『MySQL快速上手』-⑩-索引特性

文章目录

1.索引的作用
2.索引的理解
- - - 建立测试表
    - 插入多条记录
    - 查看结果
- 2.1 MySQL与磁盘交互的基本单位
- 2.1 为何IO交互要是 Page
- 2.3 理解单个Page
- 2.4 理解多个Page
- 2.5 页目录
- 2.6 单页情况
- 2.7 多页情况
- 2.8 B+ vs B
- 2.9 聚簇索引 vs 非聚簇索引
- - 非聚簇索引
  - 聚簇索引
3.索引操作
- 3.1 创建主键索引
- 3.2 唯一索引的创建
- 3.3 普通索引的创建
- 3.4 全文索引的创建
- 3.5 查询索引
- 3.6 删除索引
- 3.7 索引创建原则

在这里插入图片描述

1.索引的作用

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。但是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。

常见的索引分为：

主键索引（primary key）；
唯一键索引（unique）；
普通索引（index）；
全文索引（fulltext）；

我们先来看看，加入没有索引，在查询的时候可能出现什么问题？

案例

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？

drop database if exists `bit_index`;
create database if not exists `bit_index` default character set utf8;
use `bit_index`;-- 构建一个8000000条记录的数据
-- 构建的海量表数据需要有差异性，所以使用存储过程来创建
-- 产生随机字符串
delimiter $$
create function rand_string(n INT)
returns varchar(255)
begin
declare chars_str varchar(100) default
'abcdefghijklmnopqrstuvwxyzABCDEFGHIJKLMNOPQRSTUVWXYZ';
declare return_str varchar(255) default '';
declare i int default 0;
while i < n doset return_str=concat(return_str,substring(chars_str,floor(1+rand()*52),1));set i = i + 1;
end while;
return return_str;
end $$
delimiter ;-- 产生随机数字
delimiter $$
create function rand_num()
returns int(5)
begin
declare i int default 0;
set i = floor(10+rand()*500);
return i;
end $$
delimiter ;-- 创建存储过程，向雇员表添加海量数据
delimiter $$
create procedure insert_emp(in start int(10),in max_num int(10))
begin
declare i int default 0;
set autocommit = 0;
repeat
set i = i + 1;
insert into EMP values ((start+i)
,rand_string(6),'SALESMAN',0001,curdate(),2000,400,rand_num());
until i = max_num
end repeat;
commit;
end $$
delimiter ;-- 雇员表
create table `EMP`(`empno` int(6) unsigned zerofill NOT NULL COMMENT '雇员编号',`ename` varchar(10) DEFAULT NULL COMMENT '雇员姓名',`job` varchar(9) DEFAULT NULL COMMENT '雇员职位',`mgr` int(4) unsigned zerofill DEFAULT NULL COMMENT '雇员领导编号',`hiredate` datetime DEFAULT NULL COMMENT '雇佣时间',`sal` decimal(7,2) DEFAULT NULL COMMENT '工资月薪',`comm` decimal(7,2) DEFAULT NULL COMMENT '奖金',`deptno` int(2) unsigned zerofill DEFAULT NULL COMMENT '部门编号'
);-- 执行存储过程，添加8000000条记录
call insert_emp(100001, 8000000);

现在一个海量数据表已经创建好了。
我们先来查询一下员工编号为998877的员工；

select * from EMP where empno=998877;

在这里插入图片描述

这里我们可以清楚地看到耗时为7.59秒。此时还是在仅有本机一人查询的情况下，在实际项目中，若同时有1000个人并发查询，很有可能死机。

索引能够有效地解决这个问题，我们先看一下效果。

为员工表创建索引；

alter table EMP add index(empno);

在这里插入图片描述

换一个员工编号，再次查询；

select * from EMP where empno=123456;

在这里插入图片描述

可以看出，此时查询时间不到0.01秒。

2.索引的理解

建立测试表

create table if not exists user( id int primary key, age int not null, name varchar(16) not null 
);show create table user \G

在这里插入图片描述

插入多条记录

在这里插入图片描述

查看结果

在这里插入图片描述

2.1 MySQL与磁盘交互的基本单位

我们这里就不再详细介绍磁盘，我们直接使用结论：

磁盘的基本单位为一个扇区，大小为512字节；
但是系统软件与磁盘交互的基本单位并非512字节。单次IO为512字节太小，IO单位小，意味着读取同样多的数据内容，需要进行多次的磁盘访问，会带来效率的降低；
在linux文件系统的学习中，我们知道文件系统读取的基本单位不是扇区而是数据块，单位为4KB。

而MySQL作为一款应用软件，可以想象成特殊的文件系统。他有着更高的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。

show global status like 'innodb_page_size';

在这里插入图片描述
（如图，16384 = 16 * 1024）

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。即， 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。

2.1 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，加载多少不香吗?

