MySQL -- 索引

MySQL – 索引

---

一、索引简介

1.简介

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

2.索引效率的案例

• 创建海量数据表：

--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， 拷贝下面代码就可以了，暂时不用理解
-- 产生随机字符串
delimiter $$
create function rand_string(n INT)
returns varchar(255)
begin
declare chars_str varchar(100) default
'abcdefghijklmnopqrstuvwxyzABCDEFJHIJKLMNOPQRSTUVWXYZ';
declare return_str varchar(255) default '';
declare i int default 0;
while i < n do
set return_str =concat(return_str,substring(chars_str,floor(1+rand()*52),1));
set i = i + 1;
end while;
return return_str;
end $$
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 ;
-- 执行存储过程，添加8000000条记录
call insert_emp(100001, 8000000);

• 查询员工编号为998877的员工：

select * from EMP where empno=998877;

可以看到耗时4.93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：

alter table EMP add index(empno);

• 换一个员工编号，测试看看查询时间：

select * from EMP where empno=123456;

二、认识磁盘

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，在加上IO本身的特征，可以知道，如何提高效率，是MySQL 的一个重要话题。

1.磁盘

• 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。

数据库文件，本质其实就是保存在磁盘的盘片当中，就是一个一个的文件，通过/var/lib/mysql这个目录可以看到创建的数据库文件；

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，因为查找方式是一样的。

• 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。

2.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了(扇区)。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。

3.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

1.基本单位

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；

mysql> SHOW GLOBAL STATUS LIKE 'innodb_page_size';
+------------------+-------+
| Variable_name | Value |
+------------------+-------+
| Innodb_page_size | 16384 | -- 16*1024=16384
+------------------+-------+
1 row in set (0.01 sec)

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（注意和系统的page区分）

• 实际上mysqld服务端是运行在内存中的一个进程，其对数据的所有增删查改（CURD），都是在内存中进行的，后期mysqld会进行持久化；
• mysql处于应用层，通过系统调用接口向操作系统发送文件操作申请，由操作系统读取磁盘中的数据；
  
• 文件必须提前被打开，也就是由SO读取到内存中，对文件内容做任何操作，都不是在磁盘设备上操作的；
  任何磁盘数据，在进程中要进行操作，本质都必须在内存中进行；
• 如果需要访问的数据此时不在内存中，MySQL内部有自己的内存管理，会进行换入、换出操作；
• MySQL在启动的时候，一定会预先申请一批内存空间；

2.MySQL中的数据管理

• mysql page单位为16KB，Linux kernel page单位为4KB，磁盘扇区单位为512B，他们之间的数据读取关系如下图所示：
  
• 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。
• 而只要涉及计算，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的时候，在服务器内部，就申请了被称为Buffer Pool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。
• 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，因此为了更高的效率，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.索引案例

建立测试表：

create table if not exists user (
id int primary key, --一定要添加主键，只有这样才会默认生成主键索引
age int not null,
name varchar(16) not null
);
mysql> show create table user \G
*************************** 1. row ***************************
Table: user
Create Table: CREATE TABLE `user` (
`id` int(11) NOT NULL,
`age` int(11) NOT NULL,
`name` varchar(16) NOT NULL,
PRIMARY KEY (`id`)
) ENGINE=InnoDB DEFAULT CHARSET=utf8 --默认就是InnoDB存储引擎
1 row in set (0.00 sec)

插入多条记录：

mysql> insert into user (id, age, name) values(3, 18, '杨过');
Query OK, 1 row affected (0.01 sec)
mysql> insert into user (id, age, name) values(4, 16, '小龙女');
Query OK, 1 row affected (0.00 sec)
mysql> insert into user (id, age, name) values(2, 26, '黄蓉');
Query OK, 1 row affected (0.01 sec)
mysql> insert into user (id, age, name) values(5, 36, '郭靖');
Query OK, 1 row affected (0.00 sec)
mysql> insert into user (id, age, name) values(1, 56, '欧阳锋');
Query OK, 1 row affected (0.00 sec)

