mysql數(shù)據(jù)索引詳細介紹

歡迎閱讀本文檔，希望本文檔能對您有所幫助!歡迎閱讀本文檔，希望本文檔能對您有所幫助!歡迎閱讀本文檔，希望本文檔能對您有所幫助!歡迎閱讀本文檔，希望本文檔能對您有所幫助!歡迎閱讀本文檔，希望本文檔能對您有所幫助!歡迎閱讀本文檔，希望本文檔能對您有所幫助!mysql數(shù)據(jù)索引詳細介紹索引是一種數(shù)據(jù)結(jié)構(gòu)，用于幫助我們在大量數(shù)據(jù)中快速定位到我們想要查找的數(shù)據(jù)。索引最形象的比喻就是圖書的目錄了。注意這里的大量，數(shù)據(jù)量大了索引才顯得有意義，如果我想要在[1,2,3,4]中找到4這個數(shù)據(jù)，直接對全數(shù)據(jù)檢索也很快，沒有必要費力氣建索引再去查找。索引在MySQL數(shù)據(jù)庫中分三類：B+樹索引Hash索引全文索引我們今天要介紹的是工作開發(fā)中最常接觸到的InnoDB存儲引擎中的B+樹索引。要介紹B+樹索引，就不得不提二叉查找樹，平衡二叉樹和B樹這三種數(shù)據(jù)結(jié)構(gòu)。B+樹就是從他們仨演化來的。二叉查找樹首先，讓我們先看一張圖：從圖中可以看到，我們?yōu)閡ser表（用戶信息表）建立了一個二叉查找樹的索引。圖中的圓為二叉查找樹的節(jié)點，節(jié)點中存儲了鍵（key）和數(shù)據(jù)（data）。鍵對應(yīng)user表中的id，數(shù)據(jù)對應(yīng)user表中的行數(shù)據(jù)。二叉查找樹的特點就是任何節(jié)點的左子節(jié)點的鍵值都小于當(dāng)前節(jié)點的鍵值，右子節(jié)點的鍵值都大于當(dāng)前節(jié)點的鍵值。頂端的節(jié)點我們稱為根節(jié)點，沒有子節(jié)點的節(jié)點我們稱之為葉節(jié)點。如果我們需要查找id=12的用戶信息，利用我們創(chuàng)建的二叉查找樹索引，查找流程如下：將根節(jié)點作為當(dāng)前節(jié)點，把12與當(dāng)前節(jié)點的鍵值10比較，12大于10，接下來我們把當(dāng)前節(jié)點的右子節(jié)點作為當(dāng)前節(jié)點。繼續(xù)把12和當(dāng)前節(jié)點的鍵值13比較，發(fā)現(xiàn)12小于13，把當(dāng)前節(jié)點的左子節(jié)點作為當(dāng)前節(jié)點。把12和當(dāng)前節(jié)點的鍵值12對比，12等于12，滿足條件，我們從當(dāng)前節(jié)點中取出data，即id=12，name=xm。利用二叉查找樹我們只需要3次即可找到匹配的數(shù)據(jù)。如果在表中一條條的查找的話，我們需要6次才能找到。平衡二叉樹上面我們講解了利用二叉查找樹可以快速的找到數(shù)據(jù)。但是，如果上面的二叉查找樹是這樣的構(gòu)造：這個時候可以看到我們的二叉查找樹變成了一個鏈表。如果我們需要查找id=17的用戶信息，我們需要查找7次，也就相當(dāng)于全表掃描了。導(dǎo)致這個現(xiàn)象的原因其實是二叉查找樹變得不平衡了，也就是高度太高了，從而導(dǎo)致查找效率的不穩(wěn)定。為了解決這個問題，我們需要保證二叉查找樹一直保持平衡，就需要用到平衡二叉樹了。平衡二叉樹又稱AVL樹，在滿足二叉查找樹特性的基礎(chǔ)上，要求每個節(jié)點的左右子樹的高度差不能超過1。下面是平衡二叉樹和非平衡二叉樹的對比：由平衡二叉樹的構(gòu)造我們可以發(fā)現(xiàn)第一張圖中的二叉樹其實就是一棵平衡二叉樹。