聚集索引和非聚集索引

Posted 2022-03-27 hasagi

在讲聚集索引和非聚集索引之前我们先要了解下什么是索引，想要理解索引的原理我们必须了解一种数据结构「平衡树」(非二叉)。当然也有数据库使用哈希桶做数据索引，但是目前主流都以平衡树（B-Tree索引、B+Tree索引）作为数据的默认索引；

 

B+Tree索引

B+Tree索引是B+Tree在数据库的一种实现方式，也是目前在数据库中使用最频繁的一种索引。B+Tree是从二叉树演化而来，所以在此之前我们必须要先了解二叉查找树、平衡二叉树（AVLTree）和多路平衡查找树（B-Tree）；

 

二叉查找树

二叉树具有以下性质：左子树的键值小于根的键值，右子树的键值大于根的键值。二叉树的搜索相当于一个二分查找。二叉查找能大大提升查询的效率，但是它有一个问题：二叉树是以第一个插入的数据作为根节点，同样的一组数据可能因为顺序不同产生线性链表结构，如下图；

 

平衡二叉树

为了解决二叉树左右不平衡的问题就有了平衡二叉树，定义是节点的子节点高度差不能超过1，如果因为数据的增删查改导致不平衡则可以通过左旋或右旋解决，但是单单的左右平衡并不能满足数据库库索引的需要；

1、首先树结构中，数据深度决定了检索是的IO次数；

2、查询事件的不稳定导致，有时只需一次IO就查询出数据，而有时则需多次IO才可以；

3、没有利用操作系统和磁盘数据交换的特性以及磁盘的IO预读能力，正常来说操作系统和磁盘间的数据交换是以页（4KB）为单位，也就是说一次数据交换会加载4KB的数据到内存，而平衡二叉树的一个节点只有一个关键词，而这样的IO的操作次数又因为树的高度需要重复多次，极大的浪费系统的性能；

 

多路平衡二叉树（B-Tree）

首先先有个概念，系统从磁盘读取数据到内存时是以磁盘块为基本单位的，位于同一个磁盘块中的数据会被一次性读取出来，而不是需要什么取什么。其次这里以InnoDB举例，在InnoDB存储引擎中有页（page）的概念，即磁盘管理的最小单位默认是16KB。而往往系统磁盘不可能分配给用户一个完整连续磁盘空间，而是通过多个磁盘块拼接而成，而B-Tree就是了让系统高效的检索磁盘块，通过键值对的形式保存数据；

 

 

每个节点占用一个磁盘块，由N个升序关键字和N+1个指针（对应子节点磁盘块地址），如果以上述表结构为例，我们最多只需三次IO操作和内存操作就能获取结果，而且由于内存中的关键字是一个有序表结构，可以利用二分法查找提高效率。B-Tree相对于AVLTree缩减了节点个数，使每次磁盘I/O取到内存的数据都发挥了作用，从而提高了查询效率。

 

B+Tree

B+Tree是在B-Tree基础上的一种优化，使其更适合实现外存储索引结构，相较于B-Tree有几点不同：

1、非叶子节点只存储键值信息；

2、所有叶子节点之间都有一个链指针；

3、数据记录都存放在叶子节点中；

 

1、B+Tree是B-Tree的变种，所以B-Tree能解决的问题，B+Tree也能够解决；

2、B+Tree扫库和扫表能力更强，如果我们要根据索引去进行数据表的扫描，对B-Tree进行扫描，需要把整棵树遍历一遍，而B+Tree只需要遍历他的所有叶子节点即可；

3、B+Tree磁盘读写能力更强，因为根节点和支节点不保存数据区，所有根节点和支节点同样大小的情况下，保存的关键字要比B-Tree要多，也就意味着树的高度相对较低，IO的操作更少；

4、B+Tree排序能力更强，叶子节点之间天然具有排序功能；

5、B+Tree查询效率更加稳定，每次查询数据的IO次数一定是相同的；

聚集索引

　　回到我们的索引上来，我们平时在建表的时候都会为其加上主键，有的数据库中如果不指定主键是无法建表的。但是事实上一个加了主键的表并向我们认知中的「表」，而一个没加主键的表，它的数据无序的放置在磁盘存储器上，一行一行的排列的很整齐， 跟我认知中的「表」很接近。如果给表上了主键，那么表在磁盘上的存储结构就由整齐排列的结构转变成了树状结构，也就是上面说的「平衡树」结构，换句话说，就是整个表就变成了一个索引，也就是所谓的「聚集索引」。（这也是为什么一个表只能有一个「聚集索引」，因为主键的作用就是把「表」的数据格式转换成「索引（平衡树）」的格式放置）

 

　　因为整张数据表就是平衡树，所以利用其特性，极大的优化数据查询效率。但是凡事都有两面性索引虽然为查询效率带来的提升，但是却严重影响数据修改的效率。因为每次数据的修改都会破坏树结构，为了确保平衡树的结构维持在正确的状态，每次修改操作后都需要重新梳理树结构，这就为系统性能上造成不小的开销，InnoDB存储引擎就是使用了聚合索引。

 

 非聚集索引

　　非聚集索引，也就是我们平时经常提起和使用的常规索引，非聚集索引和聚集索引一样，同样是采用平衡树作为索引的数据结构。通俗的来讲非聚集索引数据存储在一个地方，索引存储在另一个地方，索引带有指针指向数据的存储位置。如果给表中多个字段加上索引，那么就会出现多个独立的索引结构，每个索引（非聚集索引）互相之间不存在关联。每次给字段建一个新索引，字段中的数据就会被复制一份出来， 用于生成索引。 因此给表添加索引会增加表的体积， 占用磁盘存储空间，非聚集索引和聚集索引的区别在于， 通过聚集索引可以查到需要查找的数据， 而通过非聚集索引可以查到记录对应的磁盘地址， 再磁盘地址找到需要的数据。