聚簇索引

问题描述 一条 SQL 在数据库中是如何执行的呢 ？相信很多人都会对这个问题比较感兴趣。但是，感兴趣归感兴趣，你得去追呀，还臆想着她主动到你怀里来 ？ 一条 SQL 在数据库中的生命周期涵盖了 SQL 的词法解析、语法解析、权限检查、查询优化、SQL执行等一系列的步骤，是一个相当复杂的过程，不亚于你追她的艰苦历程，不是只言片语就说的完的。但是，大家先别紧张，上面说的那些了，今天一个也不讲，气不气 ？ 今天和大家一起来看一下 SQL 生命周期中比较有意思的一个环节 给定一条 SQL，如何提取其中的 where 条件 ？ where 条件中的每个子条件，在 SQL 执行的过程中有分别起着什么样的作用 ？ SQL 执行流程 这是 MySQL 数据库中 SQL 的执行流程，其他数据库应该类似 关系型数据库中的数据组织 关系型数据库中，数据组织涉及到两个最基本的结构：表与索引。表中存储的是完整数据记录，分为堆表和聚簇索引表；堆表中所有的记录无序存储，聚簇索引表中所有的记录则是按照记录主键进行排序存储。索引中存储的是完整记录的一个子集，用于加速记录的查询速度，索引的组织形式，一般均为B+树结构 MySQL 的 InnoDB 采用的是聚簇索引表，数据记录和索引是一起存储的，类似如下 InnoDB 二级索引（非聚簇索引）的结构与聚集索引的结构基本相同，只是叶子节点有些许差别

InnoDB索引的数据结构 InnoDB索引采用了B-Tree的数据结构，数据存储在叶子节点上，每个叶子节点默认的大小是16KB。 当新记录插入到InnoDB聚簇索引中时，如果按顺序插入索引记录（升序或降序），当达到叶子节点最大的容量时，下一条记录就会写到新的的页中。叶子节点可使用的容量为总容量的15/16，InnoDB会留1/16的空间，以备将来插入和更新索引记录时使用， 如果以随机顺序插入记录，则页面的容量为1/2到15/16之间。 你可以设置 innodb_page_size 来调整页的大小，支持 64KB, 32KB, 16KB (默认), 8KB, 和4KB。 索引的分类 InnoDB的索引类型分为 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（clustered index）。整张表的数据其实就是存储在聚簇索引中的， 聚簇索引就是表 。 如果没有设置主键怎么办呢？MySQL会自动选择一个可以唯一标识数据记录的列作为主键，如果不存在这种列，则MySQL自动为InnoDB表生成一个隐含字段作为主键。 聚簇索引结构如下图所示： 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（secondary index）。 二级索引的叶子节点中存的是主键的值 ，不是原始的数据

两大类索引 使用的存储引擎：MySQL5.7 InnoDB 聚簇索引 * 如果表设置了主键，则主键就是聚簇索引 * 如果表没有主键，则会默认第一个NOT NULL，且唯一（UNIQUE）的列作为聚簇索引 * 以上都没有，则会默认创建一个隐藏的row_id作为聚簇索引 由此可见，使用聚簇索引查询会很快，因为可以直接定位到行记录。 普通索引 InnoDB的普通索引叶子节点存储的是主键（聚簇索引）的值，而MyISAM的普通索引存储的是记录指针。 示例 建表 mysql> create table user( -> id int( 10 ) auto_increment, -> name varchar( 30 ), -> age tinyint( 4 ), -> primary key ( id ), -> index idx_age ( age ) -> )engine=innodb charset=utf8mb4 ; id 字段是聚簇索引，age 字段是普通索引（二级索引） 填充数据 insert into user(name,age) values( '张三' , 30 ); insert into user(name,age) values( '李四' , 20 ); insert into user(name,age) values( '王五' , 40 ); insert

