欢迎您访问程序员文章站本站旨在为大家提供分享程序员计算机编程知识!
您现在的位置是: 首页  >  数据库

Mysql-索引数据结构

程序员文章站 2022-04-14 16:49:00
...
一.前言:

在我们的生活中,导出可以看到索引效果的应用,如在火车站观看的车次表、字典的目录等。它们的作用就是索引的作用,通过不断的缩小想要获得数据的范围来筛选出最终想要的结果,同时把随机的事件变成顺序的事件,也就是我们总是通过同一种查找方式来锁定数据(字典的A-Z查找)。

生活举例-乘火车:我去乘火车回老家,如果要坐火车时没有车次表,最坏的结果我要跑遍每一个火车停靠点才能找到我要坐的火车;但是有了时刻表,我能快速知道我要做的火车在哪里停靠,可以直接奔向那里去,而不是一个一个过去看看是否为我要做的列车,从而加快访问的速度。这个车次表,就是数据库的索引。


二.磁盘原理:

这一部分文字理论比较多,看着还头疼,有兴趣也可看看,没兴趣也不影响后边篇章的阅读,只要记住本部分的一个结论即可:

读取数据尽可能的【减少与操作系统I/O交互的次数】。

好了没兴趣的可以跳过了,到下一部分了。

数据库实现比较复杂,数据保存在磁盘上,而为了提高性能,每次又可以把部分数据读入内存来计算,因为我们知道访问磁盘的成本大概是访问内存的十万倍左右,所以简单的搜索树难以满足复杂的应用场景。前面提到了访问磁盘,那么这里先简单介绍一下磁盘IO和预读,磁盘读取数据靠的是机械运动,每次读取数据花费的时间可以分为寻道时间、旋转延迟、传输时间三个部分,
a)·寻道时间:磁臂移动到指定磁道所需要的时间,主流磁盘一般在5ms以下; b)旋转延迟:就是我们经常听说的磁盘转速,比如一个磁盘7200转,表示每分钟能转7200次,也就是说1秒钟能转120次,旋转延迟就是1/120/2 = 4.17ms; c).传输时间:指的是从磁盘读出或将数据写入磁盘的时间,一般在零点几毫秒,相对于前两个时间可以忽略不计。
(看过一篇很详细文章:http://wdxtub.com/2016/04/16/thin-csapp-3/)

那么访问一次磁盘的时间,即一次磁盘IO的时间约等于5+4.17 = 9ms左右,听起来还挺不错的,但要知道一台500-MIPS(Million Instructions Per Second每秒百万指令数)的机器每秒可以执行5亿条指令,因为指令依靠的是电的性质,换句话说执行一次IO的时间可以执行40万条指令,数据库动辄十万百万乃至千万级数据,每次9毫秒的时间,显然是个灾难。

所以,结论:减少操作系统I/O交互的次数。

(每一次IO读取的数据我们称之为一页(page)。具体一页有多大数据跟操作系统有关,一般为4k或8k,也就是我们读取一页内的数据时候,实际上才发生了一次IO)

三.什么是索引:

在数据库系统的使用过程当中,数据的查询是使用最频繁的一种数据操作。

最基本的查询算法当然是顺序查找(linear search),遍历表然后逐行匹配行值是否等于待查找的关键字,其时间复杂度为O(n)。但时间复杂度为O(n)的算法规模小的表,负载轻的数据库,也能有好的性能。 但是数据增大的时候,时间复杂度为O(n)的算法显然是糟糕的,性能就很快下降了。

好在计算机科学的发展提供了很多更优秀的查找算法,例如二分查找(binary search)、二叉树查找(binary tree search)等。如果稍微分析一下会发现,每种查找算法都只能应用于特定的数据结构之上,例如二分查找要求被检索数据有序,而二叉树查找只能应用于二叉查找树上,但是数据本身的组织结构不可能完全满足各种数据结构(例如,理论上不可能同时将两列都按顺序进行组织),所以,在数据之外,数据库系统还维护着满足特定查找算法的数据结构,这些数据结构以某种方式引用(指向)数据,这样就可以在这些数据结构上实现高级查找算法。这种数据结构,就是索引。


四.MySQL的B-Tree索引(技术上说B+Tree)

好,本篇的核心来了!