如上面的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的时候，整个Page会被加载到MySQL的Buffer Pool中，这里完成了一次IO。但是往后如果在查找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了。所以，就在单Page里面，大大减少了IO的次数。

你怎么保证，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。

2.3 理解单个Page

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，在组织 ,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。

在这里插入图片描述

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，在查找的时候，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，是可以提前结束查找过程的。

2.4 理解多个Page

通过上面的分析，我们知道，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，我们也可以看到，现在的页模式内部，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。这效率也太低了。

在这里插入图片描述

2.5 页目录

我们在看《谭浩强C程序设计》这本书的时候，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)，那么我们便直接翻到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”。

2.6 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。

在这里插入图片描述
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，之前必须线性遍历4次，才能拿到结果。现在直接通过目录2[3]，直接进行定位新的起始位置，提高了效率。

现在我们可以再次正式回答上面的问题了，为何通过键值 MySQL 会自动排序？

2.7 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。

在这里插入图片描述
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。

需要注意，上面的图，是理想结构，大家也知道，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，这里仅仅做演示。

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，貌似这样也有效率问题，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。这样就显得我们之前的Page内部的目录，有点杯水车薪了。

那么如何解决呢？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。

在这里插入图片描述
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，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，但是还要遍历啊？不用担心，可以在加目录页。

在这里插入图片描述

如图可以直观地看出，这就是B+树。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=？我们发现，现在查找的Page数一定减少了，也就意味着IO次数减少了，那么效率也就提高了。

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？

链表：线性遍历；
二叉搜索树：退化问题，可能退化成为线性结构；
AVL &&红黑树：虽然是平衡或者近似平衡，但是毕竟是二叉结构，相比较多阶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；
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。

2.8 B+ vs B

B树

在这里插入图片描述

B+树

在这里插入图片描述

两种树的区别在于：

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+树

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；

2.9 聚簇索引 vs 非聚簇索引

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。

在这里插入图片描述

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。

非聚簇索引

create database myisam_test;
use myisam_test;

create table mytest( id int primary key, name varchar(11) not null )engine=MyISAM;

在这里插入图片描述

ls /var/lib/mysql/myisam_test/ -l

在这里插入图片描述

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。

聚簇索引

create database innodb_test;
use innodb_test;

create table mytest( id int primary key, name varchar(11) not null )engine=InnoDB;

在这里插入图片描述

ls /var/lib/mysql/innodb_test/ -l

在这里插入图片描述
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，我们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。

在这里插入图片描述
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：

在这里插入图片描述

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，就叫做回表查询为何 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？原因就是太浪费空间了。

3.索引操作

3.1 创建主键索引

第一种方式；

-- 在创建表的时候，直接在字段名后指定 primary key
create table user1(id int primary key, name varchar(30));

在这里插入图片描述

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));

在这里插入图片描述

第三种方式；

create table user3(id int, name varchar(30));
-- 创建表以后再添加主键
alter table user3 add primary key(id);

在这里插入图片描述

主键索引的特点

一个表中，最多有一个主键索引，当然可以使符合主键；
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；

3.2 唯一索引的创建

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);

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));

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

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；

3.3 普通索引的创建

第一种方式；

create table user8(id int primary key,
name varchar(20),
email varchar(30),
index(name) --在表的定义最后，指定某列为索引
);

第二种方式；

create table user9(id int primary key, name varchar(20), email
varchar(30));
alter table user9 add index(name); --创建完表以后指定某列为普通索引

第三种方式；

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；

3.4 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)。

CREATE TABLE articles (id INT UNSIGNED AUTO_INCREMENT NOT NULL PRIMARY KEY,title VARCHAR(200),body TEXT,FULLTEXT (title,body)
)engine=MyISAM;

INSERT INTO articles (title,body) VALUES('MySQL Tutorial','DBMS stands for DataBase ...'),('How To Use MySQL Well','After you went through a ...'),('Optimizing MySQL','In this tutorial we will show ...'),('1001 MySQL Tricks','1. Never run mysqld as root. 2. ...'),('MySQL vs. YourSQL','In the following database comparison ...'),('MySQL Security','When configured properly, MySQL ...');

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；

select * from articles where body like '%database%';

在这里插入图片描述
可以用explain工具看一下，是否使用到索引；

explain select * from articles where body like '%database%'\G

在这里插入图片描述
（key为null表示没有用到索引）

如何使用全文索引呢？

SELECT * FROM articles WHERE MATCH (title,body) AGAINST ('database');

在这里插入图片描述
通过explain来分析这个sql语句；

在这里插入图片描述

3.5 查询索引

第一种方法：

 show keys from 表名;

第二种方法：

show index from 表名;

第三种方法：

 desc 表名;

3.6 删除索引

删除主键索引；

alter table 表名 drop primary key;

其他索引的删除；

 alter table 表名 drop index 索引名;

第三种方法；

drop index 索引名 on 表名

3.7 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；

在这里插入图片描述