文章来自何凳成博客 1 背景 MySQL/InnoDB 的加锁分析，一直是一个比较困难的话题。我在工作过程中，经常会有同事 咨询这方面的问题。同时，微博上也经常会收到MySQL 锁相关的私信，让我帮助解决一些 死锁的问题。本文，准备就MySQL/InnoDB 的加锁问题，展开较为深入的分析与讨论，主要 是介绍一种思路，运用此思路，拿到任何一条SQL 语句，就能完整的分析出这条语句会加 什么锁？会有什么样的使用风险？甚至是分析线上的一个死锁场景，了解死锁产生的原因。 注 ：MySQL 是一个支持插件式存储引擎的数据库系统。本文下面的所有介绍，都是基于InnoDB 存储引擎，其他引擎的表现，会有较大的区别。 1.1 MVCC：Snapshot Read vs Current Read MySQL InnoDB 存储引擎，实现的是基于多版本的并发控制协议——MVCC (Multi-Version Concurrency Control) (注：与MVCC相对的，是基于锁的并发控制，Lock-Based ConcurrencyControl)。MVCC 最大的好处，相信也是耳熟能详：读不加锁，读写不冲突。在读多些少的OLTP 应用中，读写不冲突是非常重要的，极大的增加了系统的并发性能，这也是为什么现阶段，几乎所有的 RDBMS，都支持了 MVCC。 在 MVCC 并发控制中

innodb 索引 索引是一颗B+tree（多路平衡查询树）。 B-tree 与B+tree区别 B-tree 每个节点从小到大排序。 每个节点指向下游节点。 每个节点对应data。可以理解为mysql 表一行记录。 B+tree 非叶子节点仅存储索引，不存储data。 叶子节点存储索引，与数据。 每一个父节点都会出现在子节点上。 mysql 对B+tree 进行了优化，每一个叶子节点都带有指向下一个叶子节点的指针。 聚簇索引与非聚簇索引 聚簇索引叶子节点指向data 聚簇索引叶子节点指向主键 来源： CSDN 作者： jiguansheng 链接： https://blog.csdn.net/jiguansheng/article/details/104271020

1.B树与B+树的区别？ 1. B+树改进了B树, 让内结点只作索引使用, 去掉了其中指向data record的指针, 使得每个结点中能够存放更多的key, 树的层高能进一步被压缩, 使得检索的时间更短. 2. 由于底部的叶子结点是链表形式, 因此也可以实现更方便的顺序遍历 2.MySQL中HASH索引和B+树索引的区别？ B+索引: B+树是一个平衡的多叉树，从根节点到每个叶子节点的高度差值不超过1，而且同层级的节点间有指针相互链接 在B+树上的常规检索，从根节点到叶子节点的搜索效率基本相当，不会出现大幅波动，而且基于索引的顺序扫描时，也可以利用双向指针快速左右移动，效率非常高。 哈希索引: 哈希索引就是采用一定的哈希算法，把键值换算成新的哈希值，检索时不需要类似B+树那样从根节点到叶子节点逐级查找，只需一次哈希算法即可立刻定位到相应的位置，速度非常快。 两者的区别: 1. 如果是等值查询，那么哈希索引明显有绝对优势，因为只需要经过一次算法即可找到相应的键值；当然了，这个前提 是，键值都是唯一的。如果键值不是唯一的，就需要先找到该键所在位置，然后再根据链表往后扫描，直到找到相应的数据 2. 从示意图中也能看到，如果是范围查询检索，这时候哈希索引就毫无用武之地了，因为原先是有序的键值，经过哈希算 法后，有可能变成不连续的了，就没办法再利用索引完成范围查询检索 3. 同理

https://segmentfault.com/a/1190000010991930 索引(key)是存储引擎用于快速找到记录的一种数据结构。它和一本书中目录的工作方式类似——当要查找一行记录时，先在索引中快速找到行所在的位置信息，然后再直接获取到那行记录。 在MySql中，索引是在存储引擎层而不是服务器层实现的，所以不同的存储引擎对索引的实现和支持都不相同。 B-TREE索引 B-TREE索引是使用最多的索引。很多存储引擎采用的都是B-TREE数据结构的变体实现该索引，例如InnoDB使用的是B+TREE，即每个叶子节点都包含指向下一个叶子节点的指针，从而方便叶子节点范围遍历。 不同存储引擎使用B-TREE索引的方式也不同。例如MyISAM使用前缀压缩技术使索引更小，而InnoDB则按照原数据格式进行存储。再如MyISAM索引通过数据的物理位置引用被索引的行，而InnoDB则根据主键引用被索引的行。 B-TREE中的所有值都是按顺序存储的，每个叶子页到根的距离相同。下图展示了InnoDB中的B-TREE索引是如何工作的： 当查找一行记录时，存储引擎会先在索引中搜索。从索引的根节点开始，通过比较节点页的值和要查找的值逐层进入下层节点，最底层叶子节点的指针指向的是被索引的数据。这样的查找方式避免了全表扫描，加快访问数据的速度。此外因为B-Tree对索引列是顺序存储的

