关于数据库索引的知识点,你所需要了解的都在这儿了

用户头像
鄙人薛某
关注
发布于: 2020 年 07 月 21 日
关于数据库索引的知识点,你所需要了解的都在这儿了



数据库索引,相信大家都不陌生吧。



索引是对数据库表中一列或多列的值进行排序的一种结构,使用索引可快速访问数据库表中的特定信息。作为辅助查询的工具,合理的设计索引能很大程度上减轻db的查询压力,db我们都知道,是项目最核心也是最薄弱的地方,如果压力太大很容易产生故障,造成难以预计的影响。所以,不管是日常开发还是面试,索引这一块知识体系都是必须掌握的。



当然,虽说是必须掌握,但索引的知识点很多,很多初学者经常会遗漏,这也是我为什么想写这篇知识点总结的原因,既是给读者的分享,也是给自己一次全面的复习,希望对你们有所帮助。



好了,废话不多说,进入正题。



首先声明一下,本文索引的知识点全部是基于MySQL数据库



索引的优缺点



优点:



1.大大加快数据的查询速度



2.唯一索引可以保证数据库表每一行的唯一性



3.加速表连接时间



缺点:



1.创建、维护索引要耗费时间,所以,索引数量不能过多。



2.索引是一种数据结构,会占据磁盘空间。



3.对表进行更新操作时,索引也要动态维护,降低了维护速度



索引的类型



索引的出现是为了提高查询效率,但是实现索引的方式却有很多种,所以这里也就引入了索引模型的概念。这里介绍三种常用于索引的数据结构,分别是哈希表、有序数组和搜索树。



哈希索引



哈希表,也称散列表,主要设计思想是通过一个哈希函数, 把关键码映射的位置去寻找存放值的地方 ,读取的时候也是直接通过关键码来找到位置并存进去,这种数据结构的平均查找复杂度为O(1)。



比如我们维护一张身份证信息和用户姓名的表,需要根据身份证号查询姓名,哈希索引大概是这样的:





这种索引结构优点在于随机添加或删除单个元素的效率高,缺点在于哈希表中的元素并不一定按顺序排列,所以如果想做区间查询的话是很慢的,



假设我想查找图中身份证号在[IDcardn1, IDcardn3]这个区间的所有用户的话,就必须全部扫描一遍了。



所以,哈希表这种结构适用于只有等值查询的场景



有序数组索引



有序数组索引在等值查询和区间查询场景中的效率都很高,还是拿上面的图做例子,用有序数组实现的话是这样子的:





数组的元素按身份证号有序排列,要查询数据的时候,使用二分法就可以快速得到,时间复杂度为O(logN),而且,因为是有序排列,查询某个区间内的数据也是非常的快。



当然,有序数组的缺点也很明显,就跟ArrayList一样,虽然搜索快,但添加删除元素都有可能要移动后面所有的元素,这是数组的天然缺陷。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。



搜索树索引



说到搜索树,我们最熟悉的应该就是二叉搜索树了,二叉搜索树的特点是每个结点的左儿子小于父结点,父结点又小于右儿子,并且左右子树也分别为二叉搜索树,平均时间复杂度是O(log2(n))。





它既有链表的快速插入与删除操作的特点,又有数组快速查找的优势,同时,因为本身二叉搜索树是有序的,所以也支持范围查找



这么说起来,其实二叉搜索树来做索引好像也是个不错的选择,其实不然



首先我们要明确的一点是,这棵树是存在于磁盘中,每次我们都要从磁盘中读取出相应的结点,然而二叉搜索树的结点在文件中是随机存放的,所以可能读取一个结点就需要一个磁盘IO,恰恰二叉搜索树都会比较高,如一棵一百万个元素的平衡二叉树就有十几层高度了,也就是大部分情况下检索一次数据就需要十几次磁盘IO,这个代价太高了,所以一般二叉搜索树也不会被用来作索引。



为了让一个查询尽量少地读磁盘,就必须让查询过程访问尽量少的数据块,也就是说,尽可能的让树的高度变低,也就是用多路搜索树,而InnoDB存储引擎使用的就是这种多路搜索树,也就是我们常说的B+树。



InnoDB的索引结构



InnoDB是MySQL中最常用的搜索引擎,它的索引底层结构用的就是B+树,所有的数据都是存储在B+树中的。每一个索引在InnoDB中对应一颗B+树。





B+树的特点是:



