09 | 普通索引和惟一索引，应该怎么选择？

今天的正文开始前，我要特地感谢一下评论区几位留下高质量留言的同窗。

用户名是 @某、人 的同窗，对文章的知识点作了梳理，而后提了关于事务可见性的问题，就是先启动可是后提交的事务，对数据可见性的影响。@夏日雨同窗也提到了这个问题，我在置顶评论中回复了，今天的文章末尾也会再展开说明。@Justin和@倪大人两位同窗提了两个好问题。

对于可以引起更深一步思考的问题，我会在回复的内容中写上“好问题”三个字，方便你搜索，你也能够去看看他们的留言。

很是感谢你们很细致地看文章，而且留下了那么多和很高质量的留言。知道文章有给你们带来一些新理解，对我来讲是一个很好的鼓励。同时，也让其余认真看评论区的同窗，有机会发现一些本身尚未意识到的、但可能还不清晰的知识点，这也在整体上提升了整个专栏的质量。再次谢谢大家。

好了，如今就回到咱们今天的正文内容。

在前面的基础篇文章中，我给你介绍过索引的基本概念，相信你已经了解了惟一索引和普通索引的区别。今天咱们就继续来谈谈，在不一样的业务场景下，应该选择普通索引，仍是惟一索引？

假设你在维护一个市民系统，每一个人都有一个惟一的身份证号，并且业务代码已经保证了不会写入两个重复的身份证号。若是市民系统须要按照身份证号查姓名，就会执行相似这样的SQL语句：

select name from CUser where id_card = 'xxxxxxxyyyyyyzzzzz';

因此，你必定会考虑在id_card字段上建索引。

因为身份证号字段比较大，我不建议你把身份证号当作主键，那么如今你有两个选择，要么给id_card字段建立惟一索引，要么建立一个普通索引。若是业务代码已经保证了不会写入重复的身份证号，那么这两个选择逻辑上都是正确的。

如今我要问你的是，从性能的角度考虑，你选择惟一索引仍是普通索引呢？选择的依据是什么呢？

简单起见，咱们仍是用第4篇文章《深刻浅出索引（上）》中的例子来讲明，假设字段 k 上的值都不重复。

图1 InnoDB的索引组织结构

接下来，咱们就从这两种索引对查询语句和更新语句的性能影响来进行分析。

查询过程

假设，执行查询的语句是 select id from T where k=5。这个查询语句在索引树上查找的过程，先是经过B+树从树根开始，按层搜索到叶子节点，也就是图中右下角的这个数据页，而后能够认为数据页内部经过二分法来定位记录。

• 对于普通索引来讲，查找到知足条件的第一个记录(5,500)后，须要查找下一个记录，直到碰到第一个不知足k=5条件的记录。
• 对于惟一索引来讲，因为索引定义了惟一性，查找到第一个知足条件的记录后，就会中止继续检索。

那么，这个不一样带来的性能差距会有多少呢？答案是，微乎其微。

你知道的，InnoDB的数据是按数据页为单位来读写的。也就是说，当须要读一条记录的时候，并非将这个记录自己从磁盘读出来，而是以页为单位，将其总体读入内存。在InnoDB中，每一个数据页的大小默认是16KB。

由于引擎是按页读写的，因此说，当找到k=5的记录的时候，它所在的数据页就都在内存里了。那么，对于普通索引来讲，要多作的那一次“查找和判断下一条记录”的操做，就只须要一次指针寻找和一次计算。

固然，若是k=5这个记录恰好是这个数据页的最后一个记录，那么要取下一个记录，必须读取下一个数据页，这个操做会稍微复杂一些。

可是，咱们以前计算过，对于整型字段，一个数据页能够放近千个key，所以出现这种状况的几率会很低。因此，咱们计算平均性能差别时，仍能够认为这个操做成本对于如今的CPU来讲能够忽略不计。

更新过程

为了说明普通索引和惟一索引对更新语句性能的影响这个问题，我须要先跟你介绍一下change buffer。

当须要更新一个数据页时，若是数据页在内存中就直接更新，而若是这个数据页尚未在内存中的话，在不影响数据一致性的前提下，InooDB会将这些更新操做缓存在change buffer中，这样就不须要从磁盘中读入这个数据页了。在下次查询须要访问这个数据页的时候，将数据页读入内存，而后执行change buffer中与这个页有关的操做。经过这种方式就能保证这个数据逻辑的正确性。

须要说明的是，虽然名字叫做change buffer，实际上它是能够持久化的数据。也就是说，change buffer在内存中有拷贝，也会被写入到磁盘上。

将change buffer中的操做应用到原数据页，获得最新结果的过程称为merge。除了访问这个数据页会触发merge外，系统有后台线程会按期merge。在数据库正常关闭（shutdown）的过程当中，也会执行merge操做。

显然，若是可以将更新操做先记录在change buffer，减小读磁盘，语句的执行速度会获得明显的提高。并且，数据读入内存是须要占用buffer pool的，因此这种方式还可以避免占用内存，提升内存利用率。

