【MySQL】索引的作用及知识储备

为什么要有索引

索引可以提高数据库的性能。不用加内存，不用改程序，不用调sql，只要执行正确的create indix，查询的速度就可能提高成百上千倍。但相应的代价是，插入，更新，删除的速度有所减弱。
所以索引的作用在于提高一个海量数据的检索速度

常见索引分为：

• 主键索引(primary key)
• 唯一键索引(unique)
• 普通索引(indix)
• 全文索引(fulltext) - 解决子文索引问题

认识磁盘

我们知道了索引的作用是提高数据检索的速度，那么海量数据的检索为什么慢呢？我们需要通过认识数据的存储来了解

MySQL与存储

MySQL给用户提供存储服务，而存储的都是数据，数据在磁盘这个外设当中。磁盘是计算机中的一个机械设备，相比于其他电子元件，磁盘的效率是比较低的，在加上IO本身的特征，所以存取数据是一个比较慢的操作

---

磁盘的物理结构和数据存取可以参看磁盘文件系统的第一部分

总结来说

数据的存取在磁盘中需要经历以下步骤：

1. 定位读取的盘面，进而确定哪一个磁头读取数据
2. 定位读取哪一个磁道
3. 定位读取哪一个扇区
   整个过程称为CHS定位法 磁头：head ；磁道(柱面)：cylinder；扇区：sector
   这些步骤都是机械运动，所以速度相比于电子元件，会慢上很多

另外

数据在扇区里大多是以512字节存储
操作系统读取数据的单位是数据块(4kb)，也就是8个扇区
数据库文件，本质就是保存在磁盘的盘片当中，当数据库文件很大时，一定需要占据多个扇区

---

磁盘随机访问与连续访问

• 随机访问：本次IO所给出的扇区地址和上次IO给出的扇区地址不连续，此时磁头在两次IO操作之间需要作较大移动才能重新开始读/写数据
• 连续访问：如果本次IO给出的扇区地址与上次IO结束的扇区地址是连续的，那么磁头就能很快的开始这次IO操作，这样的多个IO操作称为连续访问

如果相邻的两次IO操作是在同一时刻发出的，但它们请求的扇区地址相差很大的话，也只能称为随机访问，而非连续访问

磁盘是通过机械运动进行寻址的，连续访问不需要过多的定位，故效率比较高

MySQL与磁盘交互的基本单位

MySQL是一款应用软件，其与磁盘的交互需要依靠操作系统从中构建桥梁，我们可以将其想象为一种特殊的文件系统，它有着更高的IO场景。
所以为了提高基本的IO效率，MySQL进行IO的基本单位是16KB(InnoDB存储引擎)

mysql> show global status like 'innodb_page_size';
+------------------+-------+
| Variable_name    | Value |
+------------------+-------+
| Innodb_page_size | 16384 | -- 16*1024
+------------------+-------+
1
2
3
4
5
6

也就是磁盘的基本单位是扇区512字节，操作系统基本单位是数据块4KB，MySQL基本单位是page(页)16KB
三者数据交互如下：

• MySQL中的数据文件，是以page为单位保存在磁盘当中的
• MySQL的CURD操作(create update read delete)，都是需要计算，找到相应的插入位置，或者找到对应要修改或者查询的数据
• 涉及计算，就需要CPU参与，而为了便于CPU参与，一定要能够先将数据移动到内存当中
• 所以在特定时间内，数据一定是在磁盘和内存中都存在的。后续完成内存数据的操作后，以特定的舒心策略，刷新到磁盘。此时会涉及磁盘和内存的数据交互，也就是IO。而此时IO的基本单位是page
• 为了更好的进行上述操作，MySQL服务器在内存运行时，在服务器内部，会申请被称为buffer bool的内存空间，来进行各种缓存。使用这个内存空间和磁盘数据进行IO交互
• 所以为提高效率，一定要尽可能的减少系统和磁盘的IO次数

---

局部性原理

局部性原理分为时间局部性和空间局部性

局部性原理出现的原因，大部分人认为是：程序的指令大部分时间是顺序执行，而且程序的集合，如数组等各种数据结构都是连续存放的

1. 时间局部性：如果程序中的某条指令一旦执行，则不久之后该指令可能再次被执行；如果某数据被访问，则不久之后该数据可能再次被访问
2. 空间局部性：一旦程序访问了某个存储单元，则不久之后，其附近的存储单元也很大可能被访问

参考：局部性原理

---

MySQL的IO交互为什么要用page

为什么MySQL和磁盘进行IO交互要使用page呢？而不是用多少加载多少呢？

倘若，我们有十个数据，其中id从1到10，如果用多少加载多少，每次都只加载一个数据，查找id=10就需要十次IO

但如果使用page存储，那么十个数据都是存储在一个page中，一次IO读取整个page，放入buffer bool。无论是id=3,4,8，都是在内存中查找。大大减少了IO的次数

但是我们无法保证，用户下次查找的数据一定在这个page中，但是因为局部性原理，大概率在这个page中
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