1. 技术文章
  2. MySQL高级-索引

MySQL高级-索引

由 喜欢而已 提交于 2021-01-18 11:22:03

1.索引概述

MySQL官方对索引的定义为：索引（index）是帮助MySQL高效获取数据的数据结构（有序）。在数据之外，数据 库系统还维护者满足特定查找算法的数据结构，这些数据结构以某种方式引用（指向）数据， 这样就可以在这些数 据结构上实现高级查找算法，这种数据结构就是索引。如下面的示意图所示 :
提炼观点：
索引是什么？索引是一种数据结构
作用是什么？高效获取数据
在这里插入图片描述
左边是数据表，一共有两列七条记录，最左边的是数据记录的物理地址（注意逻辑上相邻的记录在磁盘上也并不是 一定物理相邻的），（而其中的col1表示序号，col2我们认为是一个主键。）为了加快Col2的查找，可以维护一个右边所示的二叉查找树，每个节点分别包含索引键值和一 个指向对应数据记录物理地址的指针，这样就可以运用二叉查找快速获取到相应数据。（顺序查找时间复杂度一般为O(N),而二叉树查找时间复杂度优化情况下可以达到O(logN)）
举个例子：我们要查找3这个数据，在不加索引的时候需要遍历整张表，查找7次，加索引之后只需查找3次即可。
一般来说索引本身也很大，不可能全部存储在内存中，因此索引往往以索引文件的形式存储在磁盘上。索引是数据 库中用来提高性能的最常用的工具。






2.索引优势劣势

优势

  • 1） 类似于书籍的目录索引，提高数据检索的效率，降低数据库的IO成本。
  • 2） 通过索引列对数据进行排序，降低数据排序的成本，降低CPU的消耗。

劣势

  • 1） 实际上索引也是一张表，该表中保存了主键与索引字段，并指向实体类的记录，所以索引列也是要占用空间的。
  • 2） 虽然索引大大提高了查询效率，同时却也降低更新表的速度，如对表进行INSERT、UPDATE、DELETE。因为 更新表时，MySQL 不仅要保存数据，还要保存一下索引文件每次更新添加了索引列的字段，都会调整因为更新所带来的键值变化后的索引信息。

3.索引结构

索引是在MySQL的存储引擎层中实现的，而不是在服务器层实现的。所以每种存储引擎的索引都不一定完全相同， 也不是所有的存储引擎都支持所有的索引类型的。MySQL目前提供了以下4种索引：

  • BTREE 索引 ： 最常见的索引类型，大部分索引都支持 B 树索引。
  • HASH 索引：只有Memory引擎支持 ， 使用场景简单 。
  • R-tree 索引（空间索引）：空间索引是MyISAM引擎的一个特殊索引类型，主要用于地理空间数据类型，通常 使用较少，不做特别介绍。
  • Full-text （全文索引） ：全文索引也是MyISAM的一个特殊索引类型，主要用于全文索引，InnoDB从 Mysql5.6版本开始支持全文索引。

MyISAM、InnoDB、Memory三种存储引擎对各种索引类型的支持

索引 InnoDB引擎 MyISAM引擎 Memory引擎
BTREE索引 支持 支持 支持
HASH 索引 不支持 不支持 支持
R-tree 索引 不支持 支持 不支持
Full-text 5.6版本之后支持 支持 不支持

我们平常所说的索引，如果没有特别指明，都是指B+树（多路搜索树，并不一定是二叉的）结构组织的索引。其中 聚集索引、复合索引、前缀索引、唯一索引默认都是使用 B+tree 索引，统称为 索引。

3.1 BTREE 结构

BTree又叫多路平衡搜索树，一颗m叉的BTree特性如下：

  • 树中每个节点最多包含m个孩子。
  • 除根节点与叶子节点外，每个节点至少有[ceil(m/2)] (向上取整)个孩子。
  • 若根节点不是叶子节点，则至少有两个孩子。
  • 所有的叶子节点都在同一层。
  • 每个非叶子节点由n个key与n+1个指针组成，其中[ceil(m/2)-1] <= n <= m-1

