全文约 7693 字,预计阅读时长: 22分钟
索引
索引:提高数据库的性能,在于提高一个海量数据的检索速度。不用加内存,不用改程序,不用调sql,只要执行正确的 create index ,查询速度就可能提高成百上千倍。 常见索引分为:
主键索引(primary key) 唯一索引(unique) 普通索引(index) 全文索引(fulltext)–解决中子文索引问题。
认识磁盘
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,相比于计算机其他电子元件,磁盘效率是比较低的,在加上IO本身的特征,可以知道,如何提交效率,是 MySQL 的一个重要话题。I/O:磁盘与内存之间的数据交互。
扇区
数据库文件,本质其实就是保存在磁盘的盘片当中。也就是上面的一个个小格子中,就是我们经常所说的扇区。当然,数据库文件很大,也很多,一定需要占据多个扇区。 所有扇区都是默认512字节吗?目前是的,因为保证一个扇区多大,是由比特位密度决定的。不过最新的磁盘技术,已经慢慢的让扇区大小不同了。 使用Linux,所看到的大部分目录或者文件,其实就是保存在硬盘当中的。所以,最基本的,找到一个文件的全部,本质,就是在磁盘找到所有保存文件的扇区。而我们能够定位任何一个扇区,那么便能找到所有扇区,因为查找方式是一样的。
定位扇区
柱面(磁道): 多盘磁盘,每盘都是双面,大小完全相等。那么同半径的磁道,整体上便构成了一个柱面。 每个盘面都有一个磁头,那么磁头和盘面的对应关系便是1对1的。 所以,我们只需要知道,磁头(Heads)、柱面(Cylinder)(等价于磁道)、扇区(Sector)对应的编号。即可在磁盘上定位所要访问的扇区。这种磁盘数据定位方式叫做 CHS 。不过实际系统软件使用的并不是 CHS (但是硬件是),而是 LBA (全称为Logic Block Address,即扇区的逻辑块地址。),一种线性地址,可以想象成虚拟地址与物理地址。系统将 LBA 地址最后会转化成为 CHS ,交给磁盘去进行数据读取。 在LBA方式下,系统把所有的物理扇区都按照某种规则看作一线性编号的扇区,即从0到某个最大值方式排列,并连成一条线,把LBA作为一个整体来对待,而不再是具体的实际的C/H/S值,这样只用一个序数就确定了一个唯一的物理扇区,这就是线性地址扇区的由来。显然线性地址是物理扇区的逻辑地址。机械硬盘的28位LBA及48位LBA
结论
我们现在已经能够在硬件层面定位,任何一个基本数据块了(扇区)。那么在系统软件上,就直接按照扇区(512字节,部分4096字节),进行IO交互吗?不是。 如果操作系统直接使用硬件提供的数据大小进行交互,那么系统的IO代码,就和硬件强相关,换言之,如果硬件发生变化,系统必须跟着变化。 从目前来看,单次IO 512字节,还是太小了。IO单位小,意味着读取同样的数据内容,需要进行多次磁盘访问,会带来效率的降低。 文件系统读取基本单位,不是扇区,而是数据块。系统读取磁盘,是以块为单位的,基本单位是 4KB 。
磁盘随机访问(Random Access)与连续访问(Sequential Access)
随机访问:本次IO所给出的扇区地址和上次IO给出扇区地址不连续,这样的话磁头在两次IO操作之间需要作比较大的移动动作才能重新开始读/写数据。 连续访问:如果当次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。
因此尽管相邻的两次IO操作在同一时刻发出,但如果它们的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,顺序访问不需要过多的定位,故效率比随机访问的高。
MySQL 与磁盘交互基本单位
MySQL 作为一款应用软件,可以想象成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。 也就是说,磁盘这个硬件设备的基本单位是 512 字节,而 MySQL InnoDB引擎 使用 16KB 进行IO交互。即, 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
(注意和系统的page区分,需要4次系统I/O)。
总结
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,都需要通过计算,找到对应的插入位置,或者找到对应要修改或者查询的数据。 只要涉及计算,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,数据一定是磁盘中有,内存中也有。后续操作完内存数据之后,以特定的刷新策略,刷新到磁盘。而这时,就涉及到磁盘和内存的数据交互,也就是IO了。而此时IO的基本单位就是Page。 为了更好的进行上面的操作, MySQL 服务器在内存中运行的时候,在服务器内部,就申请了被称为 Buffer Pool
的的大内存空间,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。 为了更高的效率,一定要尽可能的减少系统和磁盘IO的次数。
索引的理解
建立测试表,插入多条记录,查看插入结果。发现竟然默认是有序的!是谁干的呢?排序有什么好处呢?
# create table if not exists user (
id int primary key,
age int not null,
name varchar ( 16 ) not null
) ;
# mysql > show create table user \G
# mysql > insert into user ( id, age, name) values ( 3 , 18 , '杨过' ) ;
# mysql > insert into user ( id, age, name) values ( 2 , 26 , '黄蓉' ) ;
# mysql > insert into user ( id, age, name) values ( 4 , 16 , '小龙女' ) ;
. . . .
