09 | 普通索引和唯一索引,应该怎么选择?
查询过程
假设,执行查询的语句是
select id fromTwhere k=5
。这个查询语句在索引树上查找的过程,先 是通过B+树从树根开始,按层搜索到叶子节点,可以认 为数据页内部通过二分法来定位记录。
-
对于普通索引来说,查找到满足条件的第一个记录(5,500)后,需要查找下一个记录,直到碰到第一个不满足k=5条件的记录。
-
对于唯一索引来说,由于索引定义了唯一性,查找到第一个满足条件的记录后,就会停止继续检索。
这个不同带来的性能差距会有多少呢?答案是,微乎其微。
-
InnoDB的数据是按数据页为单位来读写的。当需要读一条记录的时候,并不是将这个记录本身从磁盘读出来,而是以页为单位,将其整体读入内存。在InnoDB中,每 个数据页的大小默认是16KB。
-
对于普通索引来说,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。
更新过程 (change buffer)
-
change buffer:更新一个数据页时,如果数据页在内存中就直接更新,没有在内存中,在不影响数据一致性的前提下,InooDB会将这些更新操作缓存在change buffer中 。 不需要从磁盘中读入这个数据页了 。
-
在下次查询需要访问这个数据页的时候,将数据页读入内 存,然后执行change buffer中与这个页有关的操作。
-
change buffer是可以持久化的数据。change buffer在内存中有拷贝,也会被写入到磁盘上。
-
merge:将change buffer中的操作应用到原数据页,得到最新结果的过程称为merge。
-
触发merge操作: 访问这个数据页会触发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操作 。
什么条件下可以使用change buffer呢?
-
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以使用。
-
change buffer用的是buffer pool里的内存,因此不能无限增大。change buffer的大小,可以通 过参数
innodb_change_buffer_max_size
来动态设置。这个参数设置为50的时候,表示change buffer的大小最多只能占用buffer pool的50%。
看如果要在这张表中插入一个 新记录(4,400)的话,InnoDB的处理流程是怎样的?
-
第一种情况是,这个记录要更新的目标页在内存中。
- 对于唯一索引来说,找到3和5之间的位置,判断到没有冲突,插入这个值,语句执行结束;
- 对于普通索引来说,找到3和5之间的位置,插入这个值,语句执行结束。
这样看来,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,只会耗费微小的 CPU时间,微小的差别。
-
第二种情况是,这个记录要更新的目标页不在内存中。
-
对于唯一索引来说,需要将数据页读入内存,判断到没有冲突,插入这个值,语句执行结 束;
-
对于普通索引来说,则是将更新记录在change buffer,语句执行就结束了。
将数据从磁盘读入内存涉及随机IO的访问,是数据库里面成本最高的操作之一。change buffer 因为减少了随机磁盘访问,所以对更新性能的提升是会很明显的。
change buffer的使用场景
普通索引的所有场景,使用change buffer都可以起到加速作用吗?
因为merge的时候是真正进行数据更新的时刻,而change buffer的主要目的就是将记录的变更动 作缓存下来,所以在一个数据页做merge之前,change buffer记录的变更越多(也就是这个页面 上要更新的次数越多),收益就越大。
- 对于写多读少的业务来说,页面在写完以后马上被访问到的概率比较小,此时change buffer的使用效果最好。这种业务模型常见的就是账单类、日志类的系统。
- 假设一个业务的更新模式是写入之后马上会做查询,change buffer反而起到了副作用。
索引选择和实践
-
这两类索引在查询能力上是没差别的,主要考虑的是对更新性能的影响。所以,建议尽量选择普通索引。
-
如果所有的更新后面,都马上伴随着对这个记录的查询,那么应该关闭change buffer。而在其他情况下,change buffer都能提升更新性能。
change buffer 和 redo log
假设,要在表上执行这个插入语句:
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所在的数据页在内存(InnoDB buffer pool)中,k2所在的数据页不在内存中。
-
如图2所示是带change buffer的更新状态图。
-
这条更新语句,涉及了四个部分:内存、redo log(ib_log_fileX)、 数据表空间 (t.ibd)、系统表空间(ibdata1)。 、
-
这条更新语句做了如下的操作(按照图中的数字顺序):
- Page 1在内存中,直接更新内存;
- Page 2没有在内存中,就在内存的change buffer区域,记录下“我要往Page 2插入一行”这个 信息 。
- 将上述两个动作记入redo log中(图中3和4)。
-
做完上面这些,事务就可以完成了。执行这条更新语句的成本很低,就是写了两处内存,然后写了一处磁盘(两次操作合在一起写了一次磁盘),而且还是顺序写的。
-
图中的两个虚线箭头,是后台操作,不影响更新的响应时间。
那在这之后的读请求,要怎么处理呢?
比如,现在要执行
select *fromt where k in (k1, k2)
。
-
如果读语句发生在更新语句后不久,内存中的数据都还在,那么此时的这两个读操作就与系统表 空间(ibdata1)和 redo log(ib_log_fileX)无关了。所以,在图中就没画出这两部分。
-
图3 带change buffer的读过程
-
读Page 1的时候,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?其实是不用的。看图3的这个状态,虽然磁盘上还是之前的数据,但是这里直接从内存返回结果,结果是正确的。
WAL,Write-Ahead Logging, 预写日志系统。指的是 MySQL 的写操作并不是立刻更新到磁盘上,而是先记录在日志上,然后在合适的时间再更新到磁盘上
-
读Page 2的时候,需要把Page 2从磁盘读入内存中,然后应用change buffer里面的操作日志,生成一个正确的版本并返回结果。
-
可以看到,直到需要读Page 2的时候,这个数据页才会被读入内存。
-
简单地对比这两个机制在提升更新性能上的收益:
- redo log 主要节省的是随机写磁盘的IO消耗(转成顺序写)
- change buffer主要节省的则是随机读磁盘的IO消耗。
小结
- 普通索引和唯一索引的选择
- 数据的查询和更新过程
- change buffer的机制以及应用场景
- 索引选择的实践