MySQL：普通索引和唯一索引，尽量用普通索引

问题

在不同的业务场景下，应该选择普通索引还是唯一索引。

分析

假设你正在维护一个市民系统，每个人都有一个唯一的身份证号，而且业务代码已经保证了不会写入两个重复的身份证号。如果需要按照身份证号查姓名，就会执行类似这样的：

select name from CUser where id_card = 'xxxxxxzzzzz';

所以，就需要考虑在id_card字段上建立索引。

由于身份证号比较大，所以不建议把身份证号当做主键，于是，现在对于id_card就有了两个选择，要么在id_card上创建唯一索引，要么创建一个普通索引。如果业务代码已经保证了不会写入重复的身份证号，那么这两个选择逻辑上都是正确的。

问题是，从性能的角度考虑，到底是唯一索引还是普通索引呢？有什么依据吗？

假设字段K上的字段都不重复。

（1）对于查询过程

假设，执行查询的语句是select id from T where k = 5。这个查询语句在索引树上的查找过程，先通过B+树从树根开始，按层搜索到叶子节点，也就是图中右下角的这个数据页，然后可以认为数据页内部同二分法来定位记录。

• 对于普通索引来说，查找到满足条件的第一个记录（5, 500）后，需要查找下一个记录，知道碰到第一个不满足k=5的记录
• 对于唯一索引来说，由于索引定义了唯一性，查找到第一个满足条件的记录后，就会停止继续查找

那么，这个不同带来的性能差距会有多少呢？答案是，微乎其微。

• InnoDB的数据是按照数据页为单位来读写的。也就是说，当需要读一条记录的时候，并不是将这个记录本身从磁盘读出来，而是以页为单位，将其整体读入内存。在InnoDB中，每个数据页的大小默认为16KB
• 因为引擎是按照页读写的，所以说，当找到k=5的记录的时候，它所在的数据页就都在内存里了，那么，对于普通索引来说，要多做的那一次“查找和判断下一条记录”的操作，就只需要一次指针寻找和一次计算。
• 当然，如果k=5这个记录刚好是这个数据页的最后一个记录，要么要取下一个记录，必须读取下一个数据页，这个操作会稍微复杂一点。
• 但是，对于整型字段，一个数据页可以放近千个key，因此出现这种情况的概率会很低。所以，我们计算平均性能差异时，扔可以认为这个操作成本对现在的CPU来说可以忽略不计。

（2）更新过程

必须先了解change buffer：

• 当需要更新一个数据页时，如果数据页在内存中就直接更新，而如果这个数据页还没有在内存中的话，在不影响数据一致性的前提下，I nnoDB会将这些更新操作缓存到change buffer中，这样就不需要此磁盘中读取这个数据页了。
• 在下次查询需要访问这个数据页的时候，将数据页读入内存，然后执行change buffer中与这个页有关的操作。通过这种方法就能保证这个数据逻辑的正确性。
• 需要注意的是，虽然名字叫做change buffer，实际上它是可以持久化的数据。也就是说，change buffer在内存中有拷贝，也会写入到磁盘上
• 将change buffer中的操作应用到原数据页，得到最新结果的过程称为merge。除了访问这个数据页会触发merge外，系统有后台程序会定期merge。在数据库正常关闭的时候(shutdown)，也会执行merge操作
• 显然，如果能够将更新操作先记录到change buffer，减少读磁盘，语句的执行速度会得到明显的提升。而且，数据读入内存是需要占用buffer pool的，所以这种方法还能够避免占用内存，提高内存利用率
• change buffer用的是buffer pool里的内存，因此不能无限增大。
  • change buffer的大小，可以通过参数 innodb_change_buffer_max_size 来动态设置。
  • 这个参数设置为50的时候，表示change buffer的大小最多只能占用buffer pool的50%

那么，什么条件下可以使用change buffer呢？

• 对于唯一索引来说，所有的更新操作都要先判断这个操作是否违反唯一性约束。比如，要插入(4, 400)这个记录，就要先判断现在表中是否已经存在k=4的操作，而这必须要将数据页读入内存才能判断。
• 如果已经读入内存了，那直接更新内存会更快，就没有必要使用change buffer了
• 因此，唯一索引的更新不使用change buffer，实际上只有普通索引可以使用