那么，什么条件下可使用change buffer呢？

对于惟一索引来讲，全部的更新操做都要先判断这个操做是否违反惟一性约束。好比，要插入(4,400)这个记录，就要先判断如今表中是否已经存在k=4的记录，而这必需要将数据页读入内存才能判断。若是都已经读入到内存了，那直接更新内存会更快，就不必使用change buffer了。

所以，惟一索引的更新就不能使用change buffer，实际上也只有普通索引可使用。

change buffer用的是buffer pool里的内存，所以不能无限增大。change buffer的大小，能够经过参数innodb_change_buffer_max_size来动态设置。这个参数设置为50的时候，表示change buffer的大小最多只能占用buffer pool的50%。

如今，你已经理解了change buffer的机制，那么咱们再一块儿来看看若是要在这张表中插入一个新记录(4,400)的话，InnoDB的处理流程是怎样的。

第一种状况是，这个记录要更新的目标页在内存中。这时，InnoDB的处理流程以下：

• 对于惟一索引来讲，找到3和5之间的位置，判断到没有冲突，插入这个值，语句执行结束；
• 对于普通索引来讲，找到3和5之间的位置，插入这个值，语句执行结束。

这样看来，普通索引和惟一索引对更新语句性能影响的差异，只是一个判断，只会耗费微小的CPU时间。

但，这不是咱们关注的重点。

第二种状况是，这个记录要更新的目标页不在内存中。这时，InnoDB的处理流程以下：

• 对于惟一索引来讲，须要将数据页读入内存，判断到没有冲突，插入这个值，语句执行结束；
• 对于普通索引来讲，则是将更新记录在change buffer，语句执行就结束了。

将数据从磁盘读入内存涉及随机IO的访问，是数据库里面成本最高的操做之一。change buffer由于减小了随机磁盘访问，因此对更新性能的提高是会很明显的。

以前我就碰到过一件事儿，有个DBA的同窗跟我反馈说，他负责的某个业务的库内存命中率忽然从99%下降到了75%，整个系统处于阻塞状态，更新语句所有堵住。而探究其缘由后，我发现这个业务有大量插入数据的操做，而他在前一天把其中的某个普通索引改为了惟一索引。

change buffer的使用场景

经过上面的分析，你已经清楚了使用change buffer对更新过程的加速做用，也清楚了change buffer只限于用在普通索引的场景下，而不适用于惟一索引。那么，如今有一个问题就是：普通索引的全部场景，使用change buffer均可以起到加速做用吗？

由于merge的时候是真正进行数据更新的时刻，而change buffer的主要目的就是将记录的变动动做缓存下来，因此在一个数据页作merge以前，change buffer记录的变动越多（也就是这个页面上要更新的次数越多），收益就越大。

所以，对于写多读少的业务来讲，页面在写完之后立刻被访问到的几率比较小，此时change buffer的使用效果最好。这种业务模型常见的就是帐单类、日志类的系统。

反过来，假设一个业务的更新模式是写入以后立刻会作查询，那么即便知足了条件，将更新先记录在change buffer，但以后因为立刻要访问这个数据页，会当即触发merge过程。这样随机访问IO的次数不会减小，反而增长了change buffer的维护代价。因此，对于这种业务模式来讲，change buffer反而起到了反作用。

索引选择和实践

回到咱们文章开头的问题，普通索引和惟一索引应该怎么选择。其实，这两类索引在查询能力上是没差异的，主要考虑的是对更新性能的影响。因此，我建议你尽可能选择普通索引。

若是全部的更新后面，都立刻伴随着对这个记录的查询，那么你应该关闭change buffer。而在其余状况下，change buffer都能提高更新性能。

在实际使用中，你会发现，普通索引和change buffer的配合使用，对于数据量大的表的更新优化仍是很明显的。

特别地，在使用机械硬盘时，change buffer这个机制的收效是很是显著的。因此，当你有一个相似“历史数据”的库，而且出于成本考虑用的是机械硬盘时，那你应该特别关注这些表里的索引，尽可能使用普通索引，而后把change buffer 尽可能开大，以确保这个“历史数据”表的数据写入速度。

change buffer 和 redo log

理解了change buffer的原理，你可能会联想到我在前面文章中和你介绍过的redo log和WAL。

在前面文章的评论中，我发现有同窗混淆了redo log和change buffer。WAL 提高性能的核心机制，也的确是尽可能减小随机读写，这两个概念确实容易混淆。因此，这里我把它们放到了同一个流程里来讲明，便于你区分这两个概念。

备注：这里，你能够再回顾下第2篇文章《日志系统：一条SQL更新语句是如何执行的？》中的相关内容。

如今，咱们要在表上执行这个插入语句：

mysql> insert into t(id,k) values(id1,k1),(id2,k2);

这里，咱们假设当前k索引树的状态，查找到位置后，k1所在的数据页在内存(InnoDB buffer pool)中，k2所在的数据页不在内存中。如图2所示是带change buffer的更新状态图。

