MySQL 中的索引

MySQL 中的索引

  • 一、索引的创建和删除
    • 1.主键会自动添加索引
    • 2.unique 约束的字段自动添加索引
    • 3.给指定的字段添加索引
    • 4.删除指定索引
    • 5.查询表上的索引
  • 二、索引的分类
  • 三、MySQL索引采用了B+树数据结构
    • 1.B+树的经典面试题
  • 四、其他索引及相关调优
    • 1.Hash索引
    • 2.聚集索引和非聚集索引
    • 3.二级索引
    • 4.覆盖索引
    • 5.索引下推
    • 6.单列索引（单一索引）
    • 7.复合索引（组合索引）
  • 五、索引的优缺点
  • 六、何时使用索引

  • 索引（index）是一种能够提高检索（查询）效率的提前排好序的数据结构。例如：书的目录就是一种索引机制。索引是解决 SQL 慢查询的一种方式。

一、索引的创建和删除

1.主键会自动添加索引

  • 主键字段会自动添加索引，不需要程序员干涉，主键字段上的索引被称为主索引。

2.unique 约束的字段自动添加索引

  • unique约束的字段也会自动添加索引，不需要程序员干涉，这种字段上添加的索引称为唯一索引。

3.给指定的字段添加索引

  • 建表时添加索引：

    drop table if exists test;
create table test (id int primary key auto_increment,name varchar(255),index index_name(name)
);

  • 如果表已经建好了，后期给字段添加索引：

    alter table test add index index_age (age);

  • 直接创建索引：

    create index index_age on test(age);

4.删除指定索引

  • 删除索引：

    alter table test drop index index_name;

5.查询表上的索引

  • 查询指定表上的所有索引：
    show index from test;
    在这里插入图片描述

二、索引的分类

  • 不同的存储引擎有不同的索引类型和实现：
    • 按照数据结构分类：
      • B+树 索引：（MySQL 的 InnoDB 存储引擎采用的就是这种索引） 采用 B+树 的数据结构。
      • Hash 索引：（仅 memory 存储引擎支持）采用 哈希表 的数据结构。
    • 按照物理存储分类：
      • 聚集索引（聚簇索引）：索引和表中的数据放在一起，数据存储的时候就是按照索引顺序存储的。一张表只能有一个聚集索引。
      • 非聚集索引（非聚簇索引）：索引和表中数据是分开的，索引是独立于表空间的，一张表可以有多个非聚集索引。
    • 按照字段特性分类：
      • 主键索引（primary key）
      • 唯一索引（unique）
      • 普通索引（index）
      • 全文索引（fulltext：仅 InnoDB 和 MyISAM 存储引擎）：要求字段的类型都是文本内容才可以使用全文索引。
    • 按照字段个数分类：
      • 单列索引（单一索引）、联合索引（复合索引、组合索引）

三、MySQL索引采用了B+树数据结构

  • 关于这部分知识可以参考我博客===>查找中常见的树数据结构

1.B+树的经典面试题

  • 经典面试题： MySQL为什么选择B+树作为索引的数据结构，而不是B树？
    1. 非叶子节点上可以存储更多的键值，阶数可以更大，更矮胖，磁盘IO次数少，数据查询效率高。
    2. 所有数据都是有序存储在叶子节点上的，让范围查找，分组查找效率更高。
    3. 数据页之间、数据记录之间采用指针链接，让升序降序更加方便操作。
  • 经典面试题： 如果一张表没有主键索引，那还会创建B+树吗？
    • 当一张表没有主键索引时，默认会使用一个隐藏的内置的聚集索引（clustered index）。这个聚集索引是基于表的物理存储顺序构建的，通常是使用B+树实现的。

