MySQL高级-索引的数据结构

一、索引的引入

1. 什么是索引

索引是数据库存储引擎用来快速查找定位到数据的一种数据结构，索引是再存储引擎中实现的。所有存储引擎支持每个表至少16个索引，总索引长度至少为256字节。有些存储引擎支持更多的索引数和更大的索引长度。MySQL在查找数据的时候，首先会检测查询的条件是否有索引，如果有索引，则通过索引查找相关数据，如果没有用到索引，则进行表数据一条一条的全表扫描，直到找到符合条件的数据。索引就好比书籍中的目录，通过目录中的标题和页码，能快速的找到相关的文章内容。

2. 为什么使用索引

• 在没有索引的时候，数据存放在磁盘是杂乱无章的，在查询数据的时候，一点规律的没有，查询时很耗时的。但是如果把这种杂乱的数据，进行有序排序之后，在查询数据的时候，就可以通过遍历列表就可以找到对应的数据。比如：想要查询【41】的数据，需要从89开始遍历，一条一条进行比较，直到【41】，才找到。这种数据少的时候还好，但是如果是上千条，上万条数据的话，时间复杂度O(n)，此时就需要对有序的数据进行一个数据结构，降低查询的效率了。
  

• 如果把有序列表再转成二叉树的结构，二叉树的节点是以key-value的格式存放数据，key存的是具体的值，value存的是该值对应的文件地址指针。这样再进行查询【25】的时候，可以通过遍历二叉树的形式进行查询，【25】和【34】比较，发现小于【34】，往左节点走，【25】比较，发现等于，则返回数据。这样我们只要比较两次，就找到了数据，效率得到很大的提升。
  

3. 索引的优缺点

3.1优点

• 索引提高了数据查询的效率，较低了数据库IO的成本。
• 创建数据表的唯一索引，可以保证数据表的每行数据的唯一性。
• 在进行连表查询的时候，有效的提高了表与表之间的连接速度。
• 在使用分组、排序查询的时候，给分组或排序字段建索引，可以减少分组或排序的时间，降低CPU的消耗。

3.2 缺点

• 创建索引和维护索引，都需要消耗时间，随着数据量的增加，维护索引的时间也同步增加。在第一次创建索引的时候，会比较耗时的。
• 索引是存放在磁盘上，索引索引也会占用一定的磁盘空间，如果有大量的索引，可能索引文件占用的磁盘空间，会大于数据占用的空间的。
• 索引虽然提高了查询的效率，但是对赠、删、改的速度降低了，因为更新操作，需要去维护索引。

二、索引的演进过程

1. 索引的设计

比如现在我们有一张数据表：student(id,name,age)，这个表使用 Compact 行格式来实际存储记录的。

• record_type：位于信息头，表示记录类型，0-普通记录，1-目录项记录，2-最小记录，3-最大记录。
• next_record：位于信息头，表示指向下一条记录的偏移量。
• 其他信息：其他隐藏列的值以及记录的额外信息。

去掉【其他信息】后，将记录放到页中：

2. 简化的页和记录

向表中插入几条数据，记录按主键顺序成功一个单项链表，id为主键：

INSERT INTO student(id,name,age) VALUES(1,'张三',23);
INSERT INTO student(id,name,age) VALUES(2,'李四',24);
INSERT INTO student(id,name,age) VALUES(3,'王五',25);
INSERT INTO student(id,name,age) VALUES(4,'赵六',26);
INSERT INTO student(id,name,age) VALUES(5,'宋七',27);

假设当前一个页最多能存放5条记录，然后我们再往表中插入数据时，由于页5存放不下，就会再分配新的页，这种情况称作页分裂。

观察上图，我们发现页中的记录数，是通过单向链表进行有序的链接起来，而页与页之间，是通过双向链表链接起来的。页与页之间的编号也可能不是连续的，是通过维护上一个页和下一个页的编号建立的链表关系。

• 有时候我们插入的数据id可能不是逐渐递增的，可能是：1，2，3，5，7这样的记录存放再页10中，当我们后面再添加一个id为4的时候，由于页中的记录是按主键递增的，所以页分裂的步骤为：

1. 先分裂出页8，然后将id为4的数据存放到页8中，由于4小于【5，7】。
2. 第二部是将记录【5，7】的记录移动到页8中，然后再将记录4移动到页5中。
3. 最后才完成记录4的插入，这种就会出现记录移动。

• 通过这个过程，发现进行数据的增删改操作时，都需要通过记录移动来动态维护页记录。

3.建立目录项

当我们向数据表的数量量很之后，加载到内存的数据页就会很多，由于数据页的编号不是连续的，我们在查找记录所在的数据页时，非常困难。此时需要给数据页做一个目录，使数据页使有序的结构，这个目录就叫数据页的目录项。

每个目录项都有两个部分组成：

• key：存的使页中的最小记录的主键。
• page_no：存的使页的编号。

4. 建立目录项的记录页

多个目录项也是存放再一个数据页中的，再进一步推演目录项：

• 每个目录项之间也是通过单向链表进行连接的。
• 目录项的头信息中，有record_type和next_record，只是目录项的record_type是1。
• 目录项只有主键的主键的值和页编码列，而普通的记录有用户自定义的列，还有存储引擎的隐藏列。
• 普通记录和目录项都是一样的数据页，都会为主键值生成页目录，从而再查询的时候，按主键值进行二分查找，增加了查找的速度。
• 比如现在查找id为【9】的记录：
  1. 首先在目录项的页3中进行查找，使用的事二分法，快速定位：6<9<11，所以找到记录的页8。
  2. 再去普通记录的页8中查找，通过二分法快速找到id为9的记录。

当有有多个目录项的数据页的时候，也是通过双向链的方式，将两个数据页连接起来,也是通过页的分裂来实现的。

5. 建立目录项记录页的目录页

我们的目录项的记录页跟普通记录的页一样的，页与页之间并不是连续的，那么当目录项的记录页很多的时候，我们又要怎么做才能使快速通过主键，使查询数据的熟读更快呢？
此时，又可以为这个存储目录项的页生成一个更高级的目录页，像大目录嵌套这下一级目录，最小的目录才是实际存放记录的数据页。

如上图，在目录项的目录页上面，生成了一个更高级的页【30】。此时在进行查找的话，查找的主键位于[1,11)之间，就走页3目录项的页，如果大于11的话，走页7目录项的页。
最后形成的这个数据结构，称为B+树。
简化结构：