【mysql】—— 深度理解“索引”

2024-01-02 13:17:27

本期,我将要给大家介绍的是关于 mysql 中的“索引”,这部分内容在mysql知识体系中可谓是相当重要的,接下来,让我带领大家进入本期的知识学习!!!

目录

(一)前言

?(二)索引的理解

1、硬件角度理解索引

1.1、MySQL 与磁盘交互基本单位

1.2、简单小结

2、软件角度理解索引

2.1、案例演示

2.2、为何IO交互要是 Page?

2.3、单个page和多个page?

(三)聚簇索引 VS 非聚簇索引

(四)索引操作

1、主键索引

2、唯一索引

3、普通索引

4、全文索引

(五)总结与归纳


(一)前言

首先,我先给大家直观的展示一下在查询的时候,看看没有索引时有什么问题?

  • 开始时?构建了一个8000000条记录的数据 海量表?。接下来,我将通过这张表给大家直观的演示:

💨?需求查询员工编号为998877的员工

  • ?1?? 首先,我先用传统的方式进行查询操作:
select * from EMP where empno=998877;
  • 输出展示:

  • 解释说明:
可以看到耗时 4.93 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。


  • 2?? 接下来我通过创建索引可以很好的解决这一问题:
alter table EMP add index(empno);
  • 输出展示:

  • 为了防止事件的偶然性,接下来我换一个员工编号,在测试看看查询时间:

【小结】

  • 通过以上直观的演示,我们可以发现有无索引在实际应用中的效率截然不同。因此,掌握好“索引”这个知识对我们学习mysql还是很重要的!!

?(二)索引的理解

接下来,我分别从硬件和OS两个角度带大家认识索引的底层细节。

1、硬件角度理解索引

💨? 首先带研究一下磁盘:

在看看磁盘中一个盘片:

扇区:

  • 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。
我们在使用 Linux ,所看到的大部分目录或者文件,其实就是保存在硬盘当中的。 ( 当然,有一些内存文件系统,如: proc sys 之类,我们不考虑 )
  • 数据库文件,本质其实就是保存在磁盘的盘片当中,就是一个一个的文件

  1. 所以,最基本的,找到一个文件的全部,本质,就是在磁盘找到所有保存文件的扇区。
  2. 而我们能够定位任何一个扇区,那么便能找到所有扇区,因为查找方式是一样的。

定位扇区:

解释说明:

  • 柱面(磁道): 多盘磁盘,每盘都是双面,大小完全相等。那么同半径的磁道,整体上便构成了一个柱面;
  • 每个盘面都有一个磁头,那么磁头和盘面的对应关系便是11的;
  • 所以,我们只需要知道,磁头(Heads)、柱面(Cylinder)(等价于磁道)、扇区(Sector)对应的编号。即可在磁盘上定位所要访问的扇区。这种磁盘数据定位方式叫做 CHS 。不过实际系统软件使用的并不是 CHS (但是硬件是),而是 LBA ,一种线性地址,可以想象成虚拟地址与物理地址。系统将 LBA 地址最后会转化成为 CHS ,交给磁盘去进行数据读取。不过,我们现在不关心转化细节,知道这个东西,让我们逻辑自洽起来即可。
【小结】
我们现在已经能够在硬件层面定位,任何一个基本数据块了 ( 扇区 ) 。那么在系统软件上,就直接按照扇区(512字节,部分 4096 字节 ), 进行 IO 交互吗?不是
  • 如果操作系统直接使用硬件提供的数据大小进行交互,那么系统的IO代码,就和硬件强相关,换言之,如果硬件发生变化,系统必须跟着变化
  • 从目前来看,单次IO 512字节,还是太小了。IO单位小,意味着读取同样的数据内容,需要进行多次磁盘访问,会带来效率的降低。
  • 之前学习文件系统,就是在磁盘的基本结构下建立的,文件系统读取基本单位,就不是扇区,而是数据块。
💨?故,系统读取磁盘,是以为单位的,基本单位是 4KB?

1.1、MySQL 与磁盘交互基本单位

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 ( 后面统一使用 InnoDB 存储引擎讲解 )
SHOW GLOBAL STATUS LIKE 'innodb_page_size';

解释说明:

  • 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)

1.2、简单小结

  1. MySQL 中的数据文件,是以page为单位保存在磁盘当中的。
  2. MySQL 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。
  3. 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。
  4. 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
  5. 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IO交互。
  6. 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

2、软件角度理解索引

2.1、案例演示

首先建立一张测试表,一定要添加主键,只有这样才会默认生成主键索引

  • 接下来,创建好表之后,我们往表中插入几条数据便于测试(注意,我并没有按照主键的大小顺序插入):

查看插入结果

2.2、为何IO交互要是 Page?

现在有一个问题: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?用多少,加载多少?

