【MySQL】索引特性

👉没有索引可能会有什么问题👈

索引能够提高数据库的性能，索引是物美价廉的东西了。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。但是天下没有免费的午餐，查询速度的提高是以插入、更新、删除的速度为代价的。这些写操作增加了大量的 IO，所以它的价值在于提高一个海量数据的检索速度。

在 MySQL 中，常见的索引类型包括主键索引、唯一索引、普通索引和全文索引等。

案例：

先创建一张海量表，在查询的时候，看看没有索引时有什么问题？

-- index_data.sql
drop database if exists `bit_index`;
create database if not exists `bit_index` default character set utf8;
use `bit_index`;-- 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， 拷贝下面代码就可以了，暂时不用理解-- 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);

执行下面的语句，就可以自动创建拥有海量数据的表了。

# 参数需要替换成 sql 文件所在的路径
source /home/Joy/MySQL/index_data.sql

如果使用下面的语句，将会被阻塞住，因为需要将大量的数据加载到内存中。

use bit_index; mysql> desc EMP;
+----------+--------------------------+------+-----+---------+-------+
| Field    | Type                     | Null | Key | Default | Extra |
+----------+--------------------------+------+-----+---------+-------+
| empno    | int(6) unsigned zerofill | NO   |     | NULL    |       |
| ename    | varchar(10)              | YES  |     | NULL    |       |
| job      | varchar(9)               | YES  |     | NULL    |       |
| mgr      | int(4) unsigned zerofill | YES  |     | NULL    |       |
| hiredate | datetime                 | YES  |     | NULL    |       |
| sal      | decimal(7,2)             | YES  |     | NULL    |       |
| comm     | decimal(7,2)             | YES  |     | NULL    |       |
| deptno   | int(2) unsigned zerofill | YES  |     | NULL    |       |
+----------+--------------------------+------+-----+---------+-------+
8 rows in set (0.02 sec)select * from EMP;

查询员工编号为 998877 的员工

mysql> select * from EMP where empno=998877;
+--------+--------+----------+------+---------------------+---------+--------+--------+
| empno  | ename  | job      | mgr  | hiredate            | sal     | comm   | deptno |
+--------+--------+----------+------+---------------------+---------+--------+--------+
| 998877 | DqUzPB | SALESMAN | 0001 | 2023-07-25 00:00:00 | 2000.00 | 400.00 |    131 |
+--------+--------+----------+------+---------------------+---------+--------+--------+
1 row in set (4.39 sec)

可以看到耗时4.39秒，这还是在本机一个人来操作，在实际项目中，如果放在公网中，假如同时有1000个人并发查询，那很可能就死机。

解决方法，创建索引

mysql> alter table EMP add index(empno);
Query OK, 0 rows affected (21.08 sec)
Records: 0  Duplicates: 0  Warnings: 0mysql> desc EMP;
+----------+--------------------------+------+-----+---------+-------+
| Field    | Type                     | Null | Key | Default | Extra |
+----------+--------------------------+------+-----+---------+-------+
| empno    | int(6) unsigned zerofill | NO   | MUL | NULL    |       |
| ename    | varchar(10)              | YES  |     | NULL    |       |
| job      | varchar(9)               | YES  |     | NULL    |       |
| mgr      | int(4) unsigned zerofill | YES  |     | NULL    |       |
| hiredate | datetime                 | YES  |     | NULL    |       |
| sal      | decimal(7,2)             | YES  |     | NULL    |       |
| comm     | decimal(7,2)             | YES  |     | NULL    |       |
| deptno   | int(2) unsigned zerofill | YES  |     | NULL    |       |
+----------+--------------------------+------+-----+---------+-------+
8 rows in set (0.00 sec)

换一个员工编号，测试看看查询时间

mysql> select * from EMP where empno=8964999;
Empty set (0.00 sec)mysql> select * from EMP where empno=998877;
+--------+--------+----------+------+---------------------+---------+--------+--------+
| empno  | ename  | job      | mgr  | hiredate            | sal     | comm   | deptno |
+--------+--------+----------+------+---------------------+---------+--------+--------+
| 998877 | DqUzPB | SALESMAN | 0001 | 2023-07-25 00:00:00 | 2000.00 | 400.00 |    131 |
+--------+--------+----------+------+---------------------+---------+--------+--------+
1 row in set (0.00 sec)

