之前有过一次面试,关于MySQL索引的原理及使用被面试官怼的体无完肤,立志要总结一番,然后一直没有时间(其实是懒……),准备好了吗?

索引是什么?

数据库索引,是数据库管理系统(DBMS)中一个排序的数据结构,它可以对数据库表中一列或多列的值进行排序,以协助更加快速的访问数据库表中特定的数据。通俗的说,我们可以把数据库索引比做是一本书前面的目录,它能加快数据库的查询速度。

为什么需要索引?

思考:如何在一个图书馆中找到一本书?设想一下,假如在图书馆中没有其他辅助手段,只能一条道走到黑,一本书一本书的找,经过3个小时的连续查找,终于找到了你需要看的那本书,但此时天都黑了。

为了避免这样的事情,每个图书馆才都配备了一套图书馆管理系统,大家要找书籍的话,先在系统上查找到书籍所在的房屋编号、图书架编号还有书在图书架几层的那个方位,然后就可以直接大摇大摆的去取书了,就可以很快速的找到我们所需要的书籍。索引就是这个原理,它可以帮助我们快速的检索数据。

一般的应用系统对数据库的操作,遇到最多、最容易出问题是一些复杂的查询操作,当数据库中数据量很大时,查找数据就会变得很慢,这样就很影响整个应用系统的效率,我们就可以使用索引来提高数据库的查询效率。

B-Tree和B+Tree

目前大部分数据库系统及文件系统都采用B-Tree或其变种B+Tree作为索引结构, 我在这里分别讲一下。推荐看下:为什么索引能提高查询速度?

B-Tree

即B树,注意(不是B减树),B树是一种多路搜索树。使用B-Tree结构可以显著减少定位记录时所经历的中间过程,从而加快存取速度。

B-Tree有如下一些特征:

  1. 定义任意非叶子结点最多只有M个子节点,且M>2。

  2. 根结点的儿子数为[2, M]。

  3. 除根结点以外的非叶子结点的儿子数为[M/2, M], 向上取整 。

  4. 每个结点存放至少M/2-1(取上整)和至多M-1个关键字;(至少2个关键字)。

  5. 非叶子结点的关键字个数=指向儿子的指针个数-1。

  6. 非叶子结点的关键字:K[1], K[2], …, K[M-1],且K[i] <= K[i+1]。

  7. 非叶子结点的指针:P[1], P[2], …,P[M](其中P[1]指向关键字小于K[1]的子树,P[M]指向关键字大于K[M-1]的子树,其它P[i]指向关键字属于(K[i-1], K[i])的子树)。

  8. 所有叶子结点位于同一层。

有关b树的一些特性:

  1. 关键字集合分布在整颗树的所有结点之中;

  2. 任何一个关键字出现且只出现在一个结点中;

  3. 搜索有可能在非叶子结点结束;

  4. 其搜索性能等价于在关键字全集内做一次二分查找。

B树的搜索:从根结点开始,对结点内的关键字(有序)序列进行二分查找,如果命中则结束,否则进入查询关键字所属范围的儿子结点;重复执行这个操作,直到所对应的节点指针为空,或者已经是是叶子结点。

例如下面一个B树,那么查找元素43的过程如下:

根据根节点指针找到18、37所在节点,把此节点读入内存,进行第一次磁盘IO,此时发现43>37,找到指针p3。

根据指针p3,找到42、51所在节点,把此节点读入内存,进行第二次磁盘IO,此时发现42<43<51,找到指针p2。

根据指针p2,找到43、46所在节点,把此节点读入内存,进行第三次磁盘IO,此时我们就已经查到了元素43。

在此过程总共进行了三次磁盘IO。

B+Tree

B+Tree属于B-Tree的变种。与B-Tree相比,B+Tree有以下不同点:

  1. 有n棵子树的非叶子结点中含有n个关键字(B树是n-1个),即非叶子结点的子树指针与关键字个数相同。这些关键字不保存数据,只用来索引,所有数据都保存在叶子节点(B树是每个关键字都保存数据)。

  2. 所有的叶子结点中包含了全部关键字的信息,及指向含这些关键字记录的指针,且叶子结点本身依关键字的大小自小而大顺序链接。

  3. 所有的非叶子结点可以看成是叶子节点的索引部分。

  4. 同一个数字会在不同节点中重复出现,根节点的最大元素就是b+树的最大元素。

相对B树,B+树做索引的优势

  1. B+树的磁盘IO代价更低:B+树非叶子节点没有指向数据行的指针,所以相同的磁盘容量存储的节点数更多,相应的IO读写次数肯定减少了。

  2. B+树的查询效率更加稳定:由于所有数据都存于叶子节点。所有关键字查询的路径长度相同,每一个数据的查询效率相当。

  3. 所有的叶子节点形成了一个有序链表,更加便于查找。

关于MySQL的两种常用存储引擎MyISAM和InnoDB的索引均以B+树作为数据结构,二者却有不同(这里只说二者索引的区别)。推荐看下:InnoDB一棵B+树可以存放多少行数据?

