么，我们就不应该使用二叉树，而是要使用“N 叉”树。这里，“N 叉”树中的“N”取决于数据块的大小。

InnoDB索引模型

在 MySQL 中，索引是在存储引擎层实现的，所以并没有统一的索引标准，即不同存储引擎的索引的工作方式并不一样。

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。又因为前面我们提到的，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。

主键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

（1）基于主键索引的搜索直接可以得到查询内容
（2）基于普通索引的查询先得到主键，再通过主键搜索一次，称为回表。

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。涉及到数据的迁移，如果这页数据已经满了，根据B+树的算法，会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，使用率只有50%。如果删除数据，导致相邻两页利用率很低之后，会将数据页进行合并。

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。

主键在选择过程中，需要考虑主键占用空间的大小，因为普通索引中叶子节点存储的是主键。

覆盖索引

如果执行select ID from T where k between 3 and 5其中，ID是主键，k是普通索引。这时候我们不需要回表。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。

最左前缀原则

B+ 树这种索引结构，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。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。

如何安排索引字段顺序

第一原则：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。同时，考虑就是空间，将字段长的放在前面。

索引下推

MySQL 5.6 引入的索引下推优化（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。