索引(一)
《MysSQL 实战45讲》笔记
定义
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。 一本500页的书,可以通过目录快速找到其中的某一个知识点,对于数据库的表而言,索引其实就是它的目录。
索引的常见模型
实现索引的常见数据结构的数据结构:哈希表、有序数组和搜索树。
哈希表
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。 不可避免地,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。
特点
- 等值查询的场景很快,因为根据key找查找value的时间复杂度O(1)。
- 区间查询的速度很慢。因为每次区间查询都要全部遍历一次。
- 添加新的value很快。
场景
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非常优秀。假设元素是按顺序存储到有序数组,区间查询是非常快的,但是插入新的元素就非常麻烦,往中间插入一个元素必须挪动后面所有的元素,成本很高。
场景
有序数组索引只适用于静态存储引擎,比如你要保存的是2017年某个城市的所有人口信息,这类不会再修改的数据。
二叉搜索树
二叉搜索树的特点是:每个节点的左儿子小于父节点,父节点又小于右儿子,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))。
二叉树是搜索效率最高的,但是实际上大多数的数据库存储却并不使用二叉树。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。
因此一个查询要尽量少的访问数据块,那么,我们就不应该使用二叉树,而是要使用“N叉”树 。
"N"叉树在InnoDB中
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。
InnoDB 的索引模型
InnoDB使用了B+树索引模型, 数据都是存储在B+树中的。在InnoDB中,表都是根据主键顺序以索引的形式存放的 。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。建表语句如下:
CREATE TABLE T(
id INT(16) PRIMARY KEY,
k INT(16) NOT NULL,
KEY `idx_k` (`k`))
ENGINE=INNODB;
插入数据语句:
INSERT INTO T(id,k) VALUES(100,1),(200,2),(300,3),(400,4),(500,5),(600,6);
id、k的索引树如下图:
索引分为主键索引和非主键索引。
- 主键索引:在InnoDB里,主键索引也被称为聚簇索引。 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。
主键索引和普通索引的查询区别
- 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。
也就是说非主键索引查询需要多查询一次主键索引树,因此在应用中应该尽量使用主键查询。
索引的维护
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 。以上面这个图为例,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。
为什么建表语句里一定要有自增主键
自增主键的插入数据模式,符合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。 用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。
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。 假如一张表有身份证号这个业务员逻辑字段,并且用它作为主键。由于每个非主键索引的叶子节点上都是主键的值,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。