week09_day03_索引02

总结
事务
	a.概念
	b.基本操作
		开启事务：begin/start transaction, set autocommit=0
		提交事务：commit
		设置回滚点：savepoint sp 
		删除回滚点：release savepoint sp 
		回滚：rollback, rollback to sp
		设置隔离级别：set transaction 
	c.特性
		原子性
		一致性
		隔离性
		持久性
	d.并发执行事务可能会出现的问题
		脏写
		脏读
		不可重复读
		幻读
	e.隔离级别
						脏写	脏读	不可重复读	幻读 
	read uncommitted	×		√			√		√
	read committed		×		×			√		√
	repeatable read		×		×			×		√
	serialize			×		×			×		×


索引
	a. MySQL逻辑架构
		连接器
		查询缓存
		解析器
		优化器
		执行器
	b. 存储引擎
		MyISAM
		InnoDB
		Memory
	c. 磁盘IO原理
	
	d. InnoDB数据页格式
	
	e. 有哪些数据结构可以快速地查找数据
		有序数组
		哈希表
		平衡二叉树
		

索引是什么？

简单来说，索引的目的就是为了提高数据的查询效率，就像书的目录一样。
一本800页的书，如果想在书中查找某个知识点。在不借助目录的情况下，估计得找好一会儿。同样，对于数据库的表而言，索引就是它的 ”目录”。

索引：在 MySQL 中也叫做键 (key)，是存储引擎用于快速找到记录的一种数据结构。

·················································································································································································································

哪些数据结构可以作为索引？

• 有序数组
• 哈希表 (hash索引)
• 平衡二叉树
• B树
• B+树

能够快速查找的数据结构都可以作为索引。
能够讲讲作为索引时，各个数据结构的优缺点吗？

有序数组：等值查找，区间查找都比较块。但是增删需要移动大量的元素，会很慢。

哈希表：增加、删除，等值查询都很快。但是区间查找，排序等操作会很慢。（因为哈希表中的元素都是无序的）

平衡二叉树索引

不管是，增加，删除，还是等值查找，时间复杂度都是O(logn)，n 是数据页的数目。
并且支持范围查找（BST有序）。

但是当数据量比较大，页的数目很多时，二叉树的高度会比较高。IO 的次数会比较多。
查找效率低。
比如说，有1024个页，那么树的高度为10，查找一个结点需要花0.1s，查找到目标结点就需要花1s，时间略长。

    1. 移动磁头到指定的柱面号，这个过程被称为定位或查找。
         由于是机械移动, 这部分耗时最高, 最大可达 0.1s.

那我们就想，怎么把树的高度降低呢？ B树

·················································································································································································································

B树索引

B 树,它是一颗多路平衡查找树。我们描述一颗 B 树时需要指定它的阶数，阶数表示了一个结点最多有多少个孩子，一般用字母m表示。一颗m阶的B树定义如下：

1）除根结点外，每个结点的度[ceil(m/2), m]。

2）根结点的度[2, m]

3）每个结点中的关键字都按照从小到大的顺序排列，每个关键字的左子树中的所有关键字都小于它，而右子树中的所有关键字都大于它。

4）所有叶子结点都位于同一层，或者说根结点到每个叶子结点的路径长度都相同。

这是一棵4阶B树，从图中我们可以看出: 索引和数据是一起存放的。

之前讲存储引擎的时候有这么一句话：

在InnoDB存储引擎中，有很多种页类型。其中最重要的是数据页，也叫 B-tree Node。（说明数据页是作为B+树的结点存在的），里面存储了索引和数据的信息。

也就是说一个结点存放了一页的数据。

假设一行记录是16B，那么一页大概可以存1000行记录，即B树的阶是1000。二层的B树大概可以存1000 * 1000行记录，三层可以存 1000 * 1000 * 1000 行记录。大大减少了树的高度，也就是减少了一次查找IO的次数。

那么，它有什么缺点吗？

1. 一行记录的数据很多时，比如1K。
   第一层：16
   第二层：1616
   第三层：1616*16
   当一棵树的数据量很大时，树的高度也会很大，查找的效率依然会比较低。

2. 范围查找时，性能会下降。
   如：上面那棵树，找[25,50]的结点，找25，3次IO，找50，2次IO（找25时已经保存了根节点39了，不用再进行1次IO了）。至少5次IO。
   我们发现，范围查找时会