• 我们并没有按照主键的大小顺序插入；

查看插入结果：

mysql> select * from user; 
+----+-----+-----------+
| id | age | name |
+----+-----+-----------+
| 1 | 56 | 欧阳锋 |
| 2 | 26 | 黄蓉 |
| 3 | 18 | 杨过 |
| 4 | 16 | 小龙女 |
| 5 | 36 | 郭靖 |
+----+-----+-----------+
5 rows in set (0.00 sec)

• 可以看出查询结果是按照主键排好序的；

2.单页mysql 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，再组织，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；

• 单个page的结构：
  
  一个page的单位是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。
  • 排序的目的：
    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。

3.管理多个mysql page

• 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，效率很低。
  

页目录

• 看书的时候，前面会有页目录，来指向每一个章节的起始页码；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”；

单页情况：

• 针对上面的单页Page，我们能否也可以引入目录；
  
  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。
  因此，MySQL 会通过键值自动排序的原因就是：可以很方便引入目录

多页情况：
当MySQL 中有多个页来存储数据，使用链表结构管理这些page，在上面说过效率是很低的，对于多页结构，同样可以引入目录对页进行管理：

• 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。
  
• 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。

但是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；

• 可以再增加目录页，对这些目录页进行管理：
  
• 这种数据结构就是B+树；
• 选择B+树的原因：
  • 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
• 具有主键的表，一表就是一颗B+树；
• 没有主键的表，目前我们认为是所有的数据是线性组织的。(但是，如果表中没有主键，mysql 会自动形成隐藏主键)
• B+中所有的叶子节点路上节点，不需要全部加载到内存，可以按需进行load mysql page；

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。
查找的时候，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;
页目录里面，不存数据，16KB的空间全都可以保存目录的映射，可以管理很多的下级page，会使整棵树的结构变得矮胖，有效减少了IO的次数；

4.B+树和B树

• B树：
  

• B+树：
  

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；

选择B+树的原因：

1. 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；
2. 叶子节点相连，更便于进行范围查找；

5.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。
可以从Linux中MySQL的文件目录中看出：

两种引擎的数据库创建的文件数量不一致；

• 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；
• 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；
  
• 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：
  
  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。

六、索引操作

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));

• 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));

• 第三种方式：
  创建表以后再添加主键；

create table user3(id int, name varchar(30));
alter table user3 add primary key(id);

主键索引的特点：

1. 一个表中，最多有一个主键索引，当然可以使用复合主键；
2. 主键索引的效率高（主键不可重复）；
3. 创建主键索引的列，它的值不能为null，且不能重复；
4. 主键索引的列基本上是int；

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：
  创建表以后再添加主键；

create table user6(id int primary key, name varchar(30)）；
alter table user6 add unique(name);

唯一索引的特点：

1. 一个表中，可以有多个唯一索引；
2. 查询效率高；
3. 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；
4. 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

• 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) --在表的定义最后，指定某列为索引
);

• 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);

• 第三种方式：
  创建完表以后指定某列为普通索引， 可以给索引命名；

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);

这样会重命名索引属性的key_name属性，如果没有重命名，一般key_name和列名是一致的；

普通索引的特点：

1. 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；
2. 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)。

创建数据库并插入数据，设置title和body的全文索引：

CREATE TABLE articles (
id INT UNSIGNED AUTO_INCREMENT NOT NULL PRIMARY KEY,
title VARCHAR(200),
body TEXT,
FULLTEXT (title,body) -- 指定全文索引
)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：
  
  可以用explain工具看一下，是否使用到索引；
  
• 使用全文索引：
  
  通过explain来分析这个sql语句：
  

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（信息比较简略）：

desc 表名;

6.删除索引

• 第一种方法 – 删除主键索引：

alter table 表名 drop primary key;

• 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 keys from 表名中的 Key_name 字段;

• ==第三种方法： ==

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.复合索引

创建复合索引，同时用name和qq作为索引，但是只创建一颗B+树；

查看复合索引属性：

索引名都是myindex；

复合索引的好处是：

• 查询条件是name，select想要取出的数据是qq，查到name后就直接返回qq就可以，不用像普通索引一样，再去主键的B+树中再次查找qq，这就是索引覆盖；

最左匹配原则：

• 复合索引查询的时候，一般是按照从左向右匹配的；