MySQL 支持多种类型的索引,每种索引适用于不同的使用场景:
drop database if exists `index_demon`;
create database if not exists `index_demon` default character set utf8;
use `index_demon`;
-- 构建一个8000000条记录的数据
-- 构建的海量表数据需要有差异性,所以使用存储过程来创建
-- 产生随机字符串
delimiter $$
create function rand_string(n INT)
returns varchar(255)
begin
declare chars_str varchar(100) default
'abcdefghijklmnopqrstuvwxyzABCDEFJHIJKLMNOPQRSTUVWXYZ';
declare return_str varchar(255) default '';
declare i int default 0;
while i < n do
set return_str =concat(return_str,substring(chars_str,floor(1+rand()*52),1));
set i = i + 1;
end while;
return return_str;
end $$
delimiter ;
-- 产生随机数字
delimiter $$
create function rand_num( )
returns int(5)
begin
declare i int default 0;
set i = floor(10+rand()*500);
return i;
end $$
delimiter ;
-- 创建存储过程,向雇员表添加海量数据
delimiter $$
create procedure insert_emp(in start int(10),in max_num int(10))
begin
declare i int default 0;
set autocommit = 0;
repeat
set i = i + 1;
insert into EMP values ((start+i)
,rand_string(6),'SALESMAN',0001,curdate(),2000,400,rand_num());
until i = max_num
end repeat;
commit;
end $$
delimiter ;
-- 雇员表
CREATE TABLE `EMP` (
`empno` int(6) unsigned zerofill NOT NULL COMMENT '雇员编号',
`ename` varchar(10) DEFAULT NULL COMMENT '雇员姓名',
`job` varchar(9) DEFAULT NULL COMMENT '雇员职位',
`mgr` int(4) unsigned zerofill DEFAULT NULL COMMENT '雇员领导编号',
`hiredate` datetime DEFAULT NULL COMMENT '雇佣时间',
`sal` decimal(7,2) DEFAULT NULL COMMENT '工资月薪',
`comm` decimal(7,2) DEFAULT NULL COMMENT '奖金',
`deptno` int(2) unsigned zerofill DEFAULT NULL COMMENT '部门编号'
);
-- 执行存储过程,添加8000000条记录
call insert_emp(100001, 8000000);
使用上面的sql语句,可以创建一个海量的数据表。
创建完表再加上插入数据一共耗时7min左右。
索引使用案例
在不使用索引下,每查询一次,使用的时间基本都是4秒左右,即使重复查询一条记录,也是差不多4秒左右。
给empno
列建立索引后(建立索引,就是在底层为员工表的据记录构建特定的数据结构。数据量太大的话,建立索引也会很耗时的),再次进行查询。
加入索引后,再次进行查询,效率会提升很多很多。
根本原因就是,给员工工号创建索引后再根据员工工号来查询数据,这时就能够直接通过底层建立的数据结构来快速定位到目标数据,从而提高数据的检索速度,这就是索引的价值。
索引在数据库中的作用类似于书籍的目录,可以显著加快数据检索的速度。它通过特定的数据结构和算法来组织和管理数据,从而减少查询数据时所需的搜索时间。
MySQL做为一种应用层软件,可以将MySQL看作成为一种特殊的文件系统,有着更高频率的IO。MySQL中的数据都是存放在硬盘上的,这就需要操作系统和磁盘进行IO来读取数据了。
而索引要解决的问题就是,如何减少IO的次数。
为了减少IO的次数,所以提高了单次IO的字节数,磁盘的基本单位都是512字节,将一个很大的磁盘,分为若干个以512字节为单位的内存,然后使用特定的数据结构管理这些小内存块。
而MySQL与硬盘进行IO的基本单位是16kb。也就是说单次IO可以访问到32个磁盘上的小内存块(不同的存储引擎有不同的IO单位,这里以InnoDB为例子,理解索引的原理就好了),可以使用下面命令验证。
MySQL 和磁盘进行数据交互的基本单位是 16KB 。这个基本数据单元,在 MySQL 这里叫做page
。
通过上面的介绍,可以建立以下共识:
Buffer Pool
的大内存空间,来进行各种缓存。其实就是很大的内存空间,来和磁盘数据进行IO交互。Buffer Pool 是数据库系统中的缓存机制,它属于mysql应用层的缓存。图解如下:
所谓的MySQL与磁盘交互的基本单位是16KB,指的是MySQL的Buffer Pool与内核缓冲区之间是以16KB为单位进行交互的。只不过在说的时候更关注的是MySQL和磁盘之间的关系,所以直接说的是MySQL与磁盘交互的基本单位是16KB,相当于忽略了中间的内核缓冲区。
为何MySQL和磁盘进行IO交互的时候,要采用Page的方案进行交互呢?用多少,加载多少不香吗?
