Mysql索引--03---InnoDB中索引的推演

提示：文章写完后，目录可以自动生成，如何生成可参考右边的帮助文档

---

InnoDB中索引的推演

索引之前的查找

设计索引

1. 行格式设计

我们只在示意图里展示记录的这几个部分：

• record_type ：
  记录头信息的一项属性，表示记录的类型( 0 表示普通记录、2 表示最小记 录、3 表示最大记录、1表示目录项记录的record_type 值)
• next_record ：
  记录头信息的一项属性，表示下一条地址相对于本条记录的地址偏移量，我们用 箭头来表明下一条记录是谁。
• 各个列的值：
  这里只记录在index_demo 表中的三个列，分别是c1 、c2 和c3 。
• 其他信息：
  除了上述3种信息以外的所有信息，包括其他隐藏列的值以及记录的额外信息。
  
  

2. 一个简单的索引设计方案

Mysql 默认底层给每个节点(数据页)设置的容量大小是 16kb

3. InnoDB中的索引方案

① 迭代1次：目录项纪录的页

② 迭代2次：多个目录项纪录的页

③ 迭代3次：目录项记录页的目录页

④ B+Tree

计算一个h=3的b+树 能存多少个索引元素?

• Mysql 默认底层给每个节点设置的容量大小是 16kb

• 假设一个主键索引 类型为 bigint 8个字节,

• Mysql 默认给指针分配的内存大小 是 6个字节

• 每一个节点能存储 16*1024/(8+6)=1170个索引元素

• 叶子节点的索引元素因为要存储data,所以按1kb的大小计算的话,一个叶子节点能存储16个索引元素

count(索引元素)=1170 * 1170 * 16=21902400

经过上述计算得知,一个高度h为3 的 B+树,叶子节点,大约能容纳2100万个索引元素.

所以上千万的数据表,MySQL也只要经过1到2次的io磁盘查找,就能获取到指定元素的数据.

常见索引概念

• 索引按照物理实现方式，索引可以分为 2 种：聚簇（聚集）和非聚簇（非聚集）索引。我们也把非聚集 索引称为二级索引或者辅助索引。

1. 聚簇索引

B+树的叶子节点存储的是完整的用户记录。

2. 二级索引（辅助索引、非聚簇索引）

所有叶子节点,非主键索引关联的是 对应主键的值

回表

3. 联合索引

1. 先把各个记录和页按照c2列进行排序。
2. 在记录的c2列相同的情况下，采用c3列进行排序

4.InnoDB的B+树索引的注意事项

MyISAM中的索引方案

通过索引查找数据的流程：

1. 先通过索引文件中查找到索引节点，
2. 从中拿到数据的文件指针，再指针定位了具体的数据。

MyISAM 与 InnoDB对比

面试题

1. 为什么不建议使用过长的字段作为主键?

因为所有辅助索引都引用主索引,过长的主索引会令辅助索引变得过大。

2. 为什么 InnoDB 上尽量采用自增字段做表的主键?

• 因为 InnoDB 数据文件本身是一棵B+Tree,非单调的主键会造成在插入新记录时数据文件为了维持 B+Tree的特性而频繁的分裂调整,十分低效,
• 而使用自增字段作为主键则是一个很好的选择。如果表使用自增主键,那么每次插入新的记录,记录就会顺序添加到当前索引节点的后续位置,当一页写满,就会自动开辟一个新的页。

如下图所示:

• 这样就会形成一个紧凑的索引结构,近似顺序填满。由于每次插入时也不需要移动已有数据,因此效率很高,也不会增加很多开销在维护索引上。

3.为什么推荐使用整型自增主键而不是选择UUID？

1. UUID是字符串，比整型消耗更多的存储空间；
2. 在B+树中进行查找时需要跟经过的节点值比较大小，整型数据的比较运算比字符串更快速；
3. 自增的整型索引在磁盘中会连续存储，在读取一页数据时也是连续；UUID是随机产生的，读取的上下两行数据存储是分散的，不适合执行where id > 5 && id < 20的条件查询语句。
4. 在插入或删除数据时，整型自增主键会在叶子结点的末尾建立新的叶子节点，不会破坏左侧子树的结构；UUID主键很容易出现这样的情况，B+树为了维持自身的特性，有可能会进行结构的重构，消耗更多的时间。

4. 为什么InnoDB 非主键索引结构叶子节点存储的是主键值？

• 保证数据一致性和节省存储空间，可以这么理解：商城系统订单表会存储一个用户ID作为关联外键，而不推荐存储完整的用户信息，因为当我们用户表中的信息（真实名称、手机号、收货地址···）修改后，不需要再次维护订单表的用户数据，同时也节省了存储空间。