👉认识磁盘👈

前置知识

• MySQL 是客户端服务端模式的，其中 mysql 是客户端，mysqld 是服务端，服务端以守护进程的形式在服务器上跑。从网络的角度来看，mysqld 是一个应用层服务器；而从硬件的角度来看，mysqld 是在内存里运行的。
• 对数据进行增删查改是在内存中进行的。如果插入一条数据，这条数据会被 mysql 服务存储起来，然后根据自己的刷新策略定期地写入到磁盘中。而当要修改的数据不在内存中，那就先要将数据加载到内存中，然后再内存中进行修改，最后定期写回到磁盘。
• MySQL 各种增删查改的语句都是由 CPU 来执行的，执行前就需要先在内存中查找到数据。而索引的本质是协助查找的，提高查找速度的，那么索引也一定是在内存中的，但索引不只是在内存。
• 所以，MySQL 的所有操作都是在内存中进行的，mysqld 后期会进行持久化操作。
• MySQL 是一个网络服务，也是一个用户层进程，其内部调用了各种文件系统接口，对数据进行保存。

MySQL 与磁盘

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。

磁盘

磁盘中的一个盘片

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。

从上图可以看出来，在半径方向上，距离圆心越近，扇区越小，距离圆心越远，扇区越大。那么，所有扇区都是默认512字节吗？目前是的，我们也这样认为。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，不过我们现在暂时不考虑。

我们在使用 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。(当然，有一些内存文件系统，如： proc ， sys 之类，我们不考虑)

数据库文件本质其实就是保存在磁盘的盘片当中，就是一个一个的文件。

# 查看数据库文件
ls /var/lib/mysql -l

所以，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一对一的。
• 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 ，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。不过，我们现在不关心转化细节。只需知道这个东西，让我们逻辑自洽起来即可。

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（扇区）了。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？并不是。

• 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，这样就会导致高耦合。
• 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。
• 之前学习文件系统，就是在磁盘的基本结构下建立的，文件系统读取基本单位就不是扇区，而是数据块。
  所以，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，连续访问不需要过多的定位，故效率比较高。

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（后面统一使用 InnoDB 存储引擎讲解）。

mysql> show global status like 'innodb_page_size';
+------------------+-------+
| Variable_name    | Value |
+------------------+-------+
| Innodb_page_size | 16384 | -- 16*1024=16384
+------------------+-------+
1 row in set (0.00 sec)

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）。

操作系统中的 Page 是内存管理的基本单位，用于管理虚拟内存和物理内存之间的映射。它是连续的固定大小的内存块，通常大小为 4KB。操作系统通过 Page Table 来跟踪虚拟内存与物理内存之间的映射关系，以实现虚拟内存的机制。

👉MySQL 的整体轮廓👈

• 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。
• 而只要涉及计算，就需要 CPU 参与，而为了便于 CPU 参与，一定要能够先将数据加载到内存当中。
• 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

create table if not exists user (
id int primary key, 
age int not null,
name varchar(16) not null
);mysql> desc user;
+-------+-------------+------+-----+---------+-------+
| Field | Type        | Null | Key | Default | Extra |
+-------+-------------+------+-----+---------+-------+
| id    | int(11)     | NO   | PRI | NULL    |       |
| age   | int(11)     | NO   |     | NULL    |       |
| name  | varchar(16) | NO   |     | NULL    |       |
+-------+-------------+------+-----+---------+-------+
3 rows in set (0.00 sec)mysql> show create table user\G
*************************** 1. row ***************************Table: user
Create Table: CREATE TABLE `user` (`id` int(11) NOT NULL,`age` int(11) NOT NULL,`name` varchar(16) NOT NULL,PRIMARY KEY (`id`)
) ENGINE=InnoDB DEFAULT CHARSET=utf8 -- 默认就是InnoDB存储引擎
1 row in set (0.00 sec)

插入记录

--插入多条记录，注意，我们并没有按照主键的大小顺序插入哦
insert into user (id, age, name) values(3, 18, '杨过');
insert into user (id, age, name) values(4, 16, '小龙女');
insert into user (id, age, name) values(2, 26, '黄蓉');
insert into user (id, age, name) values(5, 36, '郭靖');
insert into user (id, age, name) values(1, 56, '欧阳锋');

