索引（一）

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。