四、其他索引及相关调优

1.Hash索引

  • 支持Hash索引的存储器引擎有：
    • InnoDB（不支持手动创建Hash索引，系统会自动维护一个自适应的Hash索引）
      • 对于 InnoDB 来说，即使手动指定了某字段采用Hash索引，最终show index from 表明的时候，还是BTREE。
    • Memory（支持Hash索引）。
  • Hash索引底层的数据结构就是哈希表。一个数组，数组中每个元素是链表。和Java中的HashMap一样。哈希表中每个元素都是key value结构。key存储索引值，value存储行指针。
    在这里插入图片描述
  • 注意：不同的字符串，经过哈希算法得到的数组下标可能相同，这种叫做哈希碰撞/哈希冲突。【不过，好的哈希算法应该具有很低的碰撞概率。常用的哈希算法如 MD5、SHA-1、SHA-256 等都被设计为尽可能减少碰撞的发生。】
  • Hash索引的优缺点：
    • 优点：只能用在点查询中效率很高。例如：age=10。
    • 缺点：不支持排序，不支持范围查找。

2.聚集索引和非聚集索引

  • 按照数据的物理存储方式不同，可以将索引分为聚集索引（聚簇索引）和非聚集索引（非聚簇索引）。
    • 存储引擎是InnoDB的，主键上的索引属于聚集索引。
      • InnoDB的物理存储方式：当创建一张表user，并使用InnoDB存储引擎，会在硬盘上生成这样的文件：
        • user.ibl（InnoDB data表索引+数据）
        • user.frm（存储表结构信息）
    • 存储引擎是MyISAM的，任意字段上的索引都是非聚集索引。
      • MyISMA的物理存储方式：当创建一张表user，并使用MyISAM存储引擎，会在硬盘上生成这样的文件：
        • user.MYD（表数据）
        • user.MYI（表索引）
        • user.frm（表结构）
    • 注意：从 MySQL8.0开始，不再生成frm文件了，引入了数据字典，用数据字典来统一存储表结构信息，例如：
      • information_schema.TABLES（表包含了数据库中所有表的信息，例如表名、数据库名、存储引擎类型等。）
      • information_schema.COLUMNS（表包含了数据库中所有表的列信息，例如列名、数据类型、默认值等。）
        在这里插入图片描述
        在这里插入图片描述
  • 聚集索引的优点和缺点：
    • 优点：聚集索引将数据存储到索引树的叶子节点上。可以减少一次查询，因为查询索引树的同时可以获取数据。
    • 缺点：对数据进行修改或删除时需要更新索引树，会增加系统的开销。

3.二级索引

  • 二级索引也属于非聚集索引。也有人把二级索引称为辅助索引。
    在这里插入图片描述
    在这里插入图片描述

4.覆盖索引

  • 覆盖索引（Covering Index），顾名思义，是指某个查询语句可以通过索引的覆盖来完成，而不需要回表查询真实数据。其中的覆盖指的是在执行查询语句时，查询需要的所有列都可以从索引中提取到，而不需要再去查询实际数据行获取查询所需数据。

  • 假设有一个用户表（user）包含以下列：id，username，email，age。

  • 常见的查询是根据用户名查询用户的邮箱。如果为了提高这个查询的性能，可以创建一个覆盖索引，包含（username，email）这两列。

  • 创建覆盖索引：

    create index index_uername_email on user(username, email);

  • 当执行以下查询时：

    select email from user where username='jack';

  • MySQL可以直接使用覆盖索引（index_username_email）来获取查询结果，而不必再去查找用户表中的数据。这样可以减少磁盘IO并提高查询效率。而如果没有覆盖索引，MySQL会先使用索引（username）来匹配行，然后再回到表查询获取email，这个过程会增加更多的磁盘IO和查询时间。

  • 值得注意的是：覆盖索引的创建需要考虑查询的字段选择。如果查询需要的字段较多，可能需要创建包含更多列的覆盖索引，以满足完全覆盖查询的需要。

5.索引下推

  • 索引下推（Index Condition Pushdown）是一种MySQL中的优化方法，它可以将查询中的过滤条件下推到索引层级中处理，从而减少回表次数，优化查询性能。
  • 具体来说，在使用索引下推时，MySQL
    在这里插入图片描述
    在这里插入图片描述

6.单列索引（单一索引）

  • 单一索引是指对数据库表中的某一列或属性进行索引创建，对该列进行快速查找和排序操作。单一索引可以加快查询速度，提高数据库的性能。

  • 例如：假设我们有一个学生表（student），其中有以下几个列：学生编号（stu_id）、姓名（name）、年龄（age）和性别（sex）。

  • 如果我们针对学生表的信息编号（stu_id）列创建单列索引，那么可以快速地根据学生编号进行查询或者排序操作。例如，我们可以使用下面的SQL语句查询学生编号为123456的学生信息：

    select * from student where stu_id='123456';

