索引的作用

提高數據查詢效率

索引的常見模型

可以用于提高讀寫效率的數據結構很多，這里三種常見、也比較簡單的數據結構，它們分別是哈希表、有序數組和搜索樹

哈希表

鍵 - 值(key - value) 的形式，哈希思路：把值放在數組里，用一個哈希函數把key換算成一個確定的位置，然后把value放在數組的這個位置。
哈希沖突的處理辦法：鏈表

哈希表適用場景： 只有等值查詢的場景，比如 Memcached 及其他一些 NoSQL 引擎。

有序數組

按順序存儲。查詢用二分法就可以快速查詢，時間復雜度是：O(log(N))
有序數組在等值查詢和范圍查詢場景中的性能就都非常優秀。

場景：有序數組索引只適用于靜態存儲引擎，

二叉搜索樹

二叉搜索樹的特點是：父節點左子樹所有結點的值小于父節點的值，右子樹所有結點的值大于父節點的值。這樣如果你要查 ID_card_n2 的話，按照圖中的搜索順序就是按照 UserA -> UserC -> UserF -> User2 這個路徑得到。這個時間復雜度是 O(log(N))。為了維持 O(log(N)) 的查詢復雜度，你就需要保持這棵樹是平衡二叉樹。為了做這個保證，更新的時間復雜度也是 O(log(N))。

樹可以有二叉，也可以有多叉。多叉樹就是每個節點有多個兒子，兒子之間的大小保證從左到右遞增。二叉樹是搜索效率最高的，但是實際上大多數的數據庫存儲卻并不使用二叉樹。其原因是，索引不止存在內存中，還要寫到磁盤上。

InnoDB 的索引模型

每一個索引在 InnoDB 里面對應一棵 B+ 樹，即一個主鍵索引樹和多個非主鍵索引樹。
執行查詢的效率，使用主鍵索引 > 使用非主鍵索引 > 不使用索引。
如果不使用索引進行查詢，則從主索引 B+ 樹的葉子節點進行遍歷。
主鍵索引和普通索引的查詢有什么區別？
非主鍵索引的查詢需要多掃描一棵索引樹。因此，我們在應用中應該盡量使用主鍵查詢。

索引維護

B+ 樹為了維護索引有序性，在插入新值的時候需要做必要的維護(所以推薦自增主鍵)

中間插入記錄：需要邏輯上挪動后面的數據，空出位置
數據頁滿了： 根據 B+ 樹的算法，這時候需要申請一個新的數據頁，然后挪動部分數據過去（頁分裂,原本放在一個頁的數據，現在分到兩個頁中，整體空間利用率降低大約 50%）

當相鄰兩個頁由于刪除了數據，利用率很低之后，會將數據頁做合并。合并的過程，可以認為是分裂過程的逆過程。

主鍵選擇：主鍵長度越小，普通索引的葉子節點就越小，普通索引占用的空間也就越小，從性能和存儲空間方面考量，自增主鍵往往是更合理的選擇。

業務字段做主鍵：不回表，典型的 KV 場景。

回表

回到主鍵索引樹搜索的過程，稱為回表

覆蓋索引

如果值已經在 某個索引樹上了，因此可以直接提供查詢結果，不需要回表。由于覆蓋索引可以減少樹的搜索次數，顯著提升查詢性能，所以使用覆蓋索引是一個常用的性能優化手段。

最左前綴原則

B+ 樹這種索引結構，可以利用索引的“最左前綴”，來定位記錄。

不只是索引的全部定義，只要滿足最左前綴，就可以利用索引來加速檢索。這個最左前綴可以是聯合索引的最左 N 個字段，也可以是字符串索引的最左 M 個字符。

在建立聯合索引的時候，如何安排索引內的字段順序？

評估標準是，索引的復用能力。因為可以支持最左前綴，所以當已經有了 (a,b) 這個聯合索引后，一般就不需要單獨在 a 上建立索引了。

如果通過調整順序，可以少維護一個索引，那么這個順序往往就是需要優先考慮采用的。

考慮原則就是空間。比如上面這個市民表的情況，name 字段是比 age 字段大的 ，可以創建一個（name,age) 的聯合索引和一個 (age) 的單字段索引。

索引下推

在 MySQL 5.6 之前，只能一個一個回表，到主鍵索引上找出數據行，再對比字段值。
而 MySQL 5.6 引入的索引下推優化（index condition pushdown)， 可以在索引遍歷過程中，對索引中包含的字段先做判斷，直接過濾掉不滿足條件的記錄，減少回表次數。


直接判斷age，只需要回表 2 次。

常見的樹結構

二叉樹

二叉樹是一種二分查找樹，有很好的查找性能，相當于二分查找。
但是當N比較大的時候，樹的深度比較高。數據查詢的時間主要依賴于磁盤IO的次數，二叉樹深度越大，查找的次數越多，性能越差。

多叉樹

多叉樹就是節點可以是M個，能有效地減少高度，高度變小后，節點變少I/O自然少，性能比二叉樹好

B樹

B樹簡單地說就是多叉樹，每個葉子會存儲數據，和指向下一個節點的指針。

B+樹

B+樹是B樹的改進，簡單地說是：只有葉子節點才存數據，非葉子節點是存儲的指針；所有葉子節點構成一個有序鏈表

優點：

對于在內部節點的數據，可直接得到，不必根據葉子節點來定位。

非葉子節點不會帶上指向記錄的指針，這樣，一個塊中可以容納更多的索引項，一是可以降低樹的高度。二是一個內部節點可以定位更多的葉子節點。

葉子節點之間通過指針來連接，范圍掃描將十分簡單，而對于B樹來說，則需要在葉子節點和內部節點不停的往返移動。具體的來講，如何想掃描一次所有數據，對于b+樹來說，可以從因為他們的葉子結點是連在一起的，所以可以橫向的遍歷過去。而對于b-樹來說，就這能中序遍歷。

磁盤讀寫代價更低

查詢效率更加穩定
非終結點并不是最終指向文件內容的結點，而只是葉子結點中關鍵字的索引。所以任何關鍵字的查找必須走一條從根結點到葉子結點的路。所有關鍵字查詢的路徑長度相同，導致每一個數據的查詢效率相當。

紅黑樹

紅黑樹的規則：
1）每個結點要么是紅的，要么是黑的。
2）根結點是黑的。
3）每個葉結點（葉結點即指樹尾端NIL指針或NULL結點）是黑的。
4）如果一個結點是紅的，那么它的倆個兒子都是黑的。
5）對于任一結點而言，其到葉結點樹尾端NIL指針的每一條路徑都包含相同數目的黑結點。

現在想想，理解是平衡樹（AVL）更平衡，結構上更加直觀，時間效能針對讀取而言更高，但是維護起來比較麻煩（插入和刪除之后，都需要rebalance）。但是紅黑樹通過它規則的設定，確保了插入和刪除的最壞的時間復雜度是O(log N) 。

設計紅黑樹的目的，就是解決平衡樹的維護起來比較麻煩的問題，紅黑樹，讀取略遜于AVL，維護強于AVL，每次插入和刪除的平均旋轉次數應該是遠小于平衡樹。

紅黑樹 和 b+樹的用途有什么區別？

紅黑樹多用在內部排序，即全放在內存中的

B+樹多用于外存上時，B+也被成為一個磁盤友好的數據結構。

總結

以上是生活随笔為你收集整理的深入浅出MySql索引的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。