以5叉BTree为例，每个结点最多有5个孩子，key的数量：公式推导[ceil(m/2)]-1 <= n <= m-1。所以 2 <= n <=4 。当n>4时，中间节点分裂到 父节点，两边节点分裂。
插入 C N G A H E K Q M F W L T Z D P R X Y S 数据为例。
演变过程如下：
1). 插入前4个字母 C N G A
在这里插入图片描述
2). 插入H，n>4，（此时5个元素排列为ACGHN,中间元素是G）中间元素G字母向上分裂到新的节点
在这里插入图片描述
3). 插入E，K，Q不需要分裂（插入E时，先和G做比较，小于G，就插入到左边的子树上，最大大于C，就插入到C的后面，紧接着，KQ分别插入到G的右边的子树上。）
在这里插入图片描述
注意：在MySQL的特性中，我们提到了每个非叶子节点由n个key与n+1个指针组成。n+1个指针指的是什么呢？我们可以看到根节点有一个元素，下面有2个指针。左边子树2个元素，3个指针。那它有什么含义呢？比如我们插入E这个元素的时候，我们先与G进行比较，发现比G小，那么我们就插入到它的左边去。此时可以通过左边的这个指针走到左边的子树中。
4). 插入M，中间元素M字母向上分裂到父节点G
在这里插入图片描述
5). 插入F，W，L，T不需要分裂
在这里插入图片描述
6). 插入Z，中间元素T向上分裂到父节点中（z插入到上面的W之后，中间元素向上分裂）
在这里插入图片描述
7). 插入D，中间元素D向上分裂到父节点中。然后插入P，R，X，Y不需要分裂
在这里插入图片描述
8). 最后插入S，NPQR节点n>5，中间节点Q向上分裂，但分裂后父节点DGMT的n>5，中间节点M向上分裂
在这里插入图片描述
到此，该BTREE树就已经构建完成了， BTREE树 和 二叉树 相比， 查询数据的效率更高， 因为对于相同的数据量 来说，BTREE的层级结构比二叉树小，因此搜索速度快。



















3.2 B+ TREE 结构

B+Tree为BTree的变种，B+Tree与BTree的区别为：

  • 1). n叉B+Tree最多含有n个key，而BTree最多含有n-1个key。
  • 2). B+Tree的叶子节点保存所有的key信息，依key大小顺序排列。
  • 3). 所有的非叶子节点都可以看作是key的索引部分。
    在这里插入图片描述
    由于B+Tree只有叶子节点保存key信息，查询任何key都要从root走到叶子。所以B+Tree的查询效率更加稳定。

3.3 MySQL中的B+ 树

MySql索引数据结构对经典的B+Tree进行了优化。在原B+Tree的基础上，增加一个指向相邻叶子节点的链表指 针，就形成了带有顺序指针的B+Tree，提高区间访问的性能。
在这里插入图片描述
为什么要增加这样一个指针呢？主要的目的就是为了便于范围搜索。比如这里我想要搜索9-15之间的数据。因为他们之间有指针相连，我们直接从9访问到15即可。

4 索引分类

1） 单值索引 ：即一个索引只包含单个列，一个表可以有多个单列索引
2） 唯一索引 ：索引列的值必须唯一，但允许有空值
3） 复合索引 ：即一个索引包含多个列


比如我们有一个student表，有id,name,age,class_id等属性，我们对id建立一个索引，对name也建立一个索引，每个索引只对应一列，所以称之为单值索引。我们对id建立唯一索引，那么里面就不能有重复的元素，但是包含多个空值。而与单值索引对应的是复合索引。我们建立id和name两个列的一个复合索引。

5 索引语法

索引在创建表的时候，可以同时创建， 也可以随时增加新的索引。
准备环境:
（本系统在ubuntu16.04环境中测试，使用命令行界面，同时也可以在windows中使用）
登录到mysql命令行界面中去后，依次输入


create database demo_01 default charset=utf8mb4;

use demo_01;

CREATE TABLE `city` (
`city_id` int(11) NOT NULL AUTO_INCREMENT,
`city_name` varchar(50) NOT NULL,
`country_id` int(11) NOT NULL,
PRIMARY KEY (`city_id`)
) ENGINE=InnoDB DEFAULT CHARSET=utf8;

CREATE TABLE `country` (
`country_id` int(11) NOT NULL AUTO_INCREMENT,
`country_name` varchar(100) NOT NULL,
PRIMARY KEY (`country_id`)
) ENGINE=InnoDB DEFAULT CHARSET=utf8;

insert into `city` (`city_id`, `city_name`, `country_id`) values(1,'西安',1);
insert into `city` (`city_id`, `city_name`, `country_id`) values(2,'NewYork',2);
insert into `city` (`city_id`, `city_name`, `country_id`) values(3,'北京',1);
insert into `city` (`city_id`, `city_name`, `country_id`) values(4,'上海',1);

insert into `country` (`country_id`, `country_name`) values(1,'China');
insert into `country` (`country_id`, `country_name`) values(2,'America');
insert into `country` (`country_id`, `country_name`) values(3,'Japan');
insert into `country` (`country_id`, `country_name`) values(4,'UK');

完成后，基本表信息如图所示：
city表（使用查询语句select * from city;）
这里city_id是主键，非空自增。country_id是外键

+---------+-----------+------------+
| city_id | city_name | country_id |
+---------+-----------+------------+
|       1 | 西安      |          1 |
|       2 | NewYork   |          2 |
|       3 | 北京      |          1 |
|       4 | 上海      |          1 |
+---------+-----------+------------+

country表（使用查询语句select * from country;）
country_id是主键非空自增。

+------------+--------------+
| country_id | country_name |
+------------+--------------+
|          1 | China        |
|          2 | America      |
|          3 | Japan        |
|          4 | UK           |
+------------+--------------+

