一网打尽！关于mysql索引的基础与高级知识都在这里了

本文取材于《高性能MySQL第三版》的第5章，由于索引使用了较多的比较复杂的数据结构，限于篇幅，本文仅对这些数据结构进行简单介绍，如果不清楚的可以自行查资料学习

当我们使用

select xx from table where id=x

的时候，不知道你有没有想过,MySql是如何进行查找操作的，今天我就关于这句话，来说说MySql的索引策略，

索引类型

b-Tree索引

• 介绍

  大多数MySql引擎都支持b-Tree索引，b-Tree是一种类似二叉平衡树(BST)的数据结构，如图
  

  不过，他是一种多叉树，查找方式和BST并无二致，区别在于他的所有叶子节点在同一高度，非常整齐。从根到叶节点进行搜索

  但是msyql中使用b+树，b+树和b树的关键区别是b树的路径记录了实际数据，但是b+树的路径没有关键值，只有索引，所有的数据由叶子节点指向，这样使得b+树每一层可以记录更多的索引，减小了层数，同时叶子节点相互连接，形成了链表，如图

  接下来我们来实践下

  CREATE TABLE People (
      last_name varchar(50) not null,
      first_name varchar(50) not null,
      dob date not null,
      gender enum('m', 'f') not null,
      key(last_name, first_name, dob)
  );
  

其中key(last_name, first_name, dob)表示将last_name, first_name, dob三列作为索引，根据最左优先，先排last_name，最后排dob，如下

在英语中，last_name第一个读，first_name第二个读，所以A字母开头的名先排，而Allen Cuba和Allen Kim的last_name一样，就比first_name，Cuba先排

• 限制

  相信你发现了，虽然b树和b+树可以保证查询速度，但是他们的索引限定了只能从最左边开始查找，上面的例子也表明，只能先last_name,再first_name,最后dob，如果想查dob则不得不对前两个还要进行查找，无法跳过

哈希索引

• 介绍

  哈希是大家的老朋友了，在java中的hashmap相信大家非常熟悉，简单介绍下

  hash维护了一个槽slot，一般是一个数组，放置每个要保存的数据的哈希码(hashcode)，hashcode的生成方式可自由选择，关键在于不同数据不能重复，一种常见的是ascii码累加形式

  比如

  "A"的hashcode就是97

  “AB"的hashcode就是97+98*27

  依次类推

  我们来实践一下

  CREATE TABLE testhash (
      fname VARCHAR(50) NOT NULL,
      lname VARCHAR(50) NOT NULL,
      KEY USING HASH(fname)
  ) ENGINE=MEMORY;
  

  

  进行插入

  

  假设下面的索引hashcode为下

  f(‘a’)= 2323
  f(‘c’)= 8784
  f(‘e’)= 7437

  则哈希索引的数据结构如下

  槽(Slot)	关键字(Key)	值(Value)
  2323	a	指向第一行的指针
  7437	e	指向第三行的指针
  8784	c	指向第二行的指针

  因为这是按hashcode从大到小排序，这里如果出现两个hashcode一样怎么办？

  这是著名的解决哈希冲突的问题，有分离链接法，开放定址法，双散列法等方法可以自己探索

  所以对于下面这行

   	SELECT lname FROM testhash WHERE fname='a';
  

  Mysql将先计算a的hashcode为2323，并使用这个值在记录中找到指向第一行的指针，取出第一行的值，就算完成了一次查找

• 限制

  1. hash结构查找快，在于他的散列，但是成也散列，败也散列，他无法对于数据排序，如果一个数据库只有哈希索引，那么他将无法进行order by操作

  2. 不支持比较查询，>,<,IN()都不行，也不支持范围查询

  3. 如果hashcode算法没选好，将会产生大量的冲突，不得不花费很多精力解决

空间数据索引 (R-Tree)