·················································································································································································································

B+树索引

B+ 树是在B树上做了些改进。一棵 m 阶的 B+ 树定义如下：

1）B+树包含2种类型的结点：内部结点 (也称索引结点) 和叶子结点。根结点即可以是内部结点，也可以是叶子结点。根结点的关键字个数可以只有1个。

2）B+树与B树最大的不同是内部结点不保存数据，只保存关键字，所有数据 (记录) 都保存在叶子结点中。

3） m阶B+树表示了内部结点最多有m个关键字。至少有 ceiling(m/2)个关键字。

4）内部结点中的key都按照从小到大的顺序排列，叶子结点中的记录也按照key的大小排列。

5）每个叶子结点都存有相邻叶子结点的指针，叶子结点依关键字大小依次链接。

这是一棵 3阶的 B+ 树。由于内部节点只存储索引，因而每个节点可以有很多很多关键字。这样不管一行记录的数据大小，都可以保证树的高度很低。

假设一页可以存储20条记录, 1000个索引。那么：
如果只有1层：20
如果有2层：1000 * 20
如果有3层：1000 * 1000 * 20

之前B树存的是记录，现在B+树存的是索引，索引所占的空间是小于记录的，因此每一页都能存储更多的索引，这样就解决了第一个问题：树的增长过快。

而且由于叶子节点是由链表按大小依次连接（有序）的 (在InnoDB 中是双链表)。范围查找的时候，也可以避免过多的IO次数。
例如查找[25,50]之间的数据，找到25后一直向后遍历直至50即可。
再比如进行全表扫描，找到data结点，然后一直向后遍历即可，无需遍历中间结点，直接遍历叶子结点。

前面讲的数据页就是B+树的叶子结点。
页与页之间通过链表连接，并且页内有序。

·················································································································································································································

索引的好处和坏处

好处
提高数据检索的效率，降低数据库的IO成本。
a. 查找
b. 排序
c. 分组
d. 表的连接
如：Select * from t1 inner join t2 on t1.id = t2.id;（inner可以省略，表示内连接）
首先遍历t1表的第一条记录，t1.id就确定了，接下来去t2表中找有无和t1.id相同的id字段，有的话就拼接起来，放在结果集中。
对于t2来说，我们要找某条记录的id等于t1.id的记录，就会用到查询。
所以，索引也会加快表的连接。

坏处
a. 占用额外的空间。有时候索引占用的空间甚至比数据占用的空间还多。
b. 虽然索引大大提高了查询的速度，但同时也降低了更新表的速度。因为数据库不仅仅要更新数据，还要更新对应的索引信息。

索引不是越多越好！索引太多，应用程序的性能可能会受到影响; 索引太少，查询速度会变慢。我们应该建立合适的索引，找到一个平衡点！

·················································································································································································································

InnoDB索引介绍

InnoDB 支持以下三种索引：

• B+ 树索引
• 全文索引 .
  全文索引是搜索关键字的，类似于搜索引擎。
• 哈希索引
  哈希索引是自适应的，我们不能自己创建。
  Innodb会为热点数据创建哈希索引。热点数据即我们经常查询的数据。
  哈希索引直接根据键查找值，只遍历一个结点即可。

·················································································································································································································

InnoDB 中的 B+ 树索引又可以分为聚集索引 (clustered index) 和 辅助索引 (secondary index)。它们之间的不同在于，聚集索引的叶子节点存储的是一整行记录的信息，而辅助索引的叶子节点只存放部分信息 (关键字和主键)。

聚集索引

聚集索引就是按照每张表的主键构建一棵 B+ 树，同时叶子节点中存放的是整张表的行记录数据。

聚集索引的叶子节点其实就是我们前面讲过的数据页。

在InnoDB中, 记录只能存放在聚集索引中，所以每张表有且只有一个聚集索引。在大多数情况下，查询优化器倾向于采用聚集索引。

Q：如果一张表中没有主键，该怎么办呢？
a.找第一个定义的唯一键去构建聚集索引。
b.如果没有定义唯一键，又该怎么办呢？Innodb会提供隐藏的主键，根据隐藏的主键去构建聚集索引。
所以，建议创建表的时候一定要创建主键。

