MySQL索引結構實例分析

這篇文章主要講解了“MySQL索引結構實例分析”，文中的講解內容簡單清晰，易于學習與理解，下面請大家跟著小編的思路慢慢深入，一起來研究和學習“MySQL索引結構實例分析”吧！

簡介

在數據之外，數據庫系統(tǒng)還維護著滿足特定查找算法的數據結構，這些數據結構以某種方式引用（指向）數據，這樣就可以在這些數據結構上實現(xiàn)高級查找算法。這種數據結構，就是索引。

一般來說索引本身也很大，不可能全部存儲在內存中，因此索引往往以索引文件的形式存儲的磁盤上。

優(yōu)點：

1、類似大學圖書館建書目索引，提高數據檢索的效率，降低數據庫的IO成本。

2、通過索引列對數據進行排序，降低數據排序的成本，降低了CPU的消耗。

缺點：

1、雖然索引大大提高了查詢速度，同時卻會降低更新表的速度，如對表進行INSERT、UPDATE和DELETE。因為更新表時，MySQL不僅要保存數據，還要保存一下索引文件。每次更新添加了索引列的字段，都會調整因為更新所帶來的鍵值變化后的索引信息。

2、實際上索引也是一張表，該表保存了主鍵與索引字段，并指向實體表的記錄，所以索引列也是要占用空間的

索引舉例：（用樹結構做索引）

左邊是數據表，一共有兩列七條記錄，最左邊的是數據記錄的物理地址。

為了加快Col2的查找，可以維護一個右邊所示的二叉查找樹，每個節(jié)點分別包含索引鍵值和一個指向對應數據記錄物理地址的指針，這樣就可以運用二叉查找在一定的復雜度內獲取到相應數據，從而快速的檢索出符合條件的記錄。

索引結構（樹）

如何通過索引加快數據庫表的查詢速度呢？為了方便講解，我們限定于數據庫表只包含下面這樣兩個查詢需求：

1、select* from user where id=1234；

2、select *from user where id>1234 and id<2345;（按區(qū)間）

為什么用樹，而不用哈希表

哈希表按值查詢的性能很好，時間復雜度是O(1)，但它不能支持按照區(qū)間快速查找數據，因此無法滿足要求。同理，盡管平衡二叉查找樹查詢性能很高，時間復雜度為O(logn)，而且對樹進行中序遍歷，可以輸出有序的數據序列，但也無法滿足按照區(qū)間快速查找數據的需求。

為了支持按照區(qū)間快速查找數據，我們對二叉查找樹進行改造，將二叉查找樹的葉子節(jié)點用鏈表串起來，如果要查找某個區(qū)間的數據，只需要用區(qū)間的起始值，在樹中進行查找，當定位到有序鏈表中的某個節(jié)點之后，再從這個節(jié)點開始順著有序鏈表往后遍歷，直到有序鏈表中的節(jié)點數據值大于區(qū)間終止值為止。

又因為樹上的很多操作的時間復雜程度與樹的高度成正比，降低的樹的高度，就能減少磁盤IO操作。因此我們把索引構建成m叉樹（m>2），詳細介紹可看后文。

BTree索引

在介紹B+樹之前，先來了解一下B樹。

1、初始化介紹

一顆b樹，淺藍色的塊我們稱之為一個磁盤塊，可以看到每個磁盤塊包含幾個數據項（深藍色所示）和指針（黃色所示），如磁盤塊1包含數據項17和35，包含指針P1、P2、P3。P1表示小于17的磁盤塊，P2表示在17和35之間的磁盤塊，P3表示大于35的磁盤塊。

注意：

真實的數據只存在于葉子節(jié)點，即3、5、9、10、13、15、28、29、36、60、75、79、90、99。（而且是多條數據組成的數據區(qū)間：3~ 5，… … ，90~ 99）

非葉子節(jié)點不存儲真實的數據，只存儲指引搜索方向的數據項，如17、35并不真實存在于數據表中。

2、查找過程

如果要查找數據項29，那么首先會把磁盤塊1由磁盤加載到內存，此時發(fā)生一次IO，在內存中用二分查找確定29在17和35之間，鎖定磁盤塊1的P2指針，內存時間因為非常短（相比磁盤的IO）可以忽略不計，通過磁盤塊1的P2指針的磁盤地址把磁盤塊3由磁盤加載到內存，發(fā)生第二次IO，29在26和30之間，鎖定磁盤塊3的P2指針，通過指針加載磁盤塊8到內存，發(fā)生第三次IO，同時內存中做二分查找找到29，結束查詢，總計三次IO。

B+Tree索引

B+樹和B樹類似，B+樹是B樹的改進版。 即：m叉查找樹與有序鏈表構建成的樹就是B+樹，也就是要存儲的樹索引

如圖：B+樹和B樹的主要區(qū)別有以下兩點：

1、B+樹的葉子節(jié)點用鏈表來串聯(lián)。 查找某個區(qū)間的數據，只需要用區(qū)間的起始值，在樹中進行查找，當定位到有序鏈表中的某個節(jié)點之后，再從這個節(jié)點開始順著有序鏈表往后遍歷，直到有序鏈表中的節(jié)點數據值大于區(qū)間終止值為止。