  • 由于我们对学生编号建立了单一索引，所以数据库可以直接通过索引快速定位到具有学生123456的那一行记录，从而加快查询速度。

7.复合索引（组合索引）

在这里插入图片描述

五、索引的优缺点

  • 索引是数据库中一种重要的数据结构，用于加速数据的检索和查询操作。它的优点和缺点如下:
  • 优点：
    1. 提高查询性能：通过创建索引，可以大大减少数据库查询的数据量，从而提高查询的速度。
    2. 加速排序：当查询需要按照某个字段进行排序时，索引可以加速排序的过程，提高排序的效率。
    3. 减少磁盘IO：索引可以减少磁盘IO的次数，这对于磁盘读写速度较低的场景，尤其重要。
  • 缺点：
    1. 占据额外的存储空间：索引需要占据额外的存储空间，特别是在大型数据库系统中，索引可能占据较大的空间。
    2. 增删改操作的性能损耗：每次对数据表进行插入、更新、删除等操作时，需要更新索引，会导致操作的性能降低。
    3. 资源消耗较大：索引需要占用内存和CPU资源，特别是在大规模并发访问的情况下，可能对系统的性能产生影响。

六、何时使用索引

  • 在以下情况下建议使用索引：
    1. 在需要经常搜索的列上创建索引。
    2. 主键上创建索引（MySQL中主键自动创建索引）。
    3. 经常用于连接的列上创建索引。
    4. 经常需要根据范围查询进行搜索的列上创建索引。
    5. 在 Where 查询子句中引用效率高的列上创建索引。
    6. 在 Order by 和 Group by 子句中出现的列上创建索引。
    7. 大表：当表的数据量较大时，使用索引可以快速定位到所需的数据，提高查询效率。
    • 注意：在某一范围内频繁搜索的属性，只有在当使用索引的查询结果不超过总记录的20%时才有明显效果
  • 在以下情况下不建议使用索引：】
    1. 频繁执行更新操作的表：如果表经常被更新数据，使用索引可能会降低更新操作的性能，因为每次更新都需要维护索引。
    2. 小表：对于数据量小的表，使用索引可能并不会带来明显的性能提升，反而会占用额外的存储空间。
    3. 对于唯一性很差的字段，一般不建议添加索引。当一个字段的唯一性很差时，查询操作基本上需要扫描表的大部分数据。如果为这样的字段创建索引，索引的大小可能会比数据本身还大，导致索引的存储空间占用过高，同时也会导致查询操作的性能下降。
  • 总之，索引需要根据具体情况进行使用和权衡，需要考虑到表的大小、查询频率、更新频率以及业务需求等多方面的因素。

本文来自互联网用户投稿，该文观点仅代表作者本人，不代表本站立场。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如若转载，请注明出处：http://www.mzph.cn/news/765549.shtml

如若内容造成侵权/违法违规/事实不符，请联系多彩编程网进行投诉反馈email:809451989@qq.com，一经查实，立即删除！

相关文章

【linux线程(四)】初识线程池手撕线程池

【linux线程(四)】初识线程池手撕线程池

💓博主CSDN主页:杭电码农-NEO💓   ⏩专栏分类:Linux从入门到精通⏪   🚚代码仓库:NEO的学习日记🚚   🌹关注我🫵带你学更多操作系统知识   🔝🔝 Linux线程池 1. 前言2. 什么是…
阅读更多...
Python 从0开始 一步步基于Django创建项目（3）使用Admin site管理数据模型

Python 从0开始 一步步基于Django创建项目（3）使用Admin site管理数据模型

本文内容建立在《Python 从0开始 一步步基于Django创建项目（2）创建应用程序&数据模型》的基础上。 Django提供的admin site，使得网站管理员，能够轻松管理网站的数据模型。 本文首先创建‘管理员账户’，即超级用户…
阅读更多...
华为OD机22道试题