辅助索引

对于辅助索引，叶子节点不包含行记录的全部数据，叶子节点除了包含键以外，
还包含聚集索引的键，也就是主键的信息。

辅助索引的存在并不影响数据在聚集索引中的组织，因此每张表可以有多个辅助索引。

Q：有一张公民表，有身份证号码、姓名、年龄、性别…等信息，
我们知道公民的身份证号码是唯一并且非空的，那么用身份证号码当主键好吗？

不好，身份证号是varchar类型（有的身份证号含有x字母），会更耗费磁盘空间，且不方便比较。
当根据姓名进行查找或者根据年龄进行查找，就得建立一个辅助索引。
每个结点的大小是固定的，（页默认大小为16KB），主键所占的空间比较大的话，一个结点存放的主键个数就少，就需要多个结点存储，结点一多，树的高度就可能变高。
主键所占的空间比较大的话，每次创建一个辅助索引就会耗费比较大的空间（辅助索引的叶子结点存储的是主键的信息）。
因此，创建公民表时会额外给一个整数型id当做主键。

所以这也就是为什么主键通常是int型的，int占4字节。varchar和string占的字节数更多。

·················································································································································································································

语法

1. 创建：
   1) 创建表的时候指定。会自动给 primary key 和 unique 创建索引。
   2) CREATE [UNIQUE] INDEX 索引名 ON 表名(字段列表);
   3) ALTER 表名 ADD [UNIQUE] INDEX 索引名 (字段列表);
2. 删除：
   DROP INDEX 索引名 ON 表名;
   删除主键索引只能通过删除表的方式删除
3. 查看：
   SHOW INDEX FROM 表名;

·················································································································································································································

回表

假设t_citizen只有两个索引：id的主键（聚集）索引和id_card的辅助索引
思考下面SQL语句的执行过程：

1. select id from t_citizen where id =1; # 会走聚集索引，因为 where id =1;
2. select id_card from t_citizen where id_card = ‘’; # 会走id_card的辅助索引，因为where id_card = ‘’
3. select name from t_citizen where id = 1; # 会走聚集索引
4. select name from t_citizen where id_card = ‘’; # 先走辅助索引id_card,找到主键id，找到后走聚集索引，查找name
5. select * from t_citizen where id = 1; # 聚集索引
6. select * from t_citizen where id_card = ‘’; # 先走辅助索引id_card,找到主键id，找到后走聚集索引，查找*

当通过辅助索引来寻找数据的时候，InnoDB会遍历辅助索引，并通过辅助索引的叶子节点，获取主键。然后再通过聚集索引来找到一个完整的行记录。这个过程我们称之为回表。

如果一个辅助索引的高度为3，聚集索引的高度为3。那么我们需要6次IO操作，才可以访问最终的数据。

应该尽量避免回表！

很多情况下，我们需要通过身份证号码（不是主键），查询这个人的名字和年龄，怎么做才能避免回表呢？

这个问题明天将。

·················································································································································································································

Explain 介绍

查询优化器：通过计算分析系统收集的统计信息，提供它认为最优的执行计划(execution plan)。

explain：查看这个执行计划的信息。

语法：explain + select 语句

例子：explain select * from t;

我们发现explain的结果有以下列的信息：
id, select_type, table, partitions, type, possible_keys, key, ken_len, ref, rows, filtered, Extra

id: 每个 select 子句的标识。

select_type: select 语句的类型。simple, primary, union, subquery, derived。

table:显示这一行的数据是关于哪张表的。

partitions: 匹配的分表。

type: 连接类型，又叫 “访问类型”。
常用类型有：ALL, index, range, ref, eq_ref, const, system, null
(从左到右，性能越来越好)

possible_keys：可以选择的索引。

key: 实际选择的索引。

key_len: 使用索引的长度 (以字节为单位)。

ref: 与索引比较的字段

rows: 大概要检索的行数（不准确的数据）

Extra: 额外信息。
using filesort: MySQL中无法利用索引完成的排序操作称为 ”文件排序”，常见于排序和分组查询。
using temporary: 表示MySQL需要使用临时表来存储结果集，常见于排序和分组查询。

using filesort 和 using temporary, 这两项比较耗时, 需要特别小心。最好避免这两项的出现。

·················································································································································································································