那么，如果要在这张表中插入一条新纪录（4， 400）的话，InnoDB的处理流程是怎样的？

• 第一种情况是，这个记录要更新的目标页在内存中。这时，InnoDB的处理流程如下：
  • 对于唯一索引来说，找到3和5之间的位置，判断到没有冲突，插入这个值，语句执行结束
  • 对于普通索引来说，找到3和5之间的位置，插入这个值，语句执行结束
  • 这样看来，普通索引和唯一索引对更新语句性能影响的差别，只是一个判断，只会耗费微小的CPU时间
• 第二种情况是，这个记录要更新的目标页不在内存中。这时，InnoDB的处理流程如下：
  • 对于唯一索引来说，需要将数据页读入内存，判断到没有冲突，插入这个值，语句执行结束
  • 对于普通索引来说，则是将更新记录在change buffer，语句执行就结束了
  • 将数据从磁盘读入内存涉及到随机IO的访问，是数据库里面成本最高的操作之一。change buffer因为减少了随机磁盘的访问，所以对更新性能的提升是会很明显的。

从上面可以看出，change buffer对更新过程有加速作用。当然，change buffer只限于普通索引而不适用于唯一索引。那么，问题是：普通索引的所有场景，使用change buffer都可以起到加速的作用吗？

• 因为merge的时候是真正进行数据更新的时刻，而change buffer的主要目的就是将记录的变更动作缓存下来，所以在一个数据页merge之前，change buffer记录的变更越多，收益就越大
• 因此，对应写多读少的业务来说，页面在写完之后马上就被访问的概率小，此时，change buffer的使用效果最好。
• 反之，假如一个业务的更新模式是写入之后马上就会做查询，那么即使满足了条件，将更新先记录在change buffer，但之后由于马上要访问这个数据页，会立即触发merge过程。这样随机访问IO的次数不会减少，反而增加了change buffer的维护代价。所以，对于这种业务模式来说，change buffer反而起了副作用

change buffer VS redo log

（1）执行插入语句：

mysql> insert into t(id,k) values(id1,k1),(id2,k2);

这里，我们假设当前k索引树的状态，查找到位置后，k1所在的数据页在内存（InnoDB buffer pool）中，k2所在的数据页不再内存中。如下图是一个带change buffer的更新状态图：

分析这条更新语句，你会发现它涉及了四个部分：内存、redo log（ib_log_fileX）、 数据
表空间（t.ibd）、系统表空间（ibdata1）。

这条更新语句做了如下操作：

• page 1 在内存中，直接更新内存
• page 2 没有在内存中，就在内存的change buffer区域，记录下“我要往page 2 插入一行”这个信息
• 将上面两个动作计入到redo log中（图中3和4）

做完这些，事务就可以完成了。可以发现，执行这条更新语句的成本很低，就是写了两次内存，然后写了一次磁盘（两个操作何在一起写了一次磁盘），而且还是顺序写的

同时，图中的两个虚线箭头，是后台操作，不影响更新的响应时间。

（2）那在这之后的读请求，要怎么处理呢？

select * from t where k in (k1, k2)

如下图：

• 注意：如果读语句发生在更新语句后不久，内存中的数据还在，那么此时的这两个读操作就与系统表空间（ibdata1）和redo log(ib_log_filex)无关了。所以，图中没有画出这两部分
• 1、读Page1的时候，直接从内存返回。
• 2、读Page2的时候，需要把Page 2 从磁盘读入内存中，然后应用change buffer里面的操作日志，生成一个正确的版本并返回结果

可以看到，直到需要读Page2的时候，这个数据页才会被读入内存

综上：

• redo log 主要节省的是随机写的IO消耗（转成顺序写）
• change buffer主要节省的是随机读磁盘的IO消耗

总结

普通索引和唯一索引在查询能力上是没有差别的，主要对更新性能有影响。所以，建议尽量普通索引

如果所有的更新后面，都马上伴随着这个记录的查询，那么应该关闭change buffer。

问题：关于“唯一索引 与普通索引的选择”有一个问题，即“业务可能无法确保唯一”，怎么看？

• 首先，业务正确性优先。
  • 判断业务是不是能够保证写入重复数据
  • 如果不能保证，或者业务就是要求数据库做约束，那么没得选，必须创建唯一索引
• 然后，在一些归档库“的场景，可以考虑使用普通索引。比如，线上数据只需要保留半年，然后历史数据保存在归档库。这时候，归档数据已经是确保没有唯一键冲突了。要提高归档效率，可以考虑把表里面的唯一索引改成普通索引。