汇集索引,非汇集索引,覆盖索引原理

「数据库」和「数据库索引」这两个东西是在服务器端开发领域应用最为普遍的两个概念，熟练使用数据库和数据库索引是开发人员在行业内生存的必备技能

使用索引很简单，只要能写建立表的语句，就确定能写建立索引的语句，要知道这个世界上是不存在不会建立表的服务器端程序员的。然而， 会使用索引是一回事， 而深刻理解索引原理又能恰到好处使用索引又是另外一回事，这彻底是两个天差地别的境界（我本身也尚未达到这层境界）。很大一部份程序员对索引的了解仅限于到“加索引能使查询变快”这个概念为止。

为何要给表加上主键？
为何加索引后会使查询变快？
为何加索引后会使写入、修改、删除变慢？
什么状况下要同时在两个字段上建索引？
这些问题他们可能不必定能说出答案。知道这些问题的答案有什么好处呢？若是开发的应用使用的数据库表中只有1万条数据，那么了解与不了解真的没有差异， 然而， 若是开发的应用有几百上千万甚至亿级别的数据，那么不深刻了解索引的原理， 写出来程序就根本跑不动，就比如若是给货车装个轿车的引擎，这货车还能拉的动货吗？

接下来就讲解一下上面提出的几个问题，但愿对阅读者有帮助。

网上不少讲解索引的文章对索引的描述是这样的「索引就像书的目录， 经过书的目录就准确的定位到了书籍具体的内容」，这句话描述的很是正确， 但就像脱了裤子放屁，说了跟没说同样，经过目录查找书的内容天然是要比一页一页的翻书找来的快，一样使用的索引的人难到会不知道，经过索引定位到数据比直接一条一条的查询来的快，否则他们为何要建索引。

想要理解索引原理必须清楚一种数据结构「平衡树」(非二叉)，也就是b tree或者 b+ tree，重要的事情说三遍：“平衡树，平衡树，平衡树”。固然， 有的数据库也使用哈希桶做用索引的数据结构 ， 然而， 主流的RDBMS都是把平衡树当作数据表默认的索引数据结构的。

咱们平时建表的时候都会为表加上主键， 在某些关系数据库中， 若是建表时不指定主键，数据库会拒绝建表的语句执行。 事实上， 一个加了主键的表，并不能被称之为「表」。一个没加主键的表，它的数据无序的放置在磁盘存储器上，一行一行的排列的很整齐， 跟我认知中的「表」很接近。若是给表上了主键，那么表在磁盘上的存储结构就由整齐排列的结构转变成了树状结构，也就是上面说的「平衡树」结构，换句话说，就是整个表就变成了一个索引。没错， 再说一遍， 整个表变成了一个索引，也就是所谓的「汇集索引」。

这就是为何一个表只能有一个主键， 一个表只能有一个「汇集索引」，由于主键的做用就是把「表」的数据格式转换成「索引（平衡树）」的格式放置。

 

 

上图就是带有主键的表（汇集索引）的结构图。图画的不是很好， 将就着看。其中树的全部结点（底部除外）的数据都是由主键字段中的数据构成，也就是一般咱们指定主键的id字段。最下面部分是真正表中的数据。 假如咱们执行一个SQL语句：

select * from table where id = 1256;
1
首先根据索引定位到1256这个值所在的叶结点，而后再经过叶结点取到id等于1256的数据行。 这里不讲解平衡树的运行细节， 可是从上图能看出，树一共有三层， 从根节点至叶节点只须要通过三次查找就能获得结果。以下图

假如一张表有一亿条数据 ，须要查找其中某一条数据，按照常规逻辑， 一条一条的去匹配的话， 最坏的状况下须要匹配一亿次才能获得结果，用大O标记法就是O(n)最坏时间复杂度，这是没法接受的，并且这一亿条数据显然不能一次性读入内存供程序使用， 所以， 这一亿次匹配在不经缓存优化的状况下就是一亿次IO开销，以如今磁盘的IO能力和CPU的运算能力， 有可能须要几个月才能得出结果 。

若是把这张表转换成平衡树结构（一棵很是茂盛和节点很是多的树），假设这棵树有10层，那么只须要10次IO开销就能查找到所须要的数据， 速度以指数级别提高，用大O标记法就是O(log n)，n是记录总树，底数是树的分叉数，结果就是树的层次数。换言之，查找次数是以树的分叉数为底，记录总数的对数，用公式来表示就是

 

用程序来表示就是Math.Log(100000000,10)，100000000是记录数，10是树的分叉数（真实环境下分叉数远不止10）， 结果就是查找次数，这里的结果从亿降到了个位数。所以，利用索引会使数据库查询有惊人的性能提高。

然而， 事物都是有两面的， 索引能让数据库查询数据的速度上升， 而使写入数据的速度降低，缘由很简单的， 由于平衡树这个结构必须一直维持在一个正确的状态， 增删改数据都会改变平衡树各节点中的索引数据内容，破坏树结构， 所以，在每次数据改变时， DBMS必须去从新梳理树（索引）的结构以确保它的正确，这会带来不小的性能开销，也就是为何索引会给查询之外的操做带来反作用的缘由。

讲完汇集索引 ， 接下来聊一下非汇集索引， 也就是咱们平时常常提起和使用的常规索引。

非汇集索引和汇集索引同样， 一样是采用平衡树做为索引的数据结构。索引树结构中各节点的值来自于表中的索引字段， 假如给user表的name字段加上索引 ， 那么索引就是由name字段中的值构成，在数据改变时， DBMS须要一直维护索引结构的正确性。若是给表中多个字段加上索引 ， 那么就会出现多个独立的索引结构，每一个索引（非汇集索引）互相之间不存在关联。 以下图

每次给字段建一个新索引， 字段中的数据就会被复制一份出来， 用于生成索引。 所以， 给表添加索引，会增长表的体积， 占用磁盘存储空间。

非汇集索引和汇集索引的区别在于， 经过汇集索引能够查到须要查找的数据， 而经过非汇集索引能够查到记录对应的主键值 ， 再使用主键的值经过汇集索引查找到须要的数据，以下图

无论以任何方式查询表， 最终都会利用主键经过汇集索引来定位到数据， 汇集索引（主键）是通往真实数据所在的惟一路径。

然而， 有一种例外能够不使用汇集索引就能查询出所须要的数据， 这种非主流的方法 称之为「覆盖索引」查询， 也就是平时所说的复合索引或者多字段索引查询。 文章上面的内容已经指出， 当为字段创建索引之后， 字段中的内容会被同步到索引之中， 若是为一个索引指定两个字段， 那么这个两个字段的内容都会被同步至索引之中。

先看下面这个SQL语句

//创建索引

create index index_birthday on user_info(birthday);

//查询生日在1991年11月1日出生用户的用户名

select user_name from user_info where birthday = '1991-11-1'

　　

 

这句SQL语句的执行过程就会变为:

经过非汇集索引index_birthday_and_user_name查找birthday等于1991-11-1的叶节点的内容，然而， 叶节点中除了有user_name表主键ID的值之外， user_name字段的值也在里面， 所以不须要经过主键ID值的查找数据行的真实所在， 直接取得叶节点中user_name的值返回便可。 经过这种覆盖索引直接查找的方式， 能够省略不使用覆盖索引查找的后面两个步骤， 大大的提升了查询性能，以下图