MySQL 索引

原文《MySQL实战45讲》

前言

在日常工作中经常接触到数据库索引，但到底什么是索引，索引又是如何工作的呢？ 索引的出现其实就是为了提高数据查询的效率，就像书的目录一样。一本500页的书，如果你想快速找到其中的某一个知识点，在不借助目录的情况下，那只能一页一页的翻找。同样，对于数据库的表而言，索引就是它的”目录“。

索引的常见模型

实现索引的方式有很多种，所以这里引入了索引模型的概念。可以用于提高读写效率的数据结构有很多。这里先介绍三种比较常见且比较简单的数据结构，分别是哈希表、有序数组、搜索树。

哈希表

哈希表是一种以键-值（key-value）存储数据的结构。哈希的思路很简单，把值放在数组里，用一个哈希函数把key换算成一个确定的位置，然后把value放在数组的这个位置。不可避免，可能会出现多个不同的key经过哈希函数的换算后得到了同样的value的情况。处理这种情况的一种方法是，拉出一个链表。假设，现在维护着一个身份证信息和姓名的表，需要根据身份证号查找对应的名字，这时对于的哈希索引的示意图如下： 需注意的是，由于该模型新增数据的速度很快，因为需要往后追加。但缺点是，因为不是有序的，所以哈希索引做区间查询的速度很慢，需要全表扫描。所以哈希表这种结构适用于只有等值查询的场景。

有序数组

而有序数组在等职查询和范围查询场景中的性能就都非常优秀。还是用上面身份证号查询名字的例子，如果使用有序数组实现的话，示意图如下： 由于数组是按照身份证号递增的顺序保存的，所以使用二分法可以快速的根据身份证号查询名字，时间复杂度为 O(log(N))。有序数组的查询效率非常高，但是，在更新数据的时候就麻烦了，往中间插入一个记录，就必须得挪动后面所有的记录。所以，有序数组只使用于静态存储引擎，比如你要保存的是2017年某个程释的所有人口信息，这类不会再修改的数据。

二叉搜索树

第三种就是二叉搜索树了，还是上面的例子，示意图如下： 二叉搜索树的特点是：每个节点的左儿子小于父节点，父节点又小于右儿子。这种结构根据身份证号查询名字的时间复杂度是O(log(N))。更新的时候，需要保持这棵树是平衡二叉树，所以更新的时间复杂度也是O(log(N))。为了维持O(log(N))的查询复杂度，做更新操作时就需要保证这棵树是平衡二叉树。为了做这个保证，更新的时间复杂度也是O(log(N))。二叉树的搜索效率是最高的，但是实际上大多数的数据库存储却不使用二叉树。其原因是，索引不只存在内存中，还要写到磁盘上。由于每个节点最多只有两个子节点，数据多的时候，树高会比较高。如100万节点的平衡二叉树，树高20（计算公式为：节点数 = 2 ^ 树高 - 1）。也就是说，一次查询可能需要访问20个数据块。 为了让一个查询尽量少的读磁盘，就必须让查询过程访问尽量少的数据库。所以，数据库索引存储使用的是 ”N叉树“，”N“取决于数据块的大小。 InnoDB的一个整数字段索引为例，这个N差不多是1200。这个树高为4的时候，就可以存1200的3次方个值，这已经17亿了。考虑到树根的数据块总是存在内存中，一个10亿行的表上一个整数字段的索引，查询一个值最多只要访问3次磁盘。同时，树的第二层页由很大概率存在内存中，那么访问磁盘的平均次数就更少了。

4. 其他的数据结构：跳表、LSM树等

InnoDB的索引模型

由于MySQL的索引是存储引擎层实现的，所以不同的存储引擎的索引工作方式并不一样。此处以InnoDB为例，分析InnoDB的索引模型。 在InnoDB的中，表都是根据主键顺序以索引的形式存放的，这种存储方式的表称为缩影组织表。又因为前面我们提到的，InnoDB使用了B+树索引模型，所以数据都是存储在B+树中的。每一个 索引在InnoDB中对应一棵B+树。 索引类型分为主键索引和非主键索引。主键索引的叶子节点存的是整行数据。在InnoDB里，主键索引也被称为聚簇索引。非主键索引的叶子节点内容是主键的值。在InnoDB里，非主键索引也被称为二级索引。

