深入理解 MySQL 索引

from:https://www.infoq.cn/article/OJKWYykjoyc2YGB0Sj2c

前言

 

当提到 MySQL 数据库的时候，我们的脑海里会想起几个关键字：索引、事务、数据库锁等等，索引是 MySQL 的灵魂，是平时进行查询时的利器，也是面试中的重中之重。

可能你了解索引的底层是 b+ 树，会加快查询，也会在表中建立索引，但这是远远不够的，这里列举几个索引常见的面试题：

1、索引为什么要用 b+ 树这种数据结构？

2、聚集索引和非聚集索引的区别？

3、索引什么时候会失效，最左匹配原则是什么？

当遇到这些问题的时候，可能会发现自己对索引还是一知半解，今天我们一起学习 MySQL 的索引。

一、一条查询语句是如何执行的

首先来看 在 MySQL 数据库中，一条查询语句是如何执行的，索引出现在哪个环节，起到了什么作用。

1.1 应用程序发现 SQL 到服务端

当执行 SQL 语句时，应用程序会连接到相应的数据库服务器，然后服务器对 SQL 进行处理。

1.2 查询缓存

接着数据库服务器会先去查询是否有该 SQL 语句的缓存，key 是查询的语句，value 是查询的结果。如果你的查询能够直接命中，就会直接从缓存中拿出 value 来返回客户端。

注：查询不会被解析、不会生成执行计划、不会被执行。

1.3 查询优化处理，生成执行计划

如果没有命中缓存，则开始第三步。

• 解析 SQL：生成解析树，验证关键字如 select,where,left join 等）是否正确。
• 预处理：进一步检查解析树是否合法，如 检查数据表和列是否存在，验证用户权限等。
• 优化 SQL：决定使用哪个索引，或者在多个表相关联的时候决定表的连接顺序。紧接着，将 SQL 语句转成执行计划。

1.4 将查询结果返回客户端

最后，数据库服务器将查询结果返回给客户端。(如果查询可以缓存，MySQL 也会将结果放到查询缓存中)

这就是一条查询语句的执行流程，可以看到索引出现在优化 SQL 的流程步骤中，接下来了解索引到底是什么？

二、索引概述

先简单地了解一下索引的基本概念。

2.1 索引是什么

索引是帮助数据库高效获取数据的数据结构。

2.2 索引的分类

1）从存储结构上来划分

• Btree 索引（B+tree，B-tree)
• 哈希索引
• full-index 全文索引
• RTree

2）从应用层次上来划分

• 普通索引：即一个索引只包含单个列，一个表可以有多个单列索引。
• 唯一索引：索引列的值必须唯一，但允许有空值。
• 复合索引：一个索引包含多个列。

3）从表记录的排列顺序和索引的排列顺序是否一致来划分

• 聚集索引：表记录的排列顺序和索引的排列顺序一致。
• 非聚集索引：表记录的排列顺序和索引的排列顺序不一致。

2.3 聚集索引和非聚集索引

1）简单概括

• 聚集索引：就是以主键创建的索引。
• 非聚集索引：就是以非主键创建的索引（也叫做二级索引）。

2）详细概括

• 聚集索引

聚集索引表记录的排列顺序和索引的排列顺序一致，所以查询效率快，因为只要找到第一个索引值记录，其余的连续性的记录在物理表中也会连续存放，一起就可以查询到。

缺点：新增比较慢，因为为了保证表中记录的物理顺序和索引顺序一致，在记录插入的时候，会对数据页重新排序。

• 非聚集索引

索引的逻辑顺序与磁盘上行的物理存储顺序不同，非聚集索引在叶子节点存储的是主键和索引列，当我们使用非聚集索引查询数据时，需要拿到叶子上的主键再去表中查到想要查找的数据。这个过程就是我们所说的回表。

3）聚集索引和非聚集索引的区别

• 聚集索引在叶子节点存储的是表中的数据。
• 非聚集索引在叶子节点存储的是主键和索引列。

举个例子

比如汉语字典，想要查「阿」字，只需要翻到字典前几页，a 开头的位置，接着「啊」「爱」都会出来。也就是说，字典的正文部分本身就是一个目录，不需要再去查其他目录来找到需要找的内容。我们 把这种正文内容本身就是一种按照一定规则排列的目录称为 == 聚集索引 ==。

