当前位置：首页 > java >正文

《MySQL：MySQL索引特性》

java 2025/5/8 9:15:18

索引理解

索引：提高数据库的性能。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，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，索引的价值在于提高一个海量数据的检索速度。

常见索引分为

主键索引（primary key）
唯一索引（unique）
普通索引（index）
全文索引（fultext）——用于解决文本数据中快速搜索特定关键词或短语的问题

认识磁盘

关于磁盘的基本了解在下面这篇文章中有提到。下面再简单说明一下。

【Linux】基础I/O -＞如何谈文件与文件系统？-CSDN博客

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，再加上IO本身的特征（大部分时间都是在等外设准备好），可以知道，如何提高效率，是MySQL的一个重要话题。

了解磁盘

再看看磁盘中一个盘面。

扇区。

数据库文件，本质就是保存在磁盘的盘片中。其实也就是扇区。数据库文件很大很多，一定需要占据多个扇区。

在使用Linux时，所看到的大部分（部分内存文件系统除外）目录或者文件，其实就是保存在硬盘当中的。

可以ls /var/lib/mysql查看自己mysql中的文件。

找到一个文件的全部，就是在磁盘找到所有保存文件的扇区。能够定位任何一个扇区，就能找到所有的扇区（因为查找方式是一样的）。

定位扇区

柱面（磁道）：多盘磁盘，每盘都是双面，大小完全相等。同半径的磁道整体上就构成了一个柱面。
每个盘面都有一个磁头，磁头和盘面的对应关系是1对1。
只需要知道，柱面（cylinder等价于磁道）、磁头（heads）、扇区（sector）对应的编号，就可以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”定位法。但是，在实际系统软件使用的并不是CHS（硬件是），而是LBA，一种线性地址（可以想象成物理地址与虚拟地址）。系统讲LBA地址最后会转化成CHS，交给磁盘去进行数据读取。

现在能够在硬件层面定位任何一个基本数据块（扇区）了。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。

1、如果OS直接使用硬件提供的数据大小进行交互，那么系统IO代码就和硬件强相关，如果硬件发生变化，系统必须也跟着变化。

2、单次IO只有512字节，太小了。IO单位小，意味着读取同样的数据内容，需要访问磁盘的次数就多，效率就低。

3、类比文件系统，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，是数据块。

即，系统读取磁盘，是以块为单位的，基本单位是4KB。

磁盘随机访问与连续访问

随机访问：本次IO所给出的扇区地址和上次IO给出的扇区地址不连续，这样磁头在两次IO操作之间需要做比较大的移动动作才能重新开始读写数据。

连续访问：如果本次IO给出的扇区地址和上次IO结束的扇区地址是连续的，那磁头就能很快开始这次IO操作，不需要做较大的移动，这样的多个IO操作称为连续访问。

尽管相邻的两次IO操作在同一时刻发出，但如果它们请求的扇区地址相差很大的话也只能随机访问，而不能连续访问。

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

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（下面统一使用InnoDB存储引擎来作说明）。

163849byte/1024=16KB。

也就是说，磁盘这个硬件设备的基本单位是512字节，系统和磁盘进行交互是以块4KB为单位进行交互，而MySQL InnoDB引擎使用16KB和磁盘进行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（和系统的page不同，不要混肴）。

几点说明

1、MySQL中的数据文件，是以Page为单位保存在磁盘当中的。

2、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。

3、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，CURD的操作都是在内存中进行的。

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，就申请了被称为Buffer Pool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交互。

6、为了更高的效率，一定要尽可能的减少系统和磁盘IO的次数。

数据在Buffer Pool中进行CURD
在Buffer Pool发生变化的数据刷新到OS的文件缓冲区
OS以16KB刷新到磁盘

磁盘数据搬到内存做数据处理，内存数据搬到磁盘做持久化。

索引理解

建立测试表。

插入多条记录。

查看查询结果。

发现，记录竟然是按照主键大小经过排序的！

为何MySQL与磁盘进行IO交互是以Page为单位？

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，加载多少不行吗？

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，就需要5次IO。
但是，如果着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时，整个Page都会被加载到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等记录时，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。

怎么保证，用户下一次找的数据，就在这个Page里面？

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。

预加载机制可以有效利用局部性原理，减少IO次数，提高效率。

理解单个Page

MySQL内部，一定存在大量的Page，也就决定了MySQL必须要将多个同时存在的Page管理起来，要管理所有的MySQL内的Page，需要“先描述，再组织”。

所以，不要简单的将Page认为是一个内存块，Page内存也必须写入对应的管理信息！

struct page

{
struct page * next;

struct page * prev;

char buffer[NUM]; //16KB

// ...

};

将所有的page用“链表”的形式管理起来，在Buffer pool内部，对MySQL中的Page进行了一个建模！

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。

为什么MySQL在插入数据时要对其进行排序呢？按照正常顺序插入数据不好吗？

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，所以优化查询效率是必须的。

正是因为有序，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，可以提前结束查找过程的。

主要是为了方便建立目录。

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。效率也太低了。

页目录

我们在看《C语言程序设计》这本书的时候，如果要看“指针章节”，找到该章节有两种做法。

1、从头逐页的向后翻，直到找到目标内容。

2、通过书提供的目录，发现“指针章节”在123页，那么我们便可以直接翻到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（本来可以写更多的内容），但是却提高了查询的效率。

所以，目录，是一种“以空间换时间的做法”。

单页情况

针对上面的单页Page，是否也能引入目录呢？当然可以。

当前，在一个Page内部，就引入了目录。比如，要查找id=4的记录，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]，直接进行快速定位新的其实位置，提高了效率。

此时，就可以回答上面的问题了，为什么MySQL通过键值会自动排序？

可以很方便的引入目录。

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来存储新的数据，然后通过指针的方式，将所有的Page组织起来。

（注意：上面的图，是理想结构，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，遍历就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，有没有更好的办法进一步提升效率呢？

给Page也带上目录。

使用一个目录项来指向某一页，而这个目录项中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。（图中没有画指向页的指针）

存在一个目录页来管理页目录，目录页中的目录项存放的数据就是指向的那一页中最小的数据。有数据，就可以通过比较，找到要访问的那个Page，进而通过指针，找到下一个Page。

目录页的本质也是页，普通页中存放的数据是用户数据，而目录页中存放的数据是普通页的地址和普通页最小数据的键值。

但是，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，还是需要遍历啊。此时，可以再加目录页。

这就是B+树结构！至此，就给表user构建完了主键索引。

此时，随便找个一个id，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。

Page分为目录页和数据页。目录页只存放下级Page的最小键值和地址。
查找的时候，自顶向下找，磁盘只需要加载部分目录页到内存，即可完成算法的整个查找过程，大大减少了IO次数。

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，有可能退化成线性结构，线性遍历。
AVL&&红黑树：虽然平衡或近似平衡，但是毕竟是二叉结构，相比多阶B+，意味着整体树过高，都是自顶向下查找，层高越低，意味着系统与硬盘IO，加载到内存的Page越少，也就是IO次数越少，效率越高。
Hash：官方的索引实现方式，MySQL是支持Hash的，不过InnoDB和MyISAM不支持。Hash根据其算法特征，决定了查找时间也很快O（1），但是，在面对范围查找时就明显不行（尽管查找的数据相邻，但是依旧需要Hash查找）。
B树：？

InnoDB为何不用B树作为底层索引？

B树结构：

B+树结构：

B树节点，既有键值和Page指针，又有数据；而B+树，只有叶子节点有数据，其他目录页，只有键值和Page指针。
B+树的叶子节点，全部相连；而B树没有。

为何选择B+？

1、非叶子节点不存储数据，意味着一个节点就可以存储更多的目录项，也就是可以管理更多的Page。所以，这棵树一定是“矮胖型”的树！查找的时候，途径的节点就少（每途径一个节点就意味着一个Page要加载到内存，要进行一次IO），找到目标数据只需要更少的Page，IO次数就少了，效率就高了。

2、叶子节点全部使用链表相连，更便于进行范围查找。

聚簇索引和非聚簇索引

MyISAM存储引擎：主键索引。

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

MyISAM存储引擎的最大特点是，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。

而InnoDB存储引擎，是将索引Page和数据Page放在一起的。

像InnoDB这种，用户数据和索引数据在一起的索引方案，叫做聚簇索引。

像MyISAM这种，用户数据和索引数据分离的索引方案，叫做非聚簇索引。

MySQL除了默认会建立主键索引外，用户也有可能按照其他列信息建立索引，一般这种索引叫做辅助（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，而非主键可以重复。

下图就是基于MyISAM的Col2建立的索引，和主键索引没有差别。

InnoDB除了主键索引，用户也会建立辅助（普通）索引，以上表中的Col3建立对应的辅助索引如图。

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，然后用主键到主键索引中检索获得记录。这种过程，叫做回表查询。

为什么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？

原因是：太浪费空间了。

索引操作

查询索引

方式一：show keys from 表名
方式二：show index from 表名
方式三：desc 表名（显示出的信息简略）

删除索引

删除主键索引：alter table 表名 drop primary key
删除其他索引：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
删除其他索引：也可以drop index 索引名 on 表名

创建主键索引

方式一

//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(20));

方式二

//在创建表的最后，指定某列或几列为主键索引

create table user2(id int, name varchar(20), primary key(id));

方式三

create table user3(id int, name varchar(20));

//创建表以后再添加主键索引

alter table user3 add primary key(id);

创建主键索引的操作和创建主键的操作是一样的，创建了一个主键，MySQL会默认给这个主键创建索引。

主键索引特点

一个表中，最多有一个主键索引，可以使用复合主键
主键索引效率高
创建主键索引的列，不能为null，不能重复
主键索引的列基本上是int

演示：

创建主键索引。

查询主键索引。

删除主键索引。

添加主键索引。

创建唯一索引

方式一

//创建表的时候，直接在字段名后指定unique唯一属性

create table user4(id int primary key, name varchar(20) unique);

方式二

//在创建表的最后，指定某列或几列为主键索引

create table user5(id int, name varchar(20), unique(name));

方式三

create table user6(id int, name varchar(20));

//创建表以后再添加唯一索引

alter table user6 add unique(name);

唯一索引特点

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
如果一个唯一索引指定not null，等价于主键索引

演示：

创建唯一索引。

查询唯一键索引。

删除唯一键索引。

查询唯一键索引。

删除了唯一键索引，只剩下主键索引了。

添加唯一键索引。

删除唯一键索引。

创建普通索引

方式一

//在表定义最后，指定某列为普通索引

create table user8(id int primary key, name varchar(20), email varchar(30), index(name));

方式二

create table user9(id int primary key, name varchar(20), email varchar(30);

//创建完表以后指定某列为普通索引

alter table user9 add index(name);

方式三

create table user10(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 user10(name);

普通索引的特点

一个表中可以有多个普通索引，普通索引实际开发用的比较多
如果某列需要创建索引，但是该列有重复的值，就应该使用普通索引

演示：

创建普通索引。

查询普通索引。

删除普通索引。

添加普通索引。

创建一个索引名为idx_name的索引。

创建全文索引

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，不支持中午。如果对中文进行全文检索，可以使用sphinx的中文版（coreseek）。

有如下articles表。

查询有没有database数据。

使用这种方式，虽然查到了数据，但是没有使用全文索引。

可以使用explain工具看一下是否使用到索引。

下面使用全文索引。

使用explain分析这个sql语句。

复合索引（了解）

复合索引是将多个列组合在一起创建的索引，数据库系统会根据这些列的顺序来存储和排序数据，以加速基于这些列的查询操作。

创建复合索引。

查询复合索引。

删除复合索引。

工作原理

复合索引会按照创建索引时指定的列顺序，对数据进行排序和存储。例如，若在列name和列email上创建了复合索引（name，email），MySQL首先会按照列name的值进行排序，当列name的值相同时，再按照列email的值进行排序。查询时，MySQL会根据查询条件从索引中快熟定位符合条件的数据。

复合索引特点