深入浅出索引（上）

Posted 2020-11-23 1994july

南宁SEO：简单来说，索引的出现就是为了提高数据查询效率，就像书的目录一样。

索引的常见模型

索引实现的方式有很多种，所以这里就引入了索引模型的概念，可以用于提高读写效率的数据结构很多，比较常见的数据结果有以下三种：哈希表、有序数组和搜索树。

• 哈希表是一种以键值存储数据的结构，我们只要输入待查找的值即key,就可以找到对应的值即Value。哈希的思路很简单，把值放到一个数据里，用一个哈希函数把Key换算成一个确定的位置，然后把value放在数组的这个位置上。不可避免的，多个key通过哈希函数的换算，会出现同一个值的情况，处理这种情况的方法是，拉出一个链表。所以哈希表这种结构适用于只有等值查询的场景。
• 有序数据在等值查询和范围查询场景中的性能就都非常优秀,但是在需要更新数据的时候就麻烦了，你往中间插入一条记录，就必须行挪动后面所有的记录，成本太高。
• 二叉搜索树：每个节点的左儿子小于父节点，父节点又小于右儿子，查询的时间复杂度为O(log(N))，数据库存储大多不使用二叉树，因为树高过高。一般使用N叉树。

InnoDB的索引模型

    在InnoDB中，表都是根据主键顺序以索引的形式存放的，这种存储方式的表称为索引组织表，又因为InnoDB使用了B+树索引模型，所以数据都是存储在B+树中。每一个索引在InnoDB里面对应一棵B+树。（为什么InnoDB选择B+树，因为B+树能够很好地配合磁盘的读写特性，减少单次查询的磁盘访问次数）

   假如，有一个主键列为ID的表，表中有字段k,并且k上有索引，这个表的创建语句为：

create table T ( id int primary key, k int not null, name varchar(16), index (k)) engine=InnoDB;

表中 R1~R5的（ID,k）值分别为（100,1）、(200,2)、(300,3)、(500,5)和(600,6) 两棵树的示意图如下。

根据叶子节点的类容，索引类型分为主键索引和非主键索引，主键索引的叶子节点存的是整行数据，在InnoDB里面，主键索引也被称为聚簇索引（clustered index）。非主键索引的叶子节点存的内容是主健的值。在InnoDB里面，非主键索引也被称为二级索引（secondary index）。

主键索引和普通索引的查询有什么区别

• 如果语句是 select * from T where ID=500,即主键查询方式，则只需要搜索ID这棵B+树；
• 如果语句是select * from T where k=5,即普通索引查询方式，则需要先搜索k索引树，得到ID的值为500，再到ID索引树搜索一次这个过程称为回表。

也就是说，基于非主键索引的查询需要多扫描一棵索引树，因此，我们在应用中尽量使用主键查询。

索引维护

    B+树为了维护索引的有序性，在插入新值的时候需要做必要的维护。以上面图为例，如果插入新的行的ID=700,则只需要在R5的记录后面新插入一个新记录。如果新插入的ID值=400，就相对麻烦了，需要逻辑上挪动后面的数据，空出位置。更糟糕的情况是，如果R5所在的数据页已经满了，根据B+树的算法，这时候需要申请一个新的数据页，然后挪动部分数据过去。这个过程称为页分裂。在这种情况下，性能自然会受到影响。

    除了性能外，页分裂操作还会影响数据页的利用率。原本放在一个页的数据，现在分到两个页中，整体空间利用率降低大约50%。

    当然有分裂就有合并。当相邻两个页由于删除了数据，利用率很低之后，会将数据页做合并，合并过程可以认为是分裂过程的逆过程。

下面我们来讨论一个案例：

   你有可能在一些建表规范里面见到过类似的描述，要求建表语句里一定要有自增主键。当然事无绝对，我们来分析一下哪些场景下应该使用自增主键，而哪些场景下不应该。

自增主键是指自增列上定义的主键，在建表语句中一般这么定义：NOT NULL PRIMARY KEY AUTO_INCREMENT。插入新记录时可以不指定ID的值，系统会获取当前ID最大值+1做为下一条记录的ID值。也就是说，自增主键的插入数据模式正符合了我们前面提到的递增插入的场景，都不涉及到挪动其它记录，也不会触发叶子节点的页分裂。

而有业务逻辑的字段做主键，则往往不易保证有序插入，这样定数据成本相对较高。除了考虑性能外，我们可以从存储空间的角度来看，假高你的表中确实有一个唯一字段，比如字条类型的身份证号，那应该用身份证号做主键还是用自增主键呢？由于每个非主键索引的叶子节点上存的都是主键的值，如果用身份证号做主键的话，那么每个二级索引的叶子节点占用约20个字节，而如果用整行做主键，则只要4个字节，如果是长整行（bigint）则是8个字节。

显然，主键长度越小，普通索引的叶子节点就越小，普通索引占用的空间也就越小。所以从性能和存储空间方面考虑，自增主键往往是更合适的选择。

那有没有什么场合适合用业务字段做主键的呢？还是有的，比如，有些业务场景需求是这样：

• 只有一个索引
• 该索引必须是唯一索引。

由于没有其它索引，所以也不用考虑其它索引的叶子节点大小的问题。直接将这个索引设置成主键，可以避免每次查询需要搜索两棵树。

如果表没有设置主键，InnoDB会默认给创建一个Rowid做主键。

为什么我们有时需要重建索引？

索引可能因为删除，或者页分裂等原因。导致数据页有空洞，重建索引的过程会创建一个新的索引，把数据按顺序插入，这样页面的利用率最高，也就是索引更紧凑、更省空间。

但我们重建主键索引后，普通索引就会失效，所以我们重重建索引一般用：alter table T engine=InnoDB，来代替。