如果遇到不认识的字，只能根据“偏旁部首”进行查找，然后根据这个字后的页码直接翻到某页来找到要找的字。但结合 部首目录 和 检字表 而查到的字的排序并不是真正的正文的排序方法。

比如要查“玉”字，我们可以看到在查部首之后的检字表中“玉”的页码是 587 页，然后是珏，是 251 页。很显然，在字典中这两个字并没有挨着，现在看到的连续的“玉、珏、莹”三字实际上就是他们 在非聚集索引中的排序，是字典正文中的字在非聚集索引中的映射。我们可以通过这种方式来找到所需要的字，但它需要两个过程，先找到目录中的结果，然后再翻到结果所对应的页码。我们 把这种目录纯粹是目录，正文纯粹是正文的排序方式称为 == 非聚集索引 ==。

2.4 MySQL 如何添加索引

1）添加 PRIMARY KEY（主键索引）

�复制代码

ALTER TABLE `table_name` ADD PRIMARY KEY ( `column` )

2）添加 UNIQUE（唯一索引）

�复制代码

ALTER TABLE `table_name` ADD UNIQUE (`column`)

3）添加 INDEX（普通索引）

�复制代码

ALTER TABLE `table_name` ADD INDEX index_name (`column` )

4）添加 FULLTEXT（全文索引）

�复制代码

ALTER TABLE `table_name` ADD FULLTEXT (`column`)

5）添加多列索引

�复制代码

ALTER TABLE `table_name` ADD INDEX index_name (`column1`,`column2`,`column3`)

三、索引底层数据结构

了解了索引的基本概念后，可能最好奇的就是 索引的底层是怎么实现的呢？为什么索引可以如此高效地进行数据的查找？如何设计数据结构可以满足我们的要求？ 下文通过一般程序员的思维来想一下如果是我们来设计索引，要如何设计来达到索引的效果。

3.1 哈希索引

可能直接想到的就是用哈希表来实现快速查找，就像我们平时用的 hashmap 一样，value = get(key) O(1) 时间复杂度一步到位，确实，哈希索引 是一种方式。

1）定义

哈希索引就是采用一定的哈希算法，只需一次哈希算法即可立刻定位到相应的位置，速度非常快。本质上就是把键值换算成新的哈希值，根据这个哈希值来定位。

2）局限性

• 哈希索引没办法利用索引完成排序。
• 不能进行多字段查询。
• 在有大量重复键值的情况下，哈希索引的效率也是极低的（出现哈希碰撞问题）。
• 不支持范围查询。

在 MySQL 常用的 InnoDB 引擎中，还是使用 B+ 树索引比较多。InnoDB 是自适应哈希索引的（hash 索引的创建由 ==InnoDB 存储引擎自动优化创建 ==，我们干预不了）。

3.2 如何设计索引的数据结构呢

假设要查询某个区间的数据，我们只需要拿到区间的起始值，然后在树中进行查找。

如数据为：

1）查询 [7,30] 区间的数据

当查找到起点节点 10 后，再顺着链表进行遍历，直到链表中的节点数据大于区间的终止值为止。所有遍历到的数据，就是符合区间值的所有数据。

2）还可以怎么优化呢？

利用二叉查找树，区间查询的功能已经实现了。但是，为了节省内存，我们只能把树存储在硬盘中。

那么，每个节点的读取或者访问，都对应一次硬盘 IO 操作。每次查询数据时磁盘 IO 操作的次数，也叫做 ==IO 渐进复杂度 ==，也就是 == 树的高度 ==。

所以，我们要减少磁盘 IO 操作的次数，也就是 要 == 降低树的高度 ==。

结构优化过程如下图所示：

这里将二叉树变为了 M 叉树，降低了树的高度，那么这个 M 应该选择多少才合适呢？

问题：对于相同个数的数据构建 m 叉树索引，m 叉树中的 m 越大，那树的高度就越小，那 m 叉树中的 m 是不是越大越好呢？到底多大才合适呢？

不管是内存中的数据还是磁盘中的数据，操作系统都是按页（一页的大小通常是 4kb，这个值可以通过getconfig(PAGE_SIZE)命令查看）来读取的，一次只会读取一页的数据。