主键索引与普通索引在查询上有什么区别？

1. 如果语句是根据主键查询，则只需要搜索主键索引对于的B+树；
2. 如果语句是根据普通索引查询，则需要先搜索普通索引对的索引树，得到主键索引的key，再从主键索引树得到数据，这个过程称为回表。

索引维护

假设，表结构如下，表中R1~R5的（ID，k）值分别为（100，1）、（200，2）、（300，3）、（400，4）、（500，5）、（600，6）；

mysql> create table T(
id int primary key, 
k int not null, 
name varchar(16),
index (k)
)engine=InnoDB;

B+树为了维护索引有序性，在插入新值的时候需要做必要的维护。如果插入新的行ID值为700，则只需要在R5的记录上插入一个 新的记录。如果新插入的ID值为400，就需要逻辑上挪动后面的数据，腾出位置。假如R5坐在的数据页已经满了，根据B+树的算法，这个时候需要申请一个新的 数据页，然后挪动部分数据过去，这个过程称为页分裂。在这种情况下，性能自然会受影响，除了性能外，页分裂操作还影响数据页的利用率。原本放在一个页的数据，现在分到两个页中，整体空间利用率降低大约50%。当然，有分裂，就有合并，当相邻的两个页由于删除了数据，利用率很低之后，会将数据页做合并。合并的过程，可以认为是分裂过程的逆过程。

注意

1. 由于普通索引存储的是主键索引的key，所以，主键长度越小，普通索引的叶子节点就越小，普通索引占用的空间也就越小。从性能和储存空间方面考量，自增主键往往是更合理的选择。
2. 索引可能因为删除，或者页分裂等原因，导致数据页有空洞，重建索引的过程会创建一个新的索引，把数据按顺序插入，这样页面的利用率最高，也就是索引更紧凑、更省空间。

alter table T engine=InnoDB;

MySQL索引有关的概念

回表

我们一起来看一下这个SQL查询语句的执行流程： select * from T where k between 3 and 5；

1. 在 k 索引树上找到 k=3 的记录，取得 ID = 300；
2. 再到 ID 索引树查到 ID=300 对应的 R3；
3. k 索引树取下一个值 k=5，取得 ID=500；
4. 再回到 ID 索引树查到 ID=500 对应的 R4；
5. 在 k 索引树取下一个值 k=6，不满足条件，循环结束；

在这个过程中，回到主键索引搜索的过程，我们称为回表。这个查询过程，读了k索引树的3条记录(步骤1、3、5)，回表了两次（步骤2、4）。

覆盖索引

就上面的例子，如果SQL改为 ： select ID from T where k between 3 and 5，这时只需要查ID的值，而ID的值已经在k索引树上了，因此可以直接提供查询结果，不需要回表。也就是说，在这个查询里面，索引k已经覆盖了我们的查询需求，我们称为覆盖索引。 由于覆盖索引可以减少树的搜索次数，显著提升查询性能，所以使用覆盖索引是一个常用的性能优化手段。

最左前缀原则

B+ 树这种索引结构，可以利用索引的“最左前缀”，来定位记录。不只是索引的全部定义，只要满足最左前缀，就可以利用索引来加速检索。这个最左前缀可以是联合索引的最左 N 个字段，也可以是字符串索引的最左 M 个字符。 在建立联合索引的时候，如何安排索引内的字段顺序：

1. 第一原则是，如果通过调整顺序，可以少维护一个索引，那么这个顺序往往就是需要优先考虑采用的。
2. 存储空间：字段 A 是比 B 字段大的 ，那我就建议你创建一个（A, B) 的联合索引和一个(B) 的单字段索引。

索引下推

上一段我们说到满足最左前缀原则的时候，最左前缀可以用于在索引中定位记录。这时，你可能要问，那些不符合最左前缀的部分，会怎么样呢？ 以市民表的联合索引（name, age）为例，如果现在有一个需求：检索出表中“名字第一个字是张，而且年龄是 10 岁的所有男孩”。那么，SQL 语句是这么写的：

mysql> select * from tuser where name like '张 %' and age=10 and ismale=1;

1. 在 MySQL 5.6 之前，只能从 ID3 开始一个个回表。到主键索引上找出数据行，再对比字段值。
2. 而 MySQL 5.6 引入的索引下推优化（index condition pushdown)，可以在索引遍历过程中，对索引中包含的字段先做判断，直接过滤掉不满足条件的记录，减少回表次数。