深入浅出索引（ 上）

大家都知道数据库的索引是用来提升检索速度的，但是索引内部是如何工作的，今天就来说说这个话题。

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。帮助我们更快的查到我们需要的数据。

索引的常见模型

索引的种类有很多种，这里介绍三种常见，比较简单的数据结构，它们分别是哈希表、有序数组和搜索树。

主要从使用角度分析一下三种模型的区别：

• 哈希表

哈希表是一种以键值(k-v)存储数据的结构，只要输入待查找的值，比如key就可以很快的找到value。

但是如果多个k对应一个value，解决方法时拉出一个链表。

假设一张表，只有身份证和姓名，需要根据身份证号找到姓名，对应的哈希索引示意图如下：

图中，User2和User4根据身份证号算出来的值都是N，后面还跟了一张链表。那么如何利用D-card-n2找出name2？

首先将ID_card_n2通过哈希函数算出N；然后按顺序遍历找到User2。

有序哈希插入不方便、区间查询方便；无序哈希，插入方便(顺延插入)，区间查询不方便

哈希表这种结构适用于只有等值查询的场景

• 有序数组

以上情况使用有序数组来实现的话，示意图如下所示：

假设身份证号没有重复，数组按照身份证号递增顺序保存。如果要查找ID-card-n2对应的名字，用二分法就可以查询到，这个时间复杂度是logN。

同时很显然这个索引结构支持范围查询。并且查询效率也是很高的。 但是， 在需要更新数据的时候就麻烦了， 你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。

有序数组索引只适用于静态存储引擎，就是那种不会修改的数据。

• 二叉搜索树

二叉搜索树也是经典数据结构，同样还是上面的例子，示意图如下所示：

二叉搜索树特点是：每个节点的左儿子小于父节点，父节点小于右儿子。

当然为了维持O(log(N))的查询复杂度，就需要保持这棵树的平衡二叉树。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。 所以就不能使用二叉树，而是多叉树，至于多少叉，取决于数据块的大小，但是总体都满足大小从左往右递增。

以InnoDB的一个整数字段索引为例，N差不多是1200。当树高是4的时候，就可以存储1200的3次方个值，但是考虑到数据块总是在内存中的，只需要访问三次磁盘访问速度是很快的。

• 总结

在MySQL中，索引是在存储引擎层实现的，所以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。下面以InnoDB为例，简要分析一下其中的索引模型。

InnoDB的索引模型

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+数索引模型，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。

假设我们有一个主键列为ID的表，表中有字段k，并且在k上有索引。

建表语句时：

mysql> create table T(
id int primary key,
k int not null,
name varchar(16),
index (k))engine=InnoDB;

插入适当的数据：

mysql> insert into T3 (id,k,name)values(100,1,'R1'); 
Query OK, 1 row affected (0.00 sec)

mysql> insert into T3 (id,k,name)values(200,2,'R2');  
Query OK, 1 row affected (0.09 sec)

mysql> insert into T3 (id,k,name)values(300,3,'R3');
Query OK, 1 row affected (0.00 sec)

mysql> insert into T3 (id,k,name)values(500,5,'R4');
Query OK, 1 row affected (0.00 sec)

mysql> insert into T3 (id,k,name)values(600,6,'R5');  
Query OK, 1 row affected (0.01 sec)

两棵树的示例示图如下：

从图中不难看出，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。

主键索引的叶子节点存的是整行数据。
非主键索引的叶子节点内容是主键的值。

那么，基于之主键索引和普通索引的查询有什么区别？

• 如果语句是select * from Twhere 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 Twhere 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+树为了维护索引的有序性，在出入新值的时候需要做必要的维护。如果插入新的行ID值为700，则只需要在R5记录后面插入一个新纪录。如果插入的ID=400，需要逻辑上挪动后面的数据，空出位置。

更加糟糕的情况是，如果R5所在的数据页满了，这时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。 在这种情况下， 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%。

当然有分裂就有合并。 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。

自增主键场景

在建表的时候这样来定义自增主键：NOT NULL PRIMARY KEY AUTO_INCREMENT。

插入的时候不需要指定自增的主键。

从业务角度去考虑，如果你的表内有除了自增主键以外的唯一字段，那么是用自增主键还是用唯一字段呢？

由于每个非主键索引的叶子节点上都是主键的值，如果用唯一字段，那么每个二级索引的叶子节点占用N(具体长度由唯一字段长度决定)字节，如果用整型做主键，则只需要4字节，如果是长整型就需要8字节。

显然，主键长度越小，普通索引占用空间就越少。

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。