MySQL索引

Posted 2021-11-29 quixotey

mysql索引-背后的数据结构和算法

---

摘要

MySQL支持诸多存储引擎，当时各种存储引擎对索引的支持也是不相同的，所以MySQL是支持多种索引类型的，BTree索引，哈希索引，全文索引，这里专注与BTree索引

第一部分数据结构和算法Mysql索引的数理基础

第二部分结合MyISAM和Inno引擎讨论聚集索引、非聚集索引及覆盖索引

第三部分最大索引性能

 

第一部分

索引是什么

MySQL官方对索引的定义：索引（Index）是帮助MySQL高效获取数据的数据结构。

数据库最基本的功能是什么，数据库查询。我们都希望查询的速度越快越好，所以设计者会优化查询算法。大家都学过不少的查询算法，但是我们都知道不同的查询算法所依赖的条件是不一样的，它们基于不同的数据结构。

最容易想到的一种方法是顺序查找（linear search），时间复杂度O（n）。这个办法在处理大数据的时候是很差劲的，耗时太长。随着计算机科学的发展，有更多基于特定数据结构的优秀的查找算法出现了。

二分查找（被检索数据要求有序），二叉树查找（基于二叉查找树）。

但是数据本身的组织结构不可能完全满足各种数据结构（例如，理论上不可能同时将两列都按顺序进行组织），所以，在数据之外，数据库系统还维护着满足特定查找算法的数据结构，这些数据结构以某种方式引用（指向）数据，这样就可以在这些数据结构上实现高级查找算法。这种数据结构，就是索引。

磁盘IO与预读

简单介绍一下磁盘IO和预读，磁盘读取数据靠的是机械运动，每次读取数据花费的时间可以分为寻道时间、旋转延迟、传输时间三个部分，寻道时间指的是磁臂移动到指定磁道所需要的时间，主流磁盘一般在5ms以下；旋转延迟就是我们经常听说的磁盘转速，比如一个磁盘7200转，表示每分钟能转7200次，也就是说1秒钟能转120次，旋转延迟就是1/120/2 = 4.17ms；传输时间指的是从磁盘读出或将数据写入磁盘的时间，一般在零点几毫秒，相对于前两个时间可以忽略不计。那么访问一次磁盘的时间，即一次磁盘IO的时间约等于5+4.17 = 9ms左右，听起来还挺不错的，但要知道一台500 -MIPS的机器每秒可以执行5亿条指令，因为指令依靠的是电的性质，换句话说执行一次IO的时间可以执行40万条指令，数据库动辄十万百万乃至千万级数据，每次9毫秒的时间，显然是个灾难。

磁盘IO是非常高昂的操作，计算机操作系统做了一些优化，当一次IO时，不光把当前磁盘地址的数据，而是把相邻的数据也都读取到内存缓冲区内，因为局部预读性原理告诉我们，当计算机访问一个地址的数据的时候，与其相邻的数据也会很快被访问到。每一次IO读取的数据我们称之为一页(page)。具体一页有多大数据跟操作系统有关，一般为4k或8k，也就是我们读取一页内的数据时候，实际上才发生了一次IO

任何一种数据结构都不是凭空产生的，一定会有它的背景和使用场景，我们现在所需要的这个数据结构是要用来干嘛。每次查找数据时把磁盘IO次数控制在一个很小的数量级，最好是常数数量级。

那为什么不用搜索树呢？lgN的时间复杂度很不错啊，复杂度模型是基于每次相同的操作成本来考虑的，数据库实现比较复杂，数据保存在磁盘上，而为了提高性能，每次又可以把部分数据读入内存来计算，因为我们知道访问磁盘的成本大概是访问内存的十万倍左右，所以简单的搜索树这里是不适用的。