# mysql > select * from user;
. . . .
解释为何IO交互要是 Page?
上面的记录,如果没有排序就刷新到磁盘,那么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。因为他们都是随机放在磁盘的任意位置。 但,如果这几条(或者更多)都被保存在一个Page中刷新到磁盘(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。 你怎么保证,用户一定下次找的数据,就在这个Page里面?我们不能严格保证,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。
单个page
理解单个page
MySQL 中要管理很多数据表文件,而要管理好这些文件,就需要 先描述,在组织 ,我们目前可以简单理解成一个个独立文件是有一个或者多个Page构成的。 不同的 Page ,在 MySQL 中,都是 16KB ,使用 prev 和 next 构成双向链表。 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。
为什么数据库在插入数据时要对其进行排序呢?我们按正常顺序插入数据不是也挺好的吗?
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。 正式因为有序,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。
页的真实面貌
File Header
其实页的多项属性,暂时只需要知道两个就足够了。分别是:FIL_PAGE_PREV
、FIL_PAGE_NEXT
。
这两个变量就是上一页指针和下一页指针,说是指针,是为了方便大家理解,实际上是页在磁盘上的偏移量。
Page Header
多个page
理解多个Page
通过上面的分析,我们知道,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,我们也可以看到,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。这效率也太低了。
页目录
页目录
我们在看《谭浩强C程序设计》这本书的时候,如果我们要看<指针章节>,找到该章节有两种做法: 从头逐页的向后翻,直到找到目标内容; 通过书提供的目录,发现指针章节在234页(假设),那么我们便直接翻到234页。同时,查找目录的方案,可以顺序找,不过因为目录肯定少,所以可以快速提高定位。 本质上,书中的目录,是多花了纸张的,但是却提高了效率。所以,目录,是一种“空间换时间的做法”
单页情况 | 多页情况
单页情况
针对上面的单页Page,我们也可以引入目录。
那么当前,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[3],直接进行定位新的起始位置,提高了效率。现在我们可以再次正式回答上面的问题了,为何通过键值 MySQL 会自动排序?可以很方便引入目录。MySQL 页完全指南——浅入深出页的原理
多页情况
MySQL 中每一页的大小只有 16KB ,单个Page大小固定,所以随着数据量不断增大, 16KB 不可能存下所有的数据,那么必定会有多个页来存储数据。
在单表数据不断被插入的情况下, MySQL 会在容量不足的时候,自动开辟新的Page来保存新的数据,然后通过指针的方式,将所有的Page组织起来。 这样,我们就可以通过多个Page遍历,Page内部通过目录来快速定位数据。可是,貌似这样也有效率问题,在Page之间,也是需要 MySQL 遍历的,遍历意味着依旧需要进行大量的IO,将下一个Page加载到内存,进行线性检测。这样就显得我们之前的Page内部的目录,有点杯水车薪了。
那么如何解决呢?解决方案,其实就是我们之前的思路,给Page也带上目录。
使用一个目录项来指向某一页,而这个目录项存放的就是将要指向的页中存放的最小数据的键值。其中,每个目录项的构成是:键值+指针。
和页内目录不同的地方在于,这种目录管理的级别是页,而页内目录管理的级别是行。
存在一个目录页来管理页目录,目录页中的数据存放的就是指向的那一页中最小的数据。有数据,就可通过比较,找到该访问那个Page,进而通过指针,找到下一个Page。
其实目录页的本质也是页,普通页中存的数据是用户数据,而目录页中存的数据是普通页的地址 。可是,我们每次检索数据的时候,该从哪里开始呢?虽然顶层的目录页少了,但是还要遍历啊?不用担心,可以在加目录页。 这货就是传说中的B+树!没错,至此,我们已经给我们的表构建完了主键索引。随便找一个id=?我们发现,现在查找的Page数一定减少了,也就意味着IO次数减少了,那么效率也就提高了。
总结
Page分为目录页和数据页。目录页只放各个下级Page的最小键值。 查找的时候,自定向下找,只需要加载部分目录页到内存,即可完成算法的整个查找过程,大大减少了IO次数
其他数据结构为何不行
链表?线性遍历 二叉搜索树?退化问题,可能退化成为线性结构 AVL &&红黑树?虽然是平衡或者近似平衡,但是毕竟是二叉结构,相比较多阶B+,意味着树整体过高,大家都是自顶向下找,层高越低,意味着系统与硬盘更少的IO Page交互。虽然你很秀,但是有更秀的。 Hash?官方的索引实现方式中, MySQL 是支持HASH的,不过 InnoDB 和 MyISAM 并不支持.Hash跟进其算法特征,决定了虽然有时候也很快(O(1)),不过,在面对范围查找就明显不行。 下列的BTree其实是B+树。
B+ vs B
B树: B+树 目前这两棵树,对我们最有意义的区别是:
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 B+叶子节点,全部相连,而B没有
为何选择B+
节点不存储data,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
非聚簇索引
MyISAM 引擎同样使用B+树作为索引结果,叶节点的data域存放的是数据记录的地址。
其中, MyISAM 最大的特点是,将索引Page和数据Page分离,也就是叶子节点没有数据,只有对应数据的地址。相较于 InnoDB 索引, InnoDB 是将索引和数据放在一起的。 MyISAM