图2 带change buffer的更新过程

分析这条更新语句，你会发现它涉及了四个部分：内存、redo log（ib_log_fileX）、 数据表空间（t.ibd）、系统表空间（ibdata1）。

这条更新语句作了以下的操做（按照图中的数字顺序）：

1. Page 1在内存中，直接更新内存；

2. Page 2没有在内存中，就在内存的change buffer区域，记录下“我要往Page 2插入一行”这个信息

3. 将上述两个动做记入redo log中（图中3和4）。

作完上面这些，事务就能够完成了。因此，你会看到，执行这条更新语句的成本很低，就是写了两处内存，而后写了一处磁盘（两次操做合在一块儿写了一次磁盘），并且仍是顺序写的。

同时，图中的两个虚线箭头，是后台操做，不影响更新的响应时间。

那在这以后的读请求，要怎么处理呢？

好比，咱们如今要执行 select * from t where k in (k1, k2)。这里，我画了这两个读请求的流程图。

若是读语句发生在更新语句后不久，内存中的数据都还在，那么此时的这两个读操做就与系统表空间（ibdata1）和 redo log（ib_log_fileX）无关了。因此，我在图中就没画出这两部分。

图3 带change buffer的读过程

从图中能够看到：

1. 读Page 1的时候，直接从内存返回。有几位同窗在前面文章的评论中问到，WAL以后若是读数据，是否是必定要读盘，是否是必定要从redo log里面把数据更新之后才能够返回？实际上是不用的。你能够看一下图3的这个状态，虽然磁盘上仍是以前的数据，可是这里直接从内存返回结果，结果是正确的。

2. 要读Page 2的时候，须要把Page 2从磁盘读入内存中，而后应用change buffer里面的操做日志，生成一个正确的版本并返回结果。

能够看到，直到须要读Page 2的时候，这个数据页才会被读入内存。

因此，若是要简单地对比这两个机制在提高更新性能上的收益的话，redo log 主要节省的是随机写磁盘的IO消耗（转成顺序写），而change buffer主要节省的则是随机读磁盘的IO消耗。

小结

今天，我从普通索引和惟一索引的选择开始，和你分享了数据的查询和更新过程，而后说明了change buffer的机制以及应用场景，最后讲到了索引选择的实践。

因为惟一索引用不上change buffer的优化机制，所以若是业务能够接受，从性能角度出发我建议你优先考虑非惟一索引。

最后，又到了思考题时间。

经过图2你能够看到，change buffer一开始是写内存的，那么若是这个时候机器掉电重启，会不会致使change buffer丢失呢？change buffer丢失可不是小事儿，再从磁盘读入数据可就没有了merge过程，就等因而数据丢失了。会不会出现这种状况呢？

你能够把你的思考和观点写在留言区里，我会在下一篇文章的末尾和你讨论这个问题。感谢你的收听，也欢迎你把这篇文章分享给更多的朋友一块儿阅读。

补充：
评论区你们对“是否使用惟一索引”有比较多的讨论，主要是纠结在“业务可能没法确保”的状况。这里，我再说明一下：

• 首先，业务正确性优先。我们这篇文章的前提是“业务代码已经保证不会写入重复数据”的状况下，讨论性能问题。若是业务不能保证，或者业务就是要求数据库来作约束，那么没得选，必须建立惟一索引。这种状况下，本篇文章的意义在于，若是碰上了大量插入数据慢、内存命中率低的时候，能够给你多提供一个排查思路。
• 而后，在一些“归档库”的场景，你是能够考虑使用惟一索引的。好比，线上数据只须要保留半年，而后历史数据保存在归档库。这时候，归档数据已是确保没有惟一键冲突了。要提升归档效率，能够考虑把表里面的惟一索引改为普通索引。

上期问题时间

上期的问题是：如何构造一个“数据没法修改”的场景。评论区里已经有很多同窗给出了正确答案，这里我再描述一下。

这样，session A看到的就是我截图的效果了。

其实，还有另一种场景，同窗们在留言区都尚未提到。

这个操做序列跑出来，session A看的内容也是可以复现我截图的效果的。这个session B’启动的事务比A要早，实际上是上期咱们描述事务版本的可见性规则时留的彩蛋，由于规则里还有一个“活跃事务的判断”，我是准备留到这里再补充的。

当我试图在这里讲述完整规则的时候，发现第8篇文章《事务究竟是隔离的仍是不隔离的？》中的解释引入了太多的概念，以至于分析起来很是复杂。

所以，我重写了第8篇，这样咱们人工去判断可见性的时候，才会更方便。【看到这里，我建议你可以再从新打开第8篇文章并认真学习一次。若是学习的过程当中，有任何问题，也欢迎你给我留言】

用新的方式来分析session B’的更新为何对session A不可见就是：在session A视图数组建立的瞬间，session B’是活跃的，属于“版本未提交，不可见”这种状况。

业务中若是要绕过这类问题，@约书亚提供了一个“乐观锁”的解法，你们能够去上一篇的留言区看一下。