如果要读取的数据量超过了一页的大小，就会触发多次 IO 操作。所以在选择 m 大小的时候，要尽量让每个节点的大小等于一个页的大小。

一般实际应用中，出度 d（树的分叉数）是非常大的数字，通常超过 100；== 树的高度（h）非常小，通常不超过 3==。

3.3 B 树

顺着解决问题的思路知道了我们想要的数据结构是什么。目前索引常用的数据结构是 B+ 树，先介绍一下什么是 B 树（也就是 B- 树）。

1）B 树的特点：

• 关键字分布在整棵树的所有节点。
• 任何一个关键字 出现且只出现在一个节点中。
• 搜索有可能在 非叶子节点 结束。
• 其搜索性能等价于在关键字全集内做一次二分查找。如下图所示：

3.4 B+ 树

了解了 B 树，再来看一下 B+ 树，也是 MySQL 索引大部分情况所使用的数据结构。

下图是一个 M=3 阶的 B+ 树

1）B+ 树基本特点

• 非叶子节点的子树指针与关键字个数相同。
• 非叶子节点的子树指针 P[i]，指向关键字属于 [k[i],K[i+1]) 的子树（注意：区间是前闭后开)。
• 为所有叶子节点增加一个链指针。
• 所有关键字都在叶子节点出现。

这些基本特点是为了满足以下的特性。

2）B+ 树的特性

• 所有的关键字 都出现在叶子节点的链表中，且链表中的关键字是有序的。
• 搜索只在叶子节点命中。
• 非叶子节点相当于是 叶子节点的索引层，叶子节点是 存储关键字数据的数据层。

3）相对 B 树，B+ 树做索引的优势

• B+ 树的磁盘读写代价更低。B+ 树的内部没有指向关键字具体信息的指针，所以其内部节点相对 B 树更小，如果把所有关键字存放在同一块盘中，那么盘中所能容纳的关键字数量也越多，一次性读入内存的需要查找的关键字也就越多，相应的，IO 读写次数就降低了。
• 树的查询效率更加稳定。B+ 树所有数据都存在于叶子节点，所有关键字查询的路径长度相同，每次数据的查询效率相当。而 B 树可能在非叶子节点就停止查找了，所以查询效率不够稳定。
• B+ 树只需要去遍历叶子节点就可以实现整棵树的遍历。

3.5 MongoDB 的索引为什么选择 B 树，而 MySQL 的索引是 B+ 树？

因为 MongoDB 不是传统的关系型数据库，而是以 Json 格式作为存储的 NoSQL 非关系型数据库，目的就是高性能、高可用、易扩展。摆脱了关系模型，所以 范围查询和遍历查询的需求就没那么强烈了。

3.6 MyISAM 存储引擎和 InnoDB 的索引有什么区别

1）MyISAM 存储引擎

• 主键索引

MyISAM 的索引文件（.MYI）和数据文件（.MYD）文件是分离的，索引文件仅保存记录所在页的指针（物理位置），通过这些指针来读取页，进而读取被索引的行。

树中的叶子节点保存的是对应行的物理位置。通过该值，== 存储引擎能顺利地进行回表查询，得到一行完整记录 ==。

同时，每个叶子也保存了指向下一个叶子的指针，从而 方便叶子节点的范围遍历。

• 辅助索引

在 MyISAM 中，主键索引和辅助索引在结构上没有任何区别，== 只是主键索引要求 key 是唯一的，而辅助索引的 key 可以重复 ==。

1）Innodb 存储引擎

Innodb 的主键索引和辅助索引之前提到过，再回顾一次。

• 主键索引

InnoDB 主键索引中既存储了主健值，又存储了行数据。

• 辅助索引

对于辅助索引，InnoDB 采用的方式是在叶子节点中保存主键值，通过这个主键值来回表查询到一条完整记录，因此 按辅助索引检索其实进行了二次查询，效率是没有主键索引高的。

四、MySQL 索引失效

在上一节中了解了索引的多种数据结构，以及 B 树和 B+ 树的对比等，大家应该对索引的底层实现有了初步的了解。这一节从应用层的角度出发，看一下如何建索引更能满足我们的需求，以及 MySQL 索引什么时候会失效的问题。