查看插入结果

mysql> select * from user;
+----+-----+-----------+
| id | age | name      |
+----+-----+-----------+
|  1 |  56 | 欧阳锋    |
|  2 |  26 | 黄蓉      |
|  3 |  18 | 杨过      |
|  4 |  16 | 小龙女    |
|  5 |  36 | 郭靖      |
+----+-----+-----------+
5 rows in set (0.00 sec)

我们可以发现：我们以乱序的方式进行插入数据，但是我们查看数据的时候是有序的，那么为什么是这样的呢？

为什么 IO 交互要是 Page

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？

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。

但如果这 5 条（或者更多）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。

那如何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。

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再组织，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。


在 MySQL 中，不同的 Page 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。正是因为有序，在查找的时候，从头到尾都是有效查找，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。

理解多个Page

• 通过上面的分析，我们知道，上面页模式只有一个功能，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

比如：我们在看《C 程序设计》这本书的时候，如果我们要看指针的章节，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，所以目录是一种以空间换时间的做法。

单页情况

针对上面的单页P age，我们能否也引入目录呢？当然可以。

那么当前，我们在一个 Page 内部引入了目录。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。现在直接少量的遍历找到目录 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，MySQL 为何会通过键值会自动排序？因为只有 Page 内部的数据时有序的，才能够方便引入页目录，才能提高查找速度。

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。

要注意，上面的图是理想结构，大家也知道，目前要保证整体有序，那么新插入的数据，不一定会在新 Page 上面，这里仅仅做演示。不考虑在久的 Page 中间插入数据的情况。

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。
• 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。
• 其中，每个目录项的构成是：键值 + 指针。
  

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。如果要查找数据，我们就先查找目录页中的目录，确定数据的大致所在的范围，提高查找速度。然后再查找数据页中的目录，进而查找到是所需要的数据。

其实目录页的本质也是页，数据页中存的数据是用户数据，而目录页中存的数据是数据页的地址。

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，可以再加目录页。

这货就是传说中的 B+ 树啊！没错，至此我们已经给我们的表 user 构建完了主键索引。索引本质就是 B+ 树。

随便找一个 id，我们可以发现，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。

主键索引

• 具有主键的表，一个表就一颗 B+ 树。
• 如果没有主键，目前我们认为所有的数据都是线性组织的。但其实如果表中没有主键，MySQL 会自动形成隐藏主键。
• B+ 树中所有的叶子节点和路上节点不需要全部都加载到内存中，可以按需加载 MySQL 的 Page。如果有些 Page 用不上，就根本不需要加载。
• 查找数据的时候，如果数据不在内存中，就进行加载，变查找边加载。

复盘一下

• 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，自顶向下找，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。

InnoDB 在建立索引结构来管理数据的时候，其他数据结构为何不行？

• 链表？线性遍历，效率太低。
• 二叉搜索树？二叉搜索树可能会退化成线性结构，导致效率降低。如果二叉搜索树的深度太深，那么路上节点就会增多；而路上节点的增多就会增加 IO 的次数。
• AVL 树和红黑树？虽然是平衡或者近似平衡，但是毕竟是二叉树结构，相比较多叉树结构，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。虽然你很优秀，但是有更优秀的。
• 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。还有就是哈希存在扩容和重新哈希的问题。
  
• B 树？最值得比较的是 InnoDB 为何不用 B 树作为底层索引？

B 树 VS B+ 树

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+ 树，只有叶子节点有数据，其他目录页，只有键值和 Page 指针。
• B+ 树叶子节点全部相连，而 B 树没有。

为何选择 B+ 树？

• B+ 树的路上节点（页目录）没有数据只有 id 和 page address 的映射，这就意味着 16KB 的空间全部可以用来保存 id 和 page address 的映射，也就意味着一个目录页可以管理更多的数据页，让整个树变得更加矮胖，能够有效地减少 IO 的次数。
  叶子节点相连，能够有效地进行范围查找。
  聚簇索引 VS 非聚簇索引