下面的场景
create table uset_db(
id int primary key,
age int not null,
name varchar(16) not null
);
创建一个测试表,设置id为主键,向表中添加几条记录。
从表中查询时,发现了数据是有序的。按照id升序显示的。
如上面的5条记录,如果MySQL要查找id=2的记录,第一次加载id=1,第二次加载id=2,一次一条记录,那么就需要2次IO。如果要找id=5,那么就需要5次IO。
但是,如果这5条(或者更多)都被保存在一个Page中(16KB,能保存很多记录),那么第一次IO查找id=2的时候,整个Page会被加载到MySQL的Buffer Pool中,这里完成了一次IO。但是往后如果在查找id=1,3,4,5 等,完全不需要进行IO了,而是直接在内存中进行了。所以,就在单Page里面,大大减少了IO的次数。
但是也不能保证,用户一定下次找的数据,就在这个Page里面,不能严格保证,但是有很大概率,因为有局部性原理。 往往IO效率低下的最主要矛盾不是IO单次数据量的大小,而是IO的次数。
当MySQL中要管理很多得数据表文件时,要管理这些文件,使用page对象进行管理,然后使用特点得数据结构维护这些page。
不同得page 在MySQL中,都是16kb,使用prev 和 next 构成的双向链表。
因为有主键的问题, MySQL 会默认按照主键给我们的数据进行排序,从上面的Page内数据记录可以看 出,数据是有序且彼此关联的。
插入数据时排序的目的,就是优化查询的效率。
页内部存放数据的模块,实质上也是一个链表的结构,链表的特点也就是增删快,查询修改慢,所以优化查询 的效率是必须的。
正是因为有序,在查找的时候,从头到后都是有效查找,没有任何一个查找是浪费的,而且,如果运气好,是 可以提前结束查找过程的。
通过上面的分析,上面页模式中,只有一个功能,就是在查询某条数据的时候直接将一整页的数据加载到内存中,以减少硬盘IO次数,从而提高性能。但是,也可以看到,现在的页模式内部,实际上是采用了链表的结构,前一条数据指向后一条数据,本质上还是通过数据的逐条 比较来取出特定的数据。
如果有1千万条数据,一定需要多个Page来保存1千万条数据,多个Page彼此使用双链表链接起 来,而且每个Page内部的数据也是基于链表的。那么,查找特定一条记录,也一定是线性查找。这种效率也很低。
比如再看一本c语言的书的时候,如果我们要看<指针章节>,找到该章节有两种做法
页目录,本质上,是多花了纸张的,但是却提高了效率,这种思想是典型的以空间换时间的做法。
针对单页page,也可以引入页目录这种思想,用来提高效率。
在一个Page内部,我们引入了目录。比如,我们要查找id=4记录,之前必须线性遍历4次,才能拿到结果。现在直接通过目录2,直接进行定位新的起始位置,提高了效率。
MySQL通过键值自动排序,就是为了很方便的引入目录。
解决这个问题呢,也可以采用目录的思想,给page也带上目录。
这里的页目录和页内目录要做区分,页目录管理的是一个个的Page,而页内目录管理的是一条条的记录。
此外,页内目录与其管理的多条记录是保存在同一个Page中的,而页目录是重新申请的一个Page结构体来保存的。
随着数据量的增多,这些页目录也会增多,也需要用特定的数据结构进行维护。也采用了双链表进行管理。
就算给各个Page结构体也建立了页目录,但随着数据量不断增大,页目录的数量也会越来越多,这时在遍历页目录寻找目标Page时本质进行的还是线性遍历。
类似的,我们可以不断在页目录之上再创建页目录,最终就一定能够得到一个入口页目录,这时在查询数据时就可以从入口页目录开始不断查询页目录,最终找到目标数据所在的Page,然后再在该Page内部找到目标数据。
建立索引为什么要用B+树?
B树和B+树,最大的区别就是:B树节点,既有数据,又有Page指针,而B+,只有叶子节点有数据,其他目录页,只有键值和 Page指针。
假设有一个包含大量数据的表,我们需要进行范围查找:
如果对其进行顺序访问的操作:
为何选择B+:
原因就是非也叶子节点不存储记录,这样一个节点就可以存储更多的key。可以使得树更矮,所以IO操作次数更少。 叶子节点相连,更便于进行范围查找。
B+树中的Page结点是否需要全量加入到Buffer Pool中?