华为OD机22道试题

华为OD机试题 2.查找小朋友的好朋友位置 在学校中，N 个小朋友站成一队，第 i 个小朋友的身高为 height[i]，第 i 个小朋友可以看到第一个比自己身高更高的小朋友j，那么 j 是 i 的好朋友 (要求：j>i) 。 请重新生成一个…
阅读更多...
202305 CSP认证

202305 CSP认证

202305-1 重复局面 第一题直接干 #include<bits/stdc.h> using namespace std; unordered_map<string, int> chess; int main() {ios::sync_with_stdio(false); cin.tie(0); cout.tie(0);string line, str ""; int n;cin >> n;while(n --){str …
阅读更多...
数据结构：链式队列

数据结构：链式队列

1.设计思想&#xff1a; 我们可以设计出以上五种队列&#xff0c;但是基于时间复杂度&#xff0c;和空间复杂度的最优解&#xff0c;我们选择入队和出队均为O(1)的&#xff0c;也就是第五种 2.结构设计 typedef struct LPNode//数据节点 {int data;//数据struct LPNode* next…
阅读更多...
Redis消息队列与thinkphp/queue操作

Redis消息队列与thinkphp/queue操作

业务场景 场景一 用户完成注册后需要发送欢迎注册的问候邮件、同时后台要发送实时消息给用户对应的业务员有新的客户注册、最后将用户的注册数据通过接口推送到一个营销用的第三方平台。 遇到两个问题&#xff1a; 由于代码是串行方式&#xff0c;流程大致为&#xff1a;开…
阅读更多...
基于STC12C5A60S2系列1T 8051单片机可编程计数阵列CCP/PCA/PWM模块的捕获模式（外部中断）应用

基于STC12C5A60S2系列1T 8051单片机可编程计数阵列CCP/PCA/PWM模块的捕获模式（外部中断）应用

基于STC12C5A60S2系列1T 8051单片机可编程计数阵列CCP/PCA/PWM模块的捕获模式（外部中断）应用 STC12C5A60S2系列1T 8051单片机管脚图STC12C5A60S2系列1T 8051单片机I/O口各种不同工作模式及配置STC12C5A60S2系列1T 8051单片机I/O口各种不同工作模式介绍STC12C5A60S2系列1T 805…
阅读更多...
【Langchain-Chatchat】部署ChatGLM3-6B-32K教程

【Langchain-Chatchat】部署ChatGLM3-6B-32K教程

介绍 Langchain-Chatchat这个框架可以帮助我们更容易的部署大语言模型&#xff0c;之前也写过ChatGLM传统的部署教程&#xff0c;有兴趣的可以参考 【ChatGLM3】第三代大语言模型多GPU部署指南【ChatGLM2-6B】从0到1部署GPU版本 借助Langchain-Chatchat框架&#xff0c;可以…
阅读更多...
32串口学习

32串口学习

基于之前的GPIO等工程&#xff0c;后面的上手难度就简单多了&#xff0c;主要是相关寄存器的设置。 void USART1_Config(void) {GPIO_InitTypeDef GPIO_InitStructure;USART_InitTypeDef USART_InitStructure;/* config USART1 clock */RCC_APB2PeriphClockCmd(RCC_APB2Periph…
阅读更多...
计算机网络：信道复用技术概念解析

计算机网络：信道复用技术概念解析

✨✨ 欢迎大家来访Srlua的博文&#xff08;づ&#xffe3;3&#xffe3;&#xff09;づ╭❤&#xff5e;✨✨ &#x1f31f;&#x1f31f; 欢迎各位亲爱的读者&#xff0c;感谢你们抽出宝贵的时间来阅读我的文章。 我是Srlua小谢&#xff0c;在这里我会分享我的知识和经验。&am…
阅读更多...
数据结构从入门到精通——希尔排序

数据结构从入门到精通——希尔排序

希尔排序 前言一、希尔排序( 缩小增量排序 )二、希尔排序的特性总结三、希尔排序动画演示四、希尔排序具体代码实现test.c 前言 希尔排序是一种基于插入排序的算法&#xff0c;通过比较相距一定间隔的元素来工作&#xff0c;各趟比较所用的距离随着算法的进行而减小&#xff0…
阅读更多...
【前端】Web API