在 MySQL 中,主要有四种类型的索引,分别为: B-Tree 索引, Hash 索引, Fulltext 索引和 R-Tree 索引。我们主要分析B-Tree 索引。( B:balace 平衡之意,并非binary tree 二叉树)

1.详解b+树数据结构

Mysql-索引数据结构

上图,是一颗b+tree,(innodb引擎下的,与myisam引擎下的B+结构又不一样,说白了就是聚簇索引与非聚簇索引的区别,详细见:

Mysql-聚簇索引

浅蓝色的块我们称之为一个磁盘块,可以看到每个磁盘块包含几个数据项(深蓝色所示,范围: [(M/2)-1, M-1] M为总数据)和指针(黄色所示),如磁盘块1包含数据项17和35,包含指针P1、P2、P3,P1表示小于17的磁盘块,P2表示在17和35之间的磁盘块,P3表示大于35的磁盘块。真实的数据存在于叶子节点即3、5、9、10、13、15、28、29、36、60、75、79、90、99。非叶子节点只不存储真实的数据(B+的特点),只存储指引搜索方向的数据项,如17、35并不真实存在于数据表中。


2.B+树的查找过程

如图所示,如果要查找数据项29,那么首先会把磁盘块1由磁盘加载到内存,此时发生一次IO,在内存中用二分查找确定29在17和35之间,锁定磁盘块1的P2指针,内存时间因为非常短(相比磁盘的IO)可以忽略不计,通过磁盘块1的P2指针的磁盘地址把磁盘块3由磁盘加载到内存,发生第二次IO,29在26和30之间,锁定磁盘块3的P2指针,通过指针加载磁盘块8到内存,发生第三次IO,同时内存中做二分查找找到29,结束查询,总计三次IO。

真实的情况是,3层的b+树可以表示上百万的数据,如果上百万的数据查找只需要三次IO,性能提高将是巨大的,如果没有索引,每个数据项都要发生一次IO,那么总共需要百万次的IO,显然成本非常非常高。

(疑问???,如上所述,INNOBD的B+树是聚簇索引类型的,真实数据与索引叶子节点放在一起,那么问题来了,我弱有多个索引,难不成每个索引下边都存储有数据??那岂不是浪费磁盘存储?若不是的话,我猜测是使用指针指过去的吗,怎么用数据结构来表示一下??)

答:每张表只能有一个聚集索引,可以有多个辅助索引。辅助索引也就是次索引,在根节点会存储的不是数据而是一个指针指向存储数据的主索引。

3.b+树性质

1). 通过上面的分析,我们知道IO次数取决于b+数的高度h,假设当前数据表的数据为N,每个磁盘块的数据项的数量是m,则有h=㏒(m+1)N,当数据量N一定的情况下,m越大,h越小;而m = 磁盘块的大小 / 数据项的大小,磁盘块的大小也就是一个数据页的大小,是固定的,如果数据项占的空间越小,数据项的数量越多,树的高度h越低,I/O也就少。这就是为什么每个数据项,即索引字段要尽量的小。

举个反面教材,比如int占4字节,要比bigint8字节少一半。这也是为什么b+树要求把真实的数据放到叶子节点而不是内层节点,一旦放到内层节点,磁盘块的数据项会大幅度下降(原理见上边二),导致树增高。当数据项等于1时将会退化成线性表。如下:

Mysql-索引数据结构

如果是左边的结构,I/O次数为三次;如果是右边的线性表,I/O次数为6次,很明显嘛IO变多了


映射两个结论:

1.要设置成索引的字段len要小;

2.做联合索引时,联合的字段个数也要少



2).当b+树的数据项是复合的数据结构(多列索引),比如(name,age,sex)的时候,b+数是按照从左到右的顺序来建立搜索树的。

比如当(张三,20,F)这样的数据来检索的时候,b+树会优先比较name来确定下一步的所搜方向,如果name相同再依次比较age和sex,最后得到检索的数据;但当(20,F)这样的没有name的数据来的时候,b+树就不知道下一步该查哪个节点,因为建立搜索树的时候name就是第一个比较因子,必须要先根据name来搜索才能知道下一步去哪里查询。

比如当(张三,F)这样的数据来检索时,b+树可以用name来指定搜索方向,但下一个字段age的缺失,所以只能把名字等于张三的数据都找到,然后再匹配性别是F的数据了, 这个是非常重要的性质,即索引的最左匹配特性。


映射两个结论:

1.最左匹配特性,联合索引是从左往右读的

2.如果有了多列索引,那么从左往右一次的索引不需要建立 (a,b,c) 那么 (a),(a,b)就不用建立了

3. 更多结论 : Mysql-索引总结 http://blog.csdn.net/ty_hf/article/details/53526405

以上就是 Mysql-索引数据结构的内容,更多相关内容请关注PHP中文网(www.php.cn)!