基础索引

Posted 2023-04-07 就是不倒翁

tags:

篇首语：本文由小常识网(cha138.com)小编为大家整理，主要介绍了基础索引相关的知识，希望对你有一定的参考价值。

索引目的：

快速的查找我们的数据

索引的优势和劣势

优势
- 类似于书籍的目录索引，提高数据检索的效率，降低数据库的io成本
- 通过索引列对数据进行排序，降低数据排序的成本，降低CPU的消耗
劣势
- 实际上索引也是一张表，该表中保存了主键与索引字段，并指向实体类的记录，所以索引列也是要占用空间的
- 虽然索引大大提高了查询效率，同时却也降低更新表的速度，如对表进行INSERT，UPDATE,DELETE。因为更新表时，mysql不仅要保存数据，还需保存一下索引文件每次更新添加了索引列的字段，都会调整因为更新所带来的简直变化后的索引信息

索引的结构

索引在mysql的存储引擎中实现的，而不是在服务器层实现的，所以每种存储引擎的索引都不一定完全相同，也不是所有的存储引擎都支持所有的索引类型的。mysql目前提供了以下4种索引
BTree 索引：最常见的索引类型，大部分索引都支持B树索引
HASH索引：只有Memory引擎支持，使用场景简单
R Tree索引（空间索引）：空间索引是MyISAM引擎的一个特殊索引类型，主要用于地理空间数据类型，通常使用较少，不做特别介绍
Full-text（全文索引）:全文索引也是MyISAM的一个特殊索引类型，主要用于全文索引，InnoDB从Mysql5.6版本开始支持全文索引

我们平常所说的索引，如果没有特别指明，都是指B+树（多路搜索树，并不一定是二叉的）结构组织的索引，其中聚集索引，复合索引，前缀索引，唯一索引默认都是使用B+树索引，统称为索引

BTree结构

Btree又叫多路平衡搜索树，一颗m叉的BTree特性如下：
- 树中每个节点最多包含m个孩子
- 除根节点与叶子节点外，每个节点至少又【cell（m/2）-1】个孩子
- 若根节点不是叶子节点，则至少有两个孩子
- 所有的叶子节点都在同一层
- 每个非叶子节点由n个key与n+1个指针组成，其中【cell(m/2)-1】<=n<=m-1

B+Tree结构

B+Tree为BTree的变种，B+Tree与BTree的区别为
- n叉B+Tree最多包含有N个key，而BTree最多包含有n-1个key
- B+Tree的叶子节点保存所有的key的信息，依key大小顺序排序
- 所有的非叶子节点都可以看作是key的索引部分

由于B+Tree只有叶子节点保存key信息，查询任何key都要从root走到叶子，所以B+Tree的查询效率更加稳定

Mysql中的B+Tree

mysql索引数据结构对经典的B+Tree进行了优化，在原B+Tree的基础上，增加一个指向相邻叶子节点的链表指针，就形成了带有顺序指针的B+Tree，提高区间访问的性能
Mysql中的B+Tree索引结构示意图：

索引的分类：

单列索引：即一个索引只包含单个列，一个表可以有多个单列索引
唯一索引：索引列的值必须是唯一的，可以空值
复合索引：一个索引包含多个列

索引的语法:

创建索引：

不写索引类型，默认都是BTree类型

 create index 索引名 on 表名（字段名）;

查询索引：

show index from 表名

删除索引：

drop index from 索引名 on 表名

ALTER命令：

创建唯一索引
alter table 表名 add unique 表名（字段）
普通索引
alter table 表名 add index 表名（字段）
全文索引
alter table 表名 add fulltext 表名（字段）

索引设计原则：

索引的设计可以遵循一些已有的原则，创建索引的时候尽量考虑符合这些原则，使用提升索引的使用效率，更高效的使用索引。

对查询频繁次较高，且数量比较大的表建立索引
索引字段的选择，最佳候选列应当从where子句的条件中提取，如果where子句中的组合比较多，那么应当挑选最常用，过滤效果最好的列的组合
使用唯一索引，区分度越高，使用索引的效率越高
索引可以有效的提升查询数据的效率，但索引数量不是多多益善，索引越多，维护索引的代价自然也就水涨船高，对于插入，更新，删除等DML操作比较频繁的表来说，索引过多，就引入相当高的维护代价，降低DML操作的效率，增加相应操作的时间消耗，另外索引过多的话，MYSQL也会犯选择困难病，虽然最终仍然会找到一个可用的索引，但无疑提高了选择的代价
使用短索引，索引创建之后也是使用硬盘来存储的，因此提升索引访问的io效率，也可以提升总体的访问效率，假如构成索引的字段总长度比较短，那么在给定大小的存储块内可以存储更多的索引值，相应的可以有效的提升mysql访问索引的io效率
利用最左前缀，N个列组合而成的组合索引，南无相当于是创建了N个索引，如何查询时where子句中使用了组成该索引的前几个字段，南无这条查询sql可以利用组合索引来提升查询效率

什么是索引？有什么用？

索引就相当于一本书目录，通过目录可以快速的找到对应的资源

在数据库方面，查询一张表的时候，有两种检索方式：

第一种方式：全表扫描
第二种方式：根据索引检索（效率很高）

索引为什么可以提高检索效率呢？

其实最根本的原理是缩小了扫描范围

索引虽然可以提高检索效率，但是不能随意的添加索引，因为索引也是根据数据库当中的对象，也需要数据库不断的维护，是有维护成本的。比如，表中的数据经常被修改这样就不适合添加索引，因为数据一旦修改，索引需要重新排序，进行维护

添加索引是给某一个字段，或者所某些字段添加索引。

select ename,sal from emo where ename = `SMITH`;

当ename字段上没有添加索引的时候，以上sql语句会进行全表扫描，扫描ename字段中所有的值
当ename字段上添加索引的时候，以上sql语句会根据索引扫描，扫描ename字段中所有的值

怎么创建索引对象？怎么删除索引对象？

创建索引对象：
- create index 索引名称 on 表名（字段名）；
删除索引对象：
- drop index 索引名称 on 表名；

什么时候考虑给字段添加索引？（满足什么条件）

数据量庞大（根据客户的需求，根据线上的环境）
该字段很少的DML操作（因为字段进行修改操作，索引也需要维护）
该字段经常出现在where子句中。（经常根据那个字段查询）

注意：主键和具有unique约束的字段自动会添加索引

根据主键查询效率较高，尽量根据主键检索

查看sql语句的执行计划：

查看这个字段下有没有索引

explain select ename,sal from emp where sal = 5000;

给薪资sal字段添加索引：

create index emp_sal_index on emp(sal);

给薪资sql字段删除索引：

drop index emp_sql_index on emp;

索引底层采用的数据结构是：B+Tree

索引的实现原理？

通过B Tree缩小扫描范围，底层索引进行了排序，分区，索引会携带数据在表中的物理地址，最终通过索引检索到数据之后，获取到的物理地址，通过物理地址定位表中的数据，效率是最高的。
本来是：
- select ename from emp where ename = ‘SMITH’；
通过索引转换为：
- select ename from emp where 物理地址 = 0x3；

索引的分类：