5.1 创建索引

语法 ：

CREATE [UNIQUE|FULLTEXT|SPATIAL] INDEX index_name
[USING index_type]
ON tbl_name(index_col_name,...)
index_col_name : column_name[(length)][ASC | DESC]

解释：create创建，[UNIQUE|FULLTEXT|SPATIAL]指定索引的类型(可选)，唯一索引，全文索引。index_name索引名称。[USING index_type]指定索引数据结构的类型(可选)，如果不指定，默认用B+树。ON tbl_name(index_col_name,…)指定对哪一张表的哪些字段创建索引。

在上述例子中，我们可以对city表哪些字段创建索引呢？city_id不行，因为city_id是主键，主键默认是主键索引。所以我们可以对city_name创建索引。
为city表中的city_name字段创建索引；

mysql> create index idx_city_name on city(city_name);
Query OK, 0 rows affected (0.04 sec)
Records: 0  Duplicates: 0  Warnings: 0

我们创建的这个索引实际上就是普通索引

5.2 查看索引

语法：

show index  from  table_name;

可以在table_name后面加上一个\G,这样看的更清晰

mysql> show index from city\G
*************************** 1. row ***************************
        Table: city
   Non_unique: 0
     Key_name: PRIMARY
 Seq_in_index: 1
  Column_name: city_id
    Collation: A
  Cardinality: 4
     Sub_part: NULL
       Packed: NULL
         Null:
   Index_type: BTREE
      Comment:
Index_comment:
*************************** 2. row ***************************
        Table: city
   Non_unique: 1
     Key_name: idx_city_name
 Seq_in_index: 1
  Column_name: city_name
    Collation: A
  Cardinality: 4
     Sub_part: NULL
       Packed: NULL
         Null:
   Index_type: BTREE
      Comment:
Index_comment:
2 rows in set (0.00 sec)

可以看到有两个索引。数据结构类型都是B+树

5.3 删除索引

语法 ：

DROP  INDEX  index_name  ON  tbl_name;

示例 ： 想要删除city表上的索引idx_city_name，可以操作如下：

mysql> drop index idx_city_name on city;
Query OK, 0 rows affected (0.03 sec)
Records: 0  Duplicates: 0  Warnings: 0

5.4 ALTER命令

1). alter  table  tb_name  add  primary  key(column_list); 
该语句添加一个主键，这意味着索引值必须是唯一的，且不能为NULL  
  
2). alter  table  tb_name  add  unique index_name(column_list);        
这条语句创建索引的值必须是唯一的（除了NULL外，NULL可能会出现多次） 
   
3). alter  table  tb_name  add  index index_name(column_list);
添加普通索引， 索引值可以出现多次。    

4). alter  table  tb_name  add  fulltext  index_name(column_list);        
该语句指定了索引为FULLTEXT， 用于全文索引

演示唯一索引

 alter table city add unique idx_city_name(city_name);

6 索引设计原则

索引的设计可以遵循一些已有的原则，创建索引的时候请尽量考虑符合这些原则，便于提升索引的使用效率，更高效的使用索引。

  • 对查询频次较高，且数据量比较大的表建立索引。
  • 索引字段的选择，最佳候选列应当从where子句的条件中提取，如果where子句中的组合比较多，那么应当挑选最常用、过滤效果最好的列的组合。
  • 使用唯一索引，区分度越高，使用索引的效率越高。
  • 索引可以有效的提升查询数据的效率，但索引数量不是多多益善，索引越多，维护索引的代价自然也就水涨船高。对于插入、更新、删除等DML操作比较频繁的表来说，索引过多，会引入相当高的维护代价，降低DML操作的效率，增加相应操作的时间消耗。另外索引过多的话，MySQL也会犯选择困难病，虽然最终仍然会找到一个可用的索引，但无疑提高了选择的代价。
  • 使用短索引，索引创建之后也是使用硬盘来存储的，因此提升索引访问的I/O效率，也可以提升总体的访问效率。假如构成索引的字段总长度比较短，那么在给定大小的存储块内可以存储更多的索引值，相应的可以有效的提升MySQL访问索引的I/O效率。
  • 利用最左前缀，N个列组合而成的组合索引，那么相当于是创建了N个索引，如果查询时where子句中使用了组成该索引的前几个字段，那么这条查询SQL可以利用组合索引来提升查询效率。(这是针对复合索引而言的，在后期会重点讲解)
创建复合索引:
CREATE INDEX idx_name_email_status ON tb_seller(NAME,email,STATUS);
就相当于    
对name 创建索引 ;    
对name , email 创建了索引 ;   
对name , email, status 创建了索引 ;
标签
BTree
B+Tree
易学教程内所有资源均来自网络或用户发布的内容，如有违反法律规定的内容欢迎反馈！
该文章没有解决你所遇到的问题?点击提问,说说你的问题,让更多的人一起探讨吧!