先来思考一个小问题。

问题：当查询条件为 2 个及 2 个以上时，是创建多个单列索引还是创建一个联合索引好呢？它们之间的区别是什么？哪个效率高呢？

先来建立一些单列索引进行测试：

这里建立了一张表，里面建立了三个单列索引 userId,mobile,billMonth。

然后进行多列查询。

�复制代码

explain select * from `t_mobilesms_11` where userid = '1' and mobile = '13504679876' and billMonth = '1998-03'

我们发现查询时只用到了 userid 这一个单列索引，这是为什么呢？因为这取决于 MySQL 优化器的优化策略。

当多条件联合查询时，优化器会评估哪个条件的索引效率高，它会选择最佳的索引去使用。也就是说，此处三个索引列都可能被用到，只不过优化器判断只需要使用 userid 这一个索引就能完成本次查询，故最终 explain 展示的 key 为 userid。

4.1 总结

多个单列索引在多条件查询时优化器会选择最优索引策略，可能 只用一个索引，也可能将多个索引都用上。

但是多个单列索引底层会建立多个 B+ 索引树，比较占用空间，也会浪费搜索效率 所以 多条件联合查询时最好建联合索引。

那联合索引就可以三个条件都用到了吗？会出现索引失效的问题吗？

4.2 联合索引失效问题

该部分参考并引用文章：一张图搞懂 MySQL 的索引失效（ https://segmentfault.com/a/1190000021464570 ）

创建 user 表，然后建立 name, age, pos, phone 四个字段的联合索引 全值匹配（索引最佳）。

索引生效，这是最佳的查询。

那么时候会失效呢？

1）违反最左匹配原则

最左匹配原则：最左优先，以最左边的为起点任何连续的索引都能匹配上，如不连续，则匹配不上。

如：建立索引为 (a,b) 的联合索引，那么只查 where b = 2 则不生效。换句话说：如果建立的索引是 (a,b,c)，也只有 (a),(a,b),(a,b,c) 三种查询可以生效。

这里跳过了最左的 name 字段进行查询，发现索引失效了。

遇到范围查询（>、<、between、like）就会停止匹配。

比如：a= 1 and b = 2 and c>3 and d =4 如果建立 (a,b,c,d) 顺序的索引，d 是用不到索引的，因为 c 字段是一个范围查询，它之后的字段会停止匹配。

2）在索引列上做任何操作

如计算、函数、（手动或自动）类型转换等操作，会导致索引失效而进行全表扫描。

�复制代码

explain select * from user where left(name,3) = 'zhangsan' and age =20

这里对 name 字段进行了 left 函数操作，导致索引失效。

3）使用不等于（!= 、<>）

�复制代码

explain select * from user where age != 20;

�复制代码

explain select * from user where age <> 20;

4）like 中以通配符开头 (’%abc’)

索引失效

�复制代码

explain select * from user where name like ‘%zhangsan’;

索引生效

�复制代码

explain select * from user where name like ‘zhangsan%’;

5）字符串不加单引号索引失效

�复制代码

explain select * from user where name = 2000;

6）or 连接索引失效

�复制代码

explain select * from user where name = ‘2000’ or age = 20 or pos =‘cxy’;

7）order by

正常（索引参与了排序），没有违反最左匹配原则。

�复制代码

explain select * from user where name = 'zhangsan' and age = 20 order by age,pos;

违反最左前缀法则，导致额外的文件排序（会降低性能）。

�复制代码

explain select name,age from user where name = 'zhangsan' order by pos;

8）group by

正常（索引参与了排序）。

�复制代码

explain select name,age from user where name = 'zhangsan' group by age;

违反最左前缀法则，导致产生临时表（会降低性能）。

�复制代码

explain select name,age from user where name = 'zhangsan' group by pos,age;

五、总结

• 了解一条查询语句是如何执行的，发现建立索引是一种可以高效查找的数据结构。
• 了解了索引的各种分类情况，聚集索引和非聚集索引的区别，如何创建各种索引。
• 通过需求一步步分析出为什么 MySQL 要选 b+tree 作为索引的数据结构，对比了 btree 和 b+tree 的区别、 MyISAM 和 innodb 中索引的区别。
• 了解了索引会失效的多种情况，比较重要的最左匹配原则，相应地我们可以在建索引的时候做一些优化。

希望大家能够多去使用索引进行 SQL 优化，有问题欢迎指出。