普通索引和唯一索引如何选择（谈谈change buffer）

Posted 2021-03-09 roggeyue

假设有一张市民表（本篇只需要用其中的name和id_card字段，有兴趣的可以翻看“索引”篇，里面有建表语句）

 

每个人都有一个唯一的身份证号,且业务代码已经保证不会重复.

由于业务需求，市民需要按身份证查找对应姓名，即执行如下sql

select name from CUser where id_card = ‘xxxxxxxyyyyyyzzzzz‘;

我们自然会想在id_card上建索引。因为该字段较大，一般不建议直接作为主键。

 

于是我们面临选择：是建普通索引还是唯一索引——结合前面的背景说明，两者都能满足业务需求。

但从性能角度来考虑的话，选哪个？

我们从这两种索引对查询语句和更新语句的性能影响来进行分析。

 

查询过程

为了简化这个模型，我们将id_card设为k，k为int型。

执行查询语句 

select name from T where k=5

这个查询语句在索引树上查找的过程，先是通过 B+ 树从树根开始，按层搜索到叶子节点，

可以认为数据页内部通过二分法来定位记录。

 

• 对于普通索引来说，查找到满足条件的第一个记录 (5,‘张三‘) 后，需要查找下一个记录，直到碰到第一个不满足 k=5 条件的记录。
• 对于唯一索引来说，由于索引定义了唯一性，查找到第一个满足条件的记录后，就会停止继续检索

 

那么，这个不同带来的性能差距会有多少呢？答案是，微乎其微。

 

InnoDB 的数据是按数据页为单位来读写的。当需要读一条记录的时候，并不是将这个记录本身从磁盘读出来，而是以页为单位，将其整体读入内存。在 InnoDB 中，每个数据页的大小默认是 16KB。

 

当找到 k=5 的记录的时候，它所在的数据页就都在内存里了。对于普通索引来说，要多做的那一次“查找和判断下一条记录”的操作，就只需要一次指针寻找和一次计算。

 

当然，如果 k=5 这个记录刚好是这个数据页的最后一个记录，那么要取下一个记录，必须读取下一个数据页，这个操作会稍微复杂一些。

 

但是，对于整型字段，一个数据页可以放近千个 key，因此出现这种情况的概率会很低。

所以，我们计算平均性能差异时，仍可以认为这个操作成本对于现在的 CPU 来说可以忽略不计。

 

即：对于普通索引和唯一索引来说，查询性能无差别。

 

更新过程

为了说明普通索引和唯一索引对更新语句性能的影响这个问题，这里先介绍一下 change buffer。

 

当需要更新一个数据页时，如果数据页在内存中就直接更新，而如果这个数据页还没有在内存中的话，在不影响数据一致性的前提下，InnoDB 会将这些更新操作缓存在 change buffer 中，这样就不需要从磁盘中读入这个数据页了。在下次查询需要访问这个数据页的时候，将数据页读入内存，然后执行 change buffer 中与这个页有关的操作。通过这种方式就能保证这个数据逻辑的正确性。

 

虽然名字叫作 change buffer，实际上它是可以持久化的数据。也就是说，change buffer 在内存中有拷贝，也会被写入到磁盘上。

 

将 change buffer 中的操作应用到原数据页，得到最新结果的过程称为 merge。除了访问这个数据页会触发 merge 外，系统有后台线程会定期 merge。在数据库正常关闭（shutdown）的过程中，也会执行 merge 操作。

 

显然，如果能够将更新操作先记录在 change buffer，减少读磁盘，语句的执行速度会得到明显的提升。

而且，数据读入内存是需要占用 buffer pool 的，所以这种方式还能够避免占用内存，提高内存利用率。

 

那么，什么条件下可以使用 change buffer 呢？

 

对于唯一索引来说，所有的更新操作都要先判断这个操作是否违反唯一性约束。而这必须要将数据页读入内存才能判断。如果都已经读入到内存了，那直接更新内存会更快，就没必要使用 change buffer 了。

 

因此，唯一索引的更新就不能使用 change buffer，实际上也只有普通索引可以使用。

 

change buffer 用的是 buffer pool 里的内存，因此不能无限增大。change buffer 的大小，可以通过参数 innodb_change_buffer_max_size 来动态设置。这个参数设置为 50 的时候，表示 change buffer 的大小最多只能占用 buffer pool 的 50%。

 

了解完change buffer，结合我们的场景，假设现在正准备插入一条(4, ‘李四‘),我们大致可以分为以下两种情况：

1.这个记录要更新的目标页在内存中：

• 对于唯一索引，找到 3 和 5 之间的位置，判断到没有冲突，插入这个值，语句执行结束；
• 对于普通索引来说，找到 3 和 5 之间的位置，插入这个值，语句执行结束。

此时，普通索引和唯一索引对更新语句性能影响的差别，只是一个判断，只会耗费微小的 CPU 时间。可以忽略

2.这个记录要更新的目标页不在内存中

• 对于唯一索引，需要将数据页读入内存，判断到没有冲突，插入这个值，语句执行结束；
• 对于普通索引，则是将更新记录在 change buffer，语句执行就结束了。

将数据从磁盘读入内存涉及随机 IO 的访问，是数据库里面成本最高的操作之一。change buffer 因为减少了随机磁盘访问，所以对更新性能的提升是会很明显的。

 

有个 DBA 的同学反馈说，他负责的某个业务的库内存命中率突然从 99% 降低到了 75%，整个系统处于阻塞状态，更新语句全部堵住。探究其原因后，发现这个业务有大量插入数据的操作，而他在前一天把其中的某个普通索引改成了唯一索引。

 

change buffer 的使用场景

通过上面的分析，我们已经清楚了使用 change buffer 对更新过程的加速作用，也清楚了 change buffer 只限于用在普通索引的场景下，而不适用于唯一索引。那么，现在另一个问题就是：普通索引的所有场景，使用 change buffer 都可以起到加速作用吗？

 

因为 merge 的时候是真正进行数据更新的时刻，而 change buffer 的主要目的就是将记录的变更动作缓存下来，所以在一个数据页做 merge 之前，change buffer 记录的变更越多（也就是这个页面上要更新的次数越多），收益就越大。

 

因此，对于写多读少的业务来说，页面在写完以后马上被访问到的概率比较小，此时 change buffer 的使用效果最好。这种业务模型常见的就是账单类、日志类的系统。

 

反过来，假设一个业务的更新模式是写入之后马上会做查询，那么即使满足了条件，将更新先记录在 change buffer，但之后由于马上要访问这个数据页，会立即触发 merge 过程。这样随机访问 IO 的次数不会减少，反而增加了 change buffer 的维护代价。所以，这种业务模式下，change buffer 反而起到了副作用。

 

在实际使用中，你会发现，普通索引和 change buffer 的配合使用，对于数据量大的表的更新优化还是很明显的。

 

特别地，在使用机械硬盘时，change buffer 这个机制的收效是非常显著的。所以，当你有一个类似“历史数据”的库，并且出于成本考虑用的是机械硬盘时，那你应该特别关注这些表里的索引，尽量使用普通索引，然后把 change buffer 尽量开大，以确保这个“历史数据”表的数据写入速度。

 

小结：

1.从查询过程来说，唯一索引和普通索引几乎无差别

2.从更新过程来说，由于change buffer的加成，当要更新的目标页不在内存中时，普通索引因为减少随机 IO 的访问，对更新性能的提升很明显

3.大部分场景普通索引都优于唯一索引（在业务代码保证唯一性的前提下），但如果业务模式是更新完后马上查询，此时普通索引+change buffer会起副作用