这种用户数据与索引数据分离的索引方案,叫做非聚簇索引 。对于 MyISAM ,建立辅助(普通)索引和主键索引没有差别,无非就是主键不能重复,而非主键可重复。改变的只是B+树的K值,地址还是原来的地址。
聚簇索引
InnoDB
这种用户数据与索引数据在一起索引方案,叫做聚簇索引 。
当然, MySQL 除了默认会建立主键索引外,我们用户也有可能建立按照其他列信息建立的索引,一般这种索引可以叫做辅助(普通)索引。InnoDB 的非主键索引中叶子节点并没有数据,而只有对应记录的key值。
所以通过辅助(普通)索引,找到目标记录,需要两遍索引:首先检索辅助索引获得主键,然后用主键到主索引中检索获得记录。这种过程,就叫做回表查询 。为何 InnoDB 针对这种辅助(普通)索引的场景,不给叶子节点也附上数据呢?原因就是太浪费空间了。
小结
如何理解硬盘 如何理解柱面,磁道,扇区,磁头 InnoDB 主键索引和普通索引 MyISAM 主键索引和普通索引 其他数据结构为何不能作为索引结构,尤其是B+和B 聚簇索引 VS 非聚簇索引
索引操作
不同的索引名称,底层都是B+树,数据都最终是在磁盘上存着…
创建索引
创建主键索引的方法
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 创建表以后再添加主键
create table user1 ( id int primary key, name varchar ( 30 ) ) ;
create table user2 ( id int , name varchar ( 30 ) , primary key ( id) ) ;
create table user3 ( id int , name varchar ( 30 ) ) ;
alter table user3 add primary key ( id) ;
主键索引的特点:
一个表中,最多有一个主键索引,当然可以使用复合主键 主键索引的效率高(主键不可重复) 创建主键索引的列,它的值不能为null,且不能重复 主键索引的列基本上是int
唯一索引 的创建方法
在表定义时,在某列后直接指定unique唯一属性。 创建表时,在表的后面指定某列或某几列为unique
create table user4 ( id int primary key, name varchar ( 30 ) unique) ;
create table user5 ( id int primary key, name varchar ( 30 ) , unique ( name) ) ;
create table user6 ( id int primary key, name varchar ( 30 ) );
alter table user6 add unique ( name) ;
唯一索引的特点:
一个表中,可以有多个唯一索引 查询效率高 如果在某一列建立唯一索引,必须保证这列不能有重复数据 如果一个唯一索引上指定not null,等价于主键索引
普通索引的创建方法
在表的定义最后,指定某列为索引 创建完表以后指定某列为普通索引 创建一个索引名为 idx_name 的索引
create table user8 ( id int primary key,
name varchar ( 20 ) ,
email varchar ( 30 ) ,
index ( name)
) ;
create table user9 ( id int primary key, name varchar ( 20 ) , email varchar ( 30 ) ) ;
alter table user9 add index ( name) ;
create table user10 ( id int primary key, name varchar ( 20 ) , email varchar ( 30 ) ) ;
create index idx_name on user10 ( name) ;
普通索引的特点:
一个表中可以有多个普通索引,普通索引在实际开发中用的比较多 如果某列需要创建索引,但是该列有重复的值,那么我们就应该使用普通索引.
全文索引的创建
当对文章字段或有大量文字的字段进行检索时,会使用到全文索引。MySQL提供全文索引机制,但是有要求,要求表的存储引擎必须是MyISAM,而且默认的全文索引支持英文,不支持中文。如果对中文进行全文检索,可以使用sphinx的中文版(coreseek)。
CREATE TABLE articles (
id INT UNSIGNED AUTO_INCREMENT NOT NULL PRIMARY KEY,
title VARCHAR ( 200 ) ,
body TEXT,
FULLTEXT ( title, body)
) engine= MyISAM;
可以用explain
工具看一下,是否使用到索引
mysql> explain select * from articles where body like '%database%' \G
如何使用全文索引呢?
mysql> SELECT * FROM articles
WHERE MATCH ( title, body) AGAINST ( 'database' ) ;
通过explain来分析这个sql语句
索引创建原则
比较频繁作为查询条件的字段应该创建索引。唯一性太差的字段不适合单独创建索引,即使频繁作为查询条件 更新非常频繁的字段不适合作创建索引。不会出现在where子句中的字段不该创建索引。
查询索引
show keys from 表名
mysql> show keys from goods\G
show index from 表名
;desc 表名;
删除索引
删除主键索引: alter table 表名 drop primary key;
其他索引的删除:alter table 表名 drop index 索引名
; 索引名就是show keys from 表名中的 Key_name
字段。 drop index 索引名 on 表名
复合索引、索引最左匹配原则、索引覆盖