【前端】Web API

1.Web API 简介 JS分为三大部分&#xff1a; ESCMScript&#xff1a;基础语法部分DOM API&#xff1a;操作页面结构BOM API&#xff1a;操作浏览器 Web API包含 DOM BOM 2.DOM基本概念 DOM全称 Document Object Mod…
阅读更多...
最短路算法

最短路算法

数据结构、算法总述&#xff1a;数据结构/算法 C/C-CSDN博客 目录 朴素dijkstra算法 堆优化版dijkstra算法 Bellman-Ford算法 spfa 算法&#xff08;队列优化的Bellman-Ford算法&#xff09; spfa判断图中是否存在负环 floyd算法 朴素dijkstra算法 思路&#xff1a; 集合…
阅读更多...
Linux相关命令（2）

Linux相关命令（2）

1、W &#xff1a;主要是查看当前登录的用户 在上面这个截图里面呢&#xff0c; 第一列 user &#xff0c;代表登录的用户&#xff0c; 第二列&#xff0c; tty 代表用户登录的终端号&#xff0c;因为在 linux 中并不是只有一个终端的&#xff0c; pts/2 代表是图形界面的第…
阅读更多...
长三角科技盛会“2024南京国际人工智能,机器人,自动驾驶展览会”

长三角科技盛会“2024南京国际人工智能,机器人,自动驾驶展览会”

2024南京国际人工智能,机器人,自动驾驶展览会 2024 Nanjing International Ai, Robotics, Autonomous Driving Expo 时间:2024年11月22-24日 地点:南京国际博览中心 南京&#xff0c;这座历史悠久的文化名城&#xff0c;如今正站在新一轮科技产业变革的前沿&#xff0c;以人工…
阅读更多...
院子摄像头的监控

院子摄像头的监控

院子摄像头的监控和禁止区域入侵检测相比&#xff0c;多了2个功能&#xff1a;1&#xff09;如果检测到有人入侵&#xff0c;则把截图保存起来&#xff0c;2&#xff09;如果检测到有人入侵&#xff0c;则向数据库插入一条事件数据。 打开checkingfence.py&#xff0c;添加如下…
阅读更多...
Springboot笔记-03

Springboot笔记-03

1.properties配置文件 #配制oerson的值 person.lastname张三 person.age12 person.birth2017/12/12 person.bossfalse person.dog.namedag person.dog.age15 person.maps.k1v1 person.maps.k212 person.listsa,b,c运行结果乱码 因为idea默认是utf-8编码而properties是ascall编…
阅读更多...
Bytebase 2.14.1 - 分支 (Branching) 功能支持 Oracle

Bytebase 2.14.1 - 分支 (Branching) 功能支持 Oracle

&#x1f680; 新功能 分支 (Branching) 功能支持 Oracle。为 SQL 编辑器添加了项目选择器。 新增 SQL 审核规范&#xff1a; 禁止混合 DDL、DML 语句。禁止对同一张表进行不同类型的 DML 变更 (UPDATE,INSERT,DELETE)。 &#x1f514; 重大变更 工作空间设置中的「数据访问…
阅读更多...
大屏可视化综合展示解决方案

大屏可视化综合展示解决方案

1.系统概述 1.1.需求分析 1.2.重难点分析 1.3.重难点解决措施 2.系统架构设计 2.1.系统架构图 2.2.关键技术 2.3.接口及要求 3.系统功能设计 3.1.功能清单列表 3.2.数据源管理 3.3.数据集管理 3.4.视图管理 3.5.仪表盘管理 3.6.移动端设计 3.1.系统权限设计 3.…
阅读更多...
利用Scala与Apache HttpClient实现网络音频流的抓取

利用Scala与Apache HttpClient实现网络音频流的抓取

概述 在当今数字化时代&#xff0c;网络数据的抓取和处理已成为许多应用程序和服务的重要组成部分。本文将介绍如何利用Scala编程语言结合Apache HttpClient工具库实现网络音频流的抓取。通过本文&#xff0c;读者将学习如何利用强大的Scala语言和Apache HttpClient库来抓取网…
阅读更多...
推荐文章
最新文章

Copyright @ 2022~2023