平衡二叉樹保證了樹的構(gòu)造是平衡的，當(dāng)我們插入或刪除數(shù)據(jù)導(dǎo)致不滿足平衡二叉樹不平衡時，平衡二叉樹會進行調(diào)整樹上的節(jié)點來保持平衡。具體的調(diào)整方式這里就不介紹了。平衡二叉樹相比于二叉查找樹來說，查找效率更穩(wěn)定，總體的查找速度也更快。B樹因為內(nèi)存的易失性。一般情況下，我們都會選擇將user表中的數(shù)據(jù)和索引存儲在磁盤這種外圍設(shè)備中。但是和內(nèi)存相比，從磁盤中讀取數(shù)據(jù)的速度會慢上百倍千倍甚至萬倍，所以，我們應(yīng)當(dāng)盡量減少從磁盤中讀取數(shù)據(jù)的次數(shù)。另外，從磁盤中讀取數(shù)據(jù)時，都是按照磁盤塊來讀取的，并不是一條一條的讀。如果我們能把盡量多的數(shù)據(jù)放進磁盤塊中，那一次磁盤讀取操作就會讀取更多數(shù)據(jù)，那我們查找數(shù)據(jù)的時間也會大幅度降低。如果我們用樹這種數(shù)據(jù)結(jié)構(gòu)作為索引的數(shù)據(jù)結(jié)構(gòu)，那我們每查找一次數(shù)據(jù)就需要從磁盤中讀取一個節(jié)點，也就是我們說的一個磁盤塊。我們都知道平衡二叉樹可是每個節(jié)點只存儲一個鍵值和數(shù)據(jù)的。那說明什么？說明每個磁盤塊僅僅存儲一個鍵值和數(shù)據(jù)！那如果我們要存儲海量的數(shù)據(jù)呢？可以想象到二叉樹的節(jié)點將會非常多，高度也會極其高，我們查找數(shù)據(jù)時也會進行很多次磁盤IO，我們查找數(shù)據(jù)的效率將會極低！為了解決平衡二叉樹的這個弊端，我們應(yīng)該尋找一種單個節(jié)點可以存儲多個鍵值和數(shù)據(jù)的平衡樹。也就是我們接下來要說的B樹。B樹（BalanceTree）即為平衡樹的意思，下圖即是一棵B樹：圖中的p節(jié)點為指向子節(jié)點的指針，二叉查找樹和平衡二叉樹其實也有，因為圖的美觀性，被省略了。圖中的每個節(jié)點稱為頁，頁就是我們上面說的磁盤塊，在MySQL中數(shù)據(jù)讀取的基本單位都是頁，所以我們這里叫做頁更符合MySQL中索引的底層數(shù)據(jù)結(jié)構(gòu)。從上圖可以看出，B樹相對于平衡二叉樹，每個節(jié)點存儲了更多的鍵值（key）和數(shù)據(jù)（data），并且每個節(jié)點擁有更多的子節(jié)點，子節(jié)點的個數(shù)一般稱為階，上述圖中的B樹為3階B樹，高度也會很低。基于這個特性，B樹查找數(shù)據(jù)讀取磁盤的次數(shù)將會很少，數(shù)據(jù)的查找效率也會比平衡二叉樹高很多。假如我們要查找id=28的用戶信息，那么我們在上圖B樹中查找的流程如下：先找到根節(jié)點也就是頁1，判斷28在鍵值17和35之間，那么我們根據(jù)頁1中的指針p2找到頁3。將28和頁3中的鍵值相比較，28在26和30之間，我們根據(jù)頁3中的指針p2找到頁8。將28和頁8中的鍵值相比較，發(fā)現(xiàn)有匹配的鍵值28，鍵值28對應(yīng)的用戶信息為（28，bv）。B+樹B+樹是對B樹的進一步優(yōu)化。讓我們先來看下B+樹的結(jié)構(gòu)圖：根據(jù)上圖我們來看下B+樹和B樹有什么不同：①B+樹非葉子節(jié)點上是不存儲數(shù)據(jù)的，僅存儲鍵值，而B樹節(jié)點中不僅存儲鍵值，也會存儲數(shù)據(jù)。