聚簇索引（Clustered Index）

• 聚簇索引是将表的数据行直接存储在索引中，而不是将数据和索引分开存储。在聚簇索引中，数据行的物理存储顺序与索引顺序一致，因此表的数据行实际上是按照聚簇索引的键值顺序来排列的。
• 每个表只能有一个聚簇索引，通常是主键索引，因为主键是表中的唯一标识。
• 由于数据行和索引行在聚簇索引中存储在一起，因此聚簇索引能够提供较快的数据检索性能，特别是在范围查询和排序操作时。

非聚簇索引（Non-Clustered Index）

• 非聚簇索引是将索引和数据分开存储。在非聚簇索引中，索引行包含了索引键值以及指向对应数据行的指针（一般是数据行的物理地址或主键值）。
• 每个表可以有多个非聚簇索引，用于加速特定列的检索。
• 由于数据和索引在非聚簇索引中分开存储，因此非聚簇索引的数据行在物理上是随机散落存储的。因此，当进行范围查询或排序操作时，非聚簇索引的性能可能较聚簇索引稍慢。

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。下图为 MyISAM 表的主索引， Col1 为主键。

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。

--终端A
mysql> create database innodb_test; --创建数据库
Query OK, 1 row affected (0.00 sec)
mysql> use innodb_test;
Database changed
mysql> create table itest(
-> id int primary key,
-> name varchar(11) not null
-> )engine=InnoDB; --使用engine=InnoDB
Query OK, 0 rows affected (0.02 sec)mysql> use myisam_test;
Database changed
mysql> create table mtest(-> id int primary key,-> name varchar(20) not null-> )engine=MyISAM;  -- 使用 MySIAM 作为存储引擎
Query OK, 0 rows affected (0.00 sec)

mysql> create database innodb_test;
Query OK, 1 row affected (0.00 sec)mysql> use innodb_test;
Database changedmysql> create table itest(-> id int primary key,-> name varchar(20) not null-> )engine=InnoDB; -- 使用 InnoDB 作为存储引擎
Query OK, 0 rows affected (0.03 sec)

其中， 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。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。

下图就是基于 MyISAM 的 Col2 建立的索引，和主键索引没有差别。

同样， InnoDB 除了主键索引，用户也会建立辅助（普通）索引，我们以上表中的 Col3 建立对应的辅助索引如下图：

可以看到， InnoDB 的非主键索引中叶子节点并没有数据，而只有对应记录的主键值。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。回表查询是指在通过普通索引查找到数据行的主键值后，再通过主键值进行一次额外的查询操作，以获取完整的数据行。

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。

总结

• 一张张不仅仅只有一个索引结构。当我们建立表结构的时候，如果有主见，那么 MySQL 会为我们构建主键索引。主键索引分为聚簇索引和非聚簇索引。
• MyISAM 存储引擎构建主键索引或者普通索引就是构建 B+ 树，叶子节点保存数据的记录的地址即可。
• InnoDB 存储引擎构建的主键索引是聚簇索引，而普通索引就是根据普通列构建 B+ 树，然后叶子节点上保存的是该普通数据对应的主键值。后续查找的时候，可以通过回表查询的方式进行查找。需要回表查询并不意味着效率就会变低。

👉索引的操作👈

创建主键索引

• 第一种方式

-- 在创建表的时候，直接在字段名后指定 primary key
create table user1(id int primary key, name varchar(30));

• 第二种方式

-- 在创建表的最后，指定某列或某几列为主键索引
create table user2(id int, name varchar(30), primary key(id));

• 第三种方式

create table user3(id int, name varchar(30));
-- 创建表以后再添加主键
alter table user3 add primary key(id);
-- 删除主键后创建符合逐渐
alter table user3 drop primary key;
alter table user3 add primary key(id, name);

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。

创建唯一索引

唯一索引就是普通索引，只不过其具有唯一性约束。

• 第一种方式

-- 在表定义时，在某列后直接指定 unique 唯一属性。
create table user4(id int primary key, name varchar(30) unique);

• 第二种方式

-- 创建表时，在表的后面指定某列或某几列为unique
create table user5(id int primary key, name varchar(30), unique(name));