• 介绍

  顾名思义，这是以空间换时间的操作，通过全文索引的方式，可以从全部维度来查找数据，搜索引擎就是这么干的

  在MySql中，只有MyISAM引擎支持全文索引

  MyISAM的全文索引作用对象是一个“全文集合”，这可能是某个数据表的一列，也可能是多个列。具体的，对数据表的某一条记录，MySQL会将需要索引的列全部拼接成一个字符串，然后进行索引。
  MyISAM的全文索引是一类特殊的B-Tree索引，共有两层。第一层是所有关键字，然后对于每一个关键字的第二层，包含的是一组相关的“文档指针”

• 限制

  这种树的限制也是必然的，对于比较有规律的数据，用全文索引就太浪费了，比较适合搜索引擎使用

如何构造高性能索引

应该考虑的

实际上并没有什么万能之策，世界上的数据千奇百怪，每种数据的最好索引都是单独为其设置的，所以，在这里介绍构建高性能索的方法

逐步优化前缀索引

在b-Tree索引中，选择不同的顺序对搜索情况影响很大，除了顺序之外，对于单个的列作为前缀索引，到底设置多少长度也是一个需要考虑的问题，如图，左边是城市出现的次数，右边是城市

查找特定城市，到底要匹配多少个前缀字母呢？如果我们只匹配三个

发现数量前3个字母相同的远远超过城市，毕竟London是最多的，也才出现了65次，但是前缀为San的出现了483次？？显然，是因为前缀为San的城市太多了，经过比对，前7个字母作为前缀比较合适

当然了，也有例外情况，但是这样足以一下子确定大致区间，具体哪座城市，再在区间中匹配即可

<mark>此外还可以后缀（比如电子邮件），中缀（比如年月日中按星座查询）查询等，也可以将城市的ascii码来匹配，思路一样</mark>

覆盖索引

简单来说，就是索引包含了我们要查询的值，这样我们就没必要去查表了，直接查索引即可

CREATE TABLE t (
    id INT,
    name INT,
    age INT,
    sroce INT,
    address VARCHAR(20)
)

就拿这个表来说，如果我们判定我们只通过id和name来查人，那么我们只需要使用b-tree作为数据结构，将id,name放在叶子节点处即可

这也叫索引覆盖查询，这种方法没有任何缺点！！！

但是，显然有适用范围限制，对数据的规律性要求较高，尤其是对于hash索引这种不以b-tree为基础数据结构的，无法使用。不过可以对数据进行优化，使其满足使用覆盖索引的条件即可

压缩索引

这种方式准确来说叫“前缀压缩索引”

就是在前缀索引的基础上对前缀进行压缩处理，比如对于city的查找我们认为7个字母的前缀比较合适，但是这7个字母的排列是由规律的，比如什么San，Lon就出现得多，kkk就基本不会出现，假设就排了256中可能，那么理论上我们使用log₂(256)=8位bit就能表示完所有前缀，也就是只需要一个字节！

或许你已经想到了，具体压缩方法可以参考哈夫曼编码

但是这样会导致某些操作变慢，所以这是以时间换空间的操作，对于数据量过大的数据库，可以考虑使用，压缩算法好的话，甚至可以压缩90%，速度也不会慢太多

应该小心的

谨慎选择：多列单独的索引

顾名思义，在多个列上分别建立索引

代码执行如下

CREATE TABLE t (
    id INT,
    name INT,
    age INT,
    KEY(c1),
    KEY(c2),
    KEY(c3)
);

这样非常灵活，既可以按id查询，也可以按姓名查询，但是，这样将会导致很严重的性能问题

我们知道，一山不容二虎，总指挥只能有一个

1. 如果服务器对多列单独的索引进行AND操作，那么为什么不直接构建一个合并的多列索引？

2. 如果服务器对多列单独的索引进行OR操作，那么将会有大量CPU资源消耗在重复的搜索，还有缓存和排序

3. 优化器不会把上面的成本计算在内，因为他们关心的是读取的成本，而不是查询的成本

聚簇索引

什么是聚簇索引？一图胜千言

简单来说，聚簇索引中的叶子节点包含了行的全部数据，主键索引有一份，二级索引也有一份

这样子，有以下优点

1. 相关数据可以集中在一起，物理上也放一起，可以快速存取
2. 配合B-Tree使用，查询速度更快

当然，这显然是利用空间换时间的方法，缺点也很明显

1. 比较适用于I/O密集型应用，假如数据已经读取到内存了，聚簇索引不仅速度不快，还加载了太多的数据
2. 插入速度依赖于顺序，最好只通过主键插入数据到表
3. 数据存放僵化，不方便迁移和更新