MyISAM索引和Innodb索引的区别

MyISAM使用B+树作为索引结构,叶节点叶节点的data域保存的是存储数据的地址,主键索引key值唯一,辅助索引key可以重复,二者在结构上相同。关注微信公众号:Java技术栈,在后台回复:mysql,可以获取我整理的 N 篇 MySQL 教程,都是干货。

因此,MyISAM中索引检索的算法为首先按照B+Tree搜索算法搜索索引,如果要找的Key存在,则取出其data域的值,然后以data域的值为地址,去读取相应数据记录 。因此,索引文件和数据文件是分开的,从索引中检索到的是数据的地址,而不是数据。

Innodb也是用B+树作为索引结构,但具体实现方式却与MyISAM截然不同,首先,数据表本身就是按照b+树组织,所以数据文件本身就是主键索引文件。叶节点key值为数据表的主键,data域为完整的数据记录。

因此InnoDB表数据文件本身就是主键索引(这也就是MyISAM可以允许没有主键,但是Innodb必须有主键的原因)。第二个与MyISAM索引的不同是InnoDB的辅助索引的data域存储相应数据记录的主键值而不是地址。换句话说,InnoDB的所有辅助索引都引用主键作为data域。

索引类型

普通索引:(由关键字KEY或INDEX定义的索引)的唯一任务是加快对数据的访问速度。

唯一索引:普通索引允许被索引的数据列包含重复的值,而唯一索引不允许,但是可以为null。所以任务是保证访问速度和避免数据出现重复。

主键索引:在主键字段创建的索引,一张表只有一个主键索引。

组合索引:多列值组成一个索引,专门用于组合搜索。

全文索引:对文本的内容进行分词,进行搜索。(MySQL5.6及以后的版本,MyISAM和InnoDB存储引擎均支持全文索引。)推荐看下:MySQL 索引B+树原理,以及建索引的几大原则

索引的使用策略及优缺点

使用索引

主键自动建立唯一索引。
经常作为查询条件在WHERE或者ORDER BY 语句中出现的列要建立索引。
查询中与其他表关联的字段,外键关系建立索引。
经常用于聚合函数的列要建立索引,如min(),max()等的聚合函数。

不使用索引

经常增删改的列不要建立索引。
有大量重复的列不建立索引。
表记录太少不要建立索引,因为数据较少,可能查询全部数据花费的时间比遍历索引的时间还要短,索引就可能不会产生优化效果 。

最左匹配原则

建立联合索引的时候都会默认从最左边开始,所以索引列的顺序很重要,建立索引的时候就应该把最常用的放在左边,使用select的时候也是这样,从最左边的开始,依次匹配右边的。

优点

可以保证数据库表中每一行的数据的唯一性。
可以大大加快数据的索引速度。
加速表与表之间的连接。
可以显著的减少查询中分组和排序的时间。

缺点

创建索引和维护索引要耗费时间,这种时间随着数据量的增加而增加。
索引需要占物理空间,除了数据表占用数据空间之外,每一个索引还要占用一定的物理空间,如果需要建立聚簇索引,那么需要占用的空间会更大,其实建立索引就是以空间换时间。
表中的数据进行增、删、改的时候,索引也要动态的维护,这就降低了维护效率。

验证索引是否能够提升查询性能

创建测试表index_test

使用python脚本程序通过pymsql模块,向表中添加十万条数据

import pymysql

def main():
    # 创建Connection连接
    conn = pymysql.connect(host='localhost',
                           port=3306,
                           database='db_test',
                           user='root',
                           password='deepin',
                           charset='utf8')
    # 获得Cursor对象
    cursor = conn.cursor()
    # 插入10万次数据
    for i in range(100000):
        cursor.execute("insert into index_test values('haha-%d')" % i)
    # 提交数据
    conn.commit()

if __name__ == "__main__":
    main()

在mysql终端开启运行时间监测:set profiling=1;

查找第1万条数据ha-99999

select * from index_test where name='haha-99999';

查看执行的时间:

show profiles;

为表index_test的name列创建索引:

create index name\_index on index\_test(name(10));

再次执行查询语句、查看执行的时间:

可以看出合适的索引确实可以明显提高某些字段的查询效率。

最后,感谢女朋友在生活中,工作上的包容、理解与支持 !

来源:https://my.oschina.net/u/4062805/blog/3216265

声明:本站所有文章,如无特殊说明或标注,均为本站原创发布。任何个人或组织,在未征得本站同意时,禁止复制、盗用、采集、发布本站内容到任何网站、书籍等各类媒体平台。如若本站内容侵犯了原著者的合法权益,可联系我们进行处理。

发表回复

您的电子邮箱地址不会被公开。 必填项已用*标注