搞懂Mysql InnoDB B+树索引

Posted 2021-02-13 GrimMjx

一.InnoDB索引

　　InnoDB支持以下几种索引：

• B+树索引
• 全文索引
• 哈希索引

　　本文将着重介绍B+树索引。其他两个全文索引和哈希索引只是做简单介绍一笔带过。

　　哈希索引是自适应的，也就是说这个不能人为干预在一张表生成哈希索引，InnoDB会根据这张表的使用情况来自动生成。

　　全文索引是将存在数据库的整本书的任意内容信息查找出来的技术，InnoDB从1.2.x版本支持。每张表只能有一个全文检索的索引。

　　B+树索引是传统意义上的索引，B+树索引并不能根据键值找到具体的行数据，B+树索引只能找到行数据锁在的页，然后通过把页读到内存，再在内存中查找到行数据。B+树索引也是最常用的最为频繁使用的索引。

 

二.什么是B+树

概念

　　B+树是一种平衡查找树，其实先想想看为什么要用平衡查找树，不用二叉树？普通的二叉树可能因为插入的数据最后变成一个很长的链表，怎么能提高搜索的速度呢？你可以想想，为什么HashMap和ConcurrentHashMap在JDK8的时候，当链表大于8的时候把链表转成红黑树（红黑树也是平衡查找树）。技术思维是想通的，那么答案无非是加快速度，性能咯。

　　一个B+树有以下特征：

• 有n个子树的中间节点包含n个元素，每个元素不保存数据，只用来索引，所有数据都保存在叶子节点。
• 所有叶子节点包含元素的信息以及指向记录的指针，且叶子节点按关键字自小到大顺序链接。
• 所有的中间节点元素都同时存在于子节点，在子节点元素中是最大（或最小）元素。

　　那么我们先来看一个B+树的图

　　所有的数据都在叶子节点，且每一个叶子节点都带有指向下一个节点的指针，形成了一个有序的链表。为什么要有序呢？其实是为了范围查询。比如说select * from Table where id > 1 and id < 100; 当找到1后，只需顺着节点和指针顺序遍历就可以一次性访问到所有数据节点，极大提到了区间查询效率。是不是范围查询的话hash就搞不定这个事情了？以下为B+树的优势：

• 单一节点存储更多元素，减少IO
• 所有查询都要找到叶子节点，查询稳定
• 所有叶子节点形成有序链表，方便范围查询

　　一般性情况，数据库的B+树的高度一般在2~4层，这就是说找到某一键值的行记录最多需要2到4次逻辑IO，相当于0.02到0.04s。

 

三.聚集索引和辅助索引

聚集索引

　　聚集索引是按表的主键构造的B+树，叶子节点存放的为整张表的行记录数据，每张表只能有一个聚集索引。优化器更倾向采用聚集索引。因为直接就能获取行数据。

　　请选择自增id来做主键，不要非空UK列。避免大量分页碎片。下面来看一个聚集索引的图：

　　那么很简单了，每个叶子节点，都存有完整的行记录。对于主键的查找速度那是相当的快，美滋滋。

辅助索引

　　辅助索引也叫非聚集索引，叶子节点除了键值以外还包含了一个bookmark，用来告诉InnoDB在哪里可以找到对应的行数据，InnoDB的辅助索引的bookmark就是相对应行数据的聚集索引键。也就是先获取指向主键索引的主键，然后通过主键索引来找到一个完整的行。如果辅助索引的树和聚集索引的树的高度都是3，如果不是走主键索引走辅助索引的话，那么需要6次逻辑IO访问得到最终的数据页。辅助索引和聚集索引的概念关系图如下：

 

四.索引实战

设计索引

　　设计索引的时候，无论是组合索引还是普通索引等。一般经验是，选择经常被用来过滤记录的字段，高选择性，高区分性。别把性别字段设计索引，性别属于低选择性的。你可以选择名字嘛，你好我大名叫苗嘉杏：）

　　知道加索引快，但是也别乱加索引，插入以及更新索引的操作InnoDB都会维护B+树的，多加很多索引只会导致效率降低！

　　不要用重复的索引，比如有个联合索引是a，b，你又整个a列的普通索引。那不是搞事么？

　　不要在索引上用函数和like

一颗聚集索引B+树可以放多少行数据？

　　这里我们先假设B+树高为2，即存在一个根节点和若干个叶子节点，那么这棵B+树的存放总记录数为：根节点指针数*单个叶子节点记录行数。假设一行记录的数据大小为1k，那么单个叶子节点（页）中的记录数=16K/1K=16。

　　那么现在我们需要计算出非叶子节点能存放多少指针，我们假设主键ID为bigint类型，长度为8字节，而指针大小在InnoDB源码中设置为6字节，这样一共14字节，我们一个页中能存放多少这样的单元，其实就代表有多少指针，即16kb/14b=1170。那么可以算出一棵高度为2的B+树，大概能存放1170*16=18720条这样的数据记录。

　　根据同样的原理我们可以算出一个高度为3的B+树大概可以存放：1170*1170*16=21902400行数据。所以在InnoDB中B+树高度一般为1-3层，它就能满足千万级的数据存储。在查找数据时一次页的查找代表一次IO，所以通过主键索引查询通常只需要1-3次逻辑IO操作即可查找到数据。

Cardinality值

　　如何判断一个索引建立的是否好呢？可以用show index from指令查看Cardinality值，这个值是一个预估值，而不是一个准确值。每次对Cardinality值的统计都是随机取8个叶子节点得到的。

　　对于innodb来说，达到以下2点就会重新计算cardinality

• 如果表中1/16的数据发生变化 
• 如果stat_modified_counter>200 000 0000

　　实际应用中，（Cardinality/行数）应该尽量接近1。如果非常小则要考虑是否需要此索引。实战一下，比如有一张表，我们来show index一下

mysql> show index from Order;
+---------+------------+------------------+--------------+-------------+-----------+-------------+----------+--------+------+------------+---------+---------------+
| Table   | Non_unique | Key_name         | Seq_in_index | Column_name | Collation | Cardinality | Sub_part | Packed | Null | Index_type | Comment | Index_comment |
+---------+------------+------------------+--------------+-------------+-----------+-------------+----------+--------+------+------------+---------+---------------+
| Order   |          0 | PRIMARY          |            1 | id          | A         |       99552 |     NULL | NULL   |      | BTREE      |         |               |
| Order   |          1 | IDX_orderId      |            1 | orderId     | A         |       96697 |     NULL | NULL   |      | BTREE      |         |               |
| Order   |          1 | IDX_productId    |            1 | productId   | A         |          52 |     NULL | NULL   |      | BTREE      |         |               |
+---------+------------+------------------+--------------+-------------+-----------+-------------+----------+--------+------+------------+---------+---------------+
3 rows in set (0.00 sec)

　　那么可以看到IDX_productId这个索引的Cardinality比较低。　

　　需要强制刷新Cardinality值的话可以用：

analyze local table xxx;

 

 

 

 

 

参考：

MySQL5.1参考手册 - http://dev.mysql.com/doc/refman/5.1/zh/index.html

《MySQL技术内幕》

《小灰漫画》

https://www.cnblogs.com/leefreeman/p/8315844.html

http://blog.codinglabs.org/articles/theory-of-mysql-index.html