• 第三种方式

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。

创建普通索引

• 第一种方式

mysql> create table user1(-> name varchar(20),-> email varchar(30),-> index(name)-> );
Query OK, 0 rows affected (0.03 sec)mysql> desc user1;
+-------+-------------+------+-----+---------+-------+
| Field | Type        | Null | Key | Default | Extra |
+-------+-------------+------+-----+---------+-------+
| name  | varchar(20) | YES  | MUL | NULL    |       |
| email | varchar(30) | YES  |     | NULL    |       |
+-------+-------------+------+-----+---------+-------+
2 rows in set (0.00 sec)

• 第二种方式

mysql> create table user2(-> name varchar(20),-> email varchar(30)-> );
Query OK, 0 rows affected (0.02 sec)mysql> alter table user2 add index(name);
Query OK, 0 rows affected (0.03 sec)
Records: 0  Duplicates: 0  Warnings: 0mysql> desc user2;
+-------+-------------+------+-----+---------+-------+
| Field | Type        | Null | Key | Default | Extra |
+-------+-------------+------+-----+---------+-------+
| name  | varchar(20) | YES  | MUL | NULL    |       |
| email | varchar(30) | YES  |     | NULL    |       |
+-------+-------------+------+-----+---------+-------+
2 rows in set (0.00 sec)

• 第三种方式

mysql> create table user3(-> name varchar(20),-> qq varchar(30)-> );
Query OK, 0 rows affected (0.02 sec)-- 创建一个名为 index1 的普通索引
mysql> create index index1 on user3(name);
Query OK, 0 rows affected (0.02 sec)
Records: 0  Duplicates: 0  Warnings: 0mysql> desc user3;
+-------+-------------+------+-----+---------+-------+
| Field | Type        | Null | Key | Default | Extra |
+-------+-------------+------+-----+---------+-------+
| name  | varchar(20) | YES  | MUL | NULL    |       |
| email | varchar(30) | YES  |     | NULL    |       |
+-------+-------------+------+-----+---------+-------+
2 rows in set (0.00 sec)

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。

创建全文索引

全文索引是数据库中一种特殊的索引类型，用于加速全文搜索操作。全文索引是为了更快地搜索文本字段中的关键词或短语而创建的，它可以在文本内容中进行模糊匹配，而不仅仅是精确匹配。

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）。

全文索引的特点和用途：

• 模糊匹配： 全文索引可以处理模糊查询，它允许用户在文本字段中搜索关键词或短语的部分匹配，而不是要求完全相等的匹配。

• 排除常用词： 全文索引通常会排除一些常用词（例如“and”，“the”等）和长度较短的词，以节省索引空间并提高搜索效率。

• 分词处理： 在创建全文索引时，文本字段会被分词处理，将文本拆分成一个个词项。这样可以更高效地进行关键词的匹配和搜索。

• 性能： 全文索引在进行模糊搜索时的性能通常比传统的索引要好，特别是对于大量的文本数据和复杂的查询操作。

CREATE TABLE articles (id INT UNSIGNED AUTO_INCREMENT NOT NULL PRIMARY KEY,title VARCHAR(200),body TEXT,FULLTEXT (title,body)
)engine=MyISAM;

INSERT INTO articles (title,body) VALUES('MySQL Tutorial','DBMS stands for DataBase ...'),('How To Use MySQL Well','After you went through a ...'),('Optimizing MySQL','In this tutorial we will show ...'),('1001 MySQL Tricks','1. Never run mysqld as root. 2. ...'),('MySQL vs. YourSQL','In the following database comparison ...'),('MySQL Security','When configured properly, MySQL ...');mysql> select * from articles;
+----+-----------------------+------------------------------------------+
| id | title                 | body                                     |
+----+-----------------------+------------------------------------------+
|  1 | MySQL Tutorial        | DBMS stands for DataBase ...             |
|  2 | How To Use MySQL Well | After you went through a ...             |
|  3 | Optimizing MySQL      | In this tutorial we will show ...        |
|  4 | 1001 MySQL Tricks     | 1. Never run mysqld as root. 2. ...      |
|  5 | MySQL vs. YourSQL     | In the following database comparison ... |
|  6 | MySQL Security        | When configured properly, MySQL ...      |
+----+-----------------------+------------------------------------------+
6 rows in set (0.00 sec)