  • 所有的叶子结点中包含了全部元素的信息,及指向含这些元素记录的指针,且叶子结点本身依关键字的大小自小而大顺序链接。

  • 所有的中间结点元素都同时存在于子结点,在子结点元素中是最大(或最小)元素。



这种结构有两个优点:



  • 可以使得单一结点存储更多的元素,除了叶子结点,其他的结点只是包含了键,没有保存值,这样的话,树的高度就能有效降低,从而减少查询的IO次数;

  • 同时,因为叶子结点包含了下个叶子结点的指针,所以范围查询的时候如果搜索到第一个叶子结点的话,就能根据指针指向查询后面的数据,不用再从根结点遍历了。这也是为什么很多大神建议表的主键设计成自增长的好,因为这样范围查询能提高效率

索引的分类



按照结构来分的话,数据库索引可以分为聚簇索引和非聚簇索引。



聚簇索引,也叫聚集索引,就是按照每张表的主键构造一颗B+树,同时叶子结点中存放的就是整张表的行记录数据,简单点说,就是我们常说的主键索引。在聚簇索引之上创建的索引称之为辅助索引,辅助索引访问数据总是需要二次查找。



非聚簇索引,也叫非聚集索引,二级索引。这种索引是将数据与索引分开存储,索引结构的叶子结点指向了数据对应的位置。

聚簇索引



InnoDB使用的是聚簇索引,将主键组织到一棵B+树中,而行数据就储存在叶子节点上,我们先假设一张用户表,这张表包含了id,name,company几个字段,





用图片表示InnoDB的索引结构大概是这样:



从图中就可以看出,如果我们使用"where id = 14"这样的条件查找主键,则按照B+树的检索算法即可查找到对应的叶结点,之后获得行数据。



若对Name列进行条件搜索,则需要两个步骤:第一步在辅助索引B+树中检索Name,到达其叶子节点获取对应的主键。第二步使用主键在主索引B+树种再执行一次B+树检索操作,最终到达叶子节点即可获取整行数据。(重点在于通过其他键需要建立辅助索引)



这是聚簇索引的结构,而非聚簇索引的代表是MyISM,这也是MySQL中常见的搜索引擎。



非聚簇索引



非聚簇索引的两棵B+树看上去没什么不同,结点的结构完全一致只是存储的内容不同而已,主键索引B+树的节点存储了主键,辅助键索引B+树存储了辅助键。索引本身不存储数据,数据存储在独立的地方,这两颗B+树的叶子节点都使用一个地址指向真正的表数据。





看上去,好像非聚簇索引的效率要高于聚簇索引,因为不用查两次B+树,那为什么最常用的InnoDB引擎还要用这种存储结构呢?它本身的优势在哪?



1、聚簇索引中,由于行数据和叶子结点存储在一起,同一页中会有多条行数据,访问同一数据页不同行记录时,已经把页加载到了Buffer中,再次访问的时候,会在内存中完成访问,不必访问磁盘。这样主键和行数据是一起被载入内存的,找到叶子节点就可以立刻将行数据返回了,所以,如果按照主键Id来组织数据,获得数据更快。



2、辅助索引使用主键作为"指针"而不是使用地址值作为指针的好处是,减少了当出现行移动或者数据页分裂时辅助索引的维护工作使用主键值当作指针会让辅助索引占用更多的空间,换来的好处是InnoDB在移动行时无须更新辅助索引中的这个"指针"也就是说行的位置(实现中通过16K的Page来定位)会随着数据库里数据的修改而发生变化(前面的B+树节点分裂以及Page的分裂),使用聚簇索引就可以保证不管这个主键B+树的节点如何变化,辅助索引树都不受影响。



3、聚簇索引适合用在排序、范围查询,非聚簇索引不适合。



覆盖索引



说到辅助索引,我们还可以延伸出另一种特别的索引,就是覆盖索引



上面说了,聚簇索引中访问数据要经过二次查找,就是先找到辅助键的叶子结点,得到主键对应的结点后再用主键索引查询数据,这样还是比较慢的,其实,如果我们所需的字段第一次查找就能获取到的话,就不用再二次查找主键了,也就是不用“回表”。



