简单来说,索引的出现就是为了提高数据查询效率,就像书的目录一样。

索引的常见模型

索引实现的方式有很多种,所以这里就引入了索引模型的概念,可以用于提高读写效率的数据结构很多,比较常见的数据结果有以下三种:哈希表、有序数组和搜索树。

  • 哈希表是一种以键值存储数据的结构,我们只要输入待查找的值即key,就可以找到对应的值即Value。哈希的思路很简单,把值放到一个数据里,用一个哈希函数把Key换算成一个确定的位置,然后把value放在数组的这个位置上。不可避免的,多个key通过哈希函数的换算,会出现同一个值的情况,处理这种情况的方法是,拉出一个链表。所以哈希表这种结构适用于只有等值查询的场景。
  • 有序数据在等值查询和范围查询场景中的性能就都非常优秀,但是在需要更新数据的时候就麻烦了,你往中间插入一条记录,就必须行挪动后面所有的记录,成本太高。
  • 二叉搜索树:每个节点的左儿子小于父节点,父节点又小于右儿子,查询的时间复杂度为O(log(N)),数据库存储大多不使用二叉树,因为树高过高。一般使用N叉树。

InnoDB的索引模型

    在InnoDB中,表都是根据主键顺序以索引的形式存放的,这种存储方式的表称为索引组织表,又因为InnoDB使用了B+树索引模型,所以数据都是存储在B+树中。每一个索引在InnoDB里面对应一棵B+树。(为什么InnoDB选择B+树,因为B+树能够很好地配合磁盘的读写特性,减少单次查询的磁盘访问次数)

   假如,有一个主键列为ID的表,表中有字段k,并且k上有索引,这个表的创建语句为:

create table T ( id int primary key, k int not null, name varchar(16), index (k)) engine=InnoDB;

表中 R1~R5的(ID,k)值分别为(100,1)、(200,2)、(300,3)、(500,5)和(600,6) 两棵树的示意图如下。

04.深入浅出索引(上)-LMLPHP

根据叶子节点的类容,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里面,主键索引也被称为聚簇索引(clustered index)。非主键索引的叶子节点存的内容是主健的值。在InnoDB里面,非主键索引也被称为二级索引(secondary index)。

主键索引和普通索引的查询有什么区别

  • 如果语句是 select * from T where ID=500,即主键查询方式,则只需要搜索ID这棵B+树;
  • 如果语句是select * from T where k=5,即普通索引查询方式,则需要先搜索k索引树,得到ID的值为500,再到ID索引树搜索一次这个过程称为回表。

也就是说,基于非主键索引的查询需要多扫描一棵索引树,因此,我们在应用中尽量使用主键查询。

索引维护

    B+树为了维护索引的有序性,在插入新值的时候需要做必要的维护。以上面图为例,如果插入新的行的ID=700,则只需要在R5的记录后面新插入一个新记录。如果新插入的ID值=400,就相对麻烦了,需要逻辑上挪动后面的数据,空出位置。更糟糕的情况是,如果R5所在的数据页已经满了,根据B+树的算法,这时候需要申请一个新的数据页,然后挪动部分数据过去。这个过程称为页分裂。在这种情况下,性能自然会受到影响。

    除了性能外,页分裂操作还会影响数据页的利用率。原本放在一个页的数据,现在分到两个页中,整体空间利用率降低大约50%。

    当然有分裂就有合并。当相邻两个页由于删除了数据,利用率很低之后,会将数据页做合并,合并过程可以认为是分裂过程的逆过程。

下面我们来讨论一个案例:

   你有可能在一些建表规范里面见到过类似的描述,要求建表语句里一定要有自增主键。当然事无绝对,我们来分析一下哪些场景下应该使用自增主键,而哪些场景下不应该。

自增主键是指自增列上定义的主键,在建表语句中一般这么定义:NOT NULL PRIMARY KEY AUTO_INCREMENT。插入新记录时可以不指定ID的值,系统会获取当前ID最大值+1做为下一条记录的ID值。也就是说,自增主键的插入数据模式正符合了我们前面提到的递增插入的场景,都不涉及到挪动其它记录,也不会触发叶子节点的页分裂。

而有业务逻辑的字段做主键,则往往不易保证有序插入,这样定数据成本相对较高。除了考虑性能外,我们可以从存储空间的角度来看,假高你的表中确实有一个唯一字段,比如字条类型的身份证号,那应该用身份证号做主键还是用自增主键呢?由于每个非主键索引的叶子节点上存的都是主键的值,如果用身份证号做主键的话,那么每个二级索引的叶子节点占用约20个字节,而如果用整行做主键,则只要4个字节,如果是长整行(bigint)则是8个字节。

显然,主键长度越小,普通索引的叶子节点就越小,普通索引占用的空间也就越小。所以从性能和存储空间方面考虑,自增主键往往是更合适的选择。

那有没有什么场合适合用业务字段做主键的呢?还是有的,比如,有些业务场景需求是这样:

  • 只有一个索引
  • 该索引必须是唯一索引。

由于没有其它索引,所以也不用考虑其它索引的叶子节点大小的问题。直接将这个索引设置成主键,可以避免每次查询需要搜索两棵树。

如果表没有设置主键,InnoDB会默认给创建一个Rowid做主键。

为什么我们有时需要重建索引?

索引可能因为删除,或者页分裂等原因。导致数据页有空洞,重建索引的过程会创建一个新的索引,把数据按顺序插入,这样页面的利用率最高,也就是索引更紧凑、更省空间。

但我们重建主键索引后,普通索引就会失效,所以我们重重建索引一般用:alter table T engine=InnoDB,来代替。

12-08 03:58