MySQL——索引

发布时间:2023年12月27日

目录

一.没有索引,可能会有什么问题

二.MySQL与存储

1.先来研究一下磁盘

2.MySQL与磁盘交互基本单位

3.建立共识与总结

三.索引的理解

三.索引操作

1.创建主键索引

2.唯一索引的创建?

3.普通索引的创建?

4.全文索引的创建

四.查询索引?

五.删除索引


一.没有索引,可能会有什么问题

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:

  1. 主键索引(primary key)
  2. 唯一索引(unique)
  3. 普通索引(index)
  4. 全文索引(fulltext)--解决中子文索引问题。

?案例:

先整一个海量表,在查询的时候,看看没有索引时有什么问题?

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.

数据库文件

使用命令source1导入数据库

source .sql文件路径

sql文件的内容大致就是插入8000000条数据。

插入的时候,可能需要花费好几分钟,多等一会即可。插入成功以后我们也就有了一个海量数据的表格。

查询员工编号为998877的员工:

我们进行四次查询,平均时间在6秒左右,这样的查询效率是我们不能容忍的,如果我们需要大量的这样的查询,更是非常的糟糕,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。

我们尝试加上索引:

对比发现加上索引知道的查询时间几乎为0.

二.MySQL与存储

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。

1.先来研究一下磁盘

在看看磁盘中一个盘片:

扇区:是磁盘上最小存储单位。

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。

注意:

  • 从上图可以看出来,在半径方向上,距离圆心越近,扇区越小,距离圆心越远,扇区越大。
  • 那么,所有扇区都是默认512字节吗?目前是的,我们也这样认为。因为保证一个扇区多大,是由比特位密度决定的。
  • 不过最新的磁盘技术,已经慢慢的让扇区大小不同了,不过我们现在暂时不考虑。

我们在使用Linux,所看到的大部分目录或者文件,其实就是保存在硬盘当中的。(当然,有一些内存文件系统,如: proc , sys 之类,我们不考虑) 。

当我们使用MySQL客户端输入一个创建数据库的指令,实际上在MySQL服务端的磁盘上就会对应的创建一个数据库文件,数据库文件本质就是一个文件,存储的路径是:/var/lib/mysql

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:

  1. 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 。
  2. 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。
  3. 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。不过,我们现在不关心转化细节,知道这个东西,让我们逻辑自洽起来即可。

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

  1. 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
  2. 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。
  3. 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。

故,系统读取磁盘,是以块为单位的,基本单位是 4KB 。?

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。

2.MySQL与磁盘交互基本单位

而 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 (后面统一使用 InnoDB 存储引擎讲解)

?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)。

3.建立共识与总结

  • 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 大的内存空间,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。
  • 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。

Buffer Pool的大小实际就是128M。

三.索引的理解

建立测试表:

create table user( id int primary key, age int, name varchar(20) );

插入多条记录 :

注意,我们并没有按照主键的大小顺序插入哦.

insert into user (id, age, name) values(3, 18, '杨过');
insert into user (id, age, name) values(4, 16, '小龙女');
insert into user (id, age, name) values(2, 26, '黄蓉');
insert into user (id, age, name) values(5, 36, '郭靖');
insert into user (id, age, name) values(1, 56, '欧阳锋');

发现竟然默认是有序的!是谁干的呢?排序有什么好处呢??

解释上面的现象之前我们先了解一下为何IO交互要是 Page.

为何MySQL和磁盘进行IO交互的时候,要采用Page的方案进行交互呢?用多少,加载多少不香吗?
如上面的5条记录,如果MySQL要查找id=2的记录,第一次加载id=1,第二次加载id=2,一次一条记录,那么就需要2次IO。如果要找id=5,那么就需要5次IO。
但,如果这5条(或者更多)都被保存在一个Page中(16KB,能保存很多记录),那么第一次IO查找id=2的时候,整个Page会被加载到MySQL的Buffer Pool中,这里完成了一次IO。

但是往后如果在查找id=1,3,4,5等,完全不需要进行IO了,而是直接在内存中进行了。所以,就在单Page里面,大大减少了IO的次数。你怎么保证,用户一定下次找的数据,就在这个Page里面?我们不能严格保证,但是有很大概率,因为有局部性原理。
往往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

理解单个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有一个或者多个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。

为什么数据库在插入数据时要对其进行排序呢?我们按正常顺序插入数据不是也挺好的吗?
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。
正式因为有序,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.