之所以這么做是因為在數(shù)據(jù)庫中頁的大小是固定的，InnoDB中頁的默認(rèn)大小是16KB。如果不存儲數(shù)據(jù)，那么就會存儲更多的鍵值，相應(yīng)的樹的階數(shù)（節(jié)點的子節(jié)點樹）就會更大，樹就會更矮更胖，如此一來我們查找數(shù)據(jù)進行磁盤的IO次數(shù)又會再次減少，數(shù)據(jù)查詢的效率也會更快。另外，B+樹的階數(shù)是等于鍵值的數(shù)量的，如果我們的B+樹一個節(jié)點可以存儲1000個鍵值，那么3層B+樹可以存儲1000times;1000times;1000=10億個數(shù)據(jù)。一般根節(jié)點是常駐內(nèi)存的，所以一般我們查找10億數(shù)據(jù)，只需要2次磁盤IO。②因為B+樹索引的所有數(shù)據(jù)均存儲在葉子節(jié)點，而且數(shù)據(jù)是按照順序排列的。那么B+樹使得范圍查找，排序查找，分組查找以及去重查找變得異常簡單。而B樹因為數(shù)據(jù)分散在各個節(jié)點，要實現(xiàn)這一點是很不容易的。有心的讀者可能還發(fā)現(xiàn)上圖B+樹中各個頁之間是通過雙向鏈表連接的，葉子節(jié)點中的數(shù)據(jù)是通過單向鏈表連接的。其實上面的B樹我們也可以對各個節(jié)點加上鏈表。這些不是它們之前的區(qū)別，是因為在MySQL的InnoDB存儲引擎中，索引就是這樣存儲的。也就是說上圖中的B+樹索引就是InnoDB中B+樹索引真正的實現(xiàn)方式，準(zhǔn)確的說應(yīng)該是聚集索引（聚集索引和非聚集索引下面會講到）。通過上圖可以看到，在InnoDB中，我們通過數(shù)據(jù)頁之間通過雙向鏈表連接以及葉子節(jié)點中數(shù)據(jù)之間通過單向鏈表連接的方式可以找到表中所有的數(shù)據(jù)。MyISAM中的B+樹索引實現(xiàn)與InnoDB中的略有不同。在MyISAM中，B+樹索引的葉子節(jié)點并不存儲數(shù)據(jù)，而是存儲數(shù)據(jù)的文件地址。聚集索引VS非聚集索引在上節(jié)介紹B+樹索引的時候，我們提到了圖中的索引其實是聚集索引的實現(xiàn)方式。那什么是聚集索引呢？在MySQL中，B+樹索引按照存儲方式的不同分為聚集索引和非聚集索引。這里我們著重介紹InnoDB中的聚集索引和非聚集索引：①聚集索引（聚簇索引）：以InnoDB作為存儲引擎的表，表中的數(shù)據(jù)都會有一個主鍵，即使你不創(chuàng)建主鍵，系統(tǒng)也會幫你創(chuàng)建一個隱式的主鍵。這是因為InnoDB是把數(shù)據(jù)存放在B+樹中的，而B+樹的鍵值就是主鍵，在B+樹的葉子節(jié)點中，存儲了表中所有的數(shù)據(jù)。這種以主鍵作為B+樹索引的鍵值而構(gòu)建的B+樹索引，我們稱之為聚集索引。②非聚集索引（非聚簇索引）：以主鍵以外的列值作為鍵值構(gòu)建的B+樹索引，我們稱之為非聚集索引。非聚集索引與聚集索引的區(qū)別在于非聚集索引的葉子節(jié)點不存儲表中的數(shù)據(jù)，而是存儲該列對應(yīng)的主鍵，想要查找數(shù)據(jù)我們還需要根據(jù)主鍵再去聚集索引中進行查找，這個再根據(jù)聚集索引查找數(shù)據(jù)的過程，我們稱為回表。明白了聚集索引和非聚集索引的定義，我們應(yīng)該明白這樣一句話：數(shù)據(jù)即索引，索引即數(shù)據(jù)。