一、索引
没有索引,可能会有什么问题?
索引 :提高数据库的性能,索引是物美价廉的东西了。不用加内存,不用改程序,不用调 sql ,只要执行正确的 create index ,查询速度就可能提高成百上千倍。但天下没有免费的午餐,查询速度的提高是以插入、更新、删除的速度为代价的,这些写操作,增加了大量的 IO 。所以它的价值,在于提高一个海量数据的检索速度。
- MySQL 的服务器本质是在内存中的,所有数据库的 CRUD 操作全都是在内存中进行的,索引也是如此。
- 提高算法效率的因素:(1)组织数据的方式;(2)算法本身。
常见索引分为:
- 主键索引(primary key)
- 唯一索引(unique)
- 普通索引(index)
- 全文索引(fulltext)—— 解决中子文索引问题。
⚪练习
先整一个海量表,在查询的时候,看看没有索引时有什么问题。
- 创建出海量数据的表后,查询员工编号为 998877 的员工:
我们可以看到这里一共耗时
4.68
秒,这还是在本机一个人来操作,在实际项目中,如果放在公网中,假如同时有
1000
个人并发查询,那很可能就死机。
-
解决方法,创建索引
-
换一个员工编号,测试看看查询时间
二、认识磁盘
1、MySQL与存储
MySQL 给用户提供存储服务,而存储的都是数据,数据在磁盘这个外设当中。磁盘是计算机中的一个机械设备,相比于计算机其他电子元件,磁盘效率是比较低的,再加上 IO 本身的特征,可以知道如何提交效率,是 MySQL 的一个重要话题。
2、磁盘
![](https://img-blog.csdnimg.cn/direct/b3c3ec395b5b4f0bb076a9f1a278b689.png)
3、磁盘中一个盘片
![](https://img-blog.csdnimg.cn/direct/cf78163f0d40440a9395d9d896edd2b3.png)
4、扇区
数据库文件,本质其实就是保存在磁盘的盘片当中。也就是上面的一个个小格子中,就是我们经常所说的扇区。当然,数据库文件很大,也很多,一定需要占据多个扇区。
- 从上图可以看出来,在半径方向上,距离圆心越近,扇区越小,距离圆心越远,扇区越大。
那么,所有扇区都是默认 512 字节吗?
目前是的,我们也这样认为。因为保证一个扇区多大,是由比特位密度决定的。
不过在最新的磁盘技术中,已经慢慢的让扇区大小不同了,不过我们目前暂时不考虑这个问题。
我们在使用 Linux 时,所看到的大部分目录 / 文件,其实就是保存在硬盘当中的。(当然,有一些内存文件系统,如:proc , sys 之类的我们不做考虑)
- 数据库文件的本质其实就是保存在磁盘的盘片当中,就是一个个的文件。
所以,最基本的,找到一个文件的全部,本质就是在磁盘找到所有保存文件的扇区。而我们能够定位任何一个扇区,那么便能找到所有扇区,因为查找的方式是一样的。
5、定位扇区
- 柱面(磁道):多盘磁盘,每盘都是双面,大小完全相等。那么同半径的磁道,整体上便构成了一个柱面。
- 每个盘面都有一个磁头,那么磁头和盘面的对应关系便是 1 对 1 的。
- 所以,我们只需要知道,磁头(Heads)、柱面(Cylinder)(等价于磁道)、扇区(Sector)对应的编号。即可在磁盘上定位所要访问的扇区。这种磁盘数据定位方式叫做 CHS 。不过实际系统软件使用的并不是 CHS(但是硬件是),而是 LBA ,一种线性地址,可以想象成虚拟地址与物理地址。系统将 LBA 地址最后会转化成为 CHS ,交给磁盘去进行数据读取。不过,现在不关心转化细节,只需要知道这个东西,让我们逻辑自洽起来即可。
6、结论
我们现在已经能够在硬件层面定位,任何一个基本数据块(
扇区)了
。
那么在系统软件上,就直接按照扇区(512 字节,部分 4096 字节),进行 IO 交互吗?