当一个表里面的数据非常多的时候,即使数据是有序存储的,再查找的效率上也是不理想的,但是我们基于有序可以实现目录结构,这种目录结构就是按照主键有序来进行分配的。

理解多个Page:

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结构:

页目录

我们在看《STL源码刨析》这本书的时候,如果我们要看<迭代器>,找到该章节有两种做法

  • 从头逐页的向后翻,直到找到目标内容。
  • 通过书提供的目录,发现迭代器章节在234页(假设),那么我们便直接翻到234页。同时,查找目录的方案,可以顺序找,不过因为目录肯定少,所以可以快速提高定位
  • 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”

对于mysql的单页page同样可以使用目录结构:

那么当前,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。现在我们可以再次正式回答上面的问题了,为何通过键值 MySQL 会自动排序??可以很方便引入目录

多页情况:

MySQL 中每一页的大小只有 16KB ,单个Page大小固定,所以随着数据量不断增大, 16KB 不可能存下所有的数据,那么必定会有多个页来存储数据。

在单表数据不断被插入的情况下, MySQL 会在容量不足的时候,自动开辟新的Page来保存新的数据,然后通过指针的方式,将所有的Page组织起来。

在单表数据不断被插入的情况下, MySQL 会在容量不足的时候,自动开辟新的Page来保存新的数据,然后通过指针的方式,将所有的Page组织起来。

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。

可是,我们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?不用担心,可以在加目录页 ,直到最顶层只有一个页目录,也就是我们开始遍历的起点。

仔细就会发现我们给主键构建的一个目录结构来方便,高效的查找某一主键,这个结构非常像一颗树,其实这就是传说中的B+树啊!没错,至此,我们已经给我们的表user构建完了主键的索引构建。
随便找一个id=?我们发现,现在查找的Page数一定减少了,也就意味着IO次数减少了,那么效率也就提高了。

复盘一下:

  • 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

InnoDB 在建立索引结构来管理数据的时候,其他数据结构为何不行??

  • 链表?线性遍历。
  • 二叉搜索树?退化问题,可能退化成为线性结构。
  • AVL &&红黑树?虽然是平衡或者近似平衡,但是毕竟是二叉结构,相比较多阶B+,意味着树整体过高,大家都是自顶向下找,层高越低,意味着系统与硬盘更少的IO Page交互。虽然你很秀,但是有更秀的。
  • Hash?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跟进其算法特征,决定了虽然有时候也很快(O(1)),不过,在面对范围查找就明显不行,另外还有其他差别,有兴趣可以查一下。
  • B树?最值得比较的是 InnoDB 为何不用B树作为底层索引?

B树:

B+树:

目前这两棵树,对我们最有意义的区别是:

  1. 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
  2. B+叶子节点,全部相连,而B没有?

为何选择B+ :

  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。

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 MyISAM 索引, InnoDB 是将索引和数据放在一起的。

  • ?.frm ?--表结构数据。
  • .MYD ?--该表对应的数据,当前没有数据,所以是0。
  • .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。

  1. .frm ??--表结构数据。
  2. .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

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:

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 :

可以看到, 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。
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。?

三.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:

  • 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

创建表以后再添加unique唯一属性

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) 
);

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

创建一个索引名为 idx_name 的索引

create table user10(id int primary key, name varchar(20), email varchar(30));
create index user10_email on user10(email);

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)。

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:

如何使用全文索引呢??

SELECT * FROM articles WHERE MATCH (title,body) AGAINST ('database');

四.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;?

五.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。

 alter table user10 drop index user10_email;

第三种方法方法: drop index 索引名 on 表名。

drop index name on user6

索引创建原则

  1. 比较频繁作为查询条件的字段应该创建索引
  2. 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
  3. 更新非常频繁的字段不适合作创建索引
  4. 不会出现在where子句中的字段不该创建索引?
文章来源:https://blog.csdn.net/qq_63943454/article/details/135208249
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。