利用聚集索引和非聚集索引查找數(shù)據(jù)前面我們講解B+樹索引的時候并沒有去說怎么在B+樹中進行數(shù)據(jù)的查找，主要就是因為還沒有引出聚集索引和非聚集索引的概念。下面我們通過講解如何通過聚集索引以及非聚集索引查找數(shù)據(jù)表中數(shù)據(jù)的方式介紹一下B+樹索引查找數(shù)據(jù)方法。利用聚集索引查找數(shù)據(jù)還是這張B+樹索引圖，現(xiàn)在我們應(yīng)該知道這就是聚集索引，表中的數(shù)據(jù)存儲在其中。現(xiàn)在假設(shè)我們要查找id=18并且idlt;40的用戶數(shù)據(jù)。對應(yīng)的sql語句為：MySQL1select*fromuserwhereid=18andidlt;40其中id為主鍵，具體的查找過程如下：①一般根節(jié)點都是常駐內(nèi)存的，也就是說頁1已經(jīng)在內(nèi)存中了，此時不需要到磁盤中讀取數(shù)據(jù)，直接從內(nèi)存中讀取即可。從內(nèi)存中讀取到頁1，要查找這個id=18andidlt;40或者范圍值，我們首先需要找到id=18的鍵值。從頁1中我們可以找到鍵值18，此時我們需要根據(jù)指針p2，定位到頁3。②要從頁3中查找數(shù)據(jù)，我們就需要拿著p2指針去磁盤中進行讀取頁3。從磁盤中讀取頁3后將頁3放入內(nèi)存中，然后進行查找，我們可以找到鍵值18，然后再拿到頁3中的指針p1，定位到頁8。③同樣的頁8頁不在內(nèi)存中，我們需要再去磁盤中將頁8讀取到內(nèi)存中。將頁8讀取到內(nèi)存中后。因為頁中的數(shù)據(jù)是鏈表進行連接的，而且鍵值是按照順序存放的，此時可以根據(jù)二分查找法定位到鍵值18。此時因為已經(jīng)到數(shù)據(jù)頁了，此時我們已經(jīng)找到一條滿足條件的數(shù)據(jù)了，就是鍵值18對應(yīng)的數(shù)據(jù)。因為是范圍查找，而且此時所有的數(shù)據(jù)又都存在葉子節(jié)點，并且是有序排列的，那么我們就可以對頁8中的鍵值依次進行遍歷查找并匹配滿足條件的數(shù)據(jù)。我們可以一直找到鍵值為22的數(shù)據(jù)，然后頁8中就沒有數(shù)據(jù)了，此時我們需要拿著頁8中的p指針去讀取頁9中的數(shù)據(jù)。④因為頁9不在內(nèi)存中，就又會加載頁9到內(nèi)存中，并通過和頁8中一樣的方式進行數(shù)據(jù)的查找，直到將頁12加載到內(nèi)存中，發(fā)現(xiàn)41大于40，此時不滿足條件。那么查找到此終止。最終我們找到滿足條件的所有數(shù)據(jù)，總共12條記錄：(18,kl),(19,kl),(22,hj),(24,io),(25,vg),(29,jk),(31,jk),(33,rt),(34,ty),(35,yu),(37,rt),(39,rt)。下面看下具體的查找流程圖利用非聚集索引查找數(shù)據(jù)讀者看到這張圖的時候可能會蒙，這是啥東西啊？怎么都是數(shù)字。如果有這種感覺，請仔細看下圖中紅字的解釋。什么？還看不懂？那我再來解釋下吧。首先，這個非聚集索引表示的是用戶幸運數(shù)字的索引（為什么是幸運數(shù)字？一時興起想起來的:-)），此時表結(jié)構(gòu)是這樣的。在葉子節(jié)點中，不再存儲所有的數(shù)據(jù)了，存儲的是鍵值和主鍵。對于葉子節(jié)點中的x-y，比如1-1。左邊的1表示的是索引的鍵值，右邊的1表示的是主鍵值。如果我們要找到幸運數(shù)字為33的用戶信息，對應(yīng)的sql語句為：MySQL1select