就还是上面那张表有三个字段id,name,company的表来说,我给name加了索引,在查询数据的时候,我就这么写语句:



select name from user where name like '张%';



因为我们的语句走了索引,并且返回的字段在叶子结点都存在,查询的时候就不会回表了,多好啊~~



所以,如果所需的字段刚好是索引列的话,尽量用这种查询方式,不要用select *这种语句。



索引种类



前面说的索引分类是按照结构来分,如果按作用范围来分的话,索引还可以分为以下几种:



普通索引:这是最基本的索引类型,没唯一性之类的限制。



CREATE INDEX INDEX_NAME ON TABLE_NAME(PROPERTY_NAME)



唯一性索引:和普通索引基本相同,但所有的索引列只能出现一次,保持唯一性。



CREATE UNIQUE INDEX INDEX_NAME ON TABLE_NAME(PROPERTY_NAME)



主键:跟唯一索引一样,不能有重复的列,但本质上,主键不能算是索引,而是一种约束,必须指定为"PRIMARY KEY"。它跟唯一索引的区别在于:



  • 主键创建后一定包含一个唯一性索引,唯一性索引并不一定就是主键。

  • 唯一性索引列允许空值,而主键列不允许为空值。

  • 主键列在创建时,已经默认为空值 + 唯一索引了。

  • 主键可以被其他表引用为外键,而唯一索引不能。

  • 一个表最多只能创建一个主键,但可以创建多个唯一索引。

  • 主键更适合那些不容易更改的唯一标识,如自动递增列、身份证号等。



全文索引:全文索引的索引类型为FULLTEXT,可以在VARCHAR或者TEXT类型的列上创建。在MySQL5.6以前的版本,只有 MyISAM 存储引擎支持全文索引,5.6及之后的版本,MyISAM 和 InnoDB 存储引擎均支持全文索引。



联合索引:联合索引其实不是一种索引分类,就是包含多个字段的普通索引,比如有个联合索引为index(a,b),查找的时候可以用 a and b 作为条件,



最左匹配原则



联合索引中,最左优先,以最左边的为起点任何连续的索引都能匹配上。同时遇到范围查询(>、<、between、like)就会停止匹配。



就像上面说的index(a,b)或者是a单独作为查询条件都会走索引,但是如果是单独用 b 做查询条件就不会走索引了



或者是如果建立(a,b,c,d)顺序的索引的话,用a = 1 and b = 2 and c > 3 and d = 4这样的语句搜索,d是用不到索引的,因为c字段是一个范围查询,它之后的字段会停止匹配。



索引什么时候会失效



1、索引列用函数或表达式,比如这种



select * from test where num + 1 = 5



MySQL无法解析这种方程,这完全是用户的行为,应该把索引列当成独立的列,这样索引才会生效。



2、存在NULL值条件



select * from user where user_id is not null;



我们在设计数据库表时,应该尽力避免NULL值出现,如果数据有为空的情况可以给一个默认值,比如数值型的可以给0、-1,字符类型的可以给空字符串。



3、用or表达式作为条件,有一个列没有索引,那么其它列的索引将不起作用



select * from user where user_id = 700 or user_name = "老薛";



像这种,如果userid有加索引,而username没有的话,那么执行的时候user_id的索引也是失效的,这也是为什么开发中尽量少用or的原因,除非是两个字段都加了索引。



4、列与列对比,某个表中,有两列(id和c_id)都建了单独索引,下面这种查询条件不会走索引



select * from test where id = c_id;



5、数据类型的转换。如果列类型是字符串,那一定要在条件中将数据使用引号引用起来,否则不使用索引



create index `idx_user_name` ON user(user_name)
select * from user where user_name = 123;



像上面这种,虽然给user_name建立了索引,但查询的时候条件没有当成字符串,这样的话就不会走索引。



6、NOT条件



当查询条件为非时,索引定位就困难了,执行计划此时可能更倾向于全表扫描,这类的查询条件有:<>、NOT、in、not exists



select * from user where user_id<>500;
select * from user where user_id in (1,2,3,4,5);
select * from user where user_id not in (6,7,8,9,0);
select * from user where user_id exists (select 1 from user_record where user_record.user_id = user.user_id);



7、like查询是以%开头



当使用模糊搜索时,尽量采用后置的通配符,例如要查姓张的人,可以用user_name like ‘张%’,这样走索引时,可以从前面开始匹配索引列,但如果是这样user_name like ‘%张’,那么就会走全表扫描的方式