不是。
- 如果操作系统直接使用硬件提供的数据大小进行交互,那么系统的 IO 代码,就和硬件强相关。换而言之,如果硬件发生变化,系统必须跟着变化。
- 从目前来看,单次 IO 512 字节,还是太小了。IO 单位小,意味着读取同样的数据内容,需要进行多次磁盘访问,会带来效率的降低。
- 之前学习文件系统,就是在磁盘的基本结构下建立的,文件系统读取基本单位,就不是扇区,而是数据块。
所以系统读取磁盘是以块为单位的,其基本单位是 4KB。
7、磁盘随机访问(Random Access)与连续访问(Sequential Access)
- 随机访问:本次 IO 所给出的扇区地址和上次 IO 给出扇区地址不连续,这样的话磁头在两次 IO 操作之间需要作比较大的移动动作才能重新开始读 / 写数据。
- 连续访问:如果当次 IO 给出的扇区地址与上次 IO 结束的扇区地址是连续的,那磁头就能很快的开始这次 IO 操作,这样的多个 IO 操作称为连续访问。
- 因此尽管相邻的两次 IO 操作在同一时刻发出,但如果它们的请求的扇区地址相差很大的话也只能称为随机访问,而非连续访问。
- 磁盘是通过机械运动进行寻址的,随机访问不需要过多的定位,故效率比较高。
三、MySQL 与磁盘交互基本单位
而
MySQL
作为一款应用软件,可以想象成一种特殊的文件系统。它有着更高的
IO
场景,所以,为了提高基本的
IO
效率, MySQL
进行
IO
的基本单位是
16KB(
后面统一使用
InnoDB
存储引擎再讲解)
![](https://img-blog.csdnimg.cn/direct/a1d7369417994cf3bae5241be35a7545.png)
也就是说,磁盘这个硬件设备的基本单位是 512 字节,而 MySQL InnoDB 引擎 使用 16KB 进行 IO 交互。也就是说, MySQL 和磁盘进行数据交互的基本单位是 16KB 。这个基本数据单元,在 MySQL 这里叫做 page( 注意这里和系统的 page 区分)
四、建立共识
- MySQL 中的数据文件是以 page 为单位保存在磁盘当中的。
- MySQL 的 CURD 操作,都需要通过计算,找到对应的插入位置,或者找到对应要修改或者查询的数据。
- 只要涉及计算,就需要 CPU 参与,而为了便于 CPU 参与,一定要能够先将数据移动到内存当中。
- 所以在特定的时间内,数据一定是磁盘中有,内存中也有。后续操作完内存数据之后,以特定的刷新策略,刷新到磁盘。而这时,就涉及到磁盘和内存的数据交互,也就是 IO 了。而此时 IO 的基本单位就是 Page。
- 为了更好的进行上面的操作, MySQL 服务器在内存中运行时,在服务器内部就申请了被称为 Buffer Pool 的的大内存空间来进行各种缓存,其实就是很大的内存空间来和磁盘数据进行 IO 交互。
- 为了达到更高的效率,一定要尽可能的减少系统和磁盘 IO 的次数。
五、索引的理解
1、建立测试表
2、插入多条记录
注意:这里并没有按照主键的大小顺序插入。
3、查看插入结果
观察上图,发现竟然默认是有序的。说明:向一个具有主键的表中乱序插入数据,发现数据会自动排序。这是谁做的呢?为什么这样做?排序了又有什么好处呢?(在下面作出解答)
4、为何 IO 交互要是 Page
为何 MySQL 和磁盘进行 IO 交互的时候,要采用 Page 的方案进行交互呢?用多少,加载多少不好吗?
比如上面图中的 5 条记录,如果 MySQL 要查找 id=2 的记录,第一次加载 id=1 ,第二次加载 id=2 ,一次一条记录,那么一共就需要 2 次 IO 。如果要找 id=5 ,那么就需要 5 次 IO 。但如果这 5 条 或者更多 都被保存在一个 Page 中( 16KB ,能保存很多记录), 那么第一次 IO 查找 id=2 时,整个 Page 会被加载到 MySQL 的 Buffer Pool 中,这里完成了一次 IO 。往后如果再查找 id=1, 3, 4, 5 等,完全不需要进行 IO 了,而是直接在内存中进行。所以,就在单 Page 里面,大大减少了 IO 的次数。
怎么保证,用户一定下次找的数据,就在这个 Page 里面?
我们不能严格保证,但是有很大概率,因为有 局部性原理 。往往 IO 效率低下的最主要矛盾不是 IO 单次数据量的大小,而是 IO 的次数。
5、理解单个 Page
如何理解 MySQL 中 Page 的概念?