MyISAM存储引擎同样采用B+树作为索引的基本数据结构,与InnoDB存储引擎的B+树不同的是,MyISAM存储引擎的B+树的叶子结点存放的不是数据记录,而是数据记录对应的地址。
比如下图为MyISAM存储引擎的主键索引结构,其中Col1为主键。如下:
比如下图为MyISAM存储引擎的普通索引结构,其中Col2为索引列。如下:
比如下图为InnoDB存储引擎的普通索引结构,其中Col3为索引列。如下:
像InnoDB存储引擎这种,将数据记录与索引结构放在一起的索引方案,叫做聚簇索引。
像MyISAM存储引擎这种,将数据记录与索引结构分离的索引方案,叫做非聚簇索引。
使用InnoDB存储引擎创建数据库的时候, 在数据库目录下会创建两个对应的文件。如下:
当采用MyISAM存储引擎的时候,在数据库对应的目录下会创建三个目录。如下:
在创建表的时候,直接在字段名后指定 primary key
在创建表的最后,指定某列或某几列为主键索引。
创建表后,使用alter命令给指定字段添加主键索引。
方式1:在创建表时,直接在对应的字段名后指定unique。
方式2:在创建表的最后,指定某列或某几列为唯一索引
方式3:创建表后,使用alter命令给指定字段添加唯一索引
方式1:在创建表的最后,指定某列或某几列为普通索引。
方式2:创建表后,使用alter命令给指定字段添加普通索引
方式3:创建表后,使用create命令给指定字段创建普通索引,并指定索引名。
全文索引是一种用于在文本数据中进行高效搜索的技术。在 MySQL 中,可以使用全文索引来搜索包含文本数据的列。全文索引不同于普通索引,它会考虑文本的自然语言结构,允许用户在文本中执行全文搜索,而不仅仅是查找完全匹配的字符串。
创建全文索引的方式:
创建表时指定全文索引
向表中插入数据进行测试。
INSERT INTO articles (title, body) VALUES
('Introduction to MySQL', 'MySQL is an open-source relational database management system.'),
('Advanced MySQL Concepts', 'Learn advanced MySQL concepts like transactions and stored procedures.'),
('MySQL vs PostgreSQL', 'Compare MySQL and PostgreSQL databases to choose the right one for your project.');
一旦表中包含了全文索引,就可以使用 MATCH...AGAINST
语句来执行全文搜索查询。
使用案例
比如执行一个全文搜索查询,例如查找包含单词 “system” 的文章:
SELECT * FROM articles
WHERE MATCH (title, body) AGAINST ('system');
如果数据量特别大,效率就会提高很多。
CHAR
, VARCHAR
, 或 TEXT
类型的列。ft_min_word_len
参数来调整这个限制。方式1:使用
show keys from 表名SQL查询,
比如查询articles表中的索引信息。
解释:
Table
: 表示创建索引的表的名称。Non_unique
: 表示该索引是否是唯一索引,如果是则为0,如果不是则为1。Key_name
: 表示索引的名称。Seq_in_index
: 表示该列在索引中的位置,如果索引是单列的,则该列的值为1,如果索引是复合索引,则该列的值为每列在索引定义中的顺序。Column_name
: 表示定义索引的列字段。Collation
: 表示列以何种顺序存储在索引中,“A”表示升序,NULL表示无分类。Cardinality
: 索引中唯一值数目的估计值。基数根据被存储为整数的统计数据计数,所以即使对于小型表,该值也没有必要是精确的。基数越大,当进行联合时,MySQL使用该索引的机会就越大。Sub_part
: 表示列中被编入索引的字符的数量,若列只是部分被编入索引,则该列的值为被编入索引的字符的数目,若整列被编入索引,则该列的值为NULL。Packed
: 指示关键字如何被压缩。若没有被压缩,则值为NULL。Null
: 用于显示索引列中是否包含NULL,若包含则为YES,若不包含则为NO。Index_type
: 显示索引使用的类型和方法(BTREE、FULLTEXT、HASH、RTREE)。Comment
: 显示评注。方式2:使用
desc 表名SQL查询(信息比较简略)
比如查询articles表中的索引信息。
desc articles
使用alter table 表名 drop primary key
SQL即可删除主键索引
使用alter table 表名 drop index 索引名
SQL即可删除指定的非主键索引
注意:一个表只有一个主键索引,所以在删除主键索引的时候不用指明索引名,而一个表中可能有多个非主键索引,所以在删除非主键索引时需要指明索引名。
索引创建的原则如下:
时刻要记住,创建索引的目的就是为了提高查询的效率。