1. 什么是索引? 索引是一种数据结构,可以帮助我们快速的进行数据的查找. 2. 索引是个什么样的数据结构呢? 索引的数据结构和具体存储引擎的实现有关, 在MySQL中使用较多的索引有Hash索引,B+树索引等,而我们经常使用的InnoDB存储引擎的默认索引实现为:B+树索引. 3. Hash索引和B+树所有有什么区别或者说优劣呢? 首先要知道Hash索引和B+树索引的底层实现原理: hash索引底层就是hash表,进行查找时,调用一次hash函数就可以获取到相应的键值,之后进行回表查询获得实际数据.B+树底层实现是多路平衡查找树. 对于每一次的查询都是从根节点出发,查找到叶子节点方可以获得所查键值,然后根据查询判断是否需要回表查询数据. 那么可以看出他们有以下的不同: hash索引进行等值查询更快(一般情况下),但是却无法进行范围查询. 因为在hash索引中经过hash函数建立索引之后,索引的顺序与原顺序无法保持一致,不能支持范围查询.而B+树的的所有节点皆遵循(左节点小于父节点,右节点大于父节点,多叉树也类似),天然支持范围. hash索引不支持使用索引进行排序,原理同上. hash索引不支持模糊查询以及多列索引的最左前缀匹配.原理也是因为hash函数的不可预测. AAAA 和 AAAAB 的索引没有相关性. hash索引任何时候都避免不了回表查询数据,而B+树在符合某些条件

聚簇索引（Cluster Index）也叫索引组织表（Index-organized Table），MySQL用户经常称呼为前者。 聚簇索引并不是数据库索引的某个种类，其描述的是数据的一种存储方式 。我们知道，在InnoDB中，数据是以B+Tree的形式存储的，其特点就是数据都存储在叶子节点上，非叶子节点上只存索引信息，即key值和指向子节点的指针。这种索引和数据的存储方式就叫做聚簇索引，“聚簇”的意思就是通常来说，数据行和相邻的健挨着。 InnoDB通过主键来聚集数据，也就是说聚簇索引的B+Tree上的叶子结点所存储的key总是主键，如果没有定义主键，InnoDB会选择一个唯一的非空索引代替，如果没有这样的索引，InnoDB会隐式地定义一个主键来聚集（存储）数据，这个隐式的主键被称为rowID。 在InnoDB中，存储聚簇索引的B+Tree的叶子节点是一个数据页，默认大小为16K，这些数据页上的数据其实是一个有序链表，会按照主键递增的顺序来进行存储。在上图中，如果要访问ID为10的记录，InnoDB根据索引找到了key为11的索引，访问其左子节点，然后进行遍历（由于在一个数据页中的数据的存放位置是连续的，所以不会有多次寻址的额外开销），比较key值直到找到ID为10的记录。 对于非聚簇索引，InnoDB通常在叶子节点上存储的是数据行的主键值，命中非聚簇索引时

索引 索引概念、索引模型 索引是一种数据结构，能够帮助我们快速的检索数据库中的数据 数据结构：Hash索引和B+树 优缺点 Hash索引低层是哈希表，哈希表是一种KV存储数据的结构，数据存储上没有任何顺序，区间查询无法直接通过索引，可以做等值查询，不支持最左匹配规则。如果存在大量重复键，哈希索引效率会很低，存在哈希碰撞问题 B+ Tree是一种多路平衡查询树，节点天然有序，叶子节点存储了整行数据的事主键索引，也被称为聚簇索引，叶子节点存储主键的值的是为非聚簇索引。 聚簇索引和非聚簇索引的区别 聚簇索引：叶子节点查询出来的是整行数据 非聚簇索引：叶子节点查询出来的是主键的值，得到值之后还要通过主键的值再查询一次,也可以通过覆盖索引查询一次 联合索引、最左前缀匹配 在做联合索引的时候，将识别度最高的字段放在最左边（将where字句中使用最频繁的一列放在最左边） 最左匹配规则：如（key1，key2，key3）相当创建了（key1）（key1，key2）（key1，key2，key3） 通过explain查看sql语句的执行计划 注：查询优化器，可能使查询语句没有通过索引 来源： CSDN 作者： 姜_白 链接： https://blog.csdn.net/weixin_41730409/article/details/104192068