在 MySQL 内部,一定需要并且会存在大量的 Page,这也就决定了 MySQL 必须要将多个同时存在的 Page 管理起来。
MySQL 中要管理很多数据表文件,而要管理好这些文件,就需要 先描述,再组织。 所以,不要简单的将 Page 理解成是一个内存块,Page 内部也必须写入对应的管理信息, 我们目前可以简单理解成一个个独立文件是有一个或者多个 Page 构成的。struct page { struct page* next; struct page* prev; char buffer[NUM]; };
new page 将所有的 page 用 “链表”(不是我们之前学的数据结构中的链表)的形式管理起来。(在 buffer pool 内部对 MySQL 中的 page 进行了建模)
不同的 Page ,在 MySQL 中,都是 16KB ,使用 prev 和 next 构成双向链表。因为有主键的问题, MySQL 会默认按照主键给我们的数据进行排序,从上面的 Page 内数据记录可以看出,数据是有序且彼此关联的。
为什么数据库在插入数据时要对其进行排序呢?我们按正常顺序插入数据不是也挺好的吗?
插入数据时排序的目的就是优化查询的效率。页内部存放数据的模块,实质上也是一个链表的结构,链表的特点也就是增删快,查询修改慢,所以优化查询的效率是必须的。正是因为有序,所以在查找时,从头到后都是有效查找,没有任何一个查找是浪费的,而且如果运气好的话,是可以提前结束查找过程的。
6、理解多个 Page
通过上面的分析可以知道,在上面页模式中只有一个功能,就是 在查询某条数据的时候直接将一整页的数据 加载到内存中,以 减少硬盘 IO 次数 ,从而提高性能。但是,也可以看到,现在的页模式内部在实际上是采用了链表的结构,前一条数据指向后一条数据,本质上还是通过数据的逐条比较来取出特定的数据。如果有 1 千万 条数据,一定需要多个 Page 来保存 1 千万 条数据,多个 Page 彼此使用双链表链接起来,而且每个 Page 内部的数据也是基于链表的。那么,查找特定一条记录,也一定是线性查找,这效率太低了。
![](https://img-blog.csdnimg.cn/direct/a9578c6d98434f20a495d6bf33ae4fcc.png)
7、页目录
我们在看《谭浩强
C
程序设计》这本书时,如果我们要看
<
指针章节
>
,找到该章节有两种做法:
- 从头逐页的向后翻,直到找到目标内容。
- 通过书提供的目录,发现指针章节在 234 页(假设),便直接翻到 234 页。同时,查找目录的方案,可以顺序找,不过因为目录肯定少,所以可以快速提高定位。
- 本质上,书中的目录,是多花了纸张的,但是却提高了效率。
- 所以,目录,是一种 “空间换时间的做法”。
8、单页情况
针对上面的单页 Page,我们能否也引入目录呢?
当然可以。
那么当前,在一个 Page 内部,我们引入了目录。比如,我们要查找 id=4 记录,以前必须线性遍历 4 次,才能拿到结果。现在直接通过目录 2[3] 可以 直接进行定位新的起始位置,提高了效率。
那么为何通过键值 MySQL 会自动排序?
可以很方便地引入目录。
9、多页情况
MySQL 中每一页的大小只有 16KB ,单个 Page 大小固定,所以随着数据量不断增大, 16KB 不可能存下所有的数据,那么必定会有多个页来存储数据。
![](https://img-blog.csdnimg.cn/direct/d661ebd8f67c49cebcdf7c1eecadc8a8.png)
在单表数据不断被插入的情况下, MySQL 会在容量不足的时候,自动开辟新的 Page 来保存新的数据,然后通过指针的方式,将所有的 Page 组织起来。注意,上面的图是理想结构,目前要保证整体有序,那么新插入的数据,不一定会在新 Page 上面,这里只做演示。这样,我们就可以通过多个 Page 遍历, Page 内部通过目录来快速定位数据。可是,貌似这样也存在效率问题,在 Page 之间也是需要 MySQL 遍历的,遍历意味着依旧需要进行大量的 IO ,将下一个 Page 加载到内存,进行线性检测。这样就显得之前 Page 内部的目录有点杯水车薪了。
那么如何解决上述问题呢?
- 解决方案,其实就是我们之前的思路,给 Page 也带上目录。
- 使用一个目录项来指向某一页,而这个目录项存放的就是将要指向的页中存放的最小数据的键值。
- 和页内目录不同的地方在于:这种目录管理的级别是页,而页内目录管理的级别是行。
- 其中,每个目录项的构成是:键值+指针。(图中没有画全)
存在一个目录页来管理页目录,目录页中的数据存放的就是指向的那一页中最小的数据。有数据就可通过比较来找到该访问那个 Page,进而通过指针找到下一个 Page。
其实
目录页的本质也是页,普通页中存的数据是用户数据,而目录页中存的数据是普通页的地址。
可是,我们每次检索数据的时候,该从哪里开始呢?虽然顶层的目录页少了,但是还要遍历?
不用担心,可以在加目录页。MySQL Innode db 下的索引结构:(一般建表插入数据时,就是在该结构下进行 CURD如果表中没有主键,也是这样吗?