2、B+樹中的任何節(jié)點都不存儲真實數據，只是用來索引。 B樹直接通過葉子節(jié)點獲取到數據；而B+樹每個葉子節(jié)點存儲數據行的鍵值和地址信息，當查詢到某個葉子節(jié)點時，通過葉子節(jié)點的地址找到真實的數據信息。

聚簇索引與非聚簇索引

聚簇索引并不是一種單獨的索引類型，而是一種數據存儲方式。 術語‘聚簇’表示數據行和相鄰的鍵值聚簇的存儲在一起。

聚簇索引的好處：

按照聚簇索引排列順序，查詢顯示一定范圍數據的時候，由于數據都是緊密相連，數據庫不不用從多個數據塊中提取數據，所以節(jié)省了大量的io操作。

聚簇索引的限制：

1、對于mysql數據庫目前只有innodb數據引擎支持聚簇索引，而Myisam并不支持聚簇索引。

2、由于數據物理存儲排序方式只能有一種，所以每個Mysql的表只能有一個聚簇索引。一般情況下就是該表的主鍵。

3、為了充分利用聚簇索引的聚簇的特性，所以innodb表的主鍵列盡量選用有序的順序id，而不建議用無序的id，比如uuid這種。

如下圖，左側的索引就是聚簇索引，因為數據行在磁盤的排列和索引排序保持一致。

索引分類

單值索引

即一個索引只包含單個列，一個表可以有多個單列索引

隨表一起建索引：
CREATE TABLE customer (
id INT(10) UNSIGNED  AUTO_INCREMENT ,
customer_no VARCHAR(200),
customer_name VARCHAR(200),
PRIMARY KEY(id),
KEY (customer_name)
);
 
單獨建單值索引：
CREATE  INDEX idx_customer_name ON customer(customer_name); 
 
刪除索引：
DROP INDEX idx_customer_name  on customer;

唯一索引

索引列的值必須唯一，但允許有空值

隨表一起建索引：
CREATE TABLE customer (
id INT(10) UNSIGNED  AUTO_INCREMENT ,
customer_no VARCHAR(200),
customer_name VARCHAR(200),
  PRIMARY KEY(id),
  KEY (customer_name),
  UNIQUE (customer_no)
);
  
單獨建唯一索引：
CREATE UNIQUE INDEX idx_customer_no ON customer(customer_no); 
 
刪除索引：
DROP INDEX idx_customer_no on customer ;

主鍵索引

設定為主鍵后數據庫會自動建立索引，innodb為聚簇索引

隨表一起建索引：
CREATE TABLE customer (
id INT(10) UNSIGNED  AUTO_INCREMENT ,
customer_no VARCHAR(200),
customer_name VARCHAR(200),
  PRIMARY KEY(id) 
);
   
CREATE TABLE customer2 (
id INT(10) UNSIGNED   ,
customer_no VARCHAR(200),
customer_name VARCHAR(200),
  PRIMARY KEY(id) 
);
 
 單獨建主鍵索引：
ALTER TABLE customer 
 add PRIMARY KEY customer(customer_no);  
 
刪除建主鍵索引：
ALTER TABLE customer 
 drop PRIMARY KEY ;  
 
修改建主鍵索引：
必須先刪除掉(drop)原索引，再新建(add)索引

復合索引

即一個索引包含多個列

隨表一起建索引：
CREATE TABLE customer (
id INT(10) UNSIGNED  AUTO_INCREMENT ,
customer_no VARCHAR(200),
customer_name VARCHAR(200),
  PRIMARY KEY(id),
  KEY (customer_name),
  UNIQUE (customer_name),
  KEY (customer_no,customer_name)
);
 
單獨建索引：
CREATE  INDEX idx_no_name ON customer(customer_no,customer_name); 
 
刪除索引：
DROP INDEX idx_no_name  on customer ;

性能分析

索引創(chuàng)建場景

哪些情況需要創(chuàng)建索引

1、主鍵自動建立唯一索引

2、頻繁作為查詢條件的字段應該創(chuàng)建索引

3、查詢中與其它表關聯(lián)的字段，外鍵關系建立索引

4、單鍵/組合索引的選擇問題， 組合索引性價比更高

5、查詢中排序的字段，排序字段若通過索引去訪問將大大提高排序速度

6、查詢中統(tǒng)計或者分組字段

哪些情況不要創(chuàng)建索引

1、表記錄太少

2、經常增刪改的表或者字段 原因：提高了查詢速度，同時卻會降低更新表的速度，如對表進行INSERT、UPDATE和DELETE。因為更新表時，MySQL不僅要保存數據，還要保存一下索引文件

3、Where條件里用不到的字段不創(chuàng)建索引

4、過濾性不好的不適合建索引

感謝各位的閱讀，以上就是“MySQL索引結構實例分析”的內容了，經過本文的學習后，相信大家對MySQL索引結構實例分析這一問題有了更深刻的體會，具體使用情況還需要大家實踐驗證。這里是億速云，小編將為大家推送更多相關知識點的文章，歡迎關注！