深入浅出索引&&阅读笔记

索引的出现其实就是为了提高数据查询的效率，就像书的目录一样。对于数据库的表而言，索引其实就是它的“目录”。

索引的常见模型

• 哈希表
• 有序数组
• 搜索树

哈希表适用于只有等值查询的场景。

有序数组在等值查询和范围查询场景中的性能非常优秀，单看查询确实爽，但是需要更新的时候就麻烦了，数组你懂的，插入删除都是大问题。所以，有序数组索引只适用于静态存储引擎，比如你要保存的是2017年某个城市的所有人口信息，这类不会再修改的数据。

二叉搜索树：特征相信不必多言~ 时间复杂度为O(log(N))，前提是平衡二叉树。为了这个条件，更新的时间复杂度也是O(log(N))。

也有多叉树，就是每个节点有多个儿子，儿子之间的大小保证从左到右递增。

二叉树的搜索效率是最高的，但是数据库存储却不用二叉树,因为索引不止存在内存中，还要写到磁盘上

一棵100万节点的平衡二叉树，树高20。一次查询可能需要访问20个数据块。在机械硬盘时代，从磁盘随机读一个数据块需要10 ms左右的寻址时间。也就是说，对于一个100万行的表，如果使用二叉树来存储，单独访问一个行可能需要20个10 ms的时间，这个查询可真够慢的。

使用“N叉”树，能让一个查询尽量少读磁盘，N叉树由于在读写上的性能优点，以及适配磁盘的访问模式，已经被广泛应用在数据库引擎中了

InnoDB 的索引模型

InnoDB里，表都是根据主键顺序以索引的形式存放，这种存储方式的表称为索引组织表。InnoDB使用的是B+树索引，数据都是存储在B+树中。每一个索引在InnoDB中对应一颗B+树。

假设，我们有一个主键列为ID的表，表中有字段k，并且在k上有索引。

这个表的建表语句是：

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如下。

图中可看出，根据叶子节点的内容，索引类型分为主键索引和非主键索引。
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）。

基于主键索引和普通索引的查询有什么区别？

• 主键索引只需要根据主键搜索B+树
• 普通索引需要先从普通索引B+树上找到主键ID，再从主键索引树寻找一次，也就是有一个回表的过程

所以，我们应该尽量使用主键查询

索引维护

索引用着爽，但是需要维护，有时候维护的成本挺大。

如果插入的主键是处于索引树的一个中间节点的情况，需要逻辑上挪的数据，空出位置。

而更糟的情况是，如果因为该数据页已经满了，根据B+树的算法，这时候需要申请一个新的数据页，然后挪动部分数据过去。这个过程称为页分裂。在这种情况下，性能自然会受影响。

页分裂操作还影响数据页的利用率。原本放在一个页的数据，现在分到两个页中，整体空间利用率降低大约50%。

有分裂就有合并。当相邻两个页由于删除了数据，利用率很低之后，会将数据页做合并。

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，从性能和存储空间方面考量，自增主键往往是更合理的选择,保证了有序插入，维护成本较小

ps:数据库分库情况下，用自增主键肯定走不通了，我们可以使用推特的雪花算法，生成全局唯一发号器同时，id也是保持递增的。

覆盖索引

还是上图那个表。
如果执行的语句是select ID from T where k between 3 and 5，这时只需要查ID的值，而ID的值已经在k索引树上了，可以直接提供查询结果，不需要回表。索引k已经“覆盖了”我们的查询需求，我们称为覆盖索引。

由于覆盖索引可以减少树的搜索次数，显著提升查询性能，所以使用覆盖索引是一个常用的性能优化手段。

最左前缀原则

假设这个市民表的定义是这样的：

CREATE TABLE `tuser` (
  `id` int(11) NOT NULL,
  `id_card` varchar(32) DEFAULT NULL,
  `name` varchar(32) DEFAULT NULL,
  `age` int(11) DEFAULT NULL,
  `ismale` tinyint(1) DEFAULT NULL,
  PRIMARY KEY (`id`),
  KEY `id_card` (`id_card`),
  KEY `name_age` (`name`,`age`)
) ENG

为每一种查询都设计一个索引，索引是不是太多了？如果不设索引，我又不想它走全表扫描，但是有了索引，我这个查询又很少用到，是不是有点浪费？

B+树这种索引结构，可以利用索引的“最左前缀”，来定位记录。

用（name，age）这个联合索引来分析

索引项是按照索引定义里面出现的字段顺序排序的

查询所有名字是“张三” 的人，可以快速定位到ID4，往后遍历即可得到所有需要的结果。
要查所有名字第一个字是“张” 的人，使用模糊查询，前提是sql语句长这样where name like ‘张%’（而不是where name like ‘%张%’，后者是不会走索引查询的），这时也用上了这个索引，查找到ID3,往后遍历。

只要满足最左前缀，就可以利用索引来加速检索。这个最左前缀可以是联合索引的最左N个字段，也可以是字符串索引的最左M个字符。

在建立联合索引的时候，如何安排索引内的字段顺序？

这里的评估标准是，索引的复用能力。因为有最左前缀的存在，当已经有了(a,b)这个联合索引后，一般就不需要单独在a上建立索引了。因此，第一原则是，如果通过调整顺序，可以少维护一个索引，那么这个顺序往往就是需要优先考虑采用的。

那么，如果既有联合查询，又有基于a、b各自的查询呢？查询条件里面只有b的语句，是无法使用(a,b)这个联合索引的，这时候你不得不维护另外一个索引，也就是说你需要同时维护(a,b)、(b) 这两个索引。

这时候，要考虑的原则就是空间了。比如上面这个市民表的情况，name字段是比age字段大的 ，那我就建议你创建一个（name,age)的联合索引和一个(age)的单字段索引。

索引下推

满足最左前缀原则的时候，可在索引中定位记录

那如果不符合最左前缀原则，怎么办?

以市民表的联合索引（name, age）为例。如果现在有一个需求：检索出表中“名字第一个字是张，而且年龄是10岁的所有男孩”。那么，SQL语句是这么写的：

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

根据最左前缀，是找到张*了，但是接下来得遍历判断年龄了。

在MySQL 5.6之前，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)， 可以在索引遍历过程中，对索引中包含的字段先做判断，直接过滤掉不满足条件的记录，减少回表次数。

图3 无索引下推执行流程：
这个过程InnoDB并不会去看age的值，只是按顺序把“name第一个字是’张’”的记录一条条取出来回表。因此，需要回表4次。

图4 索引下推执行流程：
InnoDB在(name,age)索引内部就判断了age是否等于10，对于不等于10的记录，直接判断并跳过。只需要对ID4、ID5这两条记录回表取数据判断，就只需要回表2次。