也是的,会有默认主键。)
这就是 B+树 。
没错,至此,我们已经给我们的表 user
构建完了主键索引。
随便找一个 id=
?可以发现,现在查找的 Page
数一定减少了,就意味着
IO
次数减少了,那么效率也就提高了。
- 叶子节点保存了数据,但路上节点没有,也就是非叶子节点不要数据,只要目录项。非叶子节点不存数据,那么就可以存储更多的目录项,目录页可以管理更多的叶子 page。这棵树一定是 “矮胖型” 的树。如果是 “矮胖型” 的树,说明途径的路上节点减少,也就说明找到目标数据只需要更少的 page,IO 次数 更少,在 IO 层面提高了效率。每一个节点都有目录项,可以大大提高搜索效率。
- 叶子节点全都用链表级联起来。(为什么?首先,这是 b+树 的特点。我们希望进行范围查找。)
【复盘】
Page 分为目录页和数据页。目录页只放各个下级 Page 的最小键值。查找时,自定向下找,只需要加载部分目录页到内存,即可完成算法的整个查找过程,大大减少了 IO 次数。
-
InnoDB 在建立索引结构来管理数据的时候,其他数据结构为何不行?
(1)链表?
线性遍历。
(2)二叉搜索树?
存在退化问题(可能是 “瘦高状” 的),可能退化成为线性结构。
(3)AVL && 红黑树?
虽然是平衡或者近似平衡,但毕竟是二叉结构,相较于多阶 B+ ,意味着树整体过高,大家都是自顶向下找,层高越低,意味着系统与硬盘更少的 IO Page 交互。虽然不错,但还有更好的。
(4)Hash?
官方的索引实现方式中, MySQL 是支持 HASH 的,不过 InnoDB 和 MyISAM 并不支持 .Hash 跟进其算法特征,决定了虽然有时候也很快(O(1))。不过,在面对范围查找就明显不行,另外还有其他差别。
最值得比较的是 InnoDB 为何不用 B树 作为底层索引?
数据结构演示链接:
Data Structure Visualization (usfca.edu)
10、B+ VS B
(1)B 树
(2)B+ 树
![](https://img-blog.csdnimg.cn/direct/ae100d7981cb49c2935824edb2fe521e.png)
- 目前这两棵树,最有意义的区别是:
- B 树节点,既有数据,又有 Page 指针;而 B+,只有叶子节点有数据,其他目录页,只有键值和 Page 指针。
- B+ 叶子节点,全部相连;而 B 没有。
为何选择 B+?
- 节点不存储 data,这样一个节点就可以存储更多的 key。可以使得树更矮,所以 IO 操作次数更少。
- 叶子节点相连,更便于进行范围查找。
(3)聚簇索引 VS 非聚簇索引
MyISAM 存储引擎 - 主键索引
MyISAM 引擎同样使用 B+ 树作为索引结果,叶节点的 data 域存放的是数据记录的地址。
下图为 MyISAM 表的主索引,Col1 为主键:
其中,
MyISAM
最大的特点是:将索引
Page
和数据
Page
分离,也就是叶子节点没有数据,只有对应数据的地址。
相较于
InnoDB
索引,
InnoDB
是将索引和数据放在一起的。
- 终端 A
![](https://img-blog.csdnimg.cn/direct/d6f24d127b104e7c9da63c793c2eb37d.png)
-
终端 B
![](https://img-blog.csdnimg.cn/direct/47f166be49c245ab9f6256c35d3fdfd3.png)
其中, MyISAM 这种用户数据与索引数据分离的索引方案,叫做非聚簇索引。
- 终端 A
![](https://img-blog.csdnimg.cn/direct/91874972d40748c8897c13b467ea0995.png)
-
终端 B
![](https://img-blog.csdnimg.cn/direct/cfe3f58fbb8349d78630126d10f6ed73.png)
其中, InnoDB 这种用户数据与索引数据在一起索引方案,叫做聚簇索引。当然, MySQL 除了默认会建立主键索引外,用户也有可能建立按照其他列信息建立的索引,一般这种索引可以叫做辅助(普通)索引。对于 MyISAM, 建立辅助(普通)索引和主键索引没有差别,无非就是主键不能重复,而非主键可重复。
下图就是基于
MyISAM
的
Col2
建立的索引,和主键索引没有差别:
![](https://img-blog.csdnimg.cn/direct/823d179621d14a2e80958db1ed998869.png)
同样,
InnoDB
除了主键索引,用户也会建立辅助(普通)索引,我们以上表中的
Col3
建立对应的辅助索引如下图:
![](https://img-blog.csdnimg.cn/direct/9607500f8e3e43d9990438d2c7bc565b.png)
可以看到, InnoDB 的非主键索引中叶子节点并没有数据,而只有对应记录的 key 值。所以通过辅助(普通)索引,找到目标记录,需要两遍索引:首先检索辅助索引获得主键,然后用主键到主索引中检索获得记录。这种过程就叫做回表查询。
为什么 InnoDB 针对这种辅助(普通)索引的场景,不给叶子节点也附上数据呢?
