Linux——MySQL索引

有礼貌的灰绅士

发布于 2025-05-13 00:12:03

380

什么是索引

首先要清楚，MySQL 服务器本质是在内存中的，所有的数据库的CURD操作，全部都是再内存中进行的！——索引也是如此

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。

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)–解决中子文索引问题。

使用并查看

先创建海量数据：

这里有八百万的随机数据，如果普通查找会很消耗时间。

查询员工编号为998877的员工

可以看到耗时5.45秒，这还是在本机一个人来操作，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。

解决方法，创建索引，换一个员工编号，测试看看查询时间

磁盘

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。

什么是磁盘？

这里讲述了什么是磁盘https://blog.csdn.net/qq_63580639/article/details/129480188

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。

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。

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。

这里MySQL访问OS的缓冲区是16kb，OS访问磁盘一块只能是4kb，所以会访问4块。

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。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）

建立共识

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 的的大内存空间，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互。

为何更高的效率，一定要尽可能的减少系统和磁盘IO的次数。

索引的理解

建立测试表

一定要添加主键，只有这样才会默认生成主键索引，默认就是InnoDB存储引擎。

插入多条记录，注意，我们并没有按照主键的大小顺序插入

我们发现竟然默认是有序的！是谁干的呢？排序有什么好处呢？

首先要重新理解一下MySQL中的page：

MySQL中一定存在大量的page，所以需要管理起来，先描述，再组织。

也就是说，page不单单是一个内存块而已，page的内部也有相对应的管理信息。

struct page

{

struct page *next;

string page *prev;

char buffernum;

};–16kb,所有的page会被“链表”连接起来进行管理（其实并不是链表）。

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?

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。（如果没有主键，那么插入时是什么顺序，page连接时就是什么顺序）

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。

理解多个Pag

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。

页目录

在看一本资料书的时候，要查找某个章节的时候有两种方法：

从头逐页的向后翻，直到找到目标内容

通过书提供的目录，发现该章节在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”。

单页情况

针对上面的单页Page，我们能否也引入目录呢？当然可以

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23，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？

答案是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。

需要注意，上面的图，是理想结构，大家也知道，目前要保证整体有序，那么新插入的数据，不一定会在新Page上面，这里仅仅做演示。

这样，我们就可以通过多个Page遍历，Page内部通过目录来快速定位数据。可是，貌似这样也有效率问题，在Page之间，也是需要 MySQL 遍历的，遍历意味着依旧需要进行大量的IO，将下一个Page加载到内存，进行线性检测。这样就显得我们之前的Page内部的目录，有点杯水车薪了。

那么如何解决呢？解决方案，其实就是我们之前的思路，给Page也带上目录。

使用一个目录项来指向某一页，而这个目录项存放的就是将要指向的页中存放的最小数据的键值。和页内目录不同的地方在于，这种目录管理的级别是页，而页内目录管理的级别是行。其中，每个目录项的构成是：键值+指针。图中没有画全。

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：

这就是传说中的B+树啊！没错，至此，我们已经给我们的表user构建完了主键索引。

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。

总结：

1.只有叶子节点才会保存数据，路上节点没有，非叶子节点只有目录项。

非叶子节点不储存数据，意味着可以储存更多的目录项，目录页，可以管理更多的叶子节点page，这也说明，这一颗是一颗矮胖形状的树。

矮胖树=路途节点减少 = 找到目标需要只需要更少的page = IO次数更少（查找的时候只需要把最开始的目录页放进内存当中，查找哪一个page就将哪个page从磁盘当中读取到内存当中）IO层面大大提高了效率 = 提高了整体搜索的效率。

我们将这棵树称之为：mysql innode db下的索引结构。

一般平时在插入数据的时候，就是在该结构下进行的CURD。

那么如果创建的表没有主键也是这样的吗？是的。会有默认主键的。

2.叶子节点全部都用链表级联起来。

因为这是B+树的特点，而且我们也希望进行大范围的查询，比如说要找到主键为10的内容，下次要找主键就在附近相隔一两个主键的地方，这是就可以通过主键10直接去查询，而不是再次通过目录页一步一步的查找。

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。

B+ vs B

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。

B+叶子节点，全部相连，而B没有。

为何选择B+

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。

聚簇索引 VS 非聚簇索引

我们将把B+树和数据放在一的（也就是上面说的内容）叫做聚簇索引，不放在一起的叫做非聚簇索引（比如B+的叶子节点是对应数据的地址）。

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。

测试案例

.frm --表结构数据

.MYD --该表对应的数据

.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。

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。

所以，索引的本质就是数据结构

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。

索引操作

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；

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：

create table user3(id int, name varchar(30)); – 创建表以后再添加主键 alter table user3 add primary key(id);

查询：

mysql> show keys from user2\G; *************************** 1. row *************************** Table: user2 <= 表名 Non_unique: 0 <= 0表示唯一索引 Key_name: PRIMARY <= 主键索引 Seq_in_index: 1 Column_name: id <= 索引在哪列 Collation: A Cardinality: 0 Sub_part: NULL Packed: NULL Null: Index_type: BTREE <= 以二叉树形式的索引 Comment: Index_comment: 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

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));

第三种方式:

create table user6(id int primary key, name varchar(30)）； alter table user6 add unique(name);

查询：

mysql> show keys from user2\G; *************************** 1. row *************************** Table: user2 Non_unique: 0 Key_name: PRIMARY Seq_in_index: 1 Column_name: id Collation: A Cardinality: 0 Sub_part: NULL Packed: NULL Null: Index_type: BTREE Comment: Index_comment: *************************** 2. row *************************** Table: user2 Non_unique: 0 Key_name: name Seq_in_index: 1 Column_name: name Collation: A Cardinality: 0 Sub_part: NULL Packed: NULL Null: YES Index_type: BTREE Comment: Index_comment: 2 rows in set (0.00 sec)

这里显示的就是两B+棵树了，也就是两个索引。

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

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

例子：mysql> alter table user10 drop index idx_name;

第三种方法方法： drop index 索引名 on 表名

例子：mysql> drop index name on user8

普通索引的创建

第一种方式:

create table user8(id int primary key, name varchar(20), email varchar(30), index(name) --在表的定义最后，指定某列为索引 );

第二种方式:

create table user9(id int primary key, name varchar(20), email varchar(30)); alter table user9 add index(name); --创建完表以后指定某列为普通索引。可以添加多列，用逗号隔开，但是这颗B+树是根据多列构造的，多列公用这一棵树，如果想删除这颗树，只需要删除构造时用的多列其中的一列就可以了。多列构建的索引也叫做复合索引。

第三种方式: