mysql 聚簇索引和非聚簇索引_图文并茂，说说MySQL索引
點擊上方?小偉后端筆記?，選擇?星標?公眾號
重磅資訊、干貨，第一時間送達作者：小小木的博客來源：cnblogs.com/wyc1994666/p/10831039.html
序
開門見山，直接上圖，下面的思維導圖即是現(xiàn)在要講的內(nèi)容，可以先有個印象～
- 常見索引類型(實現(xiàn)層面)
- 索引種類(應(yīng)用層面)
- 聚簇索引與非聚簇索引
- 覆蓋索引
- 最佳索引使用策略
1.常見索引類型(實現(xiàn)層面)
首先不談Mysql怎么實現(xiàn)索引的,先馬后炮一下,如果讓我們來設(shè)計數(shù)據(jù)庫的索引，該怎么設(shè)計？
我們首先思考一下索引到底想達到什么效果？其實就是想能夠?qū)崿F(xiàn)「快速查找」數(shù)據(jù)的策略，所以索引的實現(xiàn)本質(zhì)上就是一個「查找算法」。
但是跟普通的查找有所不同，因為我們的數(shù)據(jù)有以下特征：
「1.存儲的數(shù)據(jù)是非常非常多的」「2.并且還不斷的動態(tài)變化」
所以實現(xiàn)索引時需要考慮到這兩個特點。我們需要找一個最合適的數(shù)據(jù)結(jié)構(gòu)算法來實現(xiàn)查找功能。
下面一起看下常見的查找策略，如下圖：
由于前面說的兩個特點我們首先排除靜態(tài)查找的算法。
至于查找樹，我們有二叉樹和多叉樹兩種選擇：
「二叉樹」：如果先查二叉樹的話，由于我們的數(shù)據(jù)量龐大，二叉樹的深度會變得非常大，我們的索引樹會變成參天大樹，每次查詢會導致很多磁盤IO。
「多叉樹」：多叉樹解決了了樹的深度大的問題，那么我們到底選擇B樹還是B+樹呢？
?B樹 摘自維基百科 https://zh.wikipedia.org/wiki/B%2B樹
??B+樹 摘自維基百科 https://zh.wikipedia.org/wiki/B%2B樹
?從上面圖可知「B+樹的葉子節(jié)點存放了所有的索引值」，并且葉子結(jié)點之間以鏈表的形式相互關(guān)聯(lián)，所以我們只需從最左的鏈表遍歷的話即可查找所有的值，最常見的用途就是范圍查找，而B樹則不滿足這范圍查找，又或者說實現(xiàn)特別復雜,所以Mysql最終選擇了使用B+樹實現(xiàn)這一功能。
1.1 B-Tree 索引(B+樹)
先說明一下，雖然叫在Mysql官方叫做B-Tree索引，但采用的是B+樹數(shù)據(jù)結(jié)構(gòu)。
B-tree索引能夠加快訪問數(shù)據(jù)的速度，不需要進行全表掃描，而是從索引樹的根節(jié)點層層往下搜索，在根節(jié)點存放了索引值和指向下一個節(jié)點的指針。
下面看下單列索引的數(shù)據(jù)怎么組織的。
create?table?User(`name`?varchar(50)?not?null,
`uid`?int(4)?not?null,
`gender`?int(2)?not?null,
?key(`uid`)
);
上面User 表給uid列創(chuàng)建了一個索引，那么往表里插入uid(96~102)的時候存儲引擎是怎么管理索引的呢？看下面的索引樹
「1.在葉子節(jié)點存放所有的索引值，非葉子節(jié)點值是為了更快定位包含目標值的葉子節(jié)點」
「2.葉子節(jié)點的值是有序的」
「3.葉子節(jié)點之間以鏈表形式關(guān)聯(lián)」
下面在看一下多列(聯(lián)合)索引的數(shù)據(jù)怎么組織的。
create?table?User(`name`?varchar(50)?not?null,
`uid`?int(4)?not?null,
`gender`?int(2)?not?null,
?key(`uid`,`name`)
);
給User 表創(chuàng)建了聯(lián)合索引 key(uid,name) 這種情況下他的索引樹是如下圖所示。
特點跟單列索引一樣，不同之處在于他的排序，「如果第一個字段相同時會按第二個索引字段排序」
「如何通過B-tree快速查找數(shù)據(jù)？」
對于InnoDb 存儲引擎的B-tree索引，會按以下步驟通過索引找到行數(shù)據(jù)
- 如果使用了聚簇索引(主鍵)，則葉子節(jié)點上就包含行數(shù)據(jù)，可直接返回
- 如果使用了非聚簇索引(普通索引),則在葉子節(jié)點存了主鍵，再根據(jù)主鍵查詢一次上面 的聚簇索引，最后返回數(shù)據(jù)
對于MyISAM 存儲引擎的B-tree索引，會按以下步驟通過索引找到行數(shù)據(jù)
- 在MyISAM 的索引樹的葉子節(jié)點上除了索引值之外即沒存儲主鍵，也沒存儲行數(shù)據(jù)，而是存了指向行數(shù)據(jù)的指針，根據(jù)這個指針在從表文件查詢數(shù)據(jù)。
1.2 Hash 索引(哈希表)
哈希索引是基于哈希表來實現(xiàn)的，只有精確匹配所有的所有列才能生效。
也就是說假設(shè)有個hash索引 key (col1,col2) 那么每次只有 col1和col2兩個字段都用才能夠生效。因為生成hash索引的時候是根據(jù)一個hash函數(shù)對所有的索引列取hash值來實現(xiàn)的。
如下方圖，有個hash索引key(name)
當我們執(zhí)行?mysql> select * from User where name='張三'；?時怎么利用hash索引快速查找的？
2.常見索引種類(應(yīng)用層面)
「主鍵索引」
create?table?User(`name`?varchar(50)?not?null,
`uid`?int(4)?not?null,
`gender`?int(2)?not?null,
?primary?key(`uid`)
);
主鍵索引是唯一的，通常以表的ID設(shè)置為主鍵索引,一個表只能有一個主鍵索引，這是他跟唯一索引的區(qū)別。
「唯一索引」
create?table?User(`name`?varchar(50)?not?null,
`uid`?int(4)?not?null,
`gender`?int(2)?not?null,
?unique?key(`name`)
);
唯一索引主要用于業(yè)務(wù)上的唯一約束，他跟主鍵索引的區(qū)別是，一個表可以有多個唯一索引
「單列索引」
create?table?User(`name`?varchar(50)?not?null,
`uid`?int(4)?not?null,
`gender`?int(2)?not?null,
?key(`name`)
);
以某一個字段為索引
「聯(lián)合索引」
create?table?User(`name`?varchar(50)?not?null,
`uid`?int(4)?not?null,
`gender`?int(2)?not?null,
?key(`name`,`uid`)
);
兩個或兩個以上字段聯(lián)合組成一個索引。使用時需要注意滿足最左匹配原則！
還有其他不常用的就不介紹了～
3.聚簇索引與非聚簇索引
什么是聚簇索引？聚簇索引指的是他的?「索引和行數(shù)據(jù)」?在一起存儲。也就是在一顆B+樹的葉子結(jié)點上存儲的不僅是他的索引值，還有對應(yīng)的某一行的數(shù)據(jù)。待會兒看圖便知。
「聚簇索引不是一種索引，而是一種數(shù)據(jù)存儲組織方式 ！！！」
crreate?table?test(??col1?int?not?null,
??col2?int?not?null,
??PRIMARY?KEY(col1),
??KEY(col2)
);
如上所示，表test 由兩個索引，分別是主鍵 col1 和 普通索引 col2。那么這倆索引跟聚簇非聚簇有啥關(guān)系呢？
會生成一個聚簇索引和一個非聚簇索引(二級索引)，也就是說會組織兩個索引樹。主鍵索引會生成聚簇索引的樹 以及以col2為索引的非聚簇索引的樹。
「InnoDb 將通過主鍵來實現(xiàn)聚簇索引」?，如果沒有主鍵則會選選一個唯一非空索引來實現(xiàn)。如果沒有唯一非空索引則會隱式生成一個主鍵。
下面看下聚簇索引和非聚簇索引在索引樹上數(shù)據(jù)是怎么分布的，圖片摘自《高性能Nysql》
「下圖是聚簇索引的數(shù)據(jù)組織方式。col1為主鍵索引的聚簇索引樹」
「索引列是主鍵 col1」可以看出葉子結(jié)點除了存儲索引值 列col1 (3994700)值 之外還存儲了其他列的值，如列col2 (92813),如果還有別的列的話也會存儲，或者換句話說聚簇索引樹 在葉子節(jié)點上存儲某個索引值對應(yīng)的一行數(shù)據(jù)。
「下圖是非聚簇索引(二級索引)的數(shù)據(jù)組織方式。」
「索引列是 col2」
與聚簇索引不同的是非聚簇索引在索引樹葉子節(jié)點上除了索引值之外只存了主鍵值。而聚簇索引則存了一行數(shù)據(jù)。
假如有一條sql 語句?select * from test where col2=93;上面這條語句會經(jīng)歷兩次從索引樹查找過程
1.第一步從非聚簇索引的索引樹上找到包含col2=93的葉子節(jié)點，并定位到行的主鍵 3 2.第二步 根據(jù)主鍵 3 在從聚簇索引定位包含 主鍵=3的葉子節(jié)點并返回全部行數(shù)據(jù)。
以上說的都是基于InnoDb存儲引擎的,「MyISAM」是不支持聚簇索引的，因為他的數(shù)據(jù)文件和索引文件是相互獨立存儲的?「MyISAM」存儲引擎的索引樹的葉子節(jié)點不會存主鍵值，而存一個指向?qū)?yīng)行的地址或者說是指針，然后再從表數(shù)據(jù)文件里去找，如下面圖所示。
結(jié)論：
- 聚簇索引: 通常由主鍵或者非空唯一索引實現(xiàn)的，葉子節(jié)點存儲了一整行數(shù)據(jù)
- 非聚簇索引：又稱二級索引，就是我們常用的普通索引，葉子節(jié)點存了索引值和主鍵值，在根據(jù)主鍵從聚簇索引查
4.覆蓋索引
「覆蓋索引就是指索引包含了所有需要查詢的字段。」
create?table?User(`name`?varchar(50)?not?null,
`uid`?int(4)?not?null,
`gender`?int(2)?not?null,
?key(`uid`,`name`)
);
假如表 User有三個字段 User (name,uid,gender),且有個聯(lián)合索引 key(name,uid)那么 執(zhí)行如下面這條sql查詢時就用到了 覆蓋索引。
select name,uid from User where name in ('a','b') and uid >= 98 and uid <=100 ;
上面這條sql語句使用了聯(lián)合索引 key(name,uid),并且只需查找 name,uid兩個字段，所以使用了覆蓋索引。覆蓋索引有什么好處呢？先看一下下面這個圖上面這個圖就是 聯(lián)合索引key(name,uid) 所對應(yīng)的索引樹，從圖中可以看出，如果我們只需查詢(name,uid)兩個字段的話，從索引樹就能得到我們需要查的數(shù)據(jù)。不需要找到索引值之后再從表數(shù)據(jù)文件定位對應(yīng)的行數(shù)據(jù)了。
覆蓋索引好處 1.避免了對主鍵索引(聚簇)的二次查詢 2.由于不需要回表查詢(從表數(shù)據(jù)文件)所以大大提升了Mysql緩存的負載
總之大大提升了讀取數(shù)據(jù)的性能
5.最佳索引使用策略
最后在講講使用索引過程中的避坑指南
「獨立的列」
獨立的列不是指單列索引，而是指索引列不能是表達式的一部分或者是函數(shù)的一部分。
select * FROM test where col1 + 1 =100; // 不能是表達式一部分
select * FROM test where ABS(col1) =100; // 不能是函數(shù)一部分
「最左匹配原則」
假如有個聯(lián)合索引 key (col1,col2)。那么以下查詢是索引無效的
select * from test where col2 = 3;
select * from test where col1 like '%3';
對于最左匹配原則，大家想一下B+樹的葉子節(jié)點的關(guān)聯(lián)就差不多知道為啥需要最左匹配原則了，因為B+的葉子結(jié)點，從左到右以鏈表的形式關(guān)聯(lián)的，索引我們查詢的時候要么范圍查詢，要么有明確的左邊一個開始的索引值，不能跳過或者不明確如 like '%XYZ'這種查詢。
「索引值不能是null值」
單列索引有null值會導致索引無效 多列索引只要有個列有null值會導致索引無效
「使用聚簇索引和覆蓋索引大大提升讀取性能」
因為聚簇索引和覆蓋索引的索引樹上就有了需要的字段，所以不需要回表文件查詢，所以提升了查詢速度
「使用短索引」如果很長的字符串進行查詢，只需匹配一個前綴長度，這樣能夠節(jié)省大量索引空間
推薦閱讀：
從傳統(tǒng)Web框架切換到SpringBoot后的總結(jié)
阿里云盤正式上架，附下載鏈接+邀請碼
換工作，關(guān)于面試的總結(jié)
學會這個！微信支付能提現(xiàn)免費！
為什么SimpleDateFormat不是線程安全的?
↘↘↘
創(chuàng)作挑戰(zhàn)賽新人創(chuàng)作獎勵來咯，堅持創(chuàng)作打卡瓜分現(xiàn)金大獎總結(jié)
以上是生活随笔為你收集整理的mysql 聚簇索引和非聚簇索引_图文并茂，说说MySQL索引的全部內(nèi)容，希望文章能夠幫你解決所遇到的問題。
- 上一篇： python彩色螺旋线_解决python
- 下一篇： insert into语句_入门MySQ