原因是太浪费空间了。
六、索引操作
1、创建主键索引
(1)第一种方式
- 在创建表时,直接在字段名后指定 primary key
create table user1(id int primary key, name varchar(30));
(2)第二种方式
- 在创建表的最后,指定某列或某几列为主键索引
create table user2(id int, name varchar(30), primary key(id));
(3)第三种方式
create table user3(id int, name varchar(30));
- 创建表之后再创建主键
alter table user3 add primary key(id);
主键索引的特点:
- 一个表中最多有一个主键索引,当然可以是复合主键。
- 主键索引的效率高(主键不可重复)。
- 创建主键索引的列,它的值不能为 null,且不能重复。
- 主键索引的列基本上是 int。
2、唯一索引的创建
(1)第一种方式
-
在表定义时,在某列后直接指定 unique 唯一属性
create table user4(id int primary key, name varchar(30) unique);
(2)第二种方式
- 创建表时,在表的后面指定某列或某几列为 unique
create table user5(id int primary key, name varchar(30), unique(name));
(3)第三种方式
create table user6(id int primary key, name varchar(30));alter table user6 add unique(name);
唯一索引的特点:
- 在一个表中,可以有多个唯一索引。
- 查询效率高。
- 如果在某一列建立唯一索引,必须保证这列不能有重复数据。
- 如果一个唯一索引上指定 not null,等价于主键索引。
3、普通索引的创建
(1)第一种方式
- 在表的定义最后,指定某列为索引
create table user8(id int primary key,name varchar(20),email varchar(30),index(name));
(2)第二种方式
- 创建完表以后指定某列为普通索引
create table user9(id int primary key, name varchar(20), email varchar(30));alter table user9 add index(name);
(3)第三种方式
- 创建一个索引名为 idx_name 的索引
create table user10(id int primary key, name varchar(20), email varchar(30));
- 创建一个索引名为 idx_name 的索引
create index idx_name on user10(name);
普通索引的特点:
- 一个表中可以有多个普通索引,普通索引在实际开发中用的比较多
- 如果某列需要创建索引,但是该列有重复的值,那么我们就应该使用普通索引
4、全文索引的创建
当对文章字段或有大量文字的字段进行检索时,会使用到全文索引。MySQL 提供全文索引机制,但是有要求,要求表的存储引擎必须是 MyISAM ,而且默认的全文索引支持英文,不支持中文。如果对中文进行全文检索,可以使用 sphinx 的中文版( coreseek)。
![](https://img-blog.csdnimg.cn/direct/4c170c40496f4752a2acf61589376337.png)
-
查询有没有 database 数据
如果使用如下查询方式,虽然查询出数据,但是没有使用到全文索引
![](https://img-blog.csdnimg.cn/direct/7317c5c123c64533a837b094204d8b18.png)
-
可以用 explain 工具看一下,是否使用到索引
如何使用全文索引呢?
![](https://img-blog.csdnimg.cn/direct/cd5b4e7953a141bbb1b7d8edaa642581.png)
通过
explain
来分析这个
sql
语句:
![](https://img-blog.csdnimg.cn/direct/7b31c6126b474e7bbfbe7bc55b1e4079.png)
5、查询索引
(1)第一种方法
show keys from 表名
(2)第二种方法
show index from 表名 ;
(3)第三种方法(信息比较简略)
desc 表名;
6、删除索引
(1)第一种方法
删除主键索引: alter table 表名 drop primary key;
(2)第二种方法
其他索引的删除: alter table 表名 drop index 索引名 ;(索引名就是 show index from 表名中的 Key_name 字段)
(3)第三种方法方法
drop index 索引名 on 表名 ;
7、索引创建原则
- 比较频繁作为查询条件的字段应该创建索引。
- 唯一性太差的字段不适合单独创建索引,即使频繁作为查询条件。
- 更新非常频繁的字段不适合作创建索引。
- 不会出现在 where 子句中的字段不该创建索引。
8、其他概念(了解)
- 复合索引
- 索引最左匹配原则
- 索引覆盖