Mysql 45讲和45问笔记(未完待续0203/05/08)

文章详细讲解了MySQL中不同类型的索引,包括二叉树、红黑树、Hash表和B-Tree等数据结构,以及它们在索引中的应用。强调了索引规约,如唯一性、Join操作和索引长度的选择。对比了MyISAM和InnoDB存储引擎的存储方式,聚集与非聚集索引的区别,并讨论了主键和自增ID的使用建议。同时,文章还探讨了联合索引的工作原理及其优化。
摘要由CSDN通过智能技术生成

一、mysql 45讲

1)索引的本质讲解

  • 定义解释
    所以是帮助Mysql高效获取数据的排好序数据结构

  • 索引数据结构
    ①二叉树
    ②红黑树
    ③Hash表
    ④B-Tree

  • 原理讲解
    在这里插入图片描述
    可以看到右边的数据结构里面,是按照k-v来存数据结构的,key是col2的字段,这个value对应的是这个节点对应数据在磁盘中的地址

2)索引的数据结构详解和索引的规约

①二叉树:当维护逐一增加的的数值,例如从1到9递增时,会退化成链表,查找效率低下
下图是二叉排序树的排序:
在这里插入图片描述
②红黑树(又名二叉平衡树)
1)同一节点只有两个子节点,不如B树,当存储大量节点时候,树的高度太高了,I/O次数太多
2)B+树,分配一个索引节点时候,会分配更大空间,存储更多小索引元素
在这里插入图片描述

③Hash表

  • 定义
    一维的数组,每个数据元素上是一条链表
  • 示意图
    在这里插入图片描述
  • 优点
    查找是常量的速度
  • 缺点
    不能范围查找和有存在冲突问题

④B-Tree
1)对比红黑树增加了更多节点,相同节点更少的I/O磁盘检索次数,也就是更矮的树
在这里插入图片描述
⑤B+Tree
1)数据都放在叶子节点(这里data其实就是数据的地址),非叶子节点不存储数据只存储索引,可以放更多索引
2)叶子节点之间用指针连接,提高区间访问的性能,节点键值从左往右递增
3)下面图里面的一个节点(15和18)默认分配16K的大小,把索引节点的第一个节点提上去作为冗余节点,比如这里的15会被提上去,15傍边空白块就是15节点的指针,当高度为3,一个节点(假设主键为bigint也就是8B,空白块为6B,一个节点16KB,那么一共可以存1170个节点),不同的数据存储引擎不同的data大小,假设data是1KB,那么15+data就是16个索引元素。所以3层一共可存储1170117016个节点,也就是2千多万节点

在这里插入图片描述

索引规约
1)业务上具有唯一特性的字段,即使是组合字段,也必须建成唯一索引
2)
(1)超过三个表禁止join
(2)需要join的字段,数据类型保持绝对一致
(3)多表关联查询时,保证被关联的字段需要有索引
(注意:即使双标join也要注意表索引、SQL性能)
3)在varchar字段上建立索引时,必须指定索引长度,没必要对全字段建立索引,根据文本区分度决定索引长度

3)聚集索引和覆盖索引

  • 存储引擎是针对数据库的还是针对数据库表的?
    存储引擎是针对数据库表
(1)MyISAM底层是怎么存储表的?
  • myIsam文件组成
    ①frm 表结构相关信息
    ②MYD 表里面存储的数据
    ③MYI 存储表的索引字段

  • 备注
    MyISAM索引文件和数据文件是分离的(非聚集)

  • 流程
    先从 加载到内存的MYI索引里面找到这个索引对应的地址,然后根据地址,去MYD定位一次,再根据MYD的地址再去进行I/O磁盘数据(这次是磁盘的查找)
    在这里插入图片描述

(2)InnoDB是怎么存储表的(叶子节点存的是根据索引的一行全部数据)

  • InnoDB文件组成
    ①frm 表结构相关信息
    ②ibd 数据和索引的数据存放处

  • 流程(InnoDB索引实现(聚集))
    ①内存找到节点30
    ②根据节点30找到这个对应的一行全部数据
    在这里插入图片描述

二、myqsl 45问

1)聚集索引和非聚集索引的区别?

(1)聚集索引定义:索引和数据是放在一起(也叫聚簇索引)
(2)两者区别:非聚簇索引需要再根据数据地址再去MYD里面查找数据;而聚簇索引找到叶子节点也就找到了这一行的数据

2)普通索引和主键索引区别?

普通索引存的是主键的位置,找到主键后,还得去再回表根据主键再查询一次,如图:

在这里插入图片描述

3)为什么MySql建议InnoDB表必须使用主键,而且使用自增ID而不使用UUID?(并且最好是整型的)

  • 回答
    ①若没有主键,mysql底层则使用rowid来维护整张表,性能相对比自己选优先的索引有损失
    ②相对于UUID字符串(ASCII码)比较而言,整型对比速度更快
    ,整型占用存储空间更少
    ③递增后,减少节点分裂、节点挪动的几率

4)联合索引的底层存储结构是怎么样的?

  • 前提
    一般来说都建议使用联合索引

  • 图示
    在这里插入图片描述

  • 流程
    ①先选出name
    ②name不能找到再从age选
    ③如果再选不出,再根据potion选

  • 原理
    按照索引最左前缀原理

  • 坑点
    若先用中间的age来做索引搜索,那么会搜索全表

  • 补充
    在这里插入图片描述
    这里的order by排序不走索引

  • 改进
    在这里插入图片描述
    这里文件排序就用到了索引(这里拿到的B+树就是有序的节点)

https://www.bilibili.com/video/BV1ge4y117cM?p=6&spm_id_from=pageDriver&vd_source=27ec8b3b09d2a66ceeb9dbe961a247d3

评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值