深刻浅出Mysql索引

索引的出现其实就是为了提升数据查询的效率，就像书的目录同样。

索引模型有三种常见、也比较简单的数据结构分别是哈希表、有序数组和搜索树。

哈希表

哈希表是一种以键 - 值（key-value）存储数据的结构，咱们只要输入待查找的值即 key，就能够找到其对应的值即 Value。哈希的思路很简单，把值放在数组里，用一个哈希函数把 key 换算成一个肯定的位置，而后把 value 放在数组的这个位置。

 

 适用于只有等值查询的场景，好比 Memcached 及其余一些NoSQL 引擎。

 

有序数组

有序数组在等值查询和范围查询场景中的性能就都很是优秀。

 

这里咱们假设身份证号没有重复，这个数组就是按照身份证号递增的顺序保存的。这时候若是你要查 ID_card_n2 对应的名字，用二分法就能够快速获得，这个时间复杂度是O(log(N))。

若是仅仅看查询效率，有序数组就是最好的数据结构了。可是，在须要更新数据的时候就麻烦了，你往中间插入一个记录就必须得挪动后面全部的记录，成本过高。因此，有序数组索引只适用于静态存储引擎，好比你要保存的是 2017 年某个城市的全部人口信息，这类不会再修改的数据。

 

二叉搜索树

二叉搜索树的时间复杂度是 O(log(N))。树能够有二叉，也能够有多叉。多叉树就是每一个节点有多个儿子，儿子之间的大小保证从左到右递增。二叉树是搜索效率最高的，可是实际上大多数的数据库存储却并不使用二叉树。其缘由是，索引不止存在内存中，还要写到磁盘上。

为了让一个查询尽可能少地读磁盘，就必须让查询过程访问尽可能少的数据块。那么，咱们就不该该使用二叉树，而是要使用“N 叉”树。这里，“N 叉”树中的“N”取决于数据块的大小。

 

InnoDB 的索引模型

在 InnoDB 中，表都是根据主键顺序以索引的形式存放的，这种存储方式的表称为索引组织表。

每个索引在 InnoDB 里面对应一棵 B+ 树。

假设，咱们有一个主键列为 ID 的表，表中有字段 k，而且在 k 上有索引。

假如建表语句以下：

mysql> create table T( id int primary key, k int not null, name varchar(16), index (k))engine=InnoDB;

表中 R1~R5 的 (ID,k) 值分别为 (100,1)、(200,2)、(300,3)、(500,5) 和 (600,6)，两棵树的示例示意图以下。

主键索引的叶子节点存的是整行数据。在 InnoDB 里，主键索引也被称为聚簇索引（clustered index）。

非主键索引的叶子节点内容是主键的值。在 InnoDB 里，非主键索引也被称为二级索引（secondary index）。

根据上面的索引结构说明，咱们来讨论一个问题：基于主键索引和普通索引的查询有什么区别？

• 若是语句是 select * from T where ID=500，即主键查询方式，则只须要搜索 ID 这棵 B+ 树；
• 若是语句是 select * from T where k=5，即普通索引查询方式，则须要先搜索 k 索引树，获得 ID 的值为 500，再到 ID 索引树搜索一次。这个过程称为回表。

也就是说，基于非主键索引的查询须要多扫描一棵索引树。所以，咱们在应用中应该尽可能使用主键查询。

 

为何主键须要自增呢？

这样每次插入一条新记录，都是追加操做，都不涉及到挪动其余记录，也不会触发叶子节点的分裂，性能高得多。

 并且主键长度越小，普通索引的叶子节点就越小，普通索引占用的空间也就越小。

因此，从性能和存储空间方面考量，自增主键每每是更合理的选择。

 

最左前缀原则

因为覆盖索引能够减小树的搜索次数，显著提高查询性能，减小回表，因此使用覆盖索引是一个经常使用的性能优化手段。

在创建联合索引的时候，如何安排索引内的字段顺序？

第一原则是，若是经过调整顺序，能够少维护一个索引，那么这个顺序每每就是须要优先考虑采用的。

，若是既有联合查询，又有基于 a、b 各自的查询呢？查询条件里面只有 b 的语句，是没法使用 (a,b) 这个联合索引的，这时候你不得不维护另一个索引，也就是说你须要同时维护 (a,b)、(b) 这两个索引。

这时候，咱们要考虑的原则就是空间了。好比上面这个市民表的状况，name 字段是比 age 字段大的 ，那我就建议你建立一个（name,age) 的联合索引和一个 (age) 的单字段索引。

 

索引下推

若是如今有一个需求：检索出表中“名字第一个字是张，并且年龄是 10 岁的全部男孩”。那么，SQL 语句是这么写的：

mysql> select * from tuser where name like '张 %' and age=10 and ismale=1;

MySQL 5.6 以前，只能从 ID3 开始一个个回表。到主键索引上找出数据行，再对比字段值。

而 MySQL 5.6 引入的索引下推优化（index condition pushdown)， 能够在索引遍历过程当中，对索引中包含的字段先作判断，直接过滤掉不知足条件的记录，减小回表次数，以下图所示：