• 查询有没有 database 数据
  如果使用如下查询方式，虽然查询出数据，但是没有使用到全文索引。

mysql> select * from articles where body like '%database%';
+----+-------------------+------------------------------------------+
| id | title             | body                                     |
+----+-------------------+------------------------------------------+
|  1 | MySQL Tutorial    | DBMS stands for DataBase ...             |
|  5 | MySQL vs. YourSQL | In the following database comparison ... |
+----+-------------------+------------------------------------------+
2 rows in set (0.00 sec)

可以用 explain 工具看一下，是否使用到索引。使用 explain 分析的 SQL 语句不会被执行。

mysql> explain select * from articles where body like '%database%'\G
*************************** 1. row ***************************id: 1select_type: SIMPLEtable: articlespartitions: NULLtype: ALL
possible_keys: NULLkey: NULL  -- key 为 NULL 表示没有用到索引key_len: NULLref: NULLrows: 6filtered: 16.67Extra: Using where
1 row in set, 1 warning (0.00 sec)

• 使用全文索引

mysql> select * from articles where match (title, body) against('database');
+----+-------------------+------------------------------------------+
| id | title             | body                                     |
+----+-------------------+------------------------------------------+
|  5 | MySQL vs. YourSQL | In the following database comparison ... |
|  1 | MySQL Tutorial    | DBMS stands for DataBase ...             |
+----+-------------------+------------------------------------------+
2 rows in set (0.00 sec)

• 使用 explain 分析这条 SQL 语句

mysql> explain select * from articles where match (title, body) against('database')\G
*************************** 1. row ***************************id: 1select_type: SIMPLEtable: articlespartitions: NULLtype: fulltext
possible_keys: titlekey: titlekey_len: 0ref: constrows: 1filtered: 100.00Extra: Using where
1 row in set, 1 warning (0.00 sec)

查询索引

• 第一种方式

mysql> create table user4(-> id int primary key,-> name varchar(20),-> email varchar(30)-> );
Query OK, 0 rows affected (0.03 sec)mysql> show keys from user4\G
*************************** 1. row ***************************Table: user4  -- 表名Non_unique: 0    -- 0 表示唯一索引Key_name: PRIMARY  -- 主键索引Seq_in_index: 1Column_name: id     -- 索引在哪一列Collation: ACardinality: 0Sub_part: NULLPacked: NULLNull: Index_type: BTREE -- B+ 树的索引Comment: 
Index_comment: 
1 row in set (0.00 sec)

• 第二种方式

mysql> create index name_index on user4(name);
Query OK, 0 rows affected (0.02 sec)
Records: 0  Duplicates: 0  Warnings: 0mysql> alter table user4 add unique(qq);
Query OK, 0 rows affected (0.02 sec)
Records: 0  Duplicates: 0  Warnings: 0mysql> show index from user4\G
*************************** 1. row ***************************Table: user4Non_unique: 0Key_name: PRIMARYSeq_in_index: 1Column_name: idCollation: ACardinality: 0Sub_part: NULLPacked: NULLNull: Index_type: BTREEComment: 
Index_comment: 
*************************** 2. row ***************************Table: user4Non_unique: 0Key_name: qqSeq_in_index: 1Column_name: qqCollation: ACardinality: 0Sub_part: NULLPacked: NULLNull: YESIndex_type: BTREEComment: 
Index_comment: 
*************************** 3. row ***************************Table: user4Non_unique: 1    -- 1 表示不是唯一索引Key_name: name_index  -- 索引名称Seq_in_index: 1Column_name: nameCollation: ACardinality: 0Sub_part: NULLPacked: NULLNull: YESIndex_type: BTREEComment: 
Index_comment: 
3 rows in set (0.00 sec)

• 第三种方式

mysql> desc user4;
+-------+-------------+------+-----+---------+-------+
| Field | Type        | Null | Key | Default | Extra |
+-------+-------------+------+-----+---------+-------+
| id    | int(11)     | NO   | PRI | NULL    |       |
| name  | varchar(20) | YES  | MUL | NULL    |       |
| qq    | varchar(30) | YES  | UNI | NULL    |       |
+-------+-------------+------+-----+---------+-------+
3 rows in set (0.00 sec)