这样可能还有点抽象，我们来看一个表

对于col1，我们按列值从小到大排序，也就是说 假设9999行的3最小，0行的99居中，9998行的4700最大

那么在MyISAM(非聚簇索引)的b-tree索引中，他是这样的

而在InnoDB(聚簇索引)的b-tree中，他是这样的

看到了吗，这里多了TID和RP队列和所有的剩余列（这里的剩余列指col2)，少了行号。

<mark>非聚簇索引告诉你你想要的值col，再给你个行号，其他东西你顺着这个行号找吧</mark>

<mark>聚簇索引则把所有的东西都给你了，放在叶节点中</mark>

所以看你这个数据是否是I/O密集型，选择聚簇还是非聚簇

冗余，重复索引和未使用的索引

两种索引有些区别

冗余索引：创建了(A,B)为索引，再创建A为索引，此时A就是冗余索引

重复索引：完全相同的索引

所以，当你要添加索引的时候，必须先确保既不是重复索引，也不是冗余索引，而且

应该尽量扩展原有的索引，而不是创建新的索引，可参考上面的“多列单独的索引”

未使用的索引：有些索引是无法用到的，完全是累赘，可以通过一些工具删除

索引和锁

为了避免脏读幻读不可重复读，参考这里：

每次读的时候数据库都会锁定相应的地方，优秀的锁一定是读什么锁什么，而差的往往会只读一行，却把整个表都锁住，所以，在保证正确的前提下，尽量减少锁的粒度和数量

InnoDB只有在访问行的时候才会对其加锁，而索引能够减少InnoDB访问的行数，从而减少锁的数量。但这只有当InnoDB在存储引擎层能够过滤掉所有不需要的行时才有效。如果索引无法过滤掉无效的行，那么在InnoDB检索到数据并返回给服务器层以后，MySQL服务器才能应用WHERE子句(19)。这时已经无法避免锁定行了：InnoDB已经锁住了这些行，到适当的时候才释放。

InnoDB在二级索引上使用共享（读）锁，但访问主键索引需要排他（写）锁。这消除了使用覆盖索引的可能性，并且使得SELECT FOR UPDATE比LOCK IN SHARE MODE或非锁定查询要慢很多。

总结

除了上面这些，同一章中还有维护索引和表，索引案例学习等大量内容，总的来说，索引是一个非常复杂的话题

为了保证其速度，存储空间，正确性，对表的影响都是可以接受的，设计索引的人员使用了很多种方法，设计了很多的数据结构。上面的这些方法或许终将被抛弃，但是下面的这些原则是不会变的

1. 单行访问是很慢的。特别是在机械硬盘存储中（SSD的随机I/O要快很多，不过这一点仍然成立）。如果服务器从存储中读取一个数据块只是为了获取其中一行，那么就浪费了很多工作。最好读取的块中能包含尽可能多所需要的行。使用索引可以创建位置引用以提升效率。

2. 按顺序访问范围数据是很快的，这有两个原因。第一，顺序I/O不需要多次磁盘寻道，所以比随机I/O要快很多（特别是对机械硬盘）。第二，如果服务器能够按需要顺序读取数据，那么就不再需要额外的排序操作，并且GROUP BY查询也无须再做排序和将行按组进行聚合计算了。

3. 索引覆盖查询是很快的。如果一个索引包含了查询需要的所有列，那么存储引擎就不需要再回表查找行。这避免了大量的单行访问，而上面的第1点已经写明单行访问是很慢的。

写在最后，作者是一个喜欢读书的人，尤其是社科和历史，觉得好的话可以关注一下【小松与蘑菇】公众号，编程是手段，生活幸福是目的，大家加油