【MySQL】索引

1 🍑索引概念🍑

索引：提高数据库的性能。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)

2 🍑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，如何提交效率，是 MySQL 的一个重要话题。

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。

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？
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。所以，系统读取磁盘，是以块为单位的，基本单位是 4KB 。

• 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。

3 🍑MySQL 与磁盘交互基本单位🍑

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 .
我们可以来查看一下：

mysql> SHOW GLOBAL STATUS LIKE 'innodb_page_size';
+------------------+-------+
| Variable_name    | Value |
+------------------+-------+
| Innodb_page_size | 16384 |
+------------------+-------+
1 row in set (0.00 sec)

上面16384 = 1024 * 16
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。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）

4 🍑索引的理解🍑

4.1 🍎测试现象🍎

我们先统一以InnoDB作为演示：
建立测试表：

create table user (
id int primary key,
age int not null,
name varchar(16) not null
);

插入数据：
注意我们在插入的时候id是无序的。
当我们查看结果时：

mysql> select * from user;
+----+-----+-----------+
| id | age | name      |
+----+-----+-----------+
|  1 |  16 | 魂灭生    |
|  2 |  16 | 美杜莎    |
|  3 |  16 | 萧薰儿    |
|  4 |  16 | 云韵      |
|  5 |  16 | 小医仙    |
|  6 |  18 | 萧炎      |
+----+-----+-----------+
6 rows in set (0.00 sec)

我们发现居然是id居然是有序的。为什么呢？先中断一下，我们后面再来回答。

4.2 🍎Page🍎

4.2.1 🍋单页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由一个或者多个Page构成的。

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。
现在再来回答，为什么数据库在插入数据时要对主键列进行排序呢？

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。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。

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。

所以我们引入了目录：
我们通过将主键进行排序其实也是为了更加方便引入目录。

4.2.2 🍋多页Page🍋

通过上面的方式我们解决了在单页目录下的查询效率问题，但是我们知道page是有很多的，我们查找效率其实仍然没有得到很大的提升，所以我们还可以使用多级目录。

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。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。
通过对上面结构的观察我们不难得出其实上面就是一颗B+树。

我们来总结下：

• 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，大大减少了IO次数.

4.3 🍎InnoDB在建立索引结构来管理数据时可以使用其他数据结构吗？🍎

• 可以使用链表，线性遍历吗？

不能，使用链表的效率太低了，需要一 一遍历。

• 可以使用二叉搜索树吗？

不能，二叉搜索树可能退化成线性结构。

• AVL树和红黑树可以吗？

虽然 AVL树和红黑树近似平衡，但是树的结构相对来说是比较高的，而B+树的结构是偏向于矮胖型，自顶向下寻找时系统与磁盘进行IO的次数会降低，提升效率。

• 可以使用Hash吗？

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根据其算法特征，决定了虽然有时候也很快(O(1))，但是在面对范围查找就明显不行。

• 可以使用B树吗？

在回答这个问题之前，我们先来了解了解B树与B+树结构各自的特点：
B树：
B+树：

其实从图中我们能够清晰的看到：B树中每一个结点都存储了数据，而B+树中只有叶子节点才存储数据，而非叶子结点(目录页)都是记录着关键字与数据页的映射。B树同层次结点没有相连，而B+树叶子结点是关联着的。
所以我们现在来回答为什么 InnoDB在建立索引结构用的是B+树而不是B树?
因为B+树：

• 非叶子节点不存储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。

4.4 🍎聚簇索引 和 非聚簇索引🍎

4.4.1 🍋MyISAM 存储引擎🍋

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。

4.4.2 🍋InnoDB 存储引擎🍋

InnoDB最大特点是将索引和数据放在一起的。

我们来对比下 MyISAM 和 InnoDB
MyISAM：

mysql> create database myisam_test;
Query OK, 1 row affected (0.00 sec)

mysql> use myisam_test;

mysql> create table mtest(
    -> id int primary key,
    -> name varchar(11) not null
    -> )engine=MyISAM;
Query OK, 0 rows affected (0.00 sec)

此时我们查看myisam_test数据库：

其中：

• mtest.frm :表结构数据；
• mtest.MYD:该表对应的数据，当前没有数据，所以是0；
• mtest.MYI :该表对应的主键索引数据。

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。

InnoDB：

mysql> create database innodb_test;
Query OK, 1 row affected (0.00 sec)

mysql> use innodb_test;
Database changed
mysql> create table itest(
    -> id int primary key,
    -> name varchar(11) not null
    -> )engine=InnoDB;
Query OK, 0 rows affected (0.01 sec)