8、多列索引,遵循最左匹配原则,这个上面说了



什么时候该用索引



前面说了,索引虽然能加快查询速度,但本身也会占用空间,所以,索引的创建并不是越多越好,为了使索引能有效应用,我们要把索引留给最有用的查询字段,一般来说,应该在这些字段上创建索引:



  • 主键字段,这不用多说了吧;

  • 经常需要搜索的列,比如where条件经常用到的字段;

  • 其他表的外键字段,作为连接表的条件字段,可以有效加快连表查询速度;

  • 查询中作为排序、统计或者是分组的字段;



同样,对于有些字段不应该创建索引,这些列包括



  • 频繁更新的字段不适合创建索引,因为每次更新不单单是更新记录,还会更新索引,保存索引文件

  • where条件里用不到的字段,不创建索引;

  • 表记录太少,不需要创建索引;

  • 对于那些定义为text,image类型的列不应该增加索引。这是因为,这些列的数据量要么相当大,要么取值很少,不利于使用索引;

  • 数据重复且分布平均的字段,因此为经常查询的和经常排序的字段建立索引。注意某些数据包含大量重复数据,这种字段建立索引就没有太大的效果,例如性别字段,只有男女,不适合建立索引。



explain关键字



explain是MySQL的关键字,通过该关键字我们可以查看搜索语句的性能。





这是查询表的数量,一共有三千多万行,这么多的数据,我们搜索的时候肯定要用到索引才行,至于索引是否会生效,我们也可以通过该关键字来看下





看,搜索的条数瞬间降到了16条,走的索引是 index_user_id,证明我们的索引是生效的。



关于explain的几个重要参数,我们有必要了解一些:



id:查询的序列号



select_type:查询的类型,主要是区别普通查询和联合查询、子查询之类的复杂查询。



type



type显示的是访问类型,是较为重要的一个指标,结果值从好到坏依次是:



system > const > eqref > ref >fulltext > refor_null > index_merge > uniquesubquery >indexsubquery > range > index > ALL



System效率最高,ALL的话已经是全表扫描了,一般来说,查询至少要达到range级别。



key



显示MySQL实际决定使用的键。如果没有索引被选择,键是NULL。



key=primary的话,表示使用了主键;

key=null表示没用到索引。



possible_keys



指出MySQL能使用哪个索引在该表中找到行。如果是空的,没有相关的索引。这时要检查语句中是不是有什么情况导致索引失效。



rows



表示执行计划中估计扫描的行数,是个估计值。



Extra



  • 如果是Only index,这意味着信息只用索引树中的信息检索出的,这比扫描整个表要快。



  • 如果是where used,就是使用上了where限制。



  • 如果是impossible where 表示用不着where,一般就是没查出来啥。

  • 出现using index就说明我们的索引是生效的。



总结



好了,索引的知识点就介绍到这了,最后总结一下索引的注意事项吧。



1、索引要根据表数据的使用情况来创建,不能创建太多,一般一张表不建议超过6个索引字段



2、好刀要用在刀刃上,经常用于查询,没多少重复数据,搜索行数不超过表数据量4%的字段用索引的效果比较好



3、创建联合索引要注意最左匹配原则,切记,最左边的字段是必传字段,这点我他妈就吃过大亏



4、查询语句要用explain执行计划来查看性能。



参考:



https://www.jianshu.com/p/fa8192853184



MySQL实战45讲



最后



虽然都是基础知识,但也花了我一天的时间来整理了,洋洋洒洒五千多字,也算是一篇干货了,各位看官觉得有所收获的话,还望能给鄙人来个转发或点赞之类的,不求四连,能双连或者是一连我都很满意了,你们的举手之劳就是我不断创作的动力!



作者:鄙人薛某,一个不拘于技术的互联网人,欢迎关注我的公众号,每周不定期更新干货文章,这里不仅有技术,还有吹水~~~



发布于: 2020 年 07 月 21 日 阅读数: 52
用户头像

鄙人薛某

关注

公众号:鄙人薛某,回复【电子书】领取资料 2018.09.18 加入

一个不拘于技术的互联网人

评论

发布
暂无评论
关于数据库索引的知识点,你所需要了解的都在这儿了