删除索引

• 第一种方式：删除主键索引

 alter table 表名 drop primary key;

mysql> alter table user4 drop primary key;
Query OK, 0 rows affected (0.06 sec)
Records: 0  Duplicates: 0  Warnings: 0mysql> desc user4;
+-------+-------------+------+-----+---------+-------+
| Field | Type        | Null | Key | Default | Extra |
+-------+-------------+------+-----+---------+-------+
| id    | int(11)     | NO   |     | NULL    |       |
| name  | varchar(20) | YES  | MUL | NULL    |       |
| qq    | varchar(30) | YES  | UNI | NULL    |       |
+-------+-------------+------+-----+---------+-------+
3 rows in set (0.00 sec)

• 第二种方式：删除其他索引

-- 索引名就是show keys from 表名中的 Key_name 字段
alter table 表名 drop index 索引名;

mysql> alter table user4 drop index name_index;
Query OK, 0 rows affected (0.01 sec)
Records: 0  Duplicates: 0  Warnings: 0mysql> desc user4;
+-------+-------------+------+-----+---------+-------+
| Field | Type        | Null | Key | Default | Extra |
+-------+-------------+------+-----+---------+-------+
| id    | int(11)     | NO   |     | NULL    |       |
| name  | varchar(20) | YES  |     | NULL    |       |
| qq    | varchar(30) | YES  | UNI | NULL    |       |
+-------+-------------+------+-----+---------+-------+
3 rows in set (0.00 sec)

• 第三种方式

drop index 索引名 on 表名

mysql> drop index qq on user4;
Query OK, 0 rows affected (0.01 sec)
Records: 0  Duplicates: 0  Warnings: 0mysql> desc user4;
+-------+-------------+------+-----+---------+-------+
| Field | Type        | Null | Key | Default | Extra |
+-------+-------------+------+-----+---------+-------+
| id    | int(11)     | NO   |     | NULL    |       |
| name  | varchar(20) | YES  |     | NULL    |       |
| qq    | varchar(30) | YES  |     | NULL    |       |
+-------+-------------+------+-----+---------+-------+
3 rows in set (0.00 sec)

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。

其他概念

复合索引

• 复合索引是在多个列上创建的组合索引，它可以涵盖多个列的值，并提供了一种高效的方式来支持涉及到这些列的查询。
• 复合索引的创建顺序很重要，查询时只能使用索引的前缀列，这被称为“最左匹配原则”。

索引最左匹配原则

• 索引最左匹配原则是指在使用复合索引进行查询时，查询条件必须是索引的最左边的列开始，并连续地使用索引的列。不能跳过索引中的列，也不能只使用索引的后面几列进行查询。
• 这意味着如果一个表上创建了复合索引 (a, b, c)，那么在查询时，必须者同时使用列 a 和列 b，或者同时使用列 a、列 b 和列 c，才能充分利用这个复合索引。如果只使用了列 b 和列 c 进行查询，那么复合索引将无法发挥作用，可能需要进行全表扫描。

索引覆盖

• 索引覆盖是指查询的数据可以直接从索引中获取，而无需访问数据表。这种情况通常发生在使用覆盖索引进行查询时，覆盖索引包含了查询所需的所有列数据，不需要回表查询获取其他列的数据。
• 索引覆盖可以显著提高查询性能，因为它避免了回表查询的额外开销。在一些场景中，通过合理创建覆盖索引，可以将查询的性能优化到最大。

举例说明

假设有一个表 users 包含三个列 name、age 和 email，我们创建了复合索引 (name, age, email)。

• 索引最左匹配原则：以下查询可以使用复合索引 (name, age, email) 进行优化，因为查询条件从左到右连续地使用了索引的列。

SELECT name, age FROM users WHERE name = 'John' AND age = 30;

索引覆盖：以下查询可以使用覆盖索引 (name, age) 进行优化，因为查询所需的数据列 name 和 age 都包含在索引中，无需访问数据表。

SELECT name, age FROM users WHERE name = 'John' AND age = 30;

👉总结👈

本篇博客主要讲解了磁盘、索引的理解、索引的操作等等。如果大家觉得有收获的话，可以点个三连支持一下！谢谢大家啦！💖💝❣️