  1. 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2IO。如果要找id=5,那么就需要5IO
  2. 但,如果这5(或者更多)都被保存在一个Page(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。
  3. 无法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
  4. 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

2.3、单个page和多个page?

💨? 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 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。

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?
  1. 插入数据时排序的目的,就是优化查询的效率。
  2. 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。
  3. 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Page

  • 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:
我们在看《谭浩强 C 程序设计》这本书的时候,如果我们要看 < 指针章节 > ,找到该章节有两种做法
  • 从头逐页的向后翻,直到找到目标内容
  • 通过书提供的目录,发现指针章节在234(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2[3] ,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?
  • 答案很简单,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

这货就是传说中的 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。

(三)聚簇索引 VS 非聚簇索引

MyISAM 存储引擎-主键索引
MyISAM 引擎同样使用 B+ 树作为索引结果,叶节点的 data 域存放的是数据记录的地址。下图为 MyISAM表的主索引, Col1 为主键。

其中, 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。

相较于 InnoDB 索引, InnoDB 是将索引和数据放在一起的。

  • 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
当然, MySQL 除了默认会建立主键索引外,我们用户也有可能建立按照其他列信息建立的索引,一般这种索引可以叫做辅助(普通)索引。
对于 MyISAM , 建立辅助(普通)索引和主键索引没有差别,无非就是主键不能重复,而非主键可重复。

?下图就是基于 MyISAM Col2 建立的索引,和主键索引没有差别 :

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。

(四)索引操作

1、主键索引

1.1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 test1(
    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 test2(
    id int, 
    name varchar(30), 
    primary key(id)
);
  • 💨第三种方式:
create table test3(
    id int, 
    name varchar(30)
);

-- 创建表以后再添加主键
alter table test3 add primary key(id);

1.2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;

1.3删除索引

  • 方法-删除主键索引: alter table 表名 drop primary key;

主键索引的特点:
  • 一个表中,最多有一个主键索引,当然可以使符合主键

  • 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

2、唯一索引

1.1创建主键索引

  • 💨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 test3(
    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 test3(
    id int primary key, 
    name varchar(30), 
    unique(name)
);
  • 💨第三种方式:
create table test3(
    id int primary key, 
    name varchar(30)
);

alter table test3 add unique(name);

1.2查询索引(方法同上)

1.3删除索引

  • 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);

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

3、普通索引

1.1创建主键索引

  • 💨第一种方式:
create table test4(
    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
);

  • 💨第一种方式:
create table test4(
    id int primary key, 
    name varchar(20), 
    email varchar(30)
);

alter table test4 add index(name); --创建完表以后指定某列为普通索引
  • 💨第一种方式:
create table test4(
    id int primary key, 
    name varchar(20), 
    email varchar(30)
);

-- 创建一个索引名为 idx_name 的索引
create index idx_name on test4(name);

1.2查询索引(方法同上)?

1.3删除索引

  • 第三种方法方法: drop index 索引名 on 表名
drop index name on test4;

  • ?除了可以对一列进行索引之外,还可以对多列进行索引操作:

普通索引的特点:
  • 一个表中可以有多个普通索引,普通索引在实际开发中用的比较多
  • 如果某列需要创建索引,但是该列有重复的值,那么我们就应该使用普通索引

4、全文索引

当对文章字段或有大量文字的字段进行检索时,会使用到全文索引 MySQL 提供全文索引机制,但是有要求,要求表的存储引擎必须是 MyISAM ,而且默认的全文索引支持英文,不支持中文。如果对中文进行全文检索,可以使用sphinx 的中文版 (coreseek)

  • 接下来,我先创建一个表并向其中插入一些数据,具体如下:

需求查询有没有database数据

  • 如果使用如下查询方式,虽然查询出数据,但是没有使用到全文索引
select * from articles where body like '%database%';

  • 可以用explain工具看一下,是否使用到索引

  • 那如何使用全文索引呢?接下来,我简单的展示一下:
SELECT * FROM articles WHERE MATCH (title,body) AGAINST ('database');
  • 紧接着再去查询一次,通过explain来分析这个sql语句


(五)总结与归纳

接下来,我们简单的回顾下本文学到的知识内容!!!

  • 索引是一种数据结构,它能够快速定位到数据表中的特定行,类似于书籍的目录,使得数据库系统不必扫描整个表,而是能够更快地找到所需数据;
  • 在MySQL中,常见的索引类型包括B+索引、哈希索引、全文索引等,其中B+树索引是最常用和最常见的索引类型;
  • 通过使用索引,数据库可以快速定位到需要查询的数据,加速查询速度,特别是在大型数据集的情况下效果显著;不仅能加速查询操作,还能加速排序和数据检索操作,提高数据库的整体性能。

以上便是本文的全部内容了,感谢大家的观看和支持!!!

文章来源:https://blog.csdn.net/m0_56069910/article/details/135327598
本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。