• itest.frm ：表结构数据；
• itest.ibd ：该表对应的主键索引和用户数据，虽然现在一行数据没有，但是该表并不为0，因为有主键索引数据。

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。

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:
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：

我们发现 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。这样做其实也很好理解，因为我们如果让普通索引的叶子结点也带上数据的话其实是会有大量的重复数据的，进而浪费了大量的空间。

5 🍑索引操作🍑

5.1 🍎创建主键索引🍎

语法：

• 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：

• 一个表中，最多有一个主键索引，当然可以使复合主键；
• 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整形。

5.2 🍎唯一索引的创建🍎

语法：

• 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唯一键)：

create table user5(
id int primary key, 
name varchar(30), 
unique(name)
);

• 第三种方式(创建表以后再添加唯一键)：

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；

5.3 🍎普通索引的创建🍎

语法：

• 第一种方式(在表的定义最后，指定某列为索引)：

create table user7(
id int primary key,
name varchar(20),
email varchar(30),
index(name) 
);

• 第二种方式(创建完表以后指定某列为普通索引)：

create table user8(
id int primary key, 
name varchar(20), 
emailvarchar(30)
);
alter table user9 add index(name); 

• 第三种方式(创建一个索引名为 idx_name 的索引)：

create table user9(
id int primary key, 
name varchar(20), 
email varchar(30)
);
create index idx_name on user9(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.

5.4 🍎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)。

案例：

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 ***parison ...'),
('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

mysql>  select * from articles where body like '%database%';
+----+-------------------+------------------------------------------+
| id | title             | body                                     |
+----+-------------------+------------------------------------------+
|  1 | MySQL Tutorial    | DBMS stands for DataBase ...             |
|  5 | MySQL vs. YourSQL | In the following database ***parison ... |
+----+-------------------+------------------------------------------+
2 rows in set (0.00 sec)

可以用explain工具看一下，是否使用到索引：
如何使用全文索引呢？

mysql>  SELECT * FROM articles WHERE MATCH (title,body) AGAINST ('database');
+----+-------------------+------------------------------------------+
| id | title             | body                                     |
+----+-------------------+------------------------------------------+
|  5 | MySQL vs. YourSQL | In the following database ***parison ... |
|  1 | MySQL Tutorial    | DBMS stands for DataBase ...             |
+----+-------------------+------------------------------------------+
2 rows in set (0.00 sec)

通过explain来分析这个sql语句：

explain SELECT * FROM articles WHERE MATCH (title,body) AGAINST ('database')\G

5.5 🍎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:

5.6 🍎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;

• 其他方法：

drop index 索引名 on 表名

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；
• 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。

5.7 🍎复合索引🍎

如果where条件中使用到多个字段，并且需要对多个字段建立索引，此时就可以考虑采用复合索引（组合索引）。比如查询地址时需要输入省、市，那么在省、市上建立索引，当数据量大时会明显提高查询速度。
组合索引有啥优势呢？

减少查询开销：建立复合索引（c1,c2,c3），实际上相当于建立了（c1）,（c1,c2）,（c1,c2,c3）三个索引。对于大表来说，可以极大减少开销。
覆盖索引：MySQL可以直接通过遍历索引取得数据，而无需回表，减少了很多的随机io操作。
效率高：索引列越多，通过索引筛选出来的数据就越少，从而提升查询效率。

缺点：

索引字段越多，创建的索引越多，每个索引都会增加磁盘空间的开销；
索引越多对查询效率提升越高，但对需要更新索引的增删改操作会有效率影响；

复合索引使用建议：单表最好不要超过1个复合索引，单个复合索引最好不超过3个字段。一旦超过，就需要考虑必要性和是否有其他替代方案。

最左匹配原则
复合索引遵从最左匹配原则，顾名思义，在组合索引中，最左侧的字段优先匹配。因此，在创建组合索引时，where子句中使用最频繁的字段放在组合索引的最左侧。

辅助索引是B+树实现的，虽然可以指定多个列，但是每个列的比较优先级不一样，写在前面的优先比较高。一旦出现遗漏，在B+树上就无法继续搜索了（通过补齐等措施解决的除外），因此是按照最左连续匹配来的。既然是在B+树上搜索，对于条件的比较自然是要求精确匹配（即=和IN）。

在where子句中用到两个字段c1和c2，那么创建索引时，两个字段的顺序应该是（c1，c2）还是（c2，c1）呢？

正确的做法是：把重复值最少的放前面。比如，95%的值都不重复，则可考虑放最前面。

覆盖索引
就是select的数据列只用从索引中就能够取得，不必从数据